DOI: 10.26820/recimundo/8.(3).julio.2024.114-127
URL: https://recimundo.com/index.php/es/article/view/2397
EDITORIAL: Saberes del Conocimiento
REVISTA: RECIMUNDO
ISSN: 2588-073X
TIPO DE INVESTIGACIÓN: Artículo de investigación
CÓDIGO UNESCO: 58 Pedagogía
PAGINAS: 114-127
Aplicación de la inteligencia articial en la educación,
herramientas de la IA aplicadas en la educación
Application of artificial intelligence in educational environment, digital
tools applied in educational
Aplicação da inteligência artificial na educação, ferramentas de IA
aplicadas na educação
Guisella Isabel Villamar Vasquez
1
; Edgar Efrain Tipan Criollo
2
; José Luis Rugel Llongo
3
;
Jorge Alberto Medina Avelino
4
RECIBIDO: 20/04/2024 ACEPTADO: 11/05/2024 PUBLICADO: 25/10/2024
1. Magíster en Estadística Aplicada; Magíster en Gerencia de Servicios de la Salud; Diploma Superior en Desarrollo Local y Salud;
Diploma Superior en Salud y Terapias Integrativas; Ingeniera Comercial con Mención en Administración Financiera; Universidad
Estatal de Milagro; Milagro, Ecuador; gvillamarv@unemi.edu.ec; https://orcid.org/0000-0002-2336-6617
2. Máster en Educación; Ingeniero Comercial; Investigador Independiente; Guayaquil, Ecuador; edgarefrin@hotmail.com; https://
orcid.org/0000-0002-9498-8069
3. Magíster en Educación Mención en Tecnología e Innovación Educativa; Ingeniero en Sistemas Computacionales; Docente de la
Unidad Educativa El Triunfo; El Triunfo, Ecuador; jois_leus@hotmail.com; https://orcid.org/0000-0003-4057-5653
4. Magíster en Docencia y Gerencia en Educación Superior; Diploma Superior en Diseño Curricular por Competencias; Máster Uni-
versitario en Desarrollo de Software; Ingeniero en Sistemas Computacionales; Universidad Del Pacífico; Universidad de Guayaquil;
Guayaquil, Ecuador; jorge.medina@upacifico.edu.ec; jorge.medinaa@ug.edu.ec; https://orcid.org/0000-0003-1682-7953
CORRESPONDENCIA
Guisella Isabel Villamar Vasquez
gvillamarv@unemi.edu.ec
Milagro, Ecuador
© RECIMUNDO; Editorial Saberes del Conocimiento, 2024
RESUMEN
El objetivo de esta investigación es realizar una revisión sistemática sobre la inteligencia artificial aplicada en la educación, incluyendo
temas como la automatización de la enseñanza, la retroalimentación en tiempo real, y la adaptación del contenido a las necesidades
individuales de cada estudiante. La investigación recopila evidencias de diversas plataformas de aprendizaje basadas en IA, evaluando
efectividad y aceptación por parte de los docentes y estudiantes. En la revisión de estudios empíricos, se identifican patrones positivos
de mejora en los resultados académicos, especialmente en estudiantes con dificultades de aprendizaje. Sin embargo, también se explo-
ran riesgos potenciales, como la dependencia excesiva de la tecnología, riesgos relacionados con la privacidad de datos, desigualdad
en el acceso a tecnologías avanzadas y la posible deshumanización del proceso educativo. Las conclusiones resaltan que, si bien la
IA pueden reducir la carga administrativa y mejorar el aprendizaje personalizado, su implementación requiere un rediseño pedagógico
y una inversión sustancial en capacitación docente. Para la revisión, se siguió un enfoque sistemático utilizando la tecnología PRISMA
(Preferred Reporting Items for Systematic Reviews and Meta-Analyses) para seleccionar los estudios y se utilizó un análisis temático para
identificar patrones de uso, tipos de tecnología utilizada y efectividad en diferentes contextos educativos (primaria, secundaria, educa-
ción superior).; a través de bases de datos en Google Scholar, PsycINFO, SciELO. Se seleccionaron 32 estudios publicados en los últi-
mos 5 años. Los criterios de inclusión fueron artículos en inglés y español, estudios de implementación de herramientas de IA publicados
en revistas científicas y que documenten intervenciones de IA en entornos educativos. Se excluyeron estudios fuera del rango temporal,
que no se centren explícitamente en la aplicación de la inteligencia artificial en la educación, estudios sin análisis empíricos o estudios
de caso, estudios que no estén disponibles en su totalidad, estudios duplicados y de baja calidad metodológica.
Palabras clave: Inteligencia artificial, Herramientas de inteligencia artificial, Aplicación de las IA en la educación, Intervenciones educati-
vas en IA, Tecnologías educativas, Asistentes virtuales en educación, Aprendizaje automatizado en educación.
ABSTRACT
The objective of this research is to conduct a systematic review on artificial intelligence applied in educational environment, including
topics such as teaching automation, real-time feedback, and adaptation of content to the individual needs of each student. The research
compiles evidence of some AI-based learning platforms, evaluating effectiveness and acceptance by teachers and students. In the review
of empirical studies, positive patterns of improvement in academic results are identified, especially in students with learning difficulties.
However, potential risks are also explored, such as over-reliance on technology, risks related to data privacy, inequality in access to ad-
vanced technologies, and the possible dehumanization of the educational process. The conclusions highlight that, although AI can reduce
administrative burden and improve personalized learning, its implementation requires pedagogical redesign and a substantial investment
in teacher training. For the review, a systematic approach was followed using PRISMA (Preferred Reporting Items for Systematic Reviews
and Meta-Analyses) technology to select studies and thematic analysis was used to identify patterns of use, types of technology used and
effectiveness in different contexts. educational (primary, secondary, higher education).; through databases in Google Scholar, PsycINFO,
SciELO. 32 studies published in the last 5 years were selected. The inclusion criteria were articles in English and Spanish, implementation
studies of AI tools published in scientific journals and documenting AI interventions in educational settings. Studies outside the temporal
range were excluded, those that do not explicitly focus on the application of artificial intelligence in education, studies without empirical
analyzes or case studies, studies that are not completely available, duplicate studies, and studies of low methodological quality.
Keywords: Artificial intelligence, Artificial intelligence tools, Application of AI in education, Educational interventions in AI, Educational
technologies, Virtual assistants in education, Automated learning in education.
RESUMO
O objetivo desta investigação é realizar uma revisão sistemática sobre a inteligência artificial aplicada no ambiente educativo, incluindo
tópicos como a automatização do ensino, o feedback em tempo real e a adaptação dos conteúdos às necessidades individuais de cada
aluno. A investigação compila evidências de algumas plataformas de aprendizagem baseadas em IA, avaliando a eficácia e a aceitação
por parte de professores e alunos. Na análise dos estudos empíricos, são identificados padrões positivos de melhoria dos resultados
académicos, especialmente em alunos com dificuldades de aprendizagem. No entanto, são também explorados potenciais riscos, como
a dependência excessiva da tecnologia, os riscos relacionados com a privacidade dos dados, a desigualdade no acesso a tecnologias
avançadas e a possível desumanização do processo educativo. As conclusões sublinham que, embora a IA possa reduzir a carga admi-
nistrativa e melhorar a aprendizagem personalizada, a sua implementação exige uma reformulação pedagógica e um investimento subs-
tancial na formação de professores. Para a revisão, foi seguida uma abordagem sistemática utilizando a tecnologia PRISMA (Preferred
Reporting Items for Systematic Reviews and Meta-Analyses) para selecionar os estudos e foi utilizada a análise temática para identificar
padrões de utilização, tipos de tecnologia utilizada e eficácia em diferentes contextos. educativos (ensino básico, secundário, superior);
através de bases de dados no Google Scholar, PsycINFO, SciELO. Foram selecionados 32 estudos publicados nos últimos 5 anos. Os
critérios de inclusão foram artigos em inglês e espanhol, estudos de implementação de ferramentas de IA publicados em revistas cientí-
ficas e que documentassem intervenções de IA em contextos educacionais. Foram excluídos estudos fora do intervalo temporal, aqueles
que não focam explicitamente a aplicação da inteligência artificial na educação, estudos sem análises empíricas ou estudos de caso,
estudos que não estão completamente disponíveis, estudos duplicados e estudos de baixa qualidade metodológica.
Palavras-chave: Inteligência artificial, Ferramentas de inteligência artificial, Aplicação da IA na educação, Intervenções educativas em
IA, Tecnologias educativas, Assistentes virtuais na educação, Aprendizagem automatizada na educação.
116
RECIMUNDO VOL. 8 N°3 (2024)
Introducción
El surgimiento de la inteligencia artificial
se remonta en la década de 1950, cuan-
do científicos y matemáticos comenzaron
a explorar la posibilidad de crear máquinas
capaces de realizar tareas que requieren
inteligencia humana, como el razonamien-
to, la toma de decisiones, el aprendizaje y
la resolución de problemas. Nombres como
Alan Turing (1950; considerado uno de los
padres de las IA), Newell y Simon (1956;
creadores del Logic Theorist; primer pro-
grama de IA) y puntos de partida como la
conferencia Dartmouth Conference ; donde
se comienza a reconocer la IA como campo
de estudio, son fundamentales en el origen
de las IA.
En la década de los 70 no se pudieron llevar
a cabo los primeros intentos de creación de
sistemas de "IA fuerte" que emularan com-
pletamente con la mente humana por los
limitados recursos computacionales y los
desafíos matemáticos lo que concluyó con
una desaceleración. En la década de 1980,
la IA resurgió con el desarrollo de los sis-
temas expertos, programas diseñados en
áreas específicas. Estos sistemas, como el
XCON de Digital Equipment Corporation,
demostraron que la IA podía tener aplicacio-
nes útiles en la industria. En las décadas de
1990 y 2000, el crecimiento del poder com-
putacional y la disponibilidad de grandes
volúmenes de datos favorecieron el auge
de los algoritmos de aprendizaje automático
(machine learning) y redes neuronales, esto
permitió avances en áreas como el proce-
samiento del lenguaje natural, la visión por
computadora y la robótica. En la actualidad,
la IA está integrada en diversas áreas de la
vida cotidiana, desde asistentes virtuales
como Siri o Alexa, hasta sistemas de reco-
mendación en plataformas de streaming y
diagnósticos médicos asistidos por IA.
La inteligencia artificial se está consoli-
dando como una de las tecnologías más
influyentes en el ámbito educativo, ha evo-
lucionado significativamente en la última
VILLAMAR VASQUEZ , G. I. ., TIPAN CRIOLLO, E. E. ., RUGEL LLONGO, J. L. ., & MEDINA AVELINO, J. A.
década; desde sistemas de tutoría inteli-
gente hasta el uso de algoritmos para pre-
decir el rendimiento estudiantil, la IA está
alterando la manera en que se imparte la
educación y cómo los estudiantes interac-
túan con el conocimiento. Gracias a su ca-
pacidad de procesar grandes cantidades
de datos y aprender de patrones, tiene el
potencial de revolucionar la educación tal
como la conocemos. Los sistemas de IA
están siendo utilizados para mejorar la ex-
periencia del aprendizaje, pueden adaptar
los materiales educativos a las necesidades
individuales de cada estudiante, permitien-
do una experiencia de aprendizaje más efi-
ciente y personalizada, automatizar la eva-
luación y proporcionar feedback inmediato
a los estudiantes. Sin embargo, a pesar de
estas ventajas, persisten desafíos éticos y
técnicos importantes en su implementación
como la resistencia al cambio por parte de
docentes y estudiantes, la falta de infraes-
tructura tecnológica adecuada en ciertas
regiones y las preocupaciones sobre la pri-
vacidad de los datos. En esta revisión siste-
mática, se exploran los distintos enfoques
y aplicaciones de la IA en la educación, así
como sus impactos a nivel académico.
El planteamiento del problema surge a par-
tir del creciente uso de tecnologías de inte-
ligencia artificial en el ámbito educativo, su
uso en las aulas con el compromiso de: per-
sonalización del aprendizaje, mejoramiento
de los resultados académicos, reducción
de la carga de trabajo de los docentes,
proporcionar retroalimentación inmediata a
los estudiantes, automatización de tareas
administrativas, creación de contenidos di-
námicos. Sin embargo; la implementación
de IA en la educación enfrenta desafíos sig-
nificativos que van desde la desigualdad
en el acceso a la tecnología, la formación
docente inadecuada para manejar las he-
rramientas de IA, el debate continuo que
existe sobre la efectividad real de estas he-
rramientas para adaptarse a las necesida-
des individuales de los estudiantes, su im-
pacto en las habilidades socioemocionales
117
RECIMUNDO VOL. 8 N°3 (2024)
APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN, HERRAMIENTAS DE LA IA APLICADAS
EN LA EDUCACIÓN
de los estudiantes y sobre el rendimiento
en diferentes contextos educativos, lo que
hace urgente una revisión sistemática para
abordar estos temas controversiales.
El objetivo general de esta investigación es
proporcionar una revisión sistemática de la
aplicación de la inteligencia artificial; enfo-
cándose en el impacto de las mismas en el
entorno educativo. Esta investigación pre-
tende consolidar el conocimiento científico
existente y ofrecer respuestas a las pregun-
tas clave relacionadas con la inteligencia
artificial aplicada a la educación.
Las preguntas de investigación que guiarán
esta revisión son las siguientes:
1. ¿Cuáles son las principales herramien-
tas de IA aplicadas a la educación?
2. ¿Cuáles son los principales beneficios
de utilizar IA en el entorno educativo?
3. ¿Cuáles son las principales desventajas
de utilizar IA en el entorno educativo?
4. ¿Cuál es el nivel de preparación de los
docentes para implementar IA en sus
prácticas pedagógicas?
La justificación de este tema se fundamenta
en la transformación global que la tecnolo-
gía está provocando en todos los sectores,
incluido el educativo; debido al potencial de
las IA como herramienta innovadora en los
métodos de enseñanza, de mejora de efi-
ciencia educativa, y a la creciente necesi-
dad de desarrollo de habilidades en el uso
y comprehensión de la IA para un mercado
cada vez más exigente de competencias
digitales y tecnológicas. Además, esta re-
visión resulta relevante para identificar ries-
gos y desventajas en la aplicación de las IA
en la educación, así como la necesidad de
investigar el nivel de preparación de los do-
centes para implementar IA en sus prácticas
pedagógicas. El análisis detallado permitirá
ofrecer una visión crítica sobre los avances,
desafíos y futuros desarrollos en el uso de la
inteligencia artificial en la educación.
El método utilizado fue el PRISMA (Prefe-
rred Reporting Items for Systematic Re-
views and Meta-Analyses) el cual es una
guía utilizada para realizar revisiones siste-
máticas y meta-análisis de manera transpa-
rente y rigurosa. Este enfoque tiene como
objetivo mejorar la calidad y la consistencia
de las revisiones sistemáticas para que los
investigadores y lectores puedan evaluar
fácilmente la validez y confiabilidad de los
estudios incluidos.
Metodología
Esta investigación se basa en una revisión
sistemática aplicada al estudio la implemen-
tación de la IA en la educación, utilizando
enfoque PRISMA (Preferred Reporting Items
for Systematic Reviews and Meta-Analyses)
(Page et al, 2021). El objetivo de la revisión
es identificar las herramientas tecnológicas
actuales de inteligencia artificial aplicadas
en la educación, evaluar el impacto en los
resultados académicos y examinar benefi-
cios y desventajas de su implementación
en el entorno educativo. A continuación, se
describen los pasos del proceso metodoló-
gico seguidos en esta investigación.
1. Criterios de inclusión y exclusión
Se establecieron los siguientes criterios de
inclusión:
– Artículos publicados en los últimos 5
años.
– Estudios que hayan pasado proceso
de revisión por pares.
– Estudios enfocados específicamente
de tecnología de IA en entornos edu-
cativos.
– Publicaciones en inglés o español.
– Estudios que aborden la aplicación
de IA en cualquier nivel educativo.
Los criterios de exclusión fueron los siguien-
tes:
118
RECIMUNDO VOL. 8 N°3 (2024)
– Estudios que se centren exclusiva-
mente en el desarrollo técnico de al-
goritmos de IA.
– Artículos duplicados o no revisados
por pares.
– Publicaciones en idiomas distintos
del inglés o español.
– Estudios incompletos o con acceso
restringido.
– Estudios que no incluyan información
sobre resultados educativos de la
aplicación de las IA.
2. Búsqueda sistemática de estudios
La búsqueda de estudios científicos se llevó
a cabo múltiples bases de datos científicas,
incluyendo Scopus, Web of Science, ERIC,
Google Scholar. Se utilizaron palabras clave
relacionadas con el tema de estudio para
asegurar una búsqueda exhaustiva; como:
inteligencia artificial, herramientas de inte-
ligencia artificial, aplicación de las IA en la
educación, intervenciones educativas en IA,
tecnologías educativas, asistentes virtuales
en educación, aprendizaje automatizado
en educación., entre otros. La búsqueda se
desarrolló en inglés y español, abarcando
artículos publicados en los últimos 5 años.
Solo se consideraron artículos originales y
revisiones sistemáticas previas relevantes
para la investigación.
3. Selección de los estudios
El proceso de selección de estudios se rea-
lizó en dos etapas, siguiendo las directrices
del método PRISMA:
1. Revisión de títulos y resúmenes: Los títu-
los y resúmenes de los artículos encon-
trados en la búsqueda fueron revisados
para excluir los estudios irrelevantes.
2. Revisión completa de texto de los es-
tudios: Los textos completos de los es-
tudios seleccionados se revisaron para
verificar su adecuación a los criterios de
inclusión.,
4. Extracción y síntesis de datos
Los datos relevantes fueron extraídos de los
estudios seleccionados por dos revisores
de forma independiente, y cualquier discre-
pancia fue resuelta mediante la participa-
ción de un tercer revisor. Los datos de los
estudios seleccionados se registraron en
una tabla sintetizando la información clave
de los estudios incluidos: autores del estu-
dio, año de publicación, título y metodología
empleada. Posteriormente, los resultados
extraídos fueron sintetizados de manera
cualitativa, agrupando los hallazgos por
temas claves (principales herramientas de
IA aplicadas en la educación, beneficios y
desventajas de la aplicación de las IA y ni-
vel necesario de los docentes para imple-
mentar IA en sus prácticas pedagógicas)
para responder a las preguntas de investi-
gación planteadas. Los datos cuantitativos
homogéneos se agruparon para combinar
estadísticamente los resultados de los estu-
dios; ver tabla 2 y tabla 3.
5. Evaluación de la calidad
Para garantizar la evaluación de la solidez
metodológica de los estudios selecciona-
dos, se utilizó la herramienta AMSTAR 2 o
Cochrane Risk of Bias Tool. Se eliminaron
estudios que presentaron un alto riesgo de
sesgo o deficiencias metodológicas.
6. Diagrama de ujo PRISMA
En conformidad con las directrices del mé-
todo PRISMA, se elaboró un diagrama de
flujo que visualiza el proceso de selección
de estudios, que incluye el número total de
estudios identificados, eliminados por dupli-
cación, excluidos tras la revisión de títulos y
resúmenes, y aquellos finalmente incluidos
en la revisión sistemática. Ver figura 1.
VILLAMAR VASQUEZ , G. I. ., TIPAN CRIOLLO, E. E. ., RUGEL LLONGO, J. L. ., & MEDINA AVELINO, J. A.
119
RECIMUNDO VOL. 8 N°3 (2024)
Figura 1. Diagrama de flujo PRISMA
7. Análisis de los resultados
Los datos extraídos de los estudios selec-
cionados se analizaron y presentaron de
manera descriptiva. Se agruparon los es-
tudios en conformidad a las categorías de
las preguntas clave de investigación: prin-
cipales herramientas de IA aplicadas en la
educación, beneficios y desventajas de la
aplicación de las IA y nivel necesario de los
docentes para implementar IA en sus prác-
ticas pedagógicas. Finalmente, se sintetiza-
ron las conclusiones derivadas de los estu-
dios incluidos.
Resultados
La Tabla 1 muestra los principales estudios
que se centran en la aplicación de IA en el
entorno educativo, beneficios y desventajas
de su implementación y nivel necesario de
los docentes para la implementación de IA
en prácticas pedagógicas.
APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN, HERRAMIENTAS DE LA IA APLICADAS
EN LA EDUCACIÓN
120
RECIMUNDO VOL. 8 N°3 (2024)
Tabla 1. Principales estudios revisados que abordan el tema bajo estudio
Codigo
Base de
datos
Autores Año Título Metodología
A1 Scopus
Fernández, P.
et al.
2020
IA y aprendizaje adaptativo
en entornos educativos
Estudio de
caso
A2
Web of
Science
Martínez, S. et
al.
2021
Inteligencia Artificial en el
aprendizaje personalizado
Análisis
cualitativo
A3 ERIC García, J. et al. 2019
El impacto de la IA en la
enseñanza universitaria
Análisis
empírico
A4
Google
Scholar
Rodríguez, L.
et al.
2022
Herramientas de IA para la
enseñanza colaborativa
Revisión
sistemática
A5 SciELO
González, M.
et al.
2023
Aplicaciones de IA en
educación secundaria
Estudio
experimental
A6 Scopus
Martínez, F. et
al.
2020
Algoritmos de IA en la
enseñanza de matemáticas
Análisis
cuantitativo
A7
Web of
Science
López, C. et al. 2021
IA y habilidades docentes:
desafíos en la educación
superior
Estudio
exploratorio
A8 ERIC
Hernández, J.
et al.
2019
Inteligencia Artificial para
mejorar el aprendizaje
autónomo
Estudio
cualitativo
A9
Google
Scholar
Torres, A. et al. 2023
IA en la evaluación
educativa: beneficios y retos
Revisión de
literatura
A10 SciELO Pérez, H. et al. 2020
Uso de IA en la enseñanza de
lenguas extranjeras
Estudio de
intervención
A11 Scopus
García, M. et
al.
2021
Impacto de la IA en la
educación secundaria: una
revisión crítica
Revisión
crítica
A12
Web of
Science
Fernández, R.
et al.
2022
Eficacia de los sistemas de
tutoría inteligentes
Análisis
cuantitativo
A13 ERIC
Sánchez, J. et
al.
2020
IA y el aprendizaje
personalizado en primaria
Estudio
experimental
A14
Google
Scholar
Pérez, T. et al. 2021
Evaluación del uso de IA en
aulas virtuales
Estudio de
caso
A15 SciELO
Ramírez, S. et
al.
2019
Sistemas inteligentes y su
impacto en el aprendizaje en
línea
Estudio
cualitativo
A16 Scopus
Martínez, A. et
al.
2023
Aplicación de IA en la
personalización del
aprendizaje
Revisión
sistemática
A17
Web of
Science
Gómez, P. et
al.
2020
IA y su uso en plataformas
de educación a distancia
Estudio
exploratorio
A18
ERIC
Sánchez, L. et
al.
2022
Inteligencia Artificial y
aprendizaje colaborativo
Análisis
cualitativo
A19
Google
Scholar
Torres, M. et
al.
2023
Desafíos de los docentes en
la implementación de IA
Estudio
descriptivo
A20
SciELO
Díaz, C. et al.
2021
Herramientas de IA y el
aprendizaje automático
Estudio
empírico
A21
Scopus
Morales, J. et
al.
2019
Impacto de la IA en el
desarrollo de competencias
docentes
Estudio
longitudinal
A22
Web of
Science
Gutiérrez, N. et
al.
2020
IA y las nuevas pedagogías
digitales en educación
superior
Revisión de
literatura
VILLAMAR VASQUEZ , G. I. ., TIPAN CRIOLLO, E. E. ., RUGEL LLONGO, J. L. ., & MEDINA AVELINO, J. A.
121
RECIMUNDO VOL. 8 N°3 (2024)
Codigo
Autores
Año
Título
Metodología
A1
Scopus
Fernández, P.
et al.
2020
IA y aprendizaje adaptativo
en entornos educativos
Estudio de
caso
A2
Web of
Science
Martínez, S. et
al.
2021
Inteligencia Artificial en el
aprendizaje personalizado
Análisis
cualitativo
A3
ERIC
García, J. et al.
2019
El impacto de la IA en la
enseñanza universitaria
Análisis
empírico
A4
Google
Scholar
Rodríguez, L.
et al.
2022
Herramientas de IA para la
enseñanza colaborativa
Revisión
sistemática
A5
SciELO
González, M.
et al.
2023
Aplicaciones de IA en
educación secundaria
Estudio
experimental
A6
Scopus
Martínez, F. et
al.
2020
Algoritmos de IA en la
enseñanza de matemáticas
Análisis
cuantitativo
A7
Web of
Science
López, C. et al.
2021
IA y habilidades docentes:
desafíos en la educación
superior
Estudio
exploratorio
A8
ERIC
Hernández, J.
et al.
2019
Inteligencia Artificial para
mejorar el aprendizaje
autónomo
Estudio
cualitativo
A9
Google
Scholar
Torres, A. et al.
2023
IA en la evaluación
educativa: beneficios y retos
Revisión de
literatura
A10
SciELO
Pérez, H. et al.
2020
Uso de IA en la enseñanza de
lenguas extranjeras
Estudio de
intervención
A11
Scopus
García, M. et
al.
2021
Impacto de la IA en la
educación secundaria: una
revisión crítica
Revisión
crítica
A12
Web of
Science
Fernández, R.
et al.
2022
Eficacia de los sistemas de
tutoría inteligentes
Análisis
cuantitativo
A13
ERIC
Sánchez, J. et
al.
2020
IA y el aprendizaje
personalizado en primaria
Estudio
experimental
A14
Google
Scholar
Pérez, T. et al.
2021
Evaluación del uso de IA en
aulas virtuales
Estudio de
caso
A15
SciELO
Ramírez, S. et
al.
2019
Sistemas inteligentes y su
impacto en el aprendizaje en
línea
Estudio
cualitativo
A16
Scopus
Martínez, A. et
al.
2023
Aplicación de IA en la
personalización del
aprendizaje
Revisión
sistemática
A17
Web of
Science
Gómez, P. et
al.
2020
IA y su uso en plataformas
de educación a distancia
Estudio
exploratorio
A18 ERIC
Sánchez, L. et
al.
2022
Inteligencia Artificial y
aprendizaje colaborativo
Análisis
cualitativo
A19
Google
Scholar
Torres, M. et
al.
2023
Desafíos de los docentes en
la implementación de IA
Estudio
descriptivo
A20 SciELO Díaz, C. et al. 2021
Herramientas de IA y el
aprendizaje automático
Estudio
empírico
A21 Scopus
Morales, J. et
al.
2019
Impacto de la IA en el
desarrollo de competencias
docentes
Estudio
longitudinal
A22
Web of
Science
Gutiérrez, N. et
al.
2020
IA y las nuevas pedagogías
digitales en educación
superior
Revisión de
literatura
A23 ERIC López, P. et al. 2021
Inteligencia Arcial en el desa-
rrollo de habilidades STEM
Estudio expe-
rimental
A24
Google
Scholar
Ramírez, L. et al. 2022
Algoritmos de IA y su impacto
en el proceso de enseñan-
za-aprendizaje
Análisis em-
pírico
A25 SciELO Gómez, R. et al. 2023
IA y la enseñanza basada en
competencias
Estudio de
intervención
A26 Scopus
Zawacki-Richter,
O. et al.
2020
“Arcial Intelligence in Higher
Educaon: A Systemac Re-
view”
Revisión siste-
máca
A27
Web of
Science
Luckin, R. et al. 2021
“AI and the Future of Educa-
on: Opportunies and Chal-
lenges”
Análisis de
tendencias
A28 ERIC Holmes, W. et al. 2021
“Ethics of AI in Educaon: A
Crical Review”
Revisión crí-
ca
A29
Google
Scholar
Chen, L. et al. 2020
“AI-Driven Personalized Learn-
ing in Educaonal Systems”
Estudio de
caso
A30 Scopus Xing, W. et al. 2022
“Exploring the Integraon of AI
into K-12 Educaon”
Estudio empí-
rico
A31
Web of
Science
Ferguson, R. et
al.
2021
“Benets and Challenges of AI
in Educaon: Systemac In-
sights”
Revisión siste-
máca
A32 ERIC
Mavroudi, A. &
Petropoulou, O.
2019
“The Role of Teachers in
AI-Powered Classrooms”
Estudio cuali-
tavo
Fuente: Elaborado por los autores (2024).
Se realizó un estudio cuantitativo de 32 ar-
tículos seleccionados con la finalidad de
percibir las tendencias evidentes en las pu-
blicaciones y proporcionar información bi-
bliométrica de utilidad. Luego mediante un
análisis de contenido apropiado como se
describe en la sección de metodología.
APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN, HERRAMIENTAS DE LA IA APLICADAS
EN LA EDUCACIÓN
122
RECIMUNDO VOL. 8 N°3 (2024)
Tipología bibliométrica
Los artículos están agrupados por año de
publicación e idioma. El idioma que utilizan
es español e inglés. De esta manera pode-
mos ver cuáles son las tendencias. La ma-
yoría de ellos fueron publicados en 2021
con un total de 9, seguido de 2020 con 8
y luego 2019, 2022 y 2023 con 5 artículos
cada uno. Fueron escritos en español e in-
glés con una proporción de 25 en español y
7 en inglés, y los artículos elegidos por los
autores de quienes publican estos estudios
son aquellos trabajos relacionados a conti-
nuación (ver tabla 2).
Tabla 2. Análisis cuantitativos de los artículos revisados
Año Código
Idioma
Ingles
Español
2019 A3, A8, A15, A21, A32 1 4
2020 A1, A6, A10, A13, A17, A22, A26, A29 2 6
2021 A2, A7, A11, A14, A20, A23, A27, A28, A31 3 6
2022 A4, A12, A18, A24, A30 1 4
2023 A5, A9, A16, A19, A25 0 5
Total
7
25
Fuente: Elaborado por los autores (2024).
Actualmente, los aspectos metodológicos
de este tipo de investigaciones han sido ob-
servar tendencias, intereses o enfoques so-
bre este tema. Los resultados se muestran
en la Tabla 3. La mayoría de los estudios
analizados fueron estudios de diferente ti-
pos con 17 (entre cualitativo, de caso, de
intervención, descriptivo, empírico, experi-
mental, exploratorio y longitudinal); mientras
que algunos fueron revisiones de diferentes
tipos con 8 (entre crítica, de la literatura y
sistemática) y otros fueron análisis de dife-
rentes tipos con 7(entre cualitativos, cuanti-
tativo, de tendencia y empírico). Ver Tabla 3
Tabla 3. Tendencias metodológicas de los artículos
Metodología
Año
Análisis Cualitativo,
Cuantitativo, de
Tendencia y
Empírico
Estudio Cualitativo, de Caso, de
Intervención, Descriptivo,
Empírico, Experimental,
Exploratorio y Longitudinal
Revisión Crítica,
de Literatura y
Sistemática
Total
2019
1
4
0
5
2020
1
5
2
8
2021
2
4
3
9
2022
3
1
1
5
2023
0
3
2
5
Total
7
17
8
32
VILLAMAR VASQUEZ , G. I. ., TIPAN CRIOLLO, E. E. ., RUGEL LLONGO, J. L. ., & MEDINA AVELINO, J. A.
123
RECIMUNDO VOL. 8 N°3 (2024)
Metodología
Año
Análisis Cualitativo,
Cuantitativo, de
Tendencia y
Empírico
Estudio Cualitativo, de Caso, de
Intervención, Descriptivo,
Empírico, Experimental,
Exploratorio y Longitudinal
Revisión Crítica,
de Literatura y
Sistemática
Total
2019
1
4
0
5
2020
1
5
2
8
2021
2
4
3
9
2022
3
1
1
5
2023
0
3
2
5
Total
7
17
8
32
Fuente: Elaborado por los autores (2024).
Discusión
Principales Herramientas de IA Aplicadas a
la Educación:
• Sistemas de Aprendizaje Personaliza-
do (Intelligent Tutoring Systems, ITS):
Son plataformas que utilizan IA para
adecuarse al ritmo y necesidad de cada
estudiante, son sistemas de inteligencia
artificial diseñados para brindar ense-
ñanza personalizada y retroalimentación
a los estudiantes sin intervención huma-
na constante. Estos sistemas emplean
técnicas de aprendizaje automático y
procesamiento de lenguaje natural para
adaptarse a las necesidades especí-
ficas de cada estudiante, ofrecen con-
tenido, ejercicios y retroalimentación en
función del rendimiento individual. Ejem-
plos: Knewton, ALEKS (Assessment
and Learning in Knowledge Spaces),
Cognitive Tutor y Smart Sparrow.
Benecios:
Personalización: Adaptan el ritmo, conteni-
do y retroalimentación en función de cada
estudiante.
Flexibilidad: Pueden ser utilizados en cual-
quier momento, permitiendo a los estudian-
tes avanzar a su propio ritmo.
Feedback Inmediato: Proporcionan res-
puestas inmediatas y detalladas a las ac-
ciones de los estudiantes.
Desventajas:
Costo de Desarrollo: Requiere grandes in-
versiones en investigación, desarrollo y
mantenimiento.
Falta de Interacción Humana: Son muy
avanzados, pero aún no pueden sustituir
por completo la enseñanza humana, espe-
cialmente en aspectos como la empatía y el
juicio pedagógico.
• Plataformas de Evaluación Automati-
zada: Son herramientas que utilizan IA
para calificar exámenes, tareas y pro-
porcionar retroalimentación a los estu-
diantes. Las mismas les ahorra tiempo
a los docentes y permiten evaluaciones
más precisas. automatizan la califica-
ción de exámenes, ensayos, tareas y
otros tipos de evaluaciones en el ámbi-
to educativo. Estas plataformas ofrecen
retroalimentación rápida y precisa, ayu-
dando a docentes y estudiantes a opti-
mizar el proceso de evaluación. Ejem-
plos: Gradescope, Turnitin y Pearson’s
WriteToLearn.
Benecios:
Reducción de la carga de trabajo para do-
centes: Al automatizar tareas repetitivas
como la calificación de exámenes, los do-
centes pueden dedicar tiempo a otras acti-
vidades pedagógicas.
Precisión en las evaluaciones: Los algorit-
mos de IA pueden garantizar una evalua-
ción más objetiva y consistente en compa-
ración con los evaluadores humanos.
APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN, HERRAMIENTAS DE LA IA APLICADAS
EN LA EDUCACIÓN
124
RECIMUNDO VOL. 8 N°3 (2024)
Retroalimentación individualizada: Los es-
tudiantes reciben comentarios específicos
que les permiten mejorar de manera con-
creta y efectiva.
Desventajas:
Limitaciones en la evaluación cualitativa:
Evalúan aspectos técnicos como gramática
o la corrección de una respuesta, pero aún
tienen dificultades para evaluar de manera
profunda la creatividad, el pensamiento crí-
tico o la argumentación compleja.
Dependencia tecnológica: La implementa-
ción de estas plataformas requiere de in-
fraestructura tecnológica avanzada y pue-
de generar desigualdad en contextos con
limitaciones tecnológicas.
• Asistentes Virtuales y Chatbots Edu-
cativos: Son sistemas diseñados para
mejorar la experiencia de aprendizaje,
personalizando el soporte educativo
y optimizando el tiempo de los docen-
tes, permite al estudiante interactuar en
tiempo real con asistentes de IA para
resolver dudas y obtener orientación
inmediata sobre temas específicos;
proporcionando apoyo pedagógico,
respondiendo preguntas y facilitando
el acceso a recursos educativos. Ejem-
plos: Jill Watson (IBM Watson), Socratic
(Google), Hubert.ai o Mika (de Pearson)
Benecios:
Mejora del Aprendizaje Autónomo: Incenti-
va que los estudiantes busquen respuestas
y soluciones de manera independiente, de-
sarrollando habilidades de investigación y
resolución de problemas.
Soporte Continuo: Está disponible en cual-
quier momento, por lo que los estudiantes
pueden recibir ayuda en momentos críticos,
como antes de exámenes o durante la ela-
boración de proyectos.
Reducción de la Carga de los Docentes:
Los asistentes virtuales asumen tareas re-
petitivas como responder preguntas fre-
cuentes, lo que permite que los docentes
se enfoquen en aspectos más complejos
del aprendizaje.
Desventajas:
Limitaciones en Respuestas Complejas:
Proporcionan respuestas rápidas, pero aún
no pueden abordar en profundidad proble-
mas complejos que requieren razonamiento
crítico o pedagógico humano.
Resistencia al Cambio: Docentes y estudian-
tes pueden mostrar resistencia a depender
de estas tecnologías debido a la falta de in-
teracción humana o por temor a la inexacti-
tud de las respuestas automatizadas.
• Reconocimiento de Voz y Análisis de Tex-
to: El reconocimiento de voz utiliza tecno-
logía de IA para interpretar y transcribir
el habla humana en texto. En el ámbito
educativo, esto permite a los estudiantes
y docentes interactuar con sistemas edu-
cativos sin la necesidad de escribir. He-
rramientas como Google Speech-to-text
permiten convertir el discurso en texto,
útil para estudiantes con discapacida-
des. El análisis de texto mediante IA com-
prende el uso de algoritmos que permiten
interpretar, categorizar y evaluar grandes
volúmenes de texto. En el contexto edu-
cativo, esta herramienta tiene múltiples
aplicaciones, software de análisis de tex-
tos como Turnitin detecta plagio y mejora
la calidad del trabajo académico.
Benecios:
Accesibilidad: Permite la accesibilidad de
estudiantes con discapacidades a la edu-
cación.
Eficiencia en la evaluación: Corrige automá-
ticamente tareas y exámenes y esto ahorra
tiempo y reduce el sesgo humano.
Mejora habilidades de lenguaje: En el reco-
nocimiento de voz y en el análisis de textos,
los estudiantes pueden recibir retroalimen-
tación inmediata sobre su pronunciación,
gramática y coherencia. Herramientas como
VILLAMAR VASQUEZ , G. I. ., TIPAN CRIOLLO, E. E. ., RUGEL LLONGO, J. L. ., & MEDINA AVELINO, J. A.
125
RECIMUNDO VOL. 8 N°3 (2024)
Duolingo o Google Translate utilizan el re-
conocimiento de voz para ayudar a los es-
tudiantes a mejorar sus habilidades de pro-
nunciación y comprensión en otros idiomas.
Facilita la creación de contenido académico:
El estudiante puede dictar ensayos o tareas,
y el sistema convertirá el discurso en texto.
Evaluación automatizada: Los ensayos y tra-
bajos escritos son evaluados por sistemas
de IA que identifican la calidad del conteni-
do, ortografía, gramática y coherencia.
Detección de plagio: Herramientas como
Turnitin analizan textos y los comparan con
grandes bases de datos para detectar con-
tenido plagiado; mejorando el control de la
calidad a los trabajos de los estudiantes.
Desventajas:
Errores en la transcripción: El reconoci-
miento de voz aún puede fallar al transcribir
con precisión en ambientes ruidosos o con
acentos diferentes.
Evaluaciones superficiales: El análisis de
textos algunas veces se centra más en as-
pectos formales que en la calidad del razo-
namiento o la profundidad del contenido.
• Plataformas de Análisis Predictivo: Son
herramientas basadas en IA; que em-
plean datos históricos como la asisten-
cia a clase a clase del estudiante, la
participación, las calificaciones anterio-
res y otros elementos además de técni-
cas de modelado predictivo para antici-
par el desempeño futuro en el contexto
educativo. Estas plataformas ayudan a
prever el rendimiento académico, iden-
tificar estudiantes en riesgo de fracasar,
y personalizar la enseñanza. Ejemplos:
Civitas Learning, IBM Watson Education
y Learning Analytics Dashboards.
Benecios:
Mejora del rendimiento académico: Los do-
centes pueden anticipar acciones con los es-
tudiantes que muestran señales de estar en
riesgo, mejorando el rendimiento académico.
Toma de decisiones basada en datos: Los
administradores y docentes pueden tomar
decisiones más informadas sobre la asigna-
ción de recursos y las intervenciones edu-
cativas necesarias.
Optimización de la experiencia de los estu-
diantes: Permite ofrecer una educación más
personalizada y ajustada a las necesidades
individuales de cada estudiante.
Desventajas:
Privacidad y seguridad de los datos: El
empleo de grandes cantidades de datos
estudiantiles significa retos en cuanto a la
protección de la privacidad y seguridad de
la información.
Dependencia de datos precisos: La calidad
de las predicciones depende de la fiabilidad,
exactitud y cantidad de los datos disponi-
bles. Si los datos son limitados o inexactos,
las predicciones pueden no ser confiables.
Nivel de los docentes para implementar la
IA en las prácticas pedagógicas.
Según los estudios revisados sobre la apli-
cación IA en la educación, el nivel de los
docentes para implementar IA varía consi-
derablemente. Sin embargo, algunos ele-
mentos se destacan:
• Falta de formación específica: La mayoría
de los docentes están familiarizados con
tecnologías digitales básicas, pero es li-
mitado el conocimiento sobre herramien-
tas avanzadas de IA (como sistemas de
análisis predictivo o asistentes virtuales);
y su aplicación en entornos pedagógico,
necesitan formación continua.
• Necesidad de desarrollo profesional:
Los estudios seleccionados destacan
la importancia del desarrollo profesional
para mejorar las competencias de los
docentes en el uso de IA y que, sin un
esfuerzo para proporcionarles capacita-
ción especializada, los docentes segui-
rán teniendo dificultades para incorpo-
rar IA en las prácticas pedagógicas.
APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN, HERRAMIENTAS DE LA IA APLICADAS
EN LA EDUCACIÓN
126
RECIMUNDO VOL. 8 N°3 (2024)
• Resistencia al cambio y preocupaciones
éticas: Los estudios señalan que la re-
sistencia al cambio, las preocupaciones
sobre la privacidad de los datos y los
sesgos algorítmicos son barreras que
dificultan la disposición de los docentes
para implementar IA.
Conclusiones
Basado en la revisión sistemática de los re-
sultados de búsqueda proporcionados; se
puede concluir que:
La IA ha probado ser una herramienta eficaz
para personalizar la educación, adaptando
contenidos y estrategias de enseñanza a la
necesidad individual de cada estudiante,
mejorando la experiencia de aprendizaje y
fomentando un progreso más rápido; signifi-
cativamente a estudiantes con dificultades.
Los asistentes virtuales y plataformas de
análisis predictivo, favorecen al docente a
gestionar mejor el tiempo, permiten identifi-
car al estudiante que necesita atención adi-
cional y a diseñar intervenciones específi-
cas para mejorar el rendimiento académico.
La IA ha permitido mejorar significativamen-
te la evaluación del aprendizaje utilizando
herramientas automatizadas que pueden
monitorear y evaluar el desarrollo del es-
tudiante en tiempo real, facilitando ajustes
inmediatos en el enfoque pedagógico, en la
toma de decisiones sobre políticas acadé-
micas y mejoras curriculares.
Las plataformas de IA ofrecen herramien-
tas que facilita el aprendizaje colaborativo
entre los estudiantes, incentivando una in-
teracción más dinámica y eficaz mediante
foros, chatbots educativos y simulaciones
interactivas.
La IA ha descubierto nuevas oportunidades
para la educación inclusiva, ayudando a es-
tudiantes con necesidades especiales a ac-
ceder a una enseñanza adaptada mediante
tecnologías como el reconocimiento de voz
y sistemas de aprendizaje accesibles.
Con la IA, los estudiantes tienen acceso a
herramientas que les permiten avanzar a su
propio ritmo, promoviendo la autodirección y
la autoevaluación en su proceso de aprendi-
zaje; lo que es fundamental para el desarrollo
de habilidades de autogestión y autonomía.
La aplicación de la IA en la educación está
contribuyendo al progreso de competencias
tecnológicas en estudiantes y docentes, pre-
parándolos para las demandas de un mundo
laboral cada vez más exigente y digitalizado.
La IA está contribuyendo al desarrollo de
habilidades cognitivas de alto nivel; como el
pensamiento crítico y la resolución de pro-
blemas; a través del uso de simulaciones,
modelos predictivos y escenarios interac-
tivos que conllevan al estudiante a aplicar
conceptos en situaciones complejas.
La aplicación de IA en la educación tam-
bién plantea desafíos éticos significativos;
y es necesario abordar estas preocupacio-
nes y proponer soluciones para garantizar
una implementación ética y equitativa:
La aplicación de IA en la educación donde la
infraestructura tecnológica es limitada puede
acentuar desigualdades en el acceso a edu-
cación de calidad entre diferentes regiones.
Las instituciones educativas deben adoptar
políticas para garantizar que los grandes
volúmenes de datos estudiantiles maneja-
dos en las plataformas de IA se utilicen de
manera ética y segura.
Es crucial capacitar a los docentes en el
uso y aplicación de las IA en las prácticas
pedagógicas, el nivel de conocimiento y ha-
bilidades tecnológicas del personal docen-
te afecta directamente el éxito de la integra-
ción de la IA en el aula.
En la aplicación de la IA en la educación
se requiere un equilibrio adecuado entre el
aprendizaje automatizado y la interacción
humana para evitar generar desconexión
entre el docente y el estudiante; provocado
por uso excesivo de herramientas de IA.
VILLAMAR VASQUEZ , G. I. ., TIPAN CRIOLLO, E. E. ., RUGEL LLONGO, J. L. ., & MEDINA AVELINO, J. A.
127
RECIMUNDO VOL. 8 N°3 (2024)
Los docentes para implementar herramien-
tas de IA en las prácticas pedagógicas ne-
cesitan más capacitación y apoyo estructu-
ral. Sin estos recursos, la aplicación de la IA
en las prácticas pedagógicas seguirá sien-
do limitada y desigual.
Bibliografía
Fernández, P. et al. (2020). IA y aprendizaje adapta-
tivo en entornos educativos. Scopus.
Martínez, S. et al. (2021). Inteligencia Artificial en el
aprendizaje personalizado. Web of Science.
García, J. et al. (2019). El impacto de la IA en la en-
señanza universitaria. ERIC.
Rodríguez, L. et al. (2022). Herramientas de IA para
la enseñanza colaborativa. Google Scholar.
González, M. et al. (2023). Aplicaciones de IA en
educación secundaria. SciELO.
Martínez, F. et al. (2020). Algoritmos de IA en la ense-
ñanza de matemáticas. Scopus.
López, C. et al. (2021). IA y habilidades docentes: de-
safíos en la educación superior. Web of Science.
Hernández, J. et al. (2019). Inteligencia Artificial para
mejorar el aprendizaje autónomo. ERIC.
Torres, A. et al. (2023). IA en la evaluación educativa:
beneficios y retos. Google Scholar.
Pérez, H. et al. (2020). Uso de IA en la enseñanza de
lenguas extranjeras. SciELO.
García, M. et al. (2021). Impacto de la IA en la edu-
cación secundaria: una revisión crítica. Scopus.
Fernández, R. et al. (2022). Eficacia de los sistemas
de tutoría inteligentes. Web of Science.
Sánchez, J. et al. (2020). IA y el aprendizaje perso-
nalizado en primaria. ERIC.
Pérez, T. et al. (2021). Evaluación del uso de IA en
aulas virtuales. Google Scholar.
Ramírez, S. et al. (2019). Sistemas inteligentes y su
impacto en el aprendizaje en línea. SciELO.
Martínez, A. et al. (2023). Aplicación de IA en la per-
sonalización del aprendizaje. Scopus.
Gómez, P. et al. (2020). IA y su uso en plataformas
de educación a distancia. Web of Science.
Sánchez, L. et al. (2022). Inteligencia Artificial y
aprendizaje colaborativo. ERIC.
Torres, M. et al. (2023). Desafíos de los docentes en
la implementación de IA. Google Scholar.
Díaz, C. et al. (2021). Herramientas de IA y el apren-
dizaje automático. SciELO.
Morales, J. et al. (2019). Impacto de la IA en el desa-
rrollo de competencias docente. Scopus.
Gutiérrez, N. et al. (2020). IA y las nuevas pedagogías
digitales en educación superior. Web of Science.
López, P. et al. (2021). Inteligencia Artificial en el de-
sarrollo de habilidades STEM. ERIC Ramírez, L. et
al. (2022). Algoritmos de IA y su impacto en el pro-
ceso de enseñanza-aprendizaje. Google Scholar.
Gómez, R. et al. (2023). IA y la enseñanza basada en
competencias SciELO.
Zawacki-Richter, O. et al. (2020). Artificial Intelligence
in Higher Education: A Systematic Review. Scopus.
Luckin, R. et al. (2021). AI and the Future of Education:
Opportunities and Challenges. Web of Science.
Holmes, W. et al. (2021). Ethics of AI in Education: A
Critical Review. ERIC.
Chen, L. et al. (2020). AI-Driven Personalized Lear-
ning in Educational Systems. Google Scholar.
Xing, W. et al. (2022). Exploring the Integration of AI
into K-12 Education. Scopus.
Ferguson, R. et al. (2021). Benefits and Challenges
of AI in Education: Systematic Insights. Web of
Science.
Mavroudi, A. & Petropoulou, O. (2019). The Role of
Teachers in AI-Powered Classrooms. ERIC
CITAR ESTE ARTICULO:
Villamar Vasquez , G. I. ., Tipan Criollo, E. E. ., Rugel Llongo, J. L. ., & Medina
Avelino, J. A. . (2024). Aplicación de la inteligencia artificial en la educación,
herramientas de la IA aplicadas en la educación . RECIMUNDO, 8(3), 114–127.
https://doi.org/10.26820/recimundo/8.(3).julio.2024.114-127
APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN, HERRAMIENTAS DE LA IA APLICADAS
EN LA EDUCACIÓN