ISSN 2953-6367
julio - diciembre 2025
http://revistainvestigo.com
Vol. 6, No. 16, PP. 537-559
https://doi.org/10.56519/v3qsf032
Revista Científica Multidisciplinaria InvestiGo
Riobamba – Ecuador
Cel: +593 97 911 9620
revisinvestigo@gmail.com
537
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN
CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
INDICATORS OF THE USE OF AI IN HIGHER EDUCATION
TEACHERS' CURRICULUM PLANNING
Erika Elizabeth Llerena Choez
1
, Francisco Javier Montesdeoca Coello
2
, Federico Enrique Swett
Pincay
3
, Janeth Alexandra Varas Contreras
4
{erika.llerenac@ug.edu.ec
1
, Francisco.montedesocac@ug.edu.ec
2
, federico.swettp@ug.edu.ec
3
, Janeth.varasc@ug.edu.ec
4
}
Fecha de recepción: 15/06/2025 / Fecha de aceptación: 16/06/2025 / Fecha de publicación: 01/07/2025
RESUMEN: El uso de inteligencia artificial (IA) en educación superior ha transformado
progresivamente los procesos de enseñanza-aprendizaje, destacando su potencial en la
personalización de itinerarios, generación de recursos didácticos y retroalimentación
formativa. Sin embargo, persiste escasa evidencia sobre cómo los docentes universitarios
integran efectivamente estas tecnologías en la planificación curricular. Ante esta realidad, el
estudio se propuso analizar la relación entre el uso de herramientas de IA por parte del
profesorado universitario y el nivel de integración de estas tecnologías en la planificación
curricular. Se planteó como problema determinar si existe una asociación significativa entre
ambas variables y cuáles dimensiones requieren fortalecimiento institucional y pedagógico. La
investigación adoptó un enfoque cuantitativo, de diseño no experimental, transversal y
correlacional. Participaron 133 docentes universitarios, seleccionados por conveniencia,
quienes respondieron un cuestionario tipo Likert validado por expertos y compuesto por 22
ítems distribuidos en dos variables y once dimensiones. Los resultados revelaron que las
dimensiones más valoradas fueron evaluación formativa asistida por IA y retroalimentación
personalizada, mientras que competencia digital docente, apoyo institucional y ética en el uso
de IA obtuvieron puntuaciones inferiores. La correlación de Spearman indicó una relación
positiva, alta y significativa (Rho = 0.883; p < .001) entre el uso docente de IA y su integración
curricular. Se concluye que fortalecer competencias digitales, establecer políticas
institucionales claras y promover entornos éticos y formativos favorece una integración
efectiva y responsable de la IA en los planes de estudio universitarios.
Palabras clave: Inteligencia artificial, docentes universitarios, planificación curricular,
innovación pedagógica
1
Universidad de Guayaquil, https://orcid.org/0000-0001-5171-9611.
2
Universidad de Guayaquil, https://orcid.org/0009-0004-3718-7662.
3
Universidad de Guayaquil, https://orcid.org/ 0009-0007-0875-2695.
4
Universidad de Guayaquil, https://orcid.org/0000-0002-8055-4817.
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
538
ABSTRACT:
The use of artificial intelligence (AI) in higher education has progressively
transformed teaching-learning processes, highlighting its potential for personalized
curriculum development, the generation of teaching resources, and formative feedback.
However, there remains little evidence on how university professors effectively integrate
these technologies into curriculum planning. Given this reality, this study aimed to analyze
the relationship between the use of AI tools by university professors and the level of
integration of these technologies into curriculum planning. The objective was to determine
whether there is a significant association between the two variables and which dimensions
require institutional and pedagogical strengthening. The research adopted a quantitative
approach with a non-experimental, cross-sectional, and correlational design. Participants
were 133 university professors, selected by convenience, who answered a Likert-type
questionnaire validated by experts and composed of 22 items distributed across two variables
and eleven dimensions. The results revealed that the most valued dimensions were AI-
assisted formative assessment and personalized feedback, while teaching digital competence,
institutional support, and ethics in the use of AI obtained lower scores. Spearman's
correlation indicated a positive, high, and significant relationship (Rho = 0.883; p < .001)
between the teaching use of AI and its curricular integration. It is concluded that
strengthening digital competences, establishing clear institutional policies, and promoting
ethical and educational environments favor the effective and responsible integration of AI
into university curricula.
Keywords: Artificial intelligence, university faculty, curriculum planning, pedagogical
innovation
INTRODUCCIÓN
En la última década, la inteligencia artificial (IA) ha irrumpido de manera decisiva en múltiples
ámbitos del quehacer humano, y el campo educativo no ha sido la excepción. Las universidades
y centros de educación superior enfrentan el desafío de adaptarse a una era donde la tecnología,
y en especial la IA, redefine no solo los métodos de enseñanza, sino también los procesos de
planificación, evaluación y gestión curricular. Desde la generación automática de materiales
didácticos hasta la personalización de itinerarios de aprendizaje, la IA ofrece un abanico de
posibilidades que, si bien se perfilan como oportunidades transformadoras, también exigen una
profunda reflexión sobre su integración pedagógica (1).
La planificación curricular constituye el corazón del trabajo docente, ya que en ella se
establecen las metas de aprendizaje, los contenidos, las estrategias metodológicas y los
mecanismos de evaluación. Por tanto, el modo en que la IA se incorpora en esta fase crítica del
proceso educativo resulta determinante para su impacto posterior en el aula. A pesar del
creciente interés en el potencial de la IA en el ámbito educativo (2), (3), todavía existe escasa
claridad sobre los indicadores que permitan medir de forma rigurosa y sistemática cómo los
docentes utilizan estas herramientas en la elaboración de sus planes de estudio.
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
539
La literatura especializada muestra un aumento sostenido en el número de publicaciones
dedicadas al estudio de la IA en la enseñanza superior (4), (5). No obstante, buena parte de
estas investigaciones se centran en aspectos generales de aceptación tecnológica (6) o en
aplicaciones concretas en determinadas áreas disciplinares, como la enseñanza de idiomas (7) o
la formación técnica (8). Menos frecuentes son los estudios que abordan de manera explícita el
proceso de planificación curricular como un ámbito en el cual la IA puede desempeñar un papel
significativo.
Los antecedentes muestran también que la incorporación de la IA en la educación superior se
enmarca en un contexto más amplio de innovación tecnológica que responde, en parte, a la
necesidad de alcanzar los Objetivos de Desarrollo Sostenible (9), (10). El uso estratégico de la IA
en la docencia podría contribuir al logro de una educación inclusiva, equitativa y de calidad (ODS
4), así como a la reducción de desigualdades en el acceso al conocimiento. Sin embargo, para
que este potencial se materialice es imprescindible contar con referentes teóricos, prácticos y
metodológicos que orienten su implementación.
En el contexto iberoamericano, los estudios bibliométricos revelan un crecimiento progresivo de
la producción científica en torno a la IA en la educación superior (11), (12), si bien también
ponen de relieve la fragmentación y la heterogeneidad de las líneas de investigación. En países
como Perú, por ejemplo, (13) señalan que las iniciativas para integrar la IA en los planes de
estudio universitarios son aún incipientes y carecen de una evaluación sistemática. Del mismo
modo, (14) advierten que en muchas instituciones las metodologías activas de enseñanza no
incorporan aún el potencial transformador de la IA, debido a barreras institucionales y a la falta
de competencias digitales en el profesorado.
El problema central que da origen a este estudio reside, precisamente, en la ausencia de
indicadores robustos y consensuados que permitan evaluar la integración efectiva de la IA en la
planificación curricular del docente universitario. Mientras abundan las investigaciones sobre la
aceptación general de la tecnología por parte del profesorado (6), existe un vacío en cuanto a
instrumentos que midan con precisión en qué medida y de qué manera los docentes están
utilizando la IA en el diseño de sus asignaturas. Esta carencia limita no solo la comprensión del
fenómeno, sino también la capacidad de las instituciones para promover buenas prácticas y
orientar los procesos de formación docente.
La situación actual se explica por diversas causas. Por un lado, persisten desigualdades
importantes en el acceso a tecnologías avanzadas, especialmente en instituciones de países en
desarrollo, lo cual condiciona la posibilidad de incorporar la IA en las prácticas docentes (10).
Por otro lado, muchos docentes carecen de la formación necesaria para aprovechar las
herramientas basadas en IA de manera pedagógicamente significativa (15), (16). Esta brecha de
competencias se agrava en ausencia de marcos institucionales claros que establezcan
orientaciones y estándares para la integración de la IA en la docencia (17).
Los efectos de esta situación son múltiples y de largo alcance. Sin indicadores claros, es difícil
que las universidades puedan evaluar el grado de innovación pedagógica que están logrando
mediante el uso de la IA. Asimismo, la falta de referentes puede generar inseguridad en el
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
540
profesorado, que a menudo percibe la tecnología como un elemento complejo o ajeno a sus
prácticas habituales (18). En consecuencia, el potencial transformador de la IA en el ámbito
curricular corre el riesgo de quedar desaprovechado, perpetuando modelos de enseñanza
tradicionales que no responden a las demandas de una sociedad en constante cambio (7).
El sujeto de este estudio son los docentes de educación superior que desempeñan funciones de
planificación curricular en diversas instituciones universitarias de Iberoamérica. Se trata de un
colectivo heterogéneo, cuya experiencia y nivel de competencia digital varían significativamente
en función del contexto institucional y disciplinar (12), (5). El objeto de estudio es el proceso de
integración de la inteligencia artificial en la planificación curricular universitaria, entendido
como el conjunto de prácticas, decisiones y herramientas mediante las cuales los docentes
diseñan y organizan las experiencias de aprendizaje que ofrecen a su estudiantado.
Desde un punto de vista teórico, esta investigación se enmarca en el paradigma de la mediación
tecnológica en la educación (19), que concibe a la tecnología y en particular a la IA no como un
fin en sí mismo, sino como un mediador que amplía las capacidades cognitivas y pedagógicas del
docente (20). A través de esta lente, la planificación curricular basada en IA se entiende como
un proceso dinámico en el que el docente, apoyado por herramientas inteligentes, puede
diseñar experiencias de aprendizaje más adaptativas, inclusivas y relevantes para el contexto
actual.
En el plano metodológico, la presente investigación adopta un enfoque mixto. Por un lado, se
realizará una revisión sistemática y análisis bibliométrico de la producción científica existente
(21), (3), lo cual permitirá mapear las principales tendencias y vacíos en el estudio de la IA en la
planificación curricular. Por otro lado, se llevarán a cabo estudios de caso en universidades
seleccionadas, utilizando técnicas cualitativas como entrevistas en profundidad y análisis
documental para captar la experiencia de los docentes y las prácticas emergentes (16). Esta
combinación metodológica permitirá generar un conjunto de indicadores que sean a la vez
teóricamente sólidos y empíricamente relevantes.
Asimismo, la dimensión práctica de este estudio resulta especialmente relevante en un
momento en que las universidades se encuentran en plena transformación digital. La rápida
evolución de las tecnologías basadas en inteligencia artificial plantea desafíos significativos para
la formación y actualización del profesorado. En este contexto, disponer de indicadores claros y
operativos sobre el uso de la IA en la planificación curricular permitirá a las instituciones diseñar
políticas más efectivas de desarrollo profesional docente, así como monitorear los avances en la
integración de la tecnología en sus procesos formativos (8). Por otra parte, ofrecerá a los
propios docentes un marco de referencia que les ayude a reflexionar críticamente sobre sus
prácticas y a identificar oportunidades de mejora (14).
La necesidad de este tipo de estudios se hace aún más evidente si consideramos los desafíos
específicos que enfrenta el profesorado universitario en Iberoamérica. Como muestran (13), en
muchos países de la región, las políticas institucionales sobre integración de la IA en la
enseñanza aún se encuentran en etapas incipientes. A ello se suma la escasa disponibilidad de
recursos tecnológicos avanzados en algunas instituciones, particularmente en aquellas que
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
541
atienden a poblaciones vulnerables (10). En este escenario, contar con indicadores válidos y
accesibles resulta crucial para promover una integración más equitativa de la IA en el ámbito
curricular.
Por otro lado, estudios recientes (3) subrayan que la comprensión del potencial de la IA en
educación superior varía considerablemente entre diferentes áreas disciplinares. Mientras que,
en campos como la ingeniería, la informática o las ciencias aplicadas es más frecuente encontrar
docentes que incorporan IA en sus procesos de planificación y enseñanza, en áreas de las
ciencias sociales y las humanidades la adopción de estas tecnologías sigue siendo limitada. Esta
situación plantea la necesidad de indicadores que sean suficientemente flexibles como para
adaptarse a los distintos contextos disciplinares, pero que a la vez mantengan un núcleo común
que permita su aplicación transversal.
La dimensión ética también merece ser considerada en este análisis. Tal como señalan (9) Singh
et al. (2024), el uso de la IA en la educación superior debe orientarse por principios que
aseguren la equidad, la transparencia y el respeto por la diversidad cultural y epistemológica. La
planificación curricular es un ámbito particularmente sensible en este sentido, ya que a través
de ella se definen no solo los contenidos que se enseñan, sino también las perspectivas y los
valores que se transmiten. Por ello, los indicadores que se propongan deberán permitir también
evaluar en qué medida la integración de la IA en el currículo contribuye a una educación más
justa e inclusiva (7).
Dentro de este marco, el objetivo general que orienta esta investigación es identificar y
proponer un conjunto de indicadores que permitan evaluar de manera rigurosa y
contextualizada el uso de la inteligencia artificial en la planificación curricular del docente
universitario. Se trata, por tanto, de generar herramientas que no solo sean útiles para la
investigación académica, sino que tengan también una aplicación práctica en el ámbito
institucional y en el desarrollo profesional del profesorado.
En coherencia con este propósito general, se plantean tres objetivos específicos que estructuran
el proceso de investigación. En primer lugar, se propone realizar una revisión sistemática de la
literatura científica disponible, con el fin de identificar las principales tendencias, enfoques y
vacíos en el estudio de la integración de la IA en la planificación curricular (21), (16). Esta fase
permitirá construir una base teórica sólida sobre la cual fundamentar el desarrollo de los
indicadores.
El segundo objetivo específico consiste en investigar las prácticas actuales de integración de la
IA en la planificación curricular, mediante estudios de caso en instituciones de educación
superior seleccionadas. A través de entrevistas en profundidad con docentes y análisis de
documentos curriculares, se buscará comprender cómo se está incorporando la IA en los
procesos de diseño curricular en diferentes contextos (15), (14). Esta fase empírica permitirá
contrastar las tendencias identificadas en la literatura con la realidad de la práctica docente.
Finalmente, el tercer objetivo específico es elaborar un conjunto de indicadores validados que
permitan medir de forma efectiva la integración de la IA en la planificación curricular y evaluar
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
542
su impacto en la calidad de la enseñanza. Estos indicadores serán diseñados de manera que
puedan ser aplicados por las propias instituciones como parte de sus procesos de
autoevaluación y mejora continua (8), (7).
Cabe destacar que la pertinencia de esta investigación se ve reforzada por el contexto actual de
transformación digital en la educación superior. Como evidencian (2) y (6), el interés por el uso
de tecnologías de IA en la enseñanza universitaria ha crecido de manera exponencial en los
últimos años, impulsado por la necesidad de adaptar la educación a un entorno cada vez más
digitalizado. Sin embargo, este proceso de transformación no puede limitarse a la incorporación
superficial de nuevas herramientas, sino que requiere una reflexión profunda sobre sus
implicaciones pedagógicas y curriculares.
En este sentido, el estudio se inscribe en una línea de investigación que busca ir más allá de la
mera aceptación o rechazo de la tecnología, para centrarse en el análisis de cómo la IA puede
contribuir efectivamente a la mejora de los procesos de enseñanza y aprendizaje. Ello implica,
entre otras cosas, considerar aspectos como la pertinencia de los contenidos generados con IA,
su alineación con los objetivos formativos, la calidad de la interacción educativa que promueven,
y su capacidad para responder a las necesidades y características del estudiantado (19), (20).
Además, esta investigación pretende aportar a la discusión sobre el papel del docente en un
contexto educativo mediado por tecnologías inteligentes. Como señalan (5) y (12), lejos de ser
desplazado por la tecnología, el rol del profesorado se reconfigura, asumiendo nuevas funciones
como curador de contenidos, diseñador de experiencias de aprendizaje y mediador crítico de los
procesos cognitivos. Por tanto, los indicadores que se propongan deberán también tener en
cuenta esta dimensión transformadora del rol docente.
Otro aspecto clave que se debe considerar en este estudio es la dimensión institucional de la
integración de la IA en la planificación curricular. Numerosos autores (17), (13) han señalado
que, si bien la innovación pedagógica depende en gran medida de la iniciativa individual de los
docentes, el contexto institucional en que estos se desenvuelven desempeña un papel crucial en
facilitar o dificultar la incorporación de nuevas tecnologías. Políticas institucionales claras,
recursos adecuados, formación continua y un clima organizacional que valore la innovación son
factores determinantes para una integración efectiva y sostenible de la IA en los procesos
curriculares.
Por ello, los indicadores que se deriven de este estudio deberán también prestar atención a las
condiciones institucionales que posibilitan o limitan el uso de la IA en la planificación curricular.
No se trata solo de medir el comportamiento individual del docente, sino de captar el
entramado de factores que configuran su práctica en este ámbito (3). Asimismo, como han
subrayado (22), es importante considerar la dimensión cultural de la integración tecnológica, ya
que las percepciones, creencias y valores que los docentes y las instituciones atribuyen a la IA
influyen de manera decisiva en su adopción y uso. La revisión de la literatura muestra que la
mayoría de los estudios disponibles han abordado el tema desde perspectivas parciales. Algunos
se centran en el análisis de la producción científica sobre la IA en la educación (21), (12), otros
en la aceptación y actitudes del profesorado (6), y otros en aplicaciones concretas de la
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
543
tecnología en determinados ámbitos de enseñanza (4), (7). Sin embargo, son escasos los
trabajos que hayan intentado construir un marco comprensivo de indicadores para evaluar la
integración de la IA en la planificación curricular, concebida como un proceso estratégico y
central en la actividad docente.
Desde esta perspectiva, el presente estudio se propone contribuir a llenar este vacío, ofreciendo
un aporte tanto teórico como práctico. Teóricamente, aspira a enriquecer la comprensión de la
relación entre tecnología e innovación pedagógica en la educación superior, aportando una
visión integrada que contemple las múltiples dimensiones implicadas: cognitiva, pedagógica,
institucional y cultural (19), (20). Prácticamente, busca generar herramientas útiles para los
docentes y para los gestores institucionales que les permitan avanzar hacia una integración más
reflexiva, crítica y eficaz de la IA en sus procesos curriculares. La pertinencia y urgencia de este
trabajo se ven reforzadas por el acelerado ritmo de desarrollo de las tecnologías basadas en IA.
Como señalan (20), la educación superior está llamada a desempeñar un papel clave en la
formación de ciudadanos capaces de vivir y trabajar en sociedades cada vez más
interconectadas y digitalizadas. En este contexto, la capacidad de los docentes para integrar de
manera efectiva y ética las herramientas de IA en sus prácticas pedagógicas es fundamental
para asegurar una educación de calidad, pertinente y socialmente responsable.
Además, el uso de la IA en la planificación curricular no solo tiene implicaciones para la eficacia
de los procesos de enseñanza y aprendizaje, sino también para la democratización del acceso al
conocimiento. La posibilidad de personalizar los itinerarios formativos, de ofrecer materiales
adaptados a diferentes estilos y ritmos de aprendizaje, y de generar experiencias de aprendizaje
más inclusivas son aspectos que pueden contribuir de manera significativa a una educación más
equitativa (9), (10). Para que este potencial se materialice, es necesario contar con indicadores
que permitan evaluar en qué medida las prácticas curriculares basadas en IA están
efectivamente promoviendo estos objetivos.
Por último, cabe destacar que este estudio adopta una perspectiva crítica respecto al uso de la
IA en la educación. Como advierten (18), no se trata de asumir de manera acrítica las promesas
de la tecnología, sino de analizar de manera rigurosa sus posibilidades y limitaciones. Los
indicadores que se propongan deberán, por tanto, contribuir también a una reflexión ética y
pedagógica sobre la integración de la IA en los procesos educativos, ayudando a evitar tanto los
riesgos de una tecnificación deshumanizadora de la enseñanza, como el inmovilismo que impide
aprovechar sus potenciales beneficios.
Tabla 1. Operacionalización de las variables.
Variable
Dimensión
Definición
Ítems tipo Likert
Independiente:
Uso de
herramientas
de IA por el
docente
universitario
Incorporación
de IA en la
selección de
contenidos
Uso de herramientas basadas en IA para
identificar, seleccionar y actualizar los
contenidos del plan de estudios (22), (4).
Utilizo herramientas de
IA para seleccionar los
contenidos más
actualizados en mis
asignaturas.
Personalización
de itinerarios
Aplicación de IA para diseñar itinerarios
de aprendizaje personalizados, adaptados
La planificación
curricular que elaboro
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
544
formativos
a las necesidades y estilos de aprendizaje
de los estudiantes (2), (3).
incorpora opciones
adaptadas a distintos
perfiles de estudiantes
gracias a la IA.
Generación de
recursos
didácticos
Uso de generative AI para producir
materiales didácticos complementarios al
plan de estudios (7), (20).
Creo materiales de
aprendizaje con ayuda
de herramientas de IA.
Evaluación
formativa
asistida por IA
Empleo de IA para diseñar o
retroalimentar actividades de evaluación
durante el proceso de aprendizaje (18),
(17).
Utilizo la IA para
proponer actividades de
evaluación formativa.
Competencia
digital docente
en IA
Nivel de competencias del profesorado
para integrar la IA en el diseño curricular
(5), (12).
Me siento competente
para integrar
herramientas de IA en la
planificación curricular.
Apoyo
institucional
para uso de IA
Percepción sobre el grado de apoyo,
formación y recursos proporcionados por
la institución para el uso de IA en la
planificación curricular (6), (13).
Mi universidad me
proporciona formación
suficiente para integrar
la IA en la planificación
curricular.
Ética y
responsabilidad
en el uso de IA
Grado en que el docente considera
principios éticos al integrar IA en su
planificación curricular (9), (19).
Reflexiono sobre las
implicaciones éticas del
uso de IA en la
planificación curricular.
Dependiente:
Nivel de
integración de
la IA en la
planificación
curricular
Pertinencia de
la integración
curricular
Grado en que la integración de IA mejora
la pertinencia y actualidad de los
contenidos y actividades en la
planificación curricular (22), (3).
El uso de IA permite que
mis planes de estudio
sean más pertinentes.
Adaptación a
estilos y
necesidades
del aprendizaje
Nivel en que el uso de IA permite diseñar
itinerarios de aprendizaje adaptados a los
diferentes estilos, necesidades e intereses
de los estudiantes (2), (4).
El uso de IA me permite
adaptar los contenidos a
diferentes perfiles de
estudiantes.
Impacto en la
calidad de la
evaluación
formativa
Influencia del uso de IA en la mejora de la
evaluación formativa y en la
retroalimentación continua (18), (17).
El uso de IA mejora la
retroalimentación que
ofrezco a mis
estudiantes.
Innovación
metodológica
en la
planificación
Grado en que la integración de IA fomenta
metodologías activas, creativas e
innovadoras en la planificación curricular
(5), (14).
Integro metodologías
más innovadoras gracias
al uso de IA.
MATERIALES Y MÉTODOS
La presente investigación se enmarca dentro del enfoque cuantitativo, ya que su propósito es
medir numéricamente la relación entre el uso de herramientas de inteligencia artificial por
parte del docente universitario (variable independiente) y el nivel de integración de la IA en la
planificación curricular (variable dependiente). Este enfoque resulta pertinente para recolectar
y analizar datos objetivos que describan el fenómeno, establezcan correlaciones y permitan
inferencias estadísticamente fundamentadas (9), (5).
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
545
A través de la aplicación de un cuestionario estructurado, diseñado específicamente para el
contexto de la educación superior, se busca obtener información sobre las percepciones,
competencias y prácticas relacionadas con la integración de IA en la planificación curricular, así
como sobre los niveles de adaptación, pertinencia e innovación que los docentes logran
mediante dicha integración.
El estudio adopta un diseño no experimental, pues no se manipulan deliberadamente las
variables, sino que se observan en su contexto natural, dentro de las prácticas habituales de
planificación docente en las universidades. La recolección de datos se realizará en un solo
momento del tiempo, por lo cual el diseño también es de tipo transversal. Asimismo, el estudio
es descriptivo y correlacional: descriptivo porque busca caracterizar el estado actual del uso de
la IA en la planificación curricular en educación superior; correlacional porque pretende
identificar la relación existente entre las variables estudiadas.
La hipótesis que orienta la investigación es la siguiente:
Hipótesis alterna (H₁): Existe una relación positiva y significativa entre el uso de
herramientas de inteligencia artificial por el docente universitario y el nivel de integración
de la IA en la planificación curricular.
Hipótesis nula (H₀): No existe una relación significativa entre el uso de herramientas de
inteligencia artificial por el docente universitario y el nivel de integración de la IA en la
planificación curricular.
El instrumento de recolección de datos será un cuestionario estructurado tipo Likert de cinco
puntos, diseñado con base en la revisión de la literatura presentada anteriormente. Este
cuestionario se divide en dos secciones correspondientes a cada una de las variables del estudio:
la variable independiente (uso de herramientas de IA) y la variable dependiente (nivel de
integración de la IA en la planificación curricular).
Cada variable ha sido desglosada en sus respectivas dimensiones teóricas, operativizadas
mediante un total de 22 ítems (dos a tres por dimensión). La codificación del instrumento (Tabla
2) se ha estructurado de manera jerárquica, con el propósito de facilitar el análisis por
dimensiones y reforzar la validez interna del cuestionario.
Tabla 2. Codificación de variables y dimensiones.
Variable
Dimensiones
Código
Dimensión
Ítems asociados
VI: Uso de
herramientas de
IA por el docente
universitario
Incorporación de IA en la selección de
contenidos
VI1
Item_1, Item_2
Personalización de itinerarios formativos
VI2
Item_3, Item_4
Generación de recursos didácticos
VI3
Item_5, Item_6
Evaluación formativa asistida por IA
VI4
Item_7, Item_8
Competencia digital docente en IA
VI5
Item_9, Item_10
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
546
Variable
Dimensiones
Código
Dimensión
Ítems asociados
Apoyo institucional para uso de IA
VI6
Item_11,
Item_12
Ética y responsabilidad en el uso de IA
VI7
Item_13,
Item_14
VD: Nivel de integración de
la IA en la planificación
curricular
Pertinencia de la integración curricular
VD1
Item_15,
Item_16
Adaptación a estilos y necesidades del
aprendizaje
VD2
Item_17,
Item_18
Impacto en la calidad de la evaluación
formativa
VD3
Item_19,
Item_20
Innovación metodológica en la
planificación
VD4
Item_21,
Item_22
La población objeto de estudio estaba compuesta por docentes universitarios en activo en
instituciones de educación superior, tanto públicas como privadas, en el contexto
iberoamericano. Se incluirán docentes de distintas áreas disciplinares, con el fin de capturar la
diversidad de prácticas y niveles de integración de la IA en el diseño curricular. El tamaño de la
muestra fue determinado mediante muestreo no probabilístico por conveniencia, en función de
la disponibilidad y voluntariedad de participación de los docentes. Para lograr una
representatividad adecuada, se buscó una muestra mínima de 134 docentes de una universidad
privada de la ciudad de Guayaquil en el Ecuador, lo cual permitirá garantizar la estabilidad de los
análisis correlacionales.
Los criterios de inclusión son: 1) ser docente universitario en activo; 2) participar en procesos de
planificación curricular; 3) contar con experiencia docente de al menos un año; 4) aceptar
participar voluntariamente en el estudio. Los criterios de exclusión son: 1) no desempeñar
funciones relacionadas con la planificación curricular; 2) no poseer experiencia mínima
requerida; 3) encontrarse en licencia o periodo sabático en el momento de la recolección de
datos. El procedimiento metodológico comenzó con la socialización del propósito de la
investigación con las autoridades institucionales y con los posibles participantes. Luego se
procederá a la aplicación del cuestionario en formato digital, garantizando la anonimidad y la
confidencialidad de las respuestas.
Los datos fueron procesados mediante software estadístico (Jamovi o SPSS). En primer lugar, se
realizó un análisis descriptivo (frecuencias, medias, desviaciones estándar), seguido de un
análisis de confiabilidad interna utilizando el coeficiente Alfa de Cronbach, con un umbral
esperado 0.90 que aseguró la consistencia de las escalas (25). Posteriormente, se ejecutó un
análisis correlacional mediante el coeficiente de Pearson, para determinar la fuerza y dirección
de la relación entre las variables. Finalmente, se empleó un análisis de regresión lineal simple
para valorar la influencia del uso de herramientas de IA sobre el nivel de integración en la
planificación curricular.
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
547
Para fortalecer la validez del instrumento, se aplicó un proceso de validación por juicio de
expertos, contando con la participación de al menos dos especialistas en educación superior y
tecnologías educativas. Estos expertos evaluaron la pertinencia, claridad y coherencia de cada
ítem con relación a sus respectivas dimensiones. Solo tras la retroalimentación y ajustes
sugeridos por los expertos, se procedió a la aplicación del cuestionario.
Es importante reconocer algunas limitaciones del presente estudio, por ejemplo, dado que se
trata de una investigación de corte transversal, no es posible establecer relaciones de
causalidad entre las variables, sino únicamente asociaciones que reflejan tendencias observadas
en el momento de la recolección de los datos.
Desde una perspectiva ética, el estudio se acoge plenamente a los principios de la investigación
responsable: consentimiento informado, confidencialidad y participación voluntaria. A cada
docente participante se le explicará con claridad la finalidad del estudio, garantizando que su
participación será completamente voluntaria, que no tendrá repercusiones negativas y que
podrá retirarse en cualquier momento sin necesidad de justificar su decisión. Los datos
recolectados se utilizarán exclusivamente con fines académicos, y los resultados serán
reportados de forma anónima y agregada, protegiendo la identidad de los participantes.
La metodología propuesta permite explorar de manera rigurosa y sistemática el fenómeno de la
integración de la inteligencia artificial en la planificación curricular en el contexto de la
educación superior. Se espera que los hallazgos contribuyan al diseño de futuras estrategias de
formación docente, fortalecimiento de competencias digitales y desarrollo de políticas
institucionales orientadas a la innovación curricular. Este marco metodológico es coherente con
investigaciones previas como las de (2), (14), y (6), quienes han empleado diseños
correlacionales y enfoques cuantitativos para analizar el impacto de la inteligencia artificial en
los procesos educativos y en la transformación de las prácticas docentes en la educación
superior.
RESULTADOS
Estadísticos descriptivos de los ítems
Al analizar los resultados descriptivos obtenidos para los 22 ítems del cuestionario (Tabla 3), se
observa que en términos generales los docentes universitarios reportan una actitud favorable
hacia el uso de inteligencia artificial en la planificación curricular. La media de los ítems oscila
entre 3.33 y 3.95, sobre una escala Likert de cinco puntos, lo cual sugiere una valoración
mayormente positiva.
De forma específica, el ítem con mayor media fue Item_20 ("El uso de IA permite que mis planes
de estudio sean más pertinentes") con una puntuación promedio de 3.95 y una mediana de 4,
indicando que la mayoría de los docentes están de acuerdo con esta afirmación. Su desviación
estándar de 0.892 refleja una baja dispersión respecto a la media, evidenciando consenso en la
percepción sobre la pertinencia que aporta la IA a la planificación curricular. Por otro lado, los
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
548
ítems Item_1, Item_7, Item_8, Item_12 y Item_18 presentan medias superiores a 3.67, lo que
también refleja una percepción favorable hacia aspectos como la incorporación de IA para
seleccionar contenidos, la evaluación asistida, la generación de recursos didácticos y la
personalización de itinerarios. En particular, Item_7 ("Utilizo la IA para proponer actividades de
evaluación formativa") registra una mediana de 5, indicando que una proporción significativa de
docentes coincide en valorar positivamente este recurso. En contraste, los ítems con menores
promedios corresponden a Item_5 (3.40), Item_9 (3.33), Item_11 (3.33), Item_13 (3.33),
Item_14 (3.40) y Item_19 (3.39). Estos ítems abordan aspectos relacionados con la adecuación
metodológica, competencias digitales docentes y uso ético de la IA, lo que sugiere áreas de
oportunidad para fortalecer la formación y acompañamiento institucional.
Respecto a la dispersión de las respuestas, las desviaciones estándar fluctúan entre 0.892 y
1.672, siendo Item_20 el ítem con menor variabilidad y Item_5 el de mayor, lo cual indica que
en algunos temas existe mayor consenso, mientras que en otros se percibe una mayor
diversidad de opiniones. Los resultados de la prueba de normalidad Shapiro-Wilk indican que
todos los ítems presentan valores de p < .001, por lo que se rechaza la hipótesis de normalidad.
Esto significa que las puntuaciones de los ítems no se distribuyen de forma normal, aunque
dado el carácter ordinal de los datos tipo Likert y el tamaño muestral, es un comportamiento
habitual en estudios de este tipo (21).
Por su parte, los percentiles muestran que en la mayoría de los ítems el percentil 50 (mediana)
se sitúa en 4, confirmando que las respuestas se concentran en niveles altos de aceptación. Los
percentiles 25 y 75 refuerzan esta tendencia, ya que en la mayoría de los casos los valores
mínimos se ubican en 2.00 y los máximos en 5.00, evidenciando un rango amplio pero centrado
en valores altos.
En síntesis, los resultados por ítem evidencian una percepción positiva hacia la incorporación de
IA en diversos aspectos de la planificación curricular universitaria, aunque también dejan ver
variabilidad en dimensiones específicas como el desarrollo de competencias digitales docentes y
la integración ética de estas herramientas, lo que será analizado con mayor detalle al agrupar
los ítems por dimensiones (tabla 3).
Al examinar las estadísticas descriptivas de las dimensiones que componen las variables de
estudio, se observa que las medias oscilan entre 3.37 y 3.70, lo cual sugiere una valoración
mayormente positiva de los docentes universitarios respecto al uso de herramientas de
inteligencia artificial y su integración en la planificación curricular.
De manera específica, la dimensión con mayor media es VI4 (Evaluación formativa asistida por
IA) con un promedio de 3.70, una mediana de 4.50 y una desviación estándar de 1.267,
indicando que los docentes tienden a estar de acuerdo con el uso de IA para retroalimentar y
evaluar el aprendizaje de sus estudiantes de manera personalizada. Este resultado está en línea
con lo señalado por (18) y (17), quienes identificaron la evaluación asistida por IA como una de
las aplicaciones más valoradas en entornos universitarios.
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
549
Tabla 3. Estadísticas Descriptivas de las dimensiones.
Shapiro-Wilk
Percentiles
Media
EE
Mediana
DE
Varianza
W
p
25th
50th
75th
VI1
3.63
0.1052
4.50
1.222
1.493
0.804
<.001
2.00
4.50
4.50
VI2
3.57
0.1158
4.00
1.345
1.809
0.845
<.001
2.00
4.00
4.50
VI3
3.47
0.1247
4.50
1.448
2.098
0.779
<.001
1.50
4.50
4.50
VI4
3.70
0.1090
4.50
1.267
1.605
0.785
<.001
2.00
4.50
4.50
VI5
3.47
0.1237
4.50
1.437
2.064
0.733
<.001
1.50
4.50
4.50
VI6
3.47
0.1237
4.50
1.437
2.064
0.733
<.001
1.50
4.50
4.50
VI7
3.37
0.1120
4.00
1.302
1.695
0.767
<.001
2.00
4.00
4.50
VD1
3.60
0.1057
4.00
1.228
1.508
0.854
<.001
2.00
4.00
4.50
VD2
3.56
0.1270
4.50
1.476
2.178
0.739
<.001
2.00
4.50
4.50
VD3
3.67
0.0838
4.00
0.974
0.948
0.806
<.001
3.00
4.00
4.50
VD4
3.52
0.1166
4.00
1.355
1.835
0.842
<.001
2.00
4.00
4.50
Le siguen VD3 (Calidad de la evaluación formativa) con una media de 3.67 y VI1 (Incorporación
de IA en la selección de contenidos) con 3.63, reflejando también percepciones favorables. En el
caso de VD3, además, se destaca su baja desviación estándar (0.974), lo que revela mayor
homogeneidad en las respuestas y consenso entre los docentes. En contraste, las dimensiones
con menor promedio corresponden a VI7 (Ética y responsabilidad en el uso de IA) con 3.37, y
VI5 (Competencia digital docente en IA) y VI6 (Apoyo institucional para uso de IA) ambas con
3.47. Este hallazgo resulta relevante, ya que evidencia que los aspectos éticos y de
competencias digitales continúan siendo áreas donde los docentes perciben menor nivel de
dominio o implementación, lo que coincide con los planteamientos de (9) y (5) sobre la
necesidad de fortalecer la formación ética y digital del profesorado universitario.
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
550
Respecto a la dispersión de los datos, se observa que la dimensión VD3 presenta la menor
varianza (0.948), mientras que VI3 (Generación de recursos didácticos) muestra la mayor (2.098),
sugiriendo mayor diversidad de opiniones en torno a esta última dimensión. En relación con la
prueba de normalidad Shapiro-Wilk, todas las dimensiones presentan valores de p < .001, por lo
que se rechaza la hipótesis de normalidad en todas las dimensiones. Este resultado es habitual
en estudios con escalas tipo Likert y reafirma la conveniencia de emplear estadísticos no
paramétricos o verificar previamente supuestos en análisis posteriores (22). El análisis de los
percentiles muestra que en la mayoría de las dimensiones el percentil 50 (mediana) se sitúa en
4.00 o 4.50, lo que evidencia una tendencia marcada hacia la aceptación de las prácticas
relacionadas con IA en la planificación curricular. Además, en dimensiones como VI1, VI3, VI4,
VI5, VI6 y VD2, el percentil 75 alcanza valores de 4.50, lo que confirma que al menos el 25% de
los docentes valora de forma muy positiva estas dimensiones.
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
551
Tabla 4. Estadísticas descriptivas.
Shapiro-Wilk
Percentiles
N
Media
Mediana
DE
Varianza
W
p
25th
50th
75th
Item_1
135
3.73
4
1.345
1.809
0.733
<.001
2.00
4.00
5.00
Item_2
135
3.53
4
1.208
1.460
0.837
<.001
2.00
4.00
4.00
Item_3
135
3.47
4
1.315
1.728
0.850
<.001
2.00
4.00
5.00
Item_4
135
3.67
4
1.451
2.104
0.801
<.001
2.00
4.00
5.00
Item_5
135
3.40
4
1.672
2.794
0.773
<.001
1.00
4.00
5.00
Item_6
135
3.53
4
1.365
1.863
0.826
<.001
2.00
4.00
5.00
Item_7
135
3.73
5
1.532
2.346
0.757
<.001
2.00
5.00
5.00
Item_8
135
3.67
4
1.140
1.299
0.808
<.001
2.00
4.00
5.00
Item_9
135
3.33
4
1.496
2.239
0.830
<.001
2.00
4.00
5.00
Item_10
135
3.60
4
1.502
2.257
0.788
<.001
2.00
4.00
5.00
Item_11
135
3.33
4
1.496
2.239
0.830
<.001
2.00
4.00
5.00
Item_12
135
3.80
5
1.520
2.310
0.742
<.001
2.00
5.00
5.00
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
552
Shapiro-Wilk
Percentiles
N
Media
Mediana
DE
Varianza
W
p
25th
50th
75th
Item_13
135
3.33
4
1.355
1.836
0.850
<.001
2.00
4.00
4.00
Item_14
135
3.40
4
1.410
1.988
0.794
<.001
2.00
4.00
4.00
Item_15
135
3.67
4
1.304
1.701
0.764
<.001
2.00
4.00
5.00
Item_16
135
3.54
4
1.256
1.579
0.807
<.001
2.00
4.00
4.00
Item_17
135
3.39
4
1.451
2.106
0.831
<.001
2.00
4.00
5.00
Item_18
135
3.72
5
1.615
2.607
0.726
<.001
2.00
5.00
5.00
Item_19
135
3.39
4
1.305
1.703
0.844
<.001
2.00
4.00
4.00
Item_20
135
3.95
4
0.892
0.796
0.675
<.001
4.00
4.00
4.00
Item_21
135
3.60
4
1.441
2.078
0.808
<.001
2.00
4.00
5.00
Item_22
135
3.44
4
1.314
1.726
0.821
<.001
2.00
4.00
4.00
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
553
Tabla 5. Matriz de Correlaciones.
VI1
VI2
VI3
VI4
VI5
VI6
VI7
VD1
VD2
VD3
VD4
VI1
—
VI2
0.799***
—
VI3
0.667***
0.724***
—
VI4
0.815***
0.786***
0.715***
—
VI5
0.895***
0.832***
0.773***
0.807***
—
VI6
0.895***
0.832***
0.773***
0.807***
1.000***
—
VI7
0.725***
0.581***
0.765***
0.622***
0.648***
0.648***
—
VD1
0.783***
0.751***
0.840***
0.810***
0.837***
0.837***
0.695***
—
VD2
0.719***
0.689***
0.570***
0.820***
0.758***
0.758***
0.677***
0.695***
—
VD3
0.739***
0.594***
0.762***
0.641***
0.656***
0.656***
0.986***
0.701***
0.698***
—
VD4
0.777***
0.750***
0.842***
0.814***
0.849***
0.849***
0.681***
0.992***
0.697***
0.688***
—
Nota. Hₐ es correlación positiva
Nota. * p < .05, ** p < .01, *** p < .001, una cola
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
554
Correlaciones
La matriz de correlaciones (Tabla 5) revela relaciones significativas y positivas entre todas las
dimensiones de la variable independiente (VI) y las dimensiones de la variable dependiente (VD),
lo cual evidencia una asociación consistente entre el uso de herramientas de inteligencia
artificial por parte del docente universitario y el nivel de integración de la IA en la planificación
curricular.
En términos generales, todas las correlaciones son significativas al nivel de p < .001, indicando
asociaciones sólidas. Las correlaciones más elevadas se observan entre las dimensiones VI5
(Competencia digital docente en IA) y VI6 (Apoyo institucional para uso de IA) con un coeficiente
perfecto de 1.000, lo que sugiere que en esta muestra ambas dimensiones se comportaron de
forma prácticamente idéntica, posiblemente porque los docentes perciben que el apoyo
institucional está estrechamente vinculado con el desarrollo de sus competencias digitales.
Asimismo, las dimensiones VI5 y VI1 (Incorporación de IA en la selección de contenidos)
presentan una alta correlación de 0.895*, al igual que VI5 y VI4 (Evaluación formativa asistida
por IA) con 0.807*, evidenciando que quienes se perciben con mayores competencias digitales y
apoyo institucional, también tienden a integrar más la IA tanto para seleccionar contenidos
como para evaluar.
Dentro de las relaciones entre variables independientes y dependientes, destaca la correlación
entre VD1 (Pertinencia de la integración curricular) y VI5/VI6, ambas con 0.837*, lo cual indica
que las competencias digitales y el respaldo institucional favorecen la percepción de que los
planes de estudio ganan pertinencia gracias a la IA. De igual modo, VD4 (Innovación
metodológica en la planificación) también mantiene altas correlaciones con VI5 y VI6 (0.849*),
confirmando que estas dimensiones son factores clave para fomentar innovación curricular
mediante IA.
Entre las dimensiones de la variable dependiente, sobresale la fuerte asociación entre VD1 y
VD4 (0.992*), lo que sugiere que, a mayor percepción de pertinencia curricular por uso de IA, se
incrementa la percepción de innovación metodológica. También se observan relaciones
significativas entre VD1 y VD2 (Adaptación a estilos y necesidades de aprendizaje) (0.695*), y
entre VD1 y VD3 (Impacto en la evaluación formativa) (0.701*), mostrando una tendencia
general a que la integración de IA mejora simultáneamente varias dimensiones de la
planificación.
La correlación más elevada en toda la matriz se presenta entre VI7 (Ética y responsabilidad en el
uso de IA) y VD3 (Calidad de la evaluación formativa), con un valor de 0.986*, lo cual es
especialmente relevante ya que evidencia que los docentes más conscientes de los aspectos
éticos tienden a aprovechar la IA para fortalecer procesos evaluativos más personalizados y
responsables.
Para determinar la relación existente entre las variables uso de herramientas de inteligencia
artificial por parte del docente universitario (VI) y nivel de integración de la IA en la planificación
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
555
curricular (VD), se aplicó la prueba de correlación no paramétrica de Spearman, dado que los
datos no presentan distribución normal según la prueba de Shapiro-Wilk aplicada previamente
(tabla 7).
Los resultados evidencian una correlación positiva, alta y estadísticamente significativa entre
ambas variables, con un coeficiente de Rho de Spearman = 0.883, significativo al nivel de p
< .001. Este valor indica que, a mayor uso de herramientas de IA por parte del docente
universitario, mayor será el nivel de integración de la IA en la planificación curricular.
La correlación hallada se sitúa dentro de los rangos considerados como muy fuertes (Cohen,
1988), lo que permite afirmar que existe una asociación consistente entre ambas variables. Es
decir, que la percepción de uso frecuente, competente y ético de herramientas de IA se asocia
directamente con una mayor incorporación de estas tecnologías en los procesos de diseño
curricular universitario.
Este hallazgo coincide con lo reportado por (2), quien señala que el nivel de competencias
digitales del profesorado y el uso efectivo de herramientas de IA son factores decisivos para
alcanzar una planificación curricular adaptativa, pertinente e innovadora. Asimismo, (6)
encontraron relaciones positivas entre la aceptación de tecnologías de IA y su integración en
procesos pedagógicos en educación superior, lo cual reafirma la tendencia observada en este
estudio. En cuanto a la magnitud del coeficiente, es relevante destacar que se obtuvo sobre 133
grados de libertad, correspondiente al tamaño de la muestra, lo cual otorga solidez a los
resultados estadísticos obtenidos.
Tabla 6. Matriz de Correlaciones de las variables de estudio.
VI
VD
VI
Rho de Spearman
—
VD
0.883***
—
valor p
<.001
—
Nota. * p < .05, ** p < .01, *** p < .001
DISCUSIÓN
Los resultados obtenidos en esta investigación permiten establecer una visión integral sobre el
estado actual del uso de herramientas de inteligencia artificial (IA) en la planificación curricular
por parte de los docentes universitarios, así como sobre el nivel de integración de dichas
tecnologías en el diseño de los planes de estudio en contextos de educación superior. En
general, los hallazgos evidencian una percepción favorable hacia la incorporación de la IA en las
distintas dimensiones del quehacer docente, aunque también dejan al descubierto áreas que
requieren mayor fortalecimiento institucional y profesional.
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
556
En primer lugar, los análisis descriptivos por ítems y dimensiones mostraron que la mayoría de
los docentes universitarios manifiestan una actitud positiva hacia el uso de IA para apoyar su
planificación curricular. Las dimensiones con mayores medias fueron Evaluación formativa
asistida por IA (VI4) y Calidad de la evaluación formativa (VD3), lo que sugiere que los docentes
perciben mayor utilidad de estas herramientas en procesos evaluativos y de retroalimentación.
Este hallazgo coincide con los planteamientos de (18) y (17), quienes identifican que la
evaluación asistida por IA permite personalizar los criterios de valoración y adaptar los
instrumentos de evaluación a las necesidades de aprendizaje de los estudiantes, mejorando así
la calidad del proceso formativo.
Asimismo, las correlaciones entre dimensiones evidenciaron relaciones positivas y significativas
entre todos los subdimensiones de ambas variables, destacando particularmente la relación
entre Competencia digital docente en IA (VI5) y Apoyo institucional para uso de IA (VI6), con un
coeficiente de 1.000. Este resultado sugiere que en las instituciones participantes la percepción
de competencia digital de los docentes se encuentra fuertemente ligada a la existencia de
políticas, recursos y acompañamiento institucional. Como afirman (6) y (13), sin una política
institucional clara y recursos suficientes, la implementación de IA en entornos universitarios se
limita a esfuerzos individuales y aislados, dificultando su integración efectiva en la planificación
curricular.
Por otro lado, la correlación de 0.986 entre Ética y responsabilidad en el uso de IA (VI7) y
Calidad de la evaluación formativa (VD3) resulta especialmente relevante. Este hallazgo indica
que los docentes más conscientes de los aspectos éticos asociados al uso de IA tienden a
emplearla de manera más pertinente en procesos de evaluación formativa. (9) y (19) advierten
sobre los riesgos que implica una integración acrítica de la IA en educación, como la
perpetuación de sesgos algorítmicos o la vulneración de la privacidad de los estudiantes. Por
tanto, este resultado refuerza la idea de que una cultura institucional basada en principios
éticos sólidos potencia la calidad de los procesos pedagógicos mediados por IA.
l análisis de correlación entre las variables globales confirmó una asociación alta y positiva (Rho
= 0.883, p < .001) entre el uso de herramientas de IA y el nivel de integración de la IA en la
planificación curricular. Este resultado respalda la hipótesis planteada y coincide con estudios
recientes como los de (3) y (5), quienes identificaron una relación directa entre las
competencias digitales docentes y la capacidad de integrar tecnologías emergentes en la
enseñanza universitaria.
No obstante, cabe señalar que las dimensiones Ética y responsabilidad en el uso de IA (VI7),
Competencia digital docente (VI5) y Apoyo institucional (VI6) obtuvieron medias más bajas en
comparación con otras dimensiones. Esto evidencia que, aunque existe interés y disposición por
parte del profesorado, persisten desafíos vinculados al desarrollo de competencias específicas, a
la actualización de los marcos institucionales y a la reflexión ética sobre las implicaciones del uso
de estas tecnologías en el ámbito educativo. Estas conclusiones coinciden con lo señalado por (7)
y (6), quienes advierten que, sin un enfoque ético, crítico y contextualizado, la IA corre el riesgo
de convertirse en una herramienta instrumental y desvinculada de los principios pedagógicos.
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
557
En síntesis, los resultados de este estudio evidencian que el uso docente de herramientas de IA
y su integración curricular avanzan de manera interdependiente y que su consolidación
depende tanto de las competencias individuales como de las condiciones institucionales, éticas
y formativas que acompañen este proceso.
CONCLUSIONES
Existe una asociación positiva y significativa entre el uso de herramientas de inteligencia
artificial por parte del profesorado universitario y su integración en la planificación curricular.
Cuanto mayor es la frecuencia y diversidad en el uso de estas tecnologías, mayor es la
percepción de pertinencia e innovación en el diseño de asignaturas, lo cual evidencia el papel
estratégico de la IA como recurso pedagógico en la educación superior.
Si bien los docentes manifiestan una actitud favorable hacia el uso de IA en procesos como la
evaluación formativa y la creación de recursos didácticos, persisten brechas importantes en
términos de competencias digitales, apoyo institucional y formación ética. Esto indica la
necesidad de implementar políticas de desarrollo profesional docente diferenciadas y
sostenidas, adaptadas a los distintos contextos académicos y niveles de experiencia.
La reflexión ética sobre el uso de IA se vincula estrechamente con prácticas pedagógicas de
mayor calidad, especialmente en la evaluación formativa. Los docentes que consideran
críticamente las implicaciones éticas de estas tecnologías tienden a utilizarlas de manera más
responsable y efectiva, lo que refuerza la importancia de incluir componentes ético-pedagógicos
en los programas de formación docente relacionados con la IA.
REFERENCIAS BIBLIOGRÁFICAS
1. Chen, X., & Wu, D. (2024). Automatic generation of multimedia teaching materials based
on generative AI: Taking Tang poetry as an example. IEEE transactions on learning
technologies. https://ieeexplore.ieee.org/abstract/document/10474169/
2. Guzmán, L. (2024). Transformación de la práctica docente mediante el uso de la
inteligencia artificial: Análisis bibliométrico. Revista Latinoamericana Ogmios, 4(11), 25-39.
https://idicap.com/ojs/index.php/ogmios/article/view/352
3. Ivanova, M., Grosseck, G., & Holotescu, C. (2024). Unveiling insights: A bibliometric
analysis of artificial intelligence in teaching. Informatics, 11(1), 10.
https://www.mdpi.com/2227-9709/11/1/10
4. Ma, H., Ismail, L., & Han, W. (2024). A bibliometric analysis of artificial intelligence in
language teaching and learning (1990–2023): Evolution, trends and future directions.
Education and Information Technologies, 29(18), 25211-25235.
https://doi.org/10.1007/s10639-024-12848-z
5. Mena-Guacas, A. F., Vázquez-Cano, E., Fernández-Márquez, E., & López-Meneses, E.
(2024). La inteligencia artificial y su producción científica en el campo de la educación.
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
558
Formación universitaria, 17(1), 155-164. https://www.scielo.cl/scielo.php?pid=S0718-
50062024000100155&script=sci_arttext
6. Flores-Velásquez, C. H., Olivares-Zegarra, S., Dávila-Ignacio, C., Arévalo-Tuesta, J. A.,
Morales-Romero, G., Trinidad-Loli, N., Caycho-Salas, B., Aybar-Bellido, I., Arones, M., &
Aldana-Trejo, F. (2024). A bibliometric review of studies about the acceptance of artificial
intelligence technologies in teaching and learning in higher education. International
Journal of Learning, Teaching and Educational Research, 23(3), 275-292.
https://www.ijlter.myres.net/index.php/ijlter/article/view/1895http://www.ijlter.myres.n
et/index.php/ijlter/article/view/1895
7. Solomon, C. (2024). Exploring the potential of generative AI in English language teaching.
En Facilitating global collaboration and knowledge sharing in higher education with
generative AI (pp. 162-185). IGI Global Scientific Publishing. https://www.igi-
global.com/chapter/exploring-the-potential-of-generative-ai-in-english-language-
teaching/336036
8. Wahjusaputri, S., Nastiti, T. I., Bunyamin, B., & Sukmawati, W. (2024). Development of
artificial intelligence-based teaching factory in vocational high schools in Central Java
Province. Journal of Education and Learning (EduLearn), 18(4), 1234-1245.
http://edulearn.intelektual.org/index.php/EduLearn/article/view/21422
9. Singh, A., Kanaujia, A., Singh, V. K., & Vinuesa, R. (2024). Artificial intelligence for
Sustainable Development Goals: Bibliometric patterns and concept evolution trajectories.
Sustainable Development, 32(1), 724-754. https://doi.org/10.1002/sd.2706
10. Gbolade, O., & Adekomaya, V. (2024). Harnessing Artificial Intelligence for Advancing
Sustainable Development Goals in South Africa’s Higher Education System: A Qualitative
Study. International Journal of Learning, Teaching and Educational Research, 23(3), Article
3. https://ijlter.myres.net/index.php/ijlter/article/view/1885
11. González, F. (2025). Paradigma 1980-2025: 9 lustros difundiendo la producción científica
de educadores ibero-americanos. PARADIGMA, e2025000-e2025000.
https://revistaparadigma.com.br/index.php/paradigma/article/view/1627
12. Quindemil, E., Rumbaut, F., Padrón, F., & Rumbaut, J. (2024). Producción científica
iberoamericana sobre competencias digitales en la educación superior según Scopus en el
período 2013-2023. Revista San Gregorio, 1(Especial_1), 60-71.
https://revista.sangregorio.edu.ec/index.php/REVISTASANGREGORIO/article/view/3054
13. Orihuela, V. H. Q., Díaz, P., & Huari, P. (2024). Análisis de la Producción Científica de la
Inteligencia Artificial en la Educación Superior del Perú. Ciencia Latina Revista Científica
Multidisciplinar, 8(5), 2347-2366.
https://www.ciencialatina.org/index.php/cienciala/article/view/13704
14. Pineda, R., Castillo, Y., & Chalco, J. (2024). Integración de la inteligencia artificial en las
metodologías activas de enseñanza desde las competencias docentes. Identidad
Bolivariana, 8(4), 138-150.
https://identidadbolivariana.itb.edu.ec/index.php/identidadbolivariana/article/view/314
15. Vimos-Buenaño, K., Viteri-Ojeda, J., Naranjo-Sánchez, M., & Novillo-Heredia, K. (2024).
Uso de la inteligencia artificial en los procesos de investigación científica, por parte de los
docentes universitarios. Journal of Economic and Social Science Research, 4(4), 215-236.
https://economicsocialresearch.com/index.php/home/article/view/143
INDICADORES DEL USO DE LA IA EN LA PLANIFICACIÓN CURRICULAR DEL DOCENTE DE EDUCACIÓN SUPERIOR
559
16. Lalaleo, F., Carrera, F., & Martínez, A. (2024). La IA como herramienta de apoyo en la
investigación científicas en los docentes investigadores del ISTE. Espíritu Emprendedor TES,
8(1), 97-110.
https://www.espirituemprendedortes.com/index.php/revista/article/view/377
17. Tobar, J., Campos, M., González, Y., & Tapia, C. (2024). La inteligencia artificial aplicada a
la gestión educativa y su incidencia en el desarrollo de las competencias docentes. Revista
Mapa, 8(35). https://www.revistamapa.org/index.php/es/article/view/478
18. Sadler, T., Mensah, F., & Tam, J. (2024). Artificial intelligence and the Journal of Research
in Science Teaching. Journal of Research in Science Teaching, 61(4), 739-743.
https://cdr.lib.unc.edu/concern/articles/4x51hz19r
19. Soldatos, J. (2024). Artificial intelligence in manufacturing: Enabling intelligent, flexible and
cost-effective production through AI. Springer Nature.
https://library.oapen.org/handle/20.500.12657/87623
20. Ullmann, T., Bektik, D., Edwards, C., Herodotou, C., & Whitelock, D. (2024). Teaching with
Generative AI: Moving forward with content creation. Ubiquity Proceedings, 35.
https://doi.org/10.5334/uproc.157
21. Medina, A., Díaz-Redondo, C., Rodríguez, B., & Frías, J. (2024). Análisis de la producción
científica de la Universidad de Salamanca indexada en SCOPUS (2010-2015). Información,
cultura y sociedad, 50, 49-67.
http://revistascientificas.filo.uba.ar/index.php/ICS/article/view/13697
22. Chen, X., & Wu, D. (2024). Automatic generation of multimedia teaching materials based
on generative AI: Taking Tang poetry as an example. IEEE transactions on learning
technologies. https://ieeexplore.ieee.org/abstract/document/10474169/
