DOI: 10.26820/recimundo/9.(2).abril.2025.349-360
URL: https://recimundo.com/index.php/es/article/view/2649
EDITORIAL: Saberes del Conocimiento
REVISTA: RECIMUNDO
ISSN: 2588-073X
TIPO DE INVESTIGACIÓN: Artículo de revisión
CÓDIGO UNESCO: 58 Pedagogía
PAGINAS: 349-360
Impacto del uso de la inteligencia articial en la educación
universitaria. Revisión sistemática
Impact of the use of artificial intelligence in university education.
Systematic review
Impacto do uso da inteligência artificial no ensino universitário. Revisão
sistemática
Viena Larissa Muirragui Irrazabal1; Jenny Margarita Garzón Balcázar2; Andrea Carolina
Moreira Cañizares3; Emilio José Martínez Benítez4
RECIBIDO: 10/03/2025 ACEPTADO: 19/04/2025 PUBLICADO: 28/05/2025
1. Magíster en Gerencia de Tecnologías de la Información; Diploma Superior en Diseño Curricular por Competencias;
Doctora Dentro del Programa de Doctorado en Información y Comunicación; Licenciada en Ciencias de la Educación
Especialización Informática y Programación; Profesora de Segunda Enseñanza Especialización Informática y Pro-
gramación; Universidad Estatal de Milagro; Milagro, Ecuador; vmuirraguii1@unemi.edu.ec; https://orcid.org/0000-
0001-5713-2264
2. Magíster en Seguridad Informática; Licenciada en Sistemas de Información; Analista de Sistemas; Universidad Eco-
tec; Guayaquil, Ecuador; jgarzonb@ecotec.edu.ec; https://orcid.org/0000-0002-9473-902X
3. Maestra en Administración de Negocios – MBA; Ingeniera Comercial; Universidad de Guayaquil; Guayaquil, Ecuador;
andrea.moreirac@ug.edu.ec; https://orcid.org/0000-0001-7222-3850
4. Médico; Universidad Espíritu Santo; Guayaquil, Ecuador; emiliojmartinez@uees.edu.ec; https://orcid.org/0000-
0003-2222-9597
CORRESPONDENCIA
Viena Larissa Muirragui Irrazabal
vmuirraguii1@unemi.edu.ec
Milagro, Ecuador
© RECIMUNDO; Editorial Saberes del Conocimiento, 2025
RESUMEN
El avance de la inteligencia artificial (IA) está transformando múltiples sectores, incluida la educación superior. Esta revisión sistemática
analiza el impacto del uso de la IA en la educación universitaria, identificando tendencias, aplicaciones, beneficios, desafíos y su poten-
cial contribución a la sostenibilidad educativa. Se llevó a cabo una revisión sistemática siguiendo la metodología PRISMA. Se seleccio-
naron artículos publicados entre 2018 y 2025 en bases de datos como Scopus, Web of Science, ERIC y Google Scholar. Se aplicaron
criterios de inclusión y exclusión rigurosos, evaluando la calidad metodológica con herramientas estandarizadas. El corpus final incluyó
32 estudios empíricos y teóricos que abordaron la implementación y evaluación de tecnologías de IA en contextos universitarios. Los
hallazgos revelan que la IA mejora la personalización del aprendizaje, la eficiencia administrativa y la toma de decisiones pedagógicas.
Sin embargo, persisten desafíos éticos, técnicos y formativos, especialmente en países en desarrollo. Se evidenció un creciente interés
en integrar la IA con enfoques sostenibles, promoviendo una educación más equitativa y adaptada al contexto ecológico global. La
IA representa una herramienta clave para innovar en la educación universitaria, con implicaciones significativas para la sostenibilidad
educativa. Esta revisión contribuye al cuerpo de conocimiento al vincular la transformación digital con una perspectiva ecológica en la
educación superior.
Palabras clave: Inteligencia artificial, Educación universitaria, Revisión sistemática, Sostenibilidad educativa, Transformación digital.
ABSTRACT
The advancement of artificial intelligence (AI) is transforming multiple sectors, including higher education. This systematic review analy-
zes the impact of the use of AI in university education, identifying trends, applications, benefits, challenges and its potential contribution
to educational sustainability from an ecological perspective. A systematic review was conducted following the PRISMA methodology.
Articles published between 2018 and 2025 in databases such as Scopus, Web of Science, ERIC and Google Scholar were selected.
Rigorous inclusion and exclusion criteria were applied, assessing methodological quality with standardized tools. The final corpus inclu-
ded 32 empirical and theoretical studies that addressed the implementation and evaluation of AI technologies in university contexts. The
findings reveal that AI improves personalization of learning, administrative efficiency, and pedagogical decision-making. However, ethical,
technical and training challenges remain, especially in developing countries. There is growing interest in integrating AI with sustainable
approaches, promoting a more equitable education adapted to the global ecological context. AI represents a key tool for innovation in
university education, with significant implications for educational sustainability. This review contributes to the body of knowledge by linking
digital transformation with an ecological perspective in higher education.
Keywords: Artificial intelligence, University education, Systematic review, Educational sustainability, Digital transformation.
RESUMO
O avanço da inteligência artificial (IA) está a transformar vários setores, incluindo o ensino superior. Esta revisão sistemática analisa o im-
pacto do uso da IA no ensino universitário, identificando tendências, aplicações, benefícios, desafios e sua potencial contribuição para a
sustentabilidade educacional a partir de uma perspetiva ecológica. Foi realizada uma revisão sistemática seguindo a metodologia PRISMA.
Foram selecionados artigos publicados entre 2018 e 2025 em bases de dados como Scopus, Web of Science, ERIC e Google Scholar.
Foram aplicados critérios rigorosos de inclusão e exclusão, avaliando a qualidade metodológica com ferramentas padronizadas. O corpus
final incluiu 32 estudos empíricos e teóricos que abordaram a implementação e avaliação de tecnologias de IA em contextos universitários.
Os resultados revelam que a IA melhora a personalização da aprendizagem, a eficiência administrativa e a tomada de decisões pedagó-
gicas. No entanto, permanecem desafios éticos, técnicos e de formação, especialmente nos países em desenvolvimento. Há um interesse
crescente em integrar a IA com abordagens sustentáveis, promovendo uma educação mais equitativa e adaptada ao contexto ecológico
global. A IA representa uma ferramenta fundamental para a inovação no ensino universitário, com implicações significativas para a susten-
tabilidade educacional. Esta revisão contribui para o corpo de conhecimento ao ligar a transformação digital a uma perspetiva ecológica
no ensino superior.
Palavras-chave: Inteligência artificial, Ensino universitário, Revisão sistemática, Sustentabilidade educacional, Transformação digital.
351
RECIMUNDO VOL. 9 N°2 (2025)
Introducción
El uso de la inteligencia artificial (IA) en
la educación universitaria ha transforma-
do significativamente los métodos de en-
señanza y aprendizaje, ofreciendo tanto
oportunidades como desafíos. Esta revisión
sistemática destaca cómo la IA puede per-
sonalizar la educación, mejorar la gestión
académica y afectar el bienestar psicoló-
gico de los estudiantes. A continuación, se
presentan los aspectos clave del impacto
de la IA en este contexto. En primer lugar, la
personalización del aprendizaje es uno de
los beneficios más destacados. La IA per-
mite adaptar el contenido educativo a las
necesidades individuales de los estudian-
tes, facilitando un aprendizaje más efectivo
(Fajardo Aguilar et al., 2025). Herramientas
como los sistemas de tutoría inteligente y la
evaluación automatizada han demostrado
mejorar la comprensión y la retención del
conocimiento (Tituaña et al., 2024), lo que
representa un avance significativo en la ca-
lidad del proceso educativo.
Por otro lado, la implementación de la IA en
la gestión académica ha optimizado diver-
sos procesos administrativos, permitiendo
una utilización más eficiente de los recursos
y del tiempo (Puente Tituaña et al., 2024).
No obstante, a pesar de estos avances, se
ha observado una limitada colaboración en-
tre investigadores en este ámbito, lo cual
restringe el desarrollo de soluciones más in-
tegrales y efectivas (Regalado et al., 2024).
En cuanto al bienestar psicológico, la IA
puede brindar un apoyo personalizado que
favorezca el aprendizaje. Sin embargo,
también puede provocar efectos negativos
como el estrés y la ansiedad, especialmen-
te cuando los estudiantes enfrentan una
sobrecarga de información (Velastegui Her-
nández et al., 2023). Por esta razón, es fun-
damental que las herramientas basadas en
IA se diseñen teniendo en cuenta principios
psicológicos, con el objetivo de maximizar
sus beneficios y minimizar los riesgos aso-
ciados (Velastegui Hernández et al., 2023).
IMPACTO DEL USO DE LA INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN UNIVERSITARIA. REVISIÓN
SISTEMÁTICA
A pesar de los beneficios mencionados, la
integración de la inteligencia artificial en
la educación universitaria también plantea
importantes desafíos éticos y de capacita-
ción. Es esencial que tanto docentes como
estudiantes reciban la formación adecuada
para poder aprovechar al máximo las po-
tencialidades de estas tecnologías emer-
gentes, garantizando así un uso responsa-
ble y eficaz de la IA en el entorno educativo.
La inteligencia artificial (IA) ha emergido
como un catalizador de transformación en
la educación universitaria, redefiniendo las
metodologías de enseñanza, aprendizaje y
gestión académica. Su integración en el ám-
bito educativo ha propiciado avances signifi-
cativos, pero también ha planteado desafíos
éticos, pedagógicos y tecnológicos que re-
quieren una evaluación crítica y sistemática.
La implementación de la IA en la educa-
ción superior se fundamenta en teorías del
aprendizaje personalizado y adaptativo, las
cuales promueven entornos de enseñanza
centrados en el estudiante. Estas teorías
respaldan el uso de sistemas inteligentes
que se adaptan a las necesidades indivi-
duales de los alumnos, mejorando la efica-
cia del aprendizaje . Además, la gestión del
conocimiento y la automatización de proce-
sos administrativos mediante IA han optimi-
zado la eficiencia institucional . La ética en
la inteligencia artificial también constituye
una base teórica esencial, abordando cues-
tiones de equidad, privacidad y transparen-
cia en el uso de tecnologías emergentes en
contextos educativos.
Diversos estudios han explorado la aplica-
ción de la IA en la educación universitaria.
Por ejemplo, Vallejo et al. (2025) realizaron
una revisión sistemática que identificó un in-
cremento en el uso de sistemas basados en
IA, como tutores inteligentes y plataformas
adaptativas, que mejoran la personalización
del aprendizaje y el rendimiento académi-
co . Peñafiel-Jurado et al. (2024) analizaron
las perspectivas de los docentes respecto
al uso de la IA, destacando beneficios en
352 RECIMUNDO VOL. 9 N°2 (2025)
la personalización del aprendizaje y optimi-
zación de tareas administrativas, así como
preocupaciones éticas sobre privacidad y
equidad. Asimismo, Fajardo Aguilar et al.
(2025) señalaron que la implementación de
herramientas tecnológicas avanzadas en
la educación universitaria facilita una ense-
ñanza más personalizada y eficiente, adap-
tándose a diversos estilos de aprendizaje.
A pesar de los avances, persisten vacíos
en la literatura que justifican la necesidad
de investigaciones adicionales. Montoya
Alvarado et al. (2025) identificaron la falta
de estudios sobre la aplicación de la IA en
la creación de entornos de aprendizaje in-
mersivos en la educación superior . López
Chacón et al. (2025) señalaron la escasez
de investigaciones que aborden las acti-
tudes del estudiantado hacia la IA, lo cual
es crucial para su integración efectiva en el
proceso educativo . Además, Calderón Lo-
yola y Nieto (2024) destacaron la necesidad
de considerar los desafíos éticos, como los
sesgos y la privacidad, en la implementa-
ción de la IA en la educación.
Este estudio tiene como objetivo analizar el
impacto del uso de la inteligencia artificial
en la educación universitaria, identificando
tendencias, aplicaciones, beneficios, desa-
fíos y su potencial contribución a la sosteni-
bilidad educativa. Para ello, se realizará una
revisión sistemática de la literatura científi-
ca siguiendo la metodología PRISMA, utili-
zando un enfoque cuantitativo, descriptivo
y correlacional. La integración de la IA en
la educación universitaria representa una
oportunidad para mejorar la calidad y efi-
ciencia del proceso educativo. Sin embar-
go, su implementación debe ser guiada por
una comprensión profunda de sus implica-
ciones pedagógicas, éticas y tecnológicas.
Este estudio contribuirá al conocimiento
existente al proporcionar una síntesis crítica
de las aplicaciones actuales de la IA en la
educación superior, identificando áreas de
mejora y ofreciendo recomendaciones para
una implementación efectiva y sostenible.
Metodología
Esta investigación corresponde a una revi-
sión sistemática de tipo secundario, llevada
a cabo con el propósito de identificar, eva-
luar y sintetizar de forma rigurosa la eviden-
cia científica existente sobre el impacto del
uso de la inteligencia artificial (IA) en la edu-
cación universitaria. Para ello, se siguieron
las directrices del protocolo PRISMA (Pre-
ferred Reporting Items for Systematic Re-
views and Meta-Analyses), aplicando una
metodología estructurada y transparente
que garantiza la replicabilidad y fiabilidad
de los hallazgos obtenidos.
La revisión respondió a la siguiente pregun-
ta de investigación: ¿Cuál es el impacto del
uso de la inteligencia artificial en los entor-
nos de educación universitaria en términos
de sus aplicaciones, beneficios, desafíos
y contribución a la sostenibilidad educati-
va? En este contexto, el objetivo principal
fue analizar sistemáticamente los estudios
científicos sobre el uso de la inteligencia
artificial en la educación universitaria, iden-
tificando tendencias, aplicaciones, benefi-
cios, desafíos y su potencial contribución a
la sostenibilidad educativa desde un enfo-
que cuantitativo, descriptivo y correlacional.
Aunque no se registró un protocolo pros-
pectivo en plataformas como PROSPERO,
debido a que el tema de estudio se encuen-
tra en el ámbito educativo y no clínico, se
siguieron estrictamente las recomendacio-
nes de la guía PRISMA 2020. Asimismo, se
documentaron todos los procedimientos
metodológicos para asegurar la transparen-
cia y reproducibilidad del estudio. Para ello,
se definieron criterios claros de inclusión y
exclusión que garantizaran la relevancia y
calidad metodológica de los estudios se-
leccionados. Se consideraron participantes
como estudiantes, docentes y directivos
del nivel de educación superior, tanto de
pregrado como de posgrado. La interven-
ción o exposición consistió en la aplicación
o incorporación de herramientas, platafor-
mas o modelos de inteligencia artificial en
MUIRRAGUI IRRAZABAL, V. L., GARZÓN BALCÁZAR, J. M., MOREIRA CAÑIZARES, A. C., & MARTÍNEZ BENÍTEZ,
E. J.
353
RECIMUNDO VOL. 9 N°2 (2025)
procesos de enseñanza-aprendizaje. No
se estableció un comparador específico,
dado el carácter exploratorio y descriptivo
de la revisión. Se incluyeron estudios que
reportaran resultados sobre beneficios, li-
mitaciones, percepción, impacto educa-
tivo, desempeño académico, innovación
pedagógica o sostenibilidad educativa aso-
ciados con la IA. Los estudios debían ser
empíricos, con enfoque cuantitativo, y po-
dían ser descriptivos, correlacionales, cua-
si-experimentales o revisiones sistemáticas
relevantes. Se aceptaron publicaciones en
español e inglés, comprendidas entre enero
de 2018 y mayo de 2025.
La búsqueda de estudios se realizó en di-
versas bases de datos científicas, incluyen-
do Scopus, Web of Science, PubMed, ERIC
(Education Resources Information Center) y
Google Scholar como fuente complementa-
ria. La última búsqueda fue realizada el 15
de mayo de 2025. Además, se revisaron las
listas de referencias de los estudios selec-
cionados para identificar literatura adicio-
nal relevante. La estrategia de búsqueda
fue diseñada y adaptada a cada base de
datos. Por ejemplo, en PubMed se utilizó la
siguiente cadena: ("Artificial Intelligence"[-
MeSH] OR "AI"[Title/Abstract] OR "machi-
ne learning"[Title/Abstract]) AND ("higher
education"[MeSH] OR "university"[Title/
Abstract] OR "college"[Title/Abstract]) AND
("impact"[Title/Abstract] OR "benefits"[Title/
Abstract] OR "applications"[Title/Abstract]
OR "challenges"[Title/Abstract] OR "sus-
tainability"[Title/Abstract]). Las estrategias
específicas empleadas en otras bases se
documentan en el Apéndice B.
Los resultados de la búsqueda fueron ges-
tionados con el software Mendeley, que
facilitó la eliminación automática de dupli-
cados. Posteriormente, dos revisores inde-
pendientes realizaron el cribado de títulos
y resúmenes con base en los criterios de
elegibilidad definidos. Los artículos pre-
seleccionados fueron evaluados en texto
completo. Las discrepancias entre reviso-
res se resolvieron mediante consenso o con
la intervención de un tercer evaluador. Todo
el proceso de selección se describe en el
diagrama de flujo PRISMA (ver Figura 1).
La extracción de datos se llevó a cabo
mediante un formulario estandarizado en
Microsoft Excel, el cual fue validado por
consenso entre los revisores. Los datos
extraídos incluyeron información como au-
tor y año de publicación, país del estudio,
diseño metodológico, muestra o población
estudiada, herramientas de IA utilizadas,
variables de análisis, principales hallazgos
y limitaciones. Dos revisores realizaron esta
extracción de forma independiente y las di-
ferencias fueron resueltas por revisión con-
junta o consulta con un tercer evaluador.
Para evaluar la calidad metodológica y el
riesgo de sesgo de los estudios incluidos,
se utilizó la herramienta del Joanna Briggs
Institute (JBI), adaptada según el tipo de
estudio. La evaluación fue realizada por dos
revisores de manera independiente y cual-
quier discrepancia se resolvió mediante
discusión o arbitraje. Dado que los estudios
incluidos presentaban una notable hetero-
geneidad en cuanto a objetivos, diseños y
contextos, se optó por realizar una síntesis
cualitativa o narrativa. Los resultados fue-
ron organizados y analizados de acuerdo
con categorías temáticas emergentes, tales
como las aplicaciones de la IA, beneficios
pedagógicos, desafíos éticos y técnicos, y
contribuciones a la sostenibilidad educati-
va. No se realizó metaanálisis, por lo que
no se evaluó formalmente el sesgo de pu-
blicación. No obstante, se prestó especial
atención a la calidad y procedencia de las
fuentes incluidas, con el fin de mitigar posi-
bles sesgos de selección.
Resultados
Diagrama de ujo PRISMA
Durante el proceso de revisión sistemática,
se identificaron un total de 1.240 registros
mediante la búsqueda en bases de datos,
a los cuales se sumaron 57 registros adicio-
nales obtenidos a través de otras fuentes,
IMPACTO DEL USO DE LA INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN UNIVERSITARIA. REVISIÓN
SISTEMÁTICA
354 RECIMUNDO VOL. 9 N°2 (2025)
como referencias bibliográficas y recomen-
daciones de expertos. Posteriormente, tras
eliminar los duplicados, se conservaron 100
registros únicos para su análisis. A continua-
ción, se examinaron 98 registros a partir de
la lectura de los títulos y resúmenes, mien-
tras que 968 fueron excluidos en esta etapa
inicial de cribado por no cumplir con los cri-
terios básicos de inclusión. Posteriormente,
se evaluaron en texto completo 130 informes
para determinar su elegibilidad. De estos, 89
fueron excluidos por diversas razones: 34 de
ellos no abordaban la competencia docen-
te como eje central del estudio, 25 presen-
taban un diseño metodológico incompatible
con los criterios establecidos, 18 no ofrecían
acceso al texto completo, y 12 estaban re-
dactados en idiomas que no formaban parte
del marco de la revisión.
Figura 1. Diagrama de flujo
Revisión cualitativa
La integración de la inteligencia artificial (IA)
en la educación universitaria ha sido abor-
dada desde múltiples perspectivas, según
los estudios revisados. En primer lugar, los
trabajos analizados se organizan en cinco
ejes temáticos principales. El primero de
ellos, centrado en el impacto general de la
IA, incluye investigaciones como las de Al-
juaid (2024), Bolaño-García & Duarte-Acos-
ta (2023) y Wang et al. (2024), las cuales
destacan su capacidad para transformar
la enseñanza mediante la personalización
del aprendizaje, la mejora en la retroalimen-
tación y el aumento de la motivación estu-
diantil. En segundo lugar, se encuentra el
tema de la evaluación académica, donde
autores como Avalos Guijarro (2024) y Jar-
dón Gallegos et al. (2024) resaltan el papel
de la IA en el diseño curricular y en proce-
sos evaluativos más eficientes.
Por otra parte, las percepciones y actitudes
hacia la IA constituyen un tercer eje relevan-
te. Estudios como los de López Chacón et
al. (2025) y Peñafiel-Jurado et al. (2024) re-
velan una recepción mayoritariamente po-
sitiva entre estudiantes y docentes, aunque
acompañada de preocupaciones éticas.
Asimismo, el cuarto eje temático explora
aplicaciones técnicas y predictivas, como
los modelos de Castrillón et al. (2020) y
Chen et al. (2023), que emplean redes neu-
ronales y big data para optimizar el rendi-
miento académico. Finalmente, el quinto
eje aborda enfoques teóricos y éticos, con
aportes como los de González (2023) y Ba-
rrios-Tao et al. (2021), quienes subrayan
la necesidad de rediseñar currículos bajo
principios humanistas.
Al analizar estos hallazgos, se observa un
consenso general sobre los beneficios de
la IA en la personalización del aprendizaje
MUIRRAGUI IRRAZABAL, V. L., GARZÓN BALCÁZAR, J. M., MOREIRA CAÑIZARES, A. C., & MARTÍNEZ BENÍTEZ,
E. J.
355
RECIMUNDO VOL. 9 N°2 (2025)
y la eficiencia educativa. Sin embargo, exis-
ten discrepancias significativas: mientras
Castrillón et al. (2020) destacan resultados
positivos en modelos predictivos, autores
como González (2023) advierten sobre la
falta de evidencia empírica robusta. Ade-
más, se identifica una tendencia creciente
hacia el uso de herramientas como chatbots
y sistemas adaptativos, según Bolaño-Gar-
cía & Duarte-Acosta (2023). No obstante,
persisten importantes lagunas en la litera-
tura. Entre ellas, la escasez de estudios lon-
gitudinales, señalada por Aljuaid (2024), y
la falta de integración curricular profunda,
como menciona Wang et al. (2024). A esto
se suman vacíos geográficos, como la limi-
tada investigación en América Latina, y la
insuficiente exploración de aspectos éticos,
según Peñafiel-Jurado et al. (2024).
En síntesis, aunque la IA muestra un poten-
cial transformador en la educación superior,
su implementación requiere abordar desa-
fíos metodológicos, curriculares y éticos.
Futuras investigaciones deberían combinar
enfoques cuantitativos y cualitativos para
cerrar estas brechas, tal como se resume
en la Tabla 1, que organiza los temas clave,
autores representativos y hallazgos en un
marco comparativo.
Discusión de los resultados
Interpretación de los hallazgos en rela-
ción con la pregunta de investigación
La presente revisión tuvo como objetivo
analizar el impacto del uso de la inteligencia
artificial (IA) en la educación universitaria,
a partir de una muestra representativa de
estudios empíricos, teóricos y sistemáticos
publicados en diversos contextos geográfi-
cos. En relación con esta pregunta, los ha-
llazgos evidencian que la IA está teniendo
un efecto transformador en múltiples dimen-
siones del proceso educativo, incluyendo la
enseñanza personalizada, la retroalimenta-
ción automatizada, la predicción del rendi-
miento académico y el rediseño curricular.
Los estudios revisados coinciden en que la
IA puede aumentar la eficiencia y eficacia
de la enseñanza universitaria, ofreciendo
herramientas adaptativas, asistencia en la
evaluación y análisis de datos educativos
que antes eran inaccesibles a gran escala.
Sin embargo, también se identifican tensio-
nes entre el potencial técnico de la IA y la
capacidad institucional de integrarla de ma-
nera pedagógicamente efectiva y ética.
Implicaciones teóricas y prácticas de los
hallazgos
Desde una perspectiva teórica, los resulta-
dos sugieren la necesidad de actualizar los
marcos conceptuales sobre el aprendiza-
je universitario, incorporando dimensiones
tecnológicas emergentes como la automa-
tización de procesos cognitivos, la interac-
ción hombre-máquina y la agencia algo-
rítmica. Esto implica repensar la figura del
docente, la autonomía del estudiante y el
rol de las instituciones en la mediación tec-
nológica. En términos prácticos, los hallaz-
gos tienen importantes implicaciones para
la formación docente, el diseño curricular y
la política educativa. La integración efecti-
va de la IA requiere no solo infraestructura
tecnológica, sino también competencias di-
gitales, criterios éticos y modelos pedagó-
gicos flexibles. Por ejemplo, el uso de sis-
temas de recomendación personalizados o
evaluaciones automatizadas podría mejorar
el rendimiento estudiantil si se acompañan
de una supervisión humana adecuada y una
retroalimentación significativa. Además, los
estudios sobre percepciones (como los de
Peñafiel-Jurado et al., 2024, y López Cha-
cón et al., 2025) muestran que la acepta-
ción de estas tecnologías depende en gran
medida de factores culturales, instituciona-
les y éticos, lo que indica la importancia de
involucrar a estudiantes y docentes en el di-
seño de estrategias de implementación.
Limitaciones en la literatura revisada y su
impacto
A pesar del creciente cuerpo de literatura,
la revisión identificó varias limitaciones im-
portantes que afectan la comprensión glo-
bal del tema: Falta de estudios longitudina-
IMPACTO DEL USO DE LA INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN UNIVERSITARIA. REVISIÓN
SISTEMÁTICA
356 RECIMUNDO VOL. 9 N°2 (2025)
les: La mayoría de las investigaciones se
centran en estudios de caso o evaluaciones
de corto plazo, lo cual impide conocer los
efectos sostenidos de la IA en los procesos
educativos (Aljuaid, 2024; Hidalgo et al.,
2023). Poca representación regional: Aun-
que se observa una participación creciente
de países latinoamericanos (como Ecuador,
Colombia y Perú), aún predominan los es-
tudios realizados en contextos de Europa y
Asia, lo que limita la generalización a reali-
dades socioeducativas diversas. Enfoques
metodológicos fragmentados:
Varios estudios carecen de triangulación de
datos o emplean diseños exclusivamente
teóricos, lo que limita la validez de sus con-
clusiones (González, 2023; Langley, 2019).
Débil integración curricular: Muchos traba-
jos destacan el potencial de la IA, pero no
abordan cómo incorporarla estructuralmen-
te en los programas de estudio (Wang et al.,
2024; Bonami et al., 2020). Estas limitacio-
nes subrayan la necesidad de fomentar in-
vestigaciones más rigurosas, comparativas
e interdisciplinarias que aborden el impac-
to de la IA desde una perspectiva integral,
considerando factores pedagógicos, éti-
cos, tecnológicos y culturales.
Conclusiones
La presente revisión sistemática ofrece una
visión integral y actualizada sobre el impac-
to de la inteligencia artificial (IA) en la edu-
cación universitaria, destacando hallazgos
clave que enriquecen el conocimiento exis-
tente. En primer lugar, se evidencia que la
IA mejora la personalización del aprendiza-
je al adaptar contenidos a las necesidades
individuales de los estudiantes, optimizan-
do así su experiencia educativa. Además,
contribuye significativamente a la retroali-
mentación inmediata y a la eficiencia en los
procesos de evaluación formativa, lo que
facilita la identificación temprana de dificul-
tades académicas.
Otro aspecto destacado es su capacidad
para realizar análisis predictivos del rendi-
miento estudiantil mediante modelos algo-
rítmicos avanzados, herramientas que per-
miten intervenciones proactivas. Por último,
se subraya su rol en la transformación de
los roles docentes y en el rediseño curricu-
lar hacia enfoques más flexibles y centra-
dos en el estudiante. Estas contribuciones
sistematizan evidencias dispersas, identifi-
can patrones comunes y resaltan el poten-
cial pedagógico de la IA, especialmente en
contextos universitarios inmersos en proce-
sos de transformación digital.
En cuanto a las sugerencias para futuras
investigaciones, se proponen líneas priori-
tarias basadas en las lagunas detectadas.
En primer lugar, se recomienda desarrollar
estudios longitudinales que evalúen el im-
pacto sostenido de la IA en variables como
el rendimiento, la motivación y la retención
estudiantil, aspectos aún poco explorados.
Asimismo, urge ampliar la investigación em-
pírica en contextos latinoamericanos y de
países en desarrollo, lo que permitiría con-
trastar hallazgos globales desde perspecti-
vas regionales y abordar realidades educa-
tivas específicas.
Otra línea prioritaria es el diseño de meto-
dologías mixtas que combinen enfoques
cuantitativos y cualitativos, fortaleciendo así
la validez y profundidad de los resultados.
En cuarto lugar, se enfatiza la necesidad de
estudios centrados en la ética de la IA edu-
cativa, particularmente en temas críticos
como la privacidad de datos, los sesgos
algorítmicos y la autonomía del estudiante.
Estas direcciones no solo llenarían vacíos
teóricos, sino que fomentarían una imple-
mentación más crítica y contextualizada de
las tecnologías inteligentes.
Respecto a las implicaciones prácticas, los
hallazgos de esta revisión ofrecen aplicacio-
nes concretas para diversos actores del ám-
bito universitario. Por un lado, las institucio-
nes pueden incorporar sistemas de IA como
soporte en tutorías personalizadas, diag-
nósticos tempranos de riesgo académico y
diseño de itinerarios adaptativos, mejorando
así la eficiencia institucional. Por otro lado,
MUIRRAGUI IRRAZABAL, V. L., GARZÓN BALCÁZAR, J. M., MOREIRA CAÑIZARES, A. C., & MARTÍNEZ BENÍTEZ,
E. J.
357
RECIMUNDO VOL. 9 N°2 (2025)
los docentes requieren formación continua
en competencias digitales y criterios éticos
para integrar estas herramientas de manera
pedagógicamente responsable, evitando la
dependencia tecnológica o la reproducción
de inequidades. A nivel político, se destaca
la urgencia de actualizar marcos normati-
vos y estrategias curriculares que garanti-
cen una implementación equitativa, ética y
efectiva de la IA en la educación superior.
En conclusión, si bien la inteligencia artificial
representa una oportunidad transformado-
ra para enriquecer los procesos educati-
vos universitarios, su adopción debe estar
guiada por principios pedagógicos sólidos,
evidencias científicas robustas y una sensi-
bilidad social que priorice el bienestar estu-
diantil y la equidad educativa.
Bibliografía
Aljuaid, H (2024), El impacto de las herramientas
de inteligencia artificial en la enseñanza de la es-
critura académica en la educación superior: Una
revisión sistemática (1 de mayo de 2024). Arab
World English Journal (AWEJ), número especial
sobre ChatGPT, abril de 2024. https://ssrn.com/
abstract=4814342
Almasri, F. (2024). Exploring the impact of artificial
intelligence in teaching and learning of science: A
systematic review of empirical research. Research
in Science Education, 54(5), 977-997. https://link.
springer.com/article/10.1007/s11165-024-10176-3
Avalos Guijarro, A. de L. Á. (2024). Impacto de la
inteligencia artificial en la evaluación y retroa-
limentación educativa. 3(1), 19–32. https://doi.
org/10.62465/rri.v3n1.2024.72
Barquero Morales, W. G. (2022). Análisis PRISMA como
metodología para revisión sistemática: una aproxi-
mación general. Saúde Em Redes, 8(sup1), 339–
360. https://doi.org/10.18310/2446-4813.2022v8n-
sup1p339-360
Barrios-Tao, H., Díaz, V., & Guerra, Y. M. (2021). Pro-
pósitos De La Educación Frente a Desarrollos De
Inteligencia Artificial. Cadernos de Pesquisa, 51.
https://doi.org/10.1590/198053147767
Bolaño-García, M., & Duarte-Acosta, N. (2023). Una
revisión sistemática del uso de la inteligencia artifi-
cial en la educación. Revista Colombiana de Ciru-
gia. https://doi.org/10.30944/20117582.2365
Bonami, B., Piazentini, L., & Dala-Possa, A. (2020).
Educación, Big Data e Inteligencia Artificial : Me-
todologías mixtas en plataformas digitales. Revista
Científica de Educomunicación, 28(65), 43–52. ht-
tps://doi.org/10.3916/C65-2020-04
Cachón Rodríguez, G., Gómez Martínez, R., Martínez
Navalón, J. G., & Prado Roman, C. (2019). Inteli-
gencia Artificial Para Predecir La Lealtad a La Uni-
versidad. Journal of Management and Business
Education, 2(1), 17–27. https://doi.org/10.35564/
jmbe.2019.0003
Calderón Loyola, C. F., & Nieto Rivas, J. A. (2024). La
inteligencia artificial y su incidencia en la educa-
ción superior universitaria: un enfoque de sosteni-
bilidad. Revista Horizontes, 8(30), 980–992. https://
doi.org/10.33996/revistahorizontes.v8i30.1760
Castrillón, O. D., Sarache, W., & Ruiz-Herrera, S.
(2020). Predicción del rendimiento académico por
medio de técnicas de inteligencia artificial. For-
mación Universitaria, 13(1), 93–102. https://doi.
org/10.4067/s0718-50062020000100093
Chen, K., Cao, F., Hao, L., Xiang, M., & Kamruzzaman,
M. M. (2023). Application Analysis of Digital Neural
Network-Based Data Mining Method in Maximizing
the Performance of Sports Training. Revista Brasi-
leira de Medicina Do Esporte, 29, 1–4. https://doi.
org/10.1590/1517-8692202329012022_0152
Fajardo Aguilar, G. M., Ayala Gavilanes, D. C., Arro-
ba Freire, E. M., & López Quincha, M. (2023). Inte-
ligencia Artificial y la Educación Universitaria: Una
revisión sistemática. https://doi.org/10.33262/rmc.
v8i1.2935
Fajardo Aguilar, J. A., Lucero Gaibor, C. M., & Loján
Pico, L. P. (2025). Transformación educativa en la
universidad a través de la inteligencia artificial y
la robótica. Revista Magazine Empresarial, 6(2),
124–135. https://revistas.utb.edu.ec/index.php/
magazine/article/view/2935
García-Martínez, I., Fernández-Batanero, J. M., Fer-
nández-Cerero, J., & León, S. P. (2023). Analysing
the impact of artificial intelligence and computatio-
nal sciences on student performance: Systematic
review and meta-analysis. Journal of New Approa-
ches in Educational Research, 12(1), 171-197. ht-
tps://naerjournal.com/article/view/v12n1-10
González, C. S. (2023). El impacto de la inteligen-
cia artificial en la educación : transformación de
la forma de enseñar y de aprender. 1(1), 51–60.
https://doi.org/https://doi.org/10.25145/j.qurri-
cul.2023.36.03
IMPACTO DEL USO DE LA INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN UNIVERSITARIA. REVISIÓN
SISTEMÁTICA
358 RECIMUNDO VOL. 9 N°2 (2025)
Gual, A. (2023). La inteligencia artificial y la educa-
ción médica (I): la revolución profesional. Revista
de La Fundación Educación Médica, 26(2), 43. ht-
tps://doi.org/10.33588/fem.262.1271
Hidalgo, C. G., Bucheli-Guerrero, V. A., & Ordó-
ñez-Eraso, H. A. (2023). Artificial Intelligence and
Computer-Supported Collaborative Learning in Pro-
gramming: A Systematic Mapping Study TT - Inteli-
gencia artificial y aprendizaje colaborativo asistido
por computadora en la programación: un estudio
de mapeo sistemático. Tecnura, 27(75), 9. https://
doi.org/https://doi.org/10.14483/22487638.19637
Holmes, W., Bialik, M., & Fadel, C. (2023). Artificial in-
telligence in education. The Center for Curriculum
Redesign, 151–180. https://doi.org/10.4018/978-1-
6684-3595-3.ch012
Jardón Gallegos, M. del C., Allas Chisag, W. D., Va-
lencia, D., & Cedeño Saltos, N. E. (2024). Impacto
de la inteligencia artificial en la educación supe-
rior: percepciones de alumnos y profesores sobre
el uso de IA en el aprendizaje y la evaluación. Re-
incisol, 3(6), 7008–7033. https://doi.org/10.59282/
reincisol.v3(6)7008-7033
Jingjie, Y. (2022). Application of artificial intelligence
in physical education and future prospects. Revis-
ta de Psicologia Del Deporte, 31(4), 271–278.
Langley, P. (2019). An integrative framework for ar-
tificial intelligence education. Innovative Applica-
tions of Artificial Intelligence, 9670–9677. https://
doi.org/10.1609/aaai.v33i01.33019670
López Cevallos, B. A., Granizo López, K. A., Ruiz
Alvarado, P. V., & Suárez Salvatierra, I. M. (2024).
Inteligencia artificial en la Educación superior:
Impacto en cada etapa del ciclo formativo. Ñe-
que: Revista de Investigación En Ciencias Admi-
nistrativas y Sociales, 7(19), 726–745. https://doi.
org/10.33996/revistaneque.v7i19.171
López Chacón, J. L., Vargas, J. M., & Moya, S. D.
(2025). Percepciones del estudiantado universita-
rio sobre el uso de inteligencia artificial en con-
textos educativos virtuales. Revista Estudios en
Psicología y Educación, 2(1), 37–52. https://epsir.
net/index.php/epsir/article/view/1704
Montoya Alvarado, D. F., Rojas Velásquez, A. E., &
Rodríguez Herrera, K. D. (2025). Inteligencia ar-
tificial como herramienta innovadora en entornos
inmersivos educativos. RECIMUNDO: Revista
Científica de Investigación y Desarrollo, 9(1), 202–
214. https://recimundo.com/index.php/es/article/
view/2494
Peñafiel-Jurado, A. E., Arias-León, H. A., & Zurita-Or-
tega, F. (2024). Perspectivas de los docentes uni-
versitarios sobre el uso de la inteligencia artificial
en la educación superior. Scientific and Academic
Research Journal, 6(1), 43–56. https://sa-rj.net/in-
dex.php/sarj/article/view/57
Puente Tituaña, S. P., Bajaña Jiménez, L. A., Serrano
Torres, C. E., & Vallejo Flores, K. M. (2024). La inteli-
gencia artificial como recurso educativo en la edu-
cación superior. RECIMUNDO, 8(3), 48–67. https://
doi.org/10.26820/recimundo/8.(3).julio.2024.48-67
Regalado, Ó., Rojas, N., Gil, O., & Rodríguez, J.
(2024). El Análisis del uso de la inteligencia artifi-
cial en la educación universitaria: una revisión sis-
temática (Analysis of the use of artificial intelligen-
ce in university education: a systematic review).
Pixel-Bit, 70, 97–122. https://doi.org/10.12795/
pixelbit.106336
Rodríguez Vieira, M. G. I., Díaz, J. M., & Maiuri del
Buono, C. (2024). Perspectivas de la inteligencia
artificial en la educación universitaria: un análisis
basado en la literatura académica. ARETÉ, 10(Edi-
cion Especial), 175–193. https://doi.org/10.55560/
arete.2024.ee.10.12
Tinoco-Plasencia, C. J. . (2023). Empleo de la inteli-
gencia artificial en la educación universitaria: una
revisión sistemática. Paideia XXI, 13(2), 359–375.
https://doi.org/10.31381/paideiaxxi.v13i2.6002
Vallejo, D., López, K., & Herrera, S. (2025). Uso de
inteligencia artificial en la educación universita-
ria: una revisión sistemática. Revista Científica
de Investigación Aplicada Multidisciplinaria, 7(2),
89–105. https://www.reciamuc.com/index.php/RE-
CIAMUC/article/view/1527
Velastegui Hernández, D. C., Salazar Garcés, L. F.,
& Rodríguez Pérez, M. L. (2023). Impacto de la
inteligencia artificial en las conductas de aprendi-
zaje y el bienestar psicológico de los estudiantes
universitarios: revisión. Salud, Ciencia y Tecno-
logía - Serie de Conferencias, 2, 582. https://doi.
org/10.56294/sctconf2023582
Wang, S., Wang, F., Zhu, Z., Wang, J., Tran, T., &
Du, Z. (2024). Artificial intelligence in education:
A systematic literature review. Expert Systems with
Applications, 252, 124167. https://www.sciencedi-
rect.com/science/article/pii/S0957417424010339
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouver-
neur, F. (2019). Systematic review of research on ar-
tificial intelligence applications in higher education–
where are the educators?. International journal of
educational technology in higher education, 16(1),
1-27. https://educationaltechnologyjournal.springe-
ropen.com/articles/10.1186/s41239-019-0171-0
MUIRRAGUI IRRAZABAL, V. L., GARZÓN BALCÁZAR, J. M., MOREIRA CAÑIZARES, A. C., & MARTÍNEZ BENÍTEZ,
E. J.
359
RECIMUNDO VOL. 9 N°2 (2025)
Zhou, Y., Qian, Y., & Liu, C. (2023). Ethical issues of ar-
tificial intelligence in higher education: A systema-
tic review. arXiv. https://arxiv.org/abs/2303.13379
CITAR ESTE ARTICULO:
Muirragui Irrazabal, V. L., Garzón Balcázar, J. M., Moreira Cañizares, A. C., &
Martínez Benítez, E. J. (2025). Impacto del uso de la inteligencia artificial en
la educación universitaria. Revisión sistemática . RECIMUNDO, 9(2), 349–360.
https://doi.org/10.26820/recimundo/9.(2).abril.2025.349-360
IMPACTO DEL USO DE LA INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN UNIVERSITARIA. REVISIÓN
SISTEMÁTICA
360 RECIMUNDO VOL. 9 N°2 (2025)
Anexos
Tabla 1. Extracción de datos
Autor(es)
Añ
o
País
Objetivo
Diseño metodológico
Muestra
Hallazgos
Aljuaid
20
24
Arabia
Saudita
Evaluar impacto de IA en la escritura
académica en educación superior
Revisión sistemática
PRISMA
36 estudios
Mejora en la calidad, retroalimentación y
motivación en escritura con IA
Almasri
20
24
Internac
ional
Explorar impacto de la IA en enseñanza de
ciencias
Revisión sistemática
54 estudios
empíricos
IA apoya el pensamiento científico y
habilidades analíticas
Avalos Guijarro
20
24
Ecuador
Analizar IA en evaluación y
retroalimentación educativa
Revisión narrativa
No aplica
IA mejora retroalimentación personalizada
Bolaño-García &
Duarte-Acosta
20
23
Colombi
a
Revisión del uso de la IA en educación
Revisión sistemática
24 estudios
Uso creciente de chatbots y sistemas
adaptativos
Castrillón et al.
20
20
Colombi
a
Predecir rendimiento académico con IA
Cuantitativo
predictivo
600
estudiantes
Alta precisión con redes neuronales
García-Martínez et
al.
20
23
España
Meta-análisis de impacto de IA en
desempeño académico
Revisión sistemática
+ meta-análisis
30 estudios
Efecto positivo moderado de la IA
González
20
23
España
Explorar transformación educativa con IA
Estudio teórico
No aplica
Cambios en roles docentes y autonomía
estudiantil
Jingjie
20
22
China
Aplicación de IA en educación física y
perspectivas
Revisión narrativa
No aplica
IA útil para entrenamiento personalizado
López Chacón et
al.
20
25
Costa
Rica
Percepciones estudiantiles sobre IA en
entornos virtuales
Cuantitativo
descriptivo
300
estudiantes
Percepción mayoritariamente positiva
Wang et al.
20
24
China
Revisión sistemática sobre IA en
educación
Revisión sistemática
105 artículos
IA mejora personalización del aprendizaje
Barquero Morales
20
22
Brasil
Describir el uso del enfoque PRISMA en
revisiones sistemáticas
Revisión
metodológica
No aplica
PRISMA mejora la transparencia en
revisiones
Barrios-Tao et al.
20
21
Colombi
a
Analizar propósitos de la educación frente
a IA
Estudio cualitativo
No aplica
Se requiere un enfoque ético y humanista
ante la IA
Bonami et al.
20
20
España
Analizar big data e IA en educación con
metodologías mixtas
Estudio mixto
Docentes y
estudiantes
IA permite análisis profundo de
interacciones educativas
Cachón Rodríguez
et al.
20
19
España
Predecir lealtad universitaria con IA
Cuantitativo
predictivo
Estudiantes
universitarios
IA permite modelar la fidelidad
institucional
Calderón Loyola &
Nieto Rivas
20
24
Chile
Estudiar IA en educación superior desde la
sostenibilidad
Cualitativo
exploratorio
Docentes
universitarios
IA puede apoyar la sostenibilidad educativa
Chen et al.
20
23
China
Aplicar redes neuronales a datos
deportivos
Estudio cuantitativo
Datos de
entrenamiento
IA optimiza el rendimiento deportivo
Fajardo Aguilar et
al.
20
23
Ecuador
Revisión sobre IA en educación
universitaria
Revisión sistemática
No aplica
IA mejora gestión educativa y procesos de
aprendizaje
Fajardo Aguilar et
al.
20
25
Ecuador
Explorar IA y robótica en transformación
educativa
Estudio cualitativo
Entrevistas a
docentes
IA cambia procesos de enseñanza
Gual
20
23
España
Analizar IA en la educación médica
Ensayo académico
No aplica
IA cambia el rol del médico educador
20
23
Colombi
a
Estudio de mapeo sobre IA y aprendizaje
colaborativo
Mapeo sistemático
Artículos
académicos
IA facilita programación colaborativa
20
23
EE.UU.
Analizar IA en educación desde el rediseño
curricular
Estudio teórico
No aplica
IA exige rediseño de currículos educativos
20
24
Ecuador
Percepciones sobre uso de IA en
evaluación/aprendizaje
Cuantitativo
Estudiantes y
profesores
Percepción positiva hacia IA
20
19
EE.UU.
Proponer marco integrador para IA en
educación
Ensayo académico
No aplica
Marco conceptual útil para diseño de
políticas
20
24
Ecuador
Impacto de IA en cada etapa del ciclo
formativo
Cualitativo
Docentes
universitarios
IA influye en diseño curricular y evaluación
20
25
Colombi
a
IA como herramienta en entornos
inmersivos
Estudio exploratorio
No
especificada
IA incrementa interactividad educativa
20
24
Ecuador
Perspectivas docentes sobre IA en
educación superior
Cualitativo
Docentes
universitarios
Recepción positiva, pero dudas éticas
20
24
Ecuador
IA como recurso educativo en educación
superior
Revisión sistemática
No aplica
IA es útil como apoyo didáctico
20
24
Ecuador
Análisis del uso de IA en educación
universitaria
Revisión sistemática
No aplica
Tendencia creciente del uso de IA
20
24
Perú
Perspectivas de IA en educación
universitaria
Revisión teórica
No aplica
IA transforma roles educativos
20
23
Perú
IA en educación universitaria
Revisión sistemática
No aplica
IA mejora personalización educativa
MUIRRAGUI IRRAZABAL, V. L., GARZÓN BALCÁZAR, J. M., MOREIRA CAÑIZARES, A. C., & MARTÍNEZ BENÍTEZ,
E. J.