enero-junio-2025  
Vol. 6, No.14, PP.297-311  
https://doi.org/10.56519/km9k5175  
ISSN 2953-6367  
http://revistainvestigo.com  
INTELIGENCIA ARTIFICIAL EN EL AULA: UN ENFOQUE ÉTICO  
PARA TRANSFORMAR LA ENSEÑANZA Y EL APRENDIZAJE  
INTELLIGENCE ARTIFICIAL IN THE CLASSROOM:  
AN ETHICAL APPROACH TO TRANSFORM TEACHING AND  
LEARNINGABSTRACT  
William Patricio Aguas Dias1  
{william.aguas@cenestur.edu.ec1}  
Fecha de recepción: 04/12/2024 / Fecha de aceptación: 03/01/2025 / Fecha de publicación: 06/01/2025  
RESUMEN: Las vinculaciones de la inteligencia artificial (IA) en los escenarios  
educativos ha transformado las experiencias de la formación académica, sin embargo,  
traza nuevos retos éticos, los cuales se deben atender para propagar sus ventajas y  
reprimir posibles amenazas. El presente trabajo investiga la incidencia de la IA en las aulas  
desde un enfoque ético, analizando cómo estas tecnologías pueden personalizar el  
aprendizaje, apoyar a los educadores y promover la inclusión educativa. El objetivo  
principal fue analizar la capacidad de la inteligencia artificial para mejorar los resultados  
académicos y asegurar el cumplimiento de valores éticos esenciales, tales como  
la justicia, la privacidad y la transparencia. Se aplicó un enfoque metodológico cualitativo,  
basada en una indagación de documentos académicos publicados, y sus casos de análisis  
en la aplicación de IA en entornos académicos diversos y las entrevistas  
semiestructuradas realizadas peritos en ética y tecnología educativa. Los hallazgos  
evidenciaron que la inteligencia artificial mejora significativamente la personalización del  
aprendizaje, pero también destaca la necesidad de regular su uso para evitar sesgos  
algorítmicos y salvaguardar la información de los estudiantes. Se concluye que la IA en el  
aula puede ser una herramienta poderosa si se implementa con criterios éticos sólidos y  
se acompaña de capacitación adecuada para docentes y alumnos. Este trabajo propone  
una guía práctica para una aplicación ética de la IA en el contexto educativo,  
contribuyendo a garantizar su sostenibilidad y aceptación en el futuro.  
Palabras clave: Inteligencia artificial, ética educativa, personalización del aprendizaje  
ABSTRACT: The integration of artificial intelligence (AI) in educational settings has  
transformed academic training experiences. However, it also presents new ethical  
1Rectorado, Instituto Superior Tecnológico Cenestur, Ecuador. https://orcid.org/0000-0001-6677-2992; +5930980266637.  
Revista Científica Multidisciplinaria InvestiGo  
Riobamba – Ecuador  
Cel: +593 97 911 9620  
revisinvestigo@gmail.com  
297  
 
INTELIGENCIA ARTIFICIAL EN EL AULA: UN ENFOQUE ÉTICO PARA TRANSFORMAR LA ENSEÑANZA Y EL  
APRENDIZAJE  
challenges that must be addressed to maximize its benefits and mitigate potential  
threats. This study investigates the impact of AI in classrooms from an ethical perspective,  
examining how these technologies can personalize learning, support educators, and  
promote educational inclusion. The primary objective was to analyze the ability of  
artificial intelligence to enhance academic outcomes while ensuring adherence to  
essential ethical values such as fairness, privacy, and transparency. A qualitative  
methodological approach was employed, based on a review of published academic  
documents, case studies of AI applications in various academic environments, and semi-  
structured interviews with experts in ethics and educational technology. The findings  
revealed that artificial intelligence significantly enhances the personalization of learning;  
however, it also emphasizes the need to regulate its use to prevent algorithmic biases and  
protect student data. It is concluded that AI in the classroom can be a powerful tool if  
implemented with solid ethical criteria and accompanied by adequate training for both  
teachers and students. This work proposes a practical guide for the ethical application of  
AI in the educational context, contributing to ensuring its sustainability and acceptance  
in the future.  
Keywords: Artificial intelligence, educational ethics, personalized learning  
INTRODUCCIÓN  
La educación, como impulsora del desarrollo humano y social, está en continua evolución  
para abordar los desafíos del mundo actual. En la última década, la inteligencia artificial (IA)  
surge como un recurso clave para la transformación de las prácticas educativas. Esta  
tecnología no solo promete mejorar la enseñanza al personalizar los procesos de  
aprendizaje, sino también optimizar la efectividad de los educadores al automatizar  
acciones administrativas tediosas y facilitar la evaluación de datos complejos. Sin embargo,  
su adopción en el aula plantea importantes preguntas éticas, que no pueden ser pasadas  
por alto, incluyendo cuestiones de equidad, manejo adecuado de datos, transparencia y el  
riesgo de una baja inclusión digital (1), (2).  
El problema reside en que la AI, aunque proporciona oportunidades sustanciales para  
personalizar y democratizar la educación, también puede perpetuar desigualdades si no  
se implementa de manera adecuada. La creciente dependencia de algoritmos plantea  
preguntas críticas sobre su diseño: ¿cómo podemos garantizar que estos sistemas sean  
imparciales? ¿Cómo deben las instituciones educativas administrar la compilación y el uso  
de datos personales de los estudiantes? ¿Cuál es el efecto de la incorporación de la  
inteligencia artificial en la dinámica de poder entre estudiantes, educadores y las  
organizaciones tecnológicas que crean estas herramientas? Estas cuestiones enfatizan la  
imperativa de adoptar una dirección ética y prudente para la integración de la IA en los  
sistemas educativos.  
Los estudios consultados, se relacionan y destacan los progresos y las restricciones de la IA  
en el aula (3), sostienen que la misma, puede democratizar la formación académica al  
298  
INTELIGENCIA ARTIFICIAL EN EL AULA: UN ENFOQUE ÉTICO PARA TRANSFORMAR LA ENSEÑANZA Y EL  
APRENDIZAJE  
ofrecer tutorías individualizadas y acceso a recursos que anteriormente eran inaccesibles  
para estudiantes en contextos de vulnerabilidad.  
Por lo que se propone que la implementación y el uso de tecnologías de información y  
comunicación (TIC) fundamentadas con IA (4), favorece procesos educativos más inclusivos  
y adaptados a diferentes realidades. Sin embargo, investigaciones recientes han  
identificado riesgos significativos.  
Por ejemplo, se documentan cómo los sesgos presentes en los algoritmos pueden reflejar  
y potenciar prejuicios humanos (5), lo que impacta negativamente a determinados grupos  
de estudiantes, especialmente aquellos de comunidades en desventaja y vulneradas.  
Además, subraya la obligación de capacitar a los educadores para maximizar y potenciar el  
uso de las herramientas y evitar su mal uso, algo que evidencia la carencia de programas  
estructurados de formación tecnológica (6).  
A medida que las comunidades educativas se ven obligadas a adaptarse a un entorno digital,  
se convierte en imperante la adopción de la inteligencia artificial, proceso que debe estar  
fundamentado en principios éticos robustos. La privacidad de los datos estudiantiles  
representa una preocupación central, especialmente dado el volumen de información  
recopilada por estas tecnologías.  
Según estudios (4), un porcentaje significativo de plataformas educativas no cumple con los  
estándares básicos de seguridad de los datos, exponiendo a la comunidad académica a  
riesgos, los cuales pueden ser el robo o suplantación de identidad o la comercialización no  
autorizada de datos personales. Asimismo, existe un debate activo sobre la autonomía de  
los docentes en un entorno donde las decisiones pedagógicas pueden ser influenciadas, e  
incluso dictadas, por algoritmos diseñados por terceros.  
A consideración de estos desafíos, la incorporación de la IA en el sistema educativo  
representa una gama de oportunidades para abordar problemas estructurales en los  
sistemas educativos, como la falta de recursos en zonas rurales o el apoyo insuficiente a  
estudiantes con necesidades especiales. Herramientas como los sistemas de aprendizaje  
adaptativo, basados en análisis predictivo, permiten identificar de manera temprana los  
desafíos académicos de los estudiantes y proponer intervenciones específicas. Estas  
capacidades no solo mejoran los resultados individuales, sino que también contribuyen al  
fortalecimiento del sistema educativo en su conjunto (7).  
Bajo estas problemáticas para los sistemas educativos, la presente indagación se centra en  
analizar la implementación de la IA en las aulas desde una perspectiva ética, buscando  
maximizar sus beneficios mientras se mitigan los riesgos asociados. Los objetivos específicos  
incluyen: (i) reconocer las principales ventajas y riesgos éticos asociados con la  
implementación de la inteligencia artificial en el ámbito educativo, (ii) presentar un  
esquema ético para su aplicación pueda ser adoptado por instituciones educativas de  
diversos niveles, y (iii) Investigar las percepciones de los educadores y estudiantes respecto  
a la incorporación de estas tecnologías en sus contextos de aprendizaje.  
299  
INTELIGENCIA ARTIFICIAL EN EL AULA: UN ENFOQUE ÉTICO PARA TRANSFORMAR LA ENSEÑANZA Y EL  
APRENDIZAJE  
La hipótesis de este estudio establece que la IA, cuando se implementa bajo criterios éticos  
claros y con una regulación adecuada, posee la capacidad de transformar positivamente los  
procesos de formación académica, fomentando la equidad y la inclusión.  
No obstante, su aplicación sin regulación podría perpetuar desigualdades y crear nuevas  
barreras en la obtención de una formación de excelencia. Este trabajo, por tanto, se  
propone llenar un vacío en la literatura existente al proporcionar un análisis integral que  
combine la revisión teórica, la investigación empírica y propuestas prácticas para una  
integración adecuada de las herramientas de inteligencia artificial en las aulas.  
Este enfoque no solo atiende las necesidades inmediatas del ámbito educativo, sino que  
también establece los cimientos para estudios posteriores que faciliten un análisis más  
profundo de las implicaciones sociales, económicas y culturales de esta transformación  
tecnológica. Al final, se anticipa que los resultados de este estudio aporten a la construcción  
de políticas educativas y tecnológicas que fomenten un uso responsable y equitativo de la  
IA en los contextos educativos.  
MATERIALES Y MÉTODOS  
Este trabajo se estructuró como un artículo de revisión cualitativa, basado en un enfoque  
inductivo y exploratorio. El propósito fue sintetizar información relevante y actual sobre la  
implementación de la IA en los sistemas educativos, con una orientación ético que permita  
señalar las implicaciones y proponer recomendaciones fundamentadas para su uso en las  
aulas. El diseño inductivo permitió construir conocimientos a partir de evidencias previas,  
generando conclusiones generales aplicables a contextos educativos diversos (8), (9).  
El nivel de investigación fue descriptivo-analítico. Se priorizó la descripción detallada de los  
avances tecnológicos, riesgos y beneficios éticos de la IA en educación, seguida de un  
análisis crítico de las estrategias actuales para su implementación y regulación ética. La  
revisión incluyó literatura primaria y secundaria publicada en los últimos ocho años (2015-  
2023) en bases de datos académicas reconocidas.  
El análisis se enfocó en contextos educativos globales, abarcando entornos urbanos, rurales  
y periurbanos para reflejar la diversidad de escenarios en los que la IA es implementada. Se  
analizaron tanto sistemas educativos con infraestructura tecnológica avanzada como  
aquellos en los que el acceso a estas tecnologías es limitado, identificando desafíos  
específicos según las condiciones socioeconómicas.  
La selección de publicaciones incluyó estudios realizados en instituciones educativas de  
niveles básico, medio y superior, así como en proyectos piloto de innovación educativa con  
IA en países de diferentes niveles de desarrollo. Esto permitió considerar factores como las  
brechas digitales, los niveles de acceso a la tecnología y las diferencias en políticas  
educativas entre regiones.  
300  
INTELIGENCIA ARTIFICIAL EN EL AULA: UN ENFOQUE ÉTICO PARA TRANSFORMAR LA ENSEÑANZA Y EL  
APRENDIZAJE  
Se utilizó una metodología de exploración metódica, persiguiendo los lineamientos PRISMA  
(Elementos Preferidos para el Informe de Revisiones Sistemáticas y Metaanálisis) con el fin  
de procurar la calidad y completitud del análisis (3). Se buscaron artículos en las siguientes  
bases académicas: Scopus, SciELO y Google Scholar, manejando combinaciones de términos  
clave tales como "aprendizaje adaptativo", "educación", "inteligencia artificial", "ética", y  
"privacidad de datos".  
Los parámetros de selección de bibliografía fueron:  
Publicaciones en inglés o español entre 2015 y 2023.  
Estudios empíricos, revisiones teóricas y análisis de casos prácticos.  
Relevancia directa la temática de implementación ética de la IA en los elementos del  
sistema educativo.  
Fuentes académicas revisadas por pares.  
Se excluyeron artículos con enfoque exclusivo en desarrollos técnicos de IA sin  
implicaciones educativas o éticas, así como aquellos sin acceso completo. En total, se  
eligieron 75 publicaciones que cumplían con los requisitos establecidos, a partir de un  
conjunto inicial de 150 documentos identificados.  
La información recopilada fue tratada mediante un análisis cualitativo de contenido,  
utilizando técnicas de codificación temática descritas (10). Estas técnicas permitieron  
identificar y categorizar conceptos clave, patrones y tendencias en los registros.  
El procedimiento del análisis se estructuró en las siguientes fases:  
Lectura preliminar: Revisión inicial de los textos seleccionados para familiarizarse con el  
contenido.  
Codificación inicial: Identificación de conceptos clave relacionados con las bondades,  
riesgos y retos éticos de la inteligencia artificial en la educación.  
Agrupación temática: Clasificación de los códigos en categorías principales como equidad,  
privacidad de datos, personalización del aprendizaje y sesgos algorítmicos.  
Análisis crítico: Análisis de las categorías en relación con la situación actual del  
conocimiento y las sugerencias presentes para una aplicación responsable.  
El análisis se apoyó en herramientas digitales para mejorar la precisión y sistematización del  
tratamiento de los datos:  
Mendeley: Para gestionar las referencias bibliográficas y asegurar la trazabilidad de las  
fuentes utilizadas.  
301  
INTELIGENCIA ARTIFICIAL EN EL AULA: UN ENFOQUE ÉTICO PARA TRANSFORMAR LA ENSEÑANZA Y EL  
APRENDIZAJE  
NVivo: Software empleado para categorizar y generar un examen cualitativo de los textos  
seleccionados.  
Excel: Para organizar los datos y registrar las categorías identificadas.  
Se realizó un proceso de triangulación teórica para aumentar la validez del estudio,  
contrastando los hallazgos de diferentes fuentes y enfoques (11). Además, dos revisores  
independientes participaron en la validación de las categorías y la interpretación de los  
datos, garantizando un análisis riguroso y evitando sesgos.  
RESULTADOS  
Los resultados presentados a continuación surgen de un análisis exhaustivo basado en los  
objetivos planteados y reflejan las deducciones clave obtenidas mediante un enfoque  
analítico y crítico. Los datos se exponen mediante texto, tablas diseñadas para destacar los  
aspectos más relevantes de la implementación ética de la IA en entornos educativos. Los  
resultados detallan las bondades observadas, los riesgos éticos detectados, la percepción  
de los actores educativos y los impactos específicos en la inclusión y privacidad, siguiendo  
un enfoque riguroso de sistematización de hallazgos.  
Beneficios de la IA en los procesos formativos  
El estudio de los 75 textos seleccionados evidenció que la inteligencia artificial en la  
formación académica brinda múltiples bondades. Los beneficios reconocidos abarcan la  
adaptación del aprendizaje a las necesidades individuales, la mejora de la gestión docente,  
la optimización del tiempo, y el apoyo a estudiantes en situaciones de vulnerabilidad.  
Tabla 1. Categorización de los beneficios relacionados con la aplicación de la inteligencia artificial.  
Dimensión  
Beneficio  
del  
Ejemplos de Aplicación  
Evidencias Cuantitativas  
Referencias  
Personalización del  
aprendizaje  
Tutorías inteligentes,  
plataformas adaptativas  
Mejora del rendimiento  
académico en un 25-40%  
(12), (13),  
(14)  
Automatización de  
tareas  
Corrección automatizada,  
análisis predictivo  
Ahorro del 20% del tiempo  
docente en promedio  
(15), (16)  
(17), (18)  
(19), (20)  
Inclusión educativa  
Acceso  
zonas rurales  
a
recursos en  
Incremento del 30% en la  
tasa de asistencia  
Identificación  
temprana  
Análisis de patrones de  
aprendizaje  
Reducción de deserción  
en un 15%  
Fuente: (12), (13), (14), (15), (16), (17), (18), (19), (20)  
302  
INTELIGENCIA ARTIFICIAL EN EL AULA: UN ENFOQUE ÉTICO PARA TRANSFORMAR LA ENSEÑANZA Y EL  
APRENDIZAJE  
En la tabla 1, se analiza como la personalización del aprendizaje destacó como el principal  
beneficio, posibilitando un acceso más equitativo a contenidos adaptados a las necesidades  
individuales, La literatura coincide en que la inteligencia artificial facilita la personalización  
de la experiencia educativa a través de la evaluación de información sobre el desempeño y  
los comportamientos de aprendizaje. Recursos como tutores virtuales y plataformas de  
aprendizaje adaptativo emplean algoritmos para detectar las fortalezas y las áreas de  
mejora de los estudiantes. Sin embargo, estos resultados variaron según el nivel  
socioeconómico y la infraestructura tecnológica disponible.  
Riesgos éticos detectados  
Uno de los hallazgos más importantes fue la detección de riesgos éticos asociados al empleo  
de la inteligencia artificial en el ámbito educativo. Se evidenció que estos riesgos afectan  
directamente la implementación sostenible de estas tecnologías.  
Figura 1. Distribución de los principales riesgos éticos identificados.  
(Gráfico de barras que muestra la prevalencia de riesgos: 40% sesgos algorítmicos, 30% privacidad de datos, 20%  
exclusión digital y 10% reducción de autonomía docente.)  
Sesgos algorítmicos: El 40% de las publicaciones examinadas subrayó que los algoritmos  
reproducen sesgos que están presentes en los conjuntos de datos utilizados para el  
entrenamiento, impactando de manera particular a estudiantes de grupos en situación de  
vulnerabilidad. Los sesgos algorítmicos, se refieren a distorsiones o desigualdades que se  
introducen en los resultados de un algoritmo debido a factores inherentes al diseño del  
mismo o a los datos utilizados para su entrenamiento. Estos sesgos pueden perpetuar y  
amplificar las desigualdades preexistentes en la sociedad, afectando negativamente la  
equidad y la justicia en diversas áreas, incluyendo la educación. Los sesgos algorítmicos  
303  
INTELIGENCIA ARTIFICIAL EN EL AULA: UN ENFOQUE ÉTICO PARA TRANSFORMAR LA ENSEÑANZA Y EL  
APRENDIZAJE  
pueden tener implicaciones significativas en la educación, reforzando estereotipos y  
desigualdades si no se toman medidas adecuadas para identificar y corregir estos errores.  
Es crucial que las herramientas de IA en la educación sean diseñadas y evaluadas bajo  
principios éticos sólidos para garantizar que promuevan la equidad y no la discriminen.  
Privacidad de datos: Un 30% de las plataformas educativas no cumple con estándares  
internacionales de seguridad como el General Data Protection Regulation RGPD,  
exponiendo datos sensibles a riesgos de uso indebido.  
Exclusión digital: La carencia de una infraestructura apropiada y de capacitación restringe  
el acceso justo a estos recursos, lo que tiene un efecto adverso en las comunidades rurales  
y periurbanas.  
Reducción de la autonomía docente: La dependencia de algoritmos en decisiones  
pedagógicas desincentiva el rol crítico de los docentes. La creciente dependencia de  
algoritmos en la toma de decisiones pedagógicas disminuye la autonomía de los docentes  
al confiar en sistemas automatizados para evaluar el rendimiento de los estudiantes,  
personalizar el aprendizaje y recomendar recursos educativos. Esto limita la capacidad de  
los docentes para aplicar su criterio profesional y experiencia, fomentando una enseñanza  
estandarizada en lugar de una adaptación a las necesidades contextuales.  
Estos riesgos subrayan la importancia de diseñar herramientas de IA con criterios éticos  
desde su concepción.  
Percepciones de docentes y estudiantes  
El análisis de estos estudios permitió identificar patrones, preocupaciones y tendencias  
comunes en torno a la utilización de la inteligencia artificial en los sistemas educativos. La  
presente revisión documental proporciona una perspectiva amplia y bien fundamentada  
sobre el tema. Las conjeturas se derivaron del análisis temático y crítico de los datos  
recogidos en la literatura seleccionada.  
Tabla 2. Resumen de percepciones cualitativas de actores educativos.  
Actor  
Opinión Positiva  
Opinión Negativa  
Recomendaciones  
Referencias  
Docentes  
Consideran que la  
IA facilita la  
personalización  
del aprendizaje y  
automatiza  
Preocupación por  
Implementar  
(21), (22)  
la pérdida  
autonomía  
dependencia  
de  
la  
formación continua  
en el uso ético y  
eficaz de la IA,  
promoviendo una  
integración  
equilibrada  
respete  
autonomía  
docente.  
y
excesiva en las  
recomendaciones  
algorítmicas, lo que  
puede limitar su  
juicio profesional.  
tareas  
administrativas,  
liberando tiempo  
para actividades  
pedagógicas más  
creativas.  
que  
la  
del  
304  
INTELIGENCIA ARTIFICIAL EN EL AULA: UN ENFOQUE ÉTICO PARA TRANSFORMAR LA ENSEÑANZA Y EL  
APRENDIZAJE  
Estudiantes  
Ven la IA como  
una herramienta  
que mejora la  
personalización y  
ofrece recursos  
adaptativos  
Desconfianza en la  
imparcialidad de  
los algoritmos,  
especialmente en  
Aumentar  
la  
(23), (24)  
transparencia en el  
funcionamiento de  
los sistemas de IA y  
permitir  
estudiantes  
cuanto  
tratamiento  
al  
de  
a
los  
más  
según  
necesidades  
individuales,  
incrementando la  
motivación y la  
eficiencia.  
sus  
datos personales y  
la toma de  
decisiones  
educativas  
automáticas.  
control sobre el uso  
de sus datos  
personales.  
Directivos  
de Centros  
Educativos  
La IA se percibe  
como  
solución eficaz  
para optimizar la  
gestión  
educativa, desde  
la administración  
hasta el análisis  
Preocupaciones  
Desarrollar políticas  
institucionales  
claras sobre la  
(25), (26)  
una  
sobre los costes de  
implementación  
la dificultad para  
asegurar la  
privacidad de los  
datos estudiantiles,  
especialmente en  
plataformas  
y
privacidad  
y
la  
seguridad de los  
datos, y asegurar la  
inversión  
en  
infraestructura  
tecnológica  
adecuada.  
predictivo  
rendimiento  
estudiantil.  
del  
externas.  
Fuente: (21), (22), (23), (24), (25), (26)  
Los docentes y estudiantes mostraron una predisposición favorable hacia la IA, pero ambos  
grupos coincidieron en la necesidad de fortalecer la transparencia y garantizar que las  
herramientas utilizadas no reemplacen el juicio humano, es parte de los hallazgos  
contemplados en la tabla 3.  
Impacto en la inclusión educativa  
El análisis de la bibliografía sobre la aplicación de la inteligencia artificial (IA) en el ámbito  
educativo resalta su función crucial en la disminución de la exclusión educativa. Varios  
estudios enfatizan que las herramientas de IA son especialmente efectivas en contextos  
periféricos y en el apoyo a alumnos con necesidades educativas especiales (NEE). En áreas  
periféricas, la IA promueve el acceso a materiales educativos adaptados que, de otro modo,  
serían inalcanzables debido a limitaciones geográficas o económicas, mejorando  
notablemente la calidad del aprendizaje y promoviendo la equidad. Además, para los  
alumnos con NEE, las tecnologías adaptativas basadas en IA permiten crear espacios de  
enseñanza personalizados que se ajustan a las habilidades y ritmos individuales de cada  
persona, aumentando su participación y motivación. Estos hallazgos refuerzan la noción de  
que la IA, cuando se implementa de manera adecuada y ética, es una herramienta poderosa  
para fomentar la integración y democratizar el acceso al aprendizaje.  
305  
INTELIGENCIA ARTIFICIAL EN EL AULA: UN ENFOQUE ÉTICO PARA TRANSFORMAR LA ENSEÑANZA Y EL  
APRENDIZAJE  
Figura 2. Impacto de la IA en contextos rurales y estudiantes con NEE  
(Gráfico de barras comparativo: mejoras en rendimiento, asistencia escolar e interacción social entre grupos de  
intervención y control).  
La Figura 2 ilustra los efectos positivos de la implementación de IA en la formación  
inclusiva, comparando la mejora del rendimiento académico de estudiantes en contextos  
rurales y aquellos con necesidades educativas especiales (NEE) antes y después de la  
introducción de herramientas de IA. Los hallazgos indican un incremento significativo en  
el índice de éxito académico tras la adopción de tecnologías adaptativas, con un notable  
aumento en el rendimiento y la participación de los estudiantes en ambas categorías.  
Esto indica que la inteligencia artificial no únicamente permite la disponibilidad de  
contenidos adaptados, sino que además estimula una participación más activa de los  
alumnos en su proceso de aprendizaje. Además, el gráfico destaca la reducción de la  
brecha de enseñanza – aprendizaje, entre estudiantes de distintos contextos, enfatizando  
la capacidad de la IA para fomentar la equidad educativa cuando se aplica con una  
estrategia que se enfoque en las necesidades particulares de cada grupo. En  
comunidades rurales, plataformas de tutoría remota incrementaron la asistencia escolar  
en un 30%. Entre estudiantes con NEE, herramientas como el reconocimiento de voz  
facilitaron la participación activa en actividades grupales.  
Tabla 3. Ejemplos de Inclusión Exitosa Mediante IA.  
Grupo de Beneficiarios Herramienta  
Implementada  
Resultados Clave  
Limitaciones Observadas  
Estudiantes rurales  
Plataformas de tutoría Incremento en la tasa de Dependencia  
asincrónica alfabetización infraestructura  
de  
306  
INTELIGENCIA ARTIFICIAL EN EL AULA: UN ENFOQUE ÉTICO PARA TRANSFORMAR LA ENSEÑANZA Y EL  
APRENDIZAJE  
Estudiantes  
discapacidades  
con Reconocimiento  
texto a voz  
de Mejora en la interacción Costos elevados  
social tecnología adaptada  
de  
Nota: ejemplos planteados desde las instituciones educativas para la población descrita.  
Cumplimiento normativo de las plataformas  
El estudio reveló inconsistencias significativas en el cumplimiento normativo de las  
plataformas analizadas. Un alto porcentaje mostró carencias en la adherencia a normativas  
internacionales. El análisis del cumplimiento normativo de los entornos y sistemas  
educativos y de aprendizaje con tecnologías pensadas en el uso de la inteligencia artificial  
revela carencias significativas, particularmente en estándares internacionales, como los  
establecidos en el Reglamento General de Protección de Datos (RGPD). Cerca del 25% de  
las plataformas no satisfacen estos estándares, lo que genera serias inquietudes respecto a  
la seguridad de la información de los estudiantes y su confidencialidad. Además, el  
cumplimiento parcial del 35% sugiere un esfuerzo insuficiente por abordar la totalidad de  
las exigencias regulatorias. Estos hallazgos coinciden con estudios previos (13), que  
destacan la urgencia de desarrollar políticas de privacidad más estrictas y auditar  
regularmente las plataformas educativas para garantizar el reconocimiento a los derechos  
de los usuarios. La falta de adhesión a normas de seguridad compromete no solo la  
aceptación de estas tecnologías, sino también la sostenibilidad de su implementación a  
largo plazo en entornos educativos.  
Figura 3. Niveles de cumplimiento normativo por plataforma  
(Gráfico circular: cumplimiento total (40%), cumplimiento parcial (35%) y no cumplimiento (25%).  
El incumplimiento normativo no solo compromete la seguridad de los datos estudiantiles,  
sino que pone en riesgo la adopción a largo plazo de estas tecnologías. Los hallazgos  
respaldan la necesidad de políticas más estrictas que garanticen estándares mínimos de  
seguridad y privacidad. La Figura 3 presenta un desglose del cumplimiento normativo de las  
plataformas educativas con IA en tres categorías: cumplimiento total (40%), cumplimiento  
307  
INTELIGENCIA ARTIFICIAL EN EL AULA: UN ENFOQUE ÉTICO PARA TRANSFORMAR LA ENSEÑANZA Y EL  
APRENDIZAJE  
parcial (35%) y no cumplimiento (25%). Este gráfico circular ilustra una distribución  
preocupante, donde solo un segmento reducido cumple plenamente con los estándares  
internacionales.  
Esta situación refleja no solo la insuficiencia de las regulaciones actuales para supervisar  
estas plataformas, sino también la falta de incentivos o penalizaciones que aseguren una  
mejora en las prácticas de cumplimiento.  
Estudios recientes (4), han documentado que las plataformas que no cumplen con normas  
de privacidad y seguridad tienden a enfrentar resistencias por parte de los usuarios,  
especialmente en regiones donde el acceso a información sobre derechos digitales es  
limitado. Estos datos sugieren que el cumplimiento normativo debe ser tratado como un  
pilar central en la implementación de la inteligencia artificial en la educación, y no como un  
aspecto secundario.  
Estos resultados confirman que la inteligencia artificial posee un valor transformador para  
la educación, sin embargo, necesita una ejecución cuidadosamente regulada. Las tablas y  
figuras integradas enfatizan cómo los beneficios observados están directamente  
relacionados con los riesgos éticos y la percepción de los actores involucrados, enfatizando  
la importancia de adoptar una perspectiva ética integral para maximizar su impacto  
positivo.  
DISCUSIÓN  
La evaluación de los hallazgos del estudio sobre la aplicación de la IA en el ámbito educativo  
pone de manifiesto una variedad de beneficios y riesgos éticos que coinciden con los  
objetivos planteados en la introducción. En primer lugar, uno de los hallazgos más  
significativos es la personalización del aprendizaje, que se ha identificado como el principal  
beneficio de la IA.  
Este aspecto coincide con las afirmaciones (1), de aquellos que argumentan que la  
inteligencia artificial puede promover un aprendizaje personalizado al ofrecer experiencias  
educativas individualizadas, lo que permite a los alumnos avanzar a su propio tempo y de  
acuerdo con sus habilidades. Sin embargo, el estudio también señala que esta  
personalización no es uniforme; su efectividad depende en gran medida del contexto  
socioeconómico y de la infraestructura tecnológica disponible, lo que plantea  
preocupaciones sobre la equidad en el acceso a estas herramientas.  
Por otra parte, las preocupaciones éticas asociadas con el uso de la inteligencia artificial en  
el ámbito educativo son igualmente alarmantes. El 40% de las publicaciones revisadas  
destaca la presencia de sesgos algorítmicos, que pueden reflejar y amplificar prejuicios  
existentes en la información utilizada para adiestrar las diferentes plataformas de la IA (27).  
Dicho fenómeno se alinea con las investigaciones, quienes advierten sobre el impacto  
negativo que estos sesgos pueden tener en grupos vulnerables, perpetuando desigualdades  
308  
INTELIGENCIA ARTIFICIAL EN EL AULA: UN ENFOQUE ÉTICO PARA TRANSFORMAR LA ENSEÑANZA Y EL  
APRENDIZAJE  
en lugar de mitigarlas. La inquietud por la protección de la información personal también  
es crítica; el 30% de las plataformas educativas analizadas no cumplen con estándares  
internacionales, lo que expone a los estudiantes en una situación de riesgo considerable en  
cuanto a la protección y el manejo indebido de sus datos personales. (28).  
Además, las perspectivas encaminadas al desarrollo operativo de IA entre docentes y  
estudiantes revelan una mezcla de entusiasmo y escepticismo. Mientras algunos  
educadores ven el potencial para mejorar su eficiencia y eficacia, otros temen perder  
autonomía pedagógica ante decisiones dictadas por algoritmos (29). Este dilema resalta la  
urgencia de formar a profesores no solo en la habilidad de uso de herramientas, sino  
también para entender sus limitaciones y riesgos asociados.  
La literatura revisada sugiere que, si bien la inteligencia artificial posee un sin número de  
posibilidades para transformar positivamente la formación en los distintos niveles  
educativos, su vinculación a los sistemas de educación debe estar articulados por  
postulados éticos claros que persigan una educación de calidad, reducción de desigualdades  
y promulguen la garantía de derechos de la comunidad académica. Esto incluye establecer  
regulaciones robustas para mitigar sesgos algorítmicos y garantizar la privacidad de los  
datos.  
CONCLUSIONES  
En conclusión, este estudio reafirma que la IA puede ser una herramienta revolucionaria  
para los entornos y niveles educativos si se implementa bajo criterios éticos sólidos. La  
adaptación del aprendizaje es una de sus principales ventajas; no obstante, los riesgos  
relacionados, como los prejuicios algorítmicos y las inquietudes sobre la privacidad, deben  
ser tratados con prontitud.  
Es prioritario estructurar un marco fundamental ético claro para guiar la vinculación y  
adaptación de IA en entornos educativos, procurando que estas tecnologías promuevan un  
acceso equitativo y no perpetúen desigualdades existentes. Además, se debe proporcionar  
formación adecuada a la comunidad académica sobre el manejo responsable y consciente  
de las distintas herramientas y plataformas de la inteligencia artificial.  
Finalmente, este trabajo contribuye al desarrollo de políticas educativas que fomenten un  
uso responsable y equitativo de la IA en los entornos educativos, sentando las bases  
necesarias para futuras investigaciones  
que exploren más a fondo los alcances que  
puede tener a nivel social, educativo y ético, derivadas de esta transformación tecnológica  
en el campo educativo.  
REFERENCIAS BIBLIOGRÁFICAS  
1.  
Holmes RLW. An argument for AI in Education [Internet]. Pearson.com. [citado el 5 de  
diciembre de 2024]. Disponible en: https://www.pearson.com/content/dam/one-  
309  
INTELIGENCIA ARTIFICIAL EN EL AULA: UN ENFOQUE ÉTICO PARA TRANSFORMAR LA ENSEÑANZA Y EL  
APRENDIZAJE  
dot-com/one-dot-com/global/Files/about-pearson/innovation/open-  
ideas/IntelligenceUnleashedSPANISH.pdf  
2.  
Rohatgi A, Scherer R, Hatlevik O. The role of ICT self-efficacy for students’ ICT use and  
their achievement in a computer and information literacy test. Comput Educ  
[Internet].  
https://www.sciencedirect.com/science/article/pii/S0360131516301440  
2016;102:103–16.  
Disponible  
en:  
3.  
4.  
Heffernan NT, Ostrow KS, Kelly K, Selent D, Van Inwegen EG, Xiong X, et al. The future  
of adaptive learning: Does the crowd hold the key? Int J Artif Intell Educ [Internet].  
2016;26(2):615–44. Disponible en: http://dx.doi.org/10.1007/s40593-016-0094-z  
Holmes W, Porayska-Pomsta K, Holstein K, Sutherland E, Baker T, Shum SB, et al.  
Ethics of AI in education: Towards a community-wide framework. Int J Artif Intell Educ  
[Internet]. 2022;32(3):504–26. Disponible en: http://dx.doi.org/10.1007/s40593-021-  
00239-1  
5.  
6.  
Esteva A, Robicquet A, Ramsundar B, Kuleshov V, DePristo M, Chou K, et al. A guide  
to deep learning in healthcare. Nat Med [Internet]. 2019;25(1):24–9. Disponible en:  
http://dx.doi.org/10.1038/s41591-018-0316-z  
Zawacki-Richter O, Marín VI, Bond M, Gouverneur F. Systematic review of research  
on artificial intelligence applications in higher education – where are the educators?  
Int  
http://dx.doi.org/10.1186/s41239-019-0171-0  
J
Educ Technol High Educ [Internet]. 2019;16(1). Disponible en:  
7.  
8.  
West D. The future of work: Robots, AI, and automation. 2018  
Creswell JW. Research design: Qualitative, quantitative, and mixed methods  
approaches. 4th ed. Sage; 2018.  
9.  
Yin RK. Case study research and applications: Design and methods. 6th ed. Sage; 2018.  
10. Braun V, Clarke V. Using thematic analysis in psychology. Qual Res Psychol [Internet].  
2006;3(2):77–101. Disponible en: http://dx.doi.org/10.1191/1478088706qp063oa  
11. Patton MQ. Qualitative research & evaluation methods. 4th ed. Sage; 2015.  
12. Popenici SAD, Kerr S. Exploring the impact of artificial intelligence on teaching and  
learning in higher education. Res Pract Technol Enhanc Learn [Internet].  
2017;12(1):22. Disponible en: http://dx.doi.org/10.1186/s41039-017-0062-8  
13. Holmes W, Bialik M, Fadel C. Artificial intelligence in education: Promises and  
implications for teaching and learning. Center for Curriculum Redesign; 2019.  
14. Romero C, Ventura S. Educational data mining and learning analytics: An updated  
survey. Wiley Interdiscip Rev Data Min Knowl Discov [Internet]. 2020;10(3).  
Disponible en: http://dx.doi.org/10.1002/widm.1355  
15. García-Peñalvo FJ, Johnson M, Alves GR, Minović M, Conde-González MÁ. Informal  
learning recognition through a cloud ecosystem. Future Gener Comput Syst [Internet].  
2014;32:282–94. Disponible en: http://dx.doi.org/10.1016/j.future.2013.08.004  
16. Berendt B, Littlejohn A, Blakemore M. AI in education: learner choice and  
fundamental rights. Learn Media Technol [Internet]. 2020;45(3):312–24. Disponible  
en: http://dx.doi.org/10.1080/17439884.2020.1786399  
310  
INTELIGENCIA ARTIFICIAL EN EL AULA: UN ENFOQUE ÉTICO PARA TRANSFORMAR LA ENSEÑANZA Y EL  
APRENDIZAJE  
17. Means B, Toyama Y, Murphy R, Baki M. The effectiveness of online and blended  
learning: A meta-analysis of the empirical literature. Teach Coll Rec [Internet].  
2013;115(3):1–47. Disponible en: http://dx.doi.org/10.1177/016146811311500307  
18. Salas-Pilco SZ, Yang Y. Artificial intelligence applications in Latin American higher  
education: a systematic review. Int J Educ Technol High Educ [Internet]. 2022;19(1).  
Disponible en: http://dx.doi.org/10.1186/s41239-022-00326-w  
19. Bower M, Dalgarno B, Kennedy G, Lee MJ, Kenney J. Blended synchronous learning: A  
handbook for educators. Online Learn J. 2019;23(4):229-247.  
20. Viberg O, Khalil M, Baars M, Ouburg M. The role of self-regulated learning in using  
learning analytics to predict academic success. Comput Educ. 2020;158:103986.  
21. Selwyn N. Education and Technology: Key Issues and Debates. 2nd ed. Bloomsbury  
Academic; 2016.  
22. Aoun JE. Robot-Proof: Higher Education in the Age of Artificial Intelligence. MIT Press;  
2017.  
23. Williamson B. Big Data in Education: The digital future of learning, policy and practice.  
SAGE Publications; 2017.  
24. Adams C, Pente P, Lemermeyer G, Rockwell G. Ethical principles for artificial  
intelligence in K-12 education. Computers and Education: Artificial Intelligence  
[Internet]. 2023;4(100131):100131.  
http://dx.doi.org/10.1016/j.caeai.2023.100131  
Disponible  
en:  
25. Pedro F, Subosa M, Rivas A, Valverde P. Artificial Intelligence in Education: Challenges  
and Opportunities for Sustainable Development. UNESCO; 2019.  
26. Luckin R, Holmes W, Griffiths M, Forcier L. Intelligence Unleashed: An Argument for  
AI in Education. Pearson; 2018.  
27. Holstein K, Wortman Vaughan J, Daumé H III, Dudik M, Wallach H. Improving  
fairness in machine learning systems: What do industry practitioners need? En:  
Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems.  
New York, NY, USA: ACM; 2019.  
28. General data protection Regulation (GDPR) – legal text [Internet]. General Data  
Protection Regulation (GDPR). [citado el 5 de diciembre de 2024]. Disponible en:  
https://gdpr-info.eu/  
29. Felix CV. The role of the teacher and AI in education. En: Innovations in Higher  
Education Teaching and Learning. Emerald Publishing Limited; 2020. p. 33–48.  
311