LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.

ISSN en línea: 2789-3855, septiembre, 2024, Volumen V, Número 5 p 377.

DOI: https://doi.org/10.56712/latam.v5i5.2614

Desafíos y oportunidades del uso de la IA en la docencia

universitaria desde una perspectiva ética

Challenges and opportunities of using AI in university teaching from an

ethical perspective

Oscar Luis Angles Canlla

oscaranglesc@gmail.com

https://orcid.org/0000-0002-8562-0502

Universidad Andina Néstor Cáceres Velásquez

Juliaca – Perú

Verónica Eloysa Angles Canlla

veronica.eac.2020@gmail.com

https://orcid.org/0009-0006-5440-7393

Universidad de San Martin de Porres

Lima – Perú

Artículo recibido: 14 de agosto de 2024. Aceptado para publicación: 07 de septiembre de 2024.

Conflictos de Interés: Ninguno que declarar.

Resumen

La creciente integración de la inteligencia artificial (IA) en la educación superior plantea importantes

desafíos éticos que requieren atención. Este estudio busca realizar una revisión sistemática para

evaluar las prácticas actuales sobre el uso ético de la IA en la docencia universitaria, con el fin de

identificar principios éticos, aplicaciones y políticas existentes. Se empleó una metodología de

revisión sistemática, siguiendo las pautas del método PRISMA, que incluyó la búsqueda de artículos

en bases de datos indexadas como Scielo y Scopus, seleccionando estudios relevantes publicados en

los últimos cinco años. Los resultados revelan que, aunque se han adoptado algunos principios éticos

y aplicaciones prometedoras de la IA, muchas instituciones aún carecen de políticas claras y

estrategias efectivas para su implementación responsable. La conclusión más relevante de este

estudio es que es fundamental establecer marcos éticos claros y capacitar a los educadores para

garantizar un uso equitativo y responsable de la IA en la educación superior. Esta investigación

subraya la necesidad de un enfoque proactivo en la regulación del uso de la IA, promoviendo un

entorno educativo que priorice la ética y la equidad.

Palabras clave: inteligencia artificial, ética, docencia universitaria, practicas, revisión

sistemática

Abstract

The increasing integration of artificial intelligence (AI) in higher education poses significant ethical

challenges that require attention. This study seeks to conduct a systematic review to assess current

practices on the ethical use of AI in university teaching, in order to identify existing ethical principles,

applications and policies. A systematic review methodology was employed, following the guidelines

of the PRISMA method, which included searching for articles in indexed databases such as Scielo and

Scopus, selecting relevant studies published in the last five years. The results reveal that, although

some ethical principles and promising applications of AI have been adopted, many institutions still

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.

ISSN en línea: 2789-3855, septiembre, 2024, Volumen V, Número 5 p 378.

lack clear policies and effective strategies for its responsible implementation. The most relevant

conclusion of this study is that it is essential to establish clear ethical frameworks and train educators

to ensure equitable and responsible use of AI in higher education. This research underlines the need

for a proactive approach in regulating the use of AI, promoting an educational environment that

prioritizes ethics and equity.

Keywords: artificial intelligence, ethics, university teaching, practices, systematic review

Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,

publicado en este sitio está disponibles bajo Licencia Creative Commons.

Cómo citar: Angles Canlla, O. L., & Angles Canlla, V. E. (2024). Desafíos y oportunidades del uso de la

IA en la docencia universitaria desde una perspectiva ética. LATAM Revista Latinoamericana de

Ciencias Sociales y Humanidades 5 (5), 377 – 387. https://doi.org/10.56712/latam.v5i5.2614

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.

ISSN en línea: 2789-3855, septiembre, 2024, Volumen V, Número 5 p 379.

INTRODUCCIÓN

Bases Teóricas

El uso de la inteligencia artificial (IA) en la educación ha generado un interés creciente en los últimos

años, destacando su potencial para transformar los procesos de enseñanza y aprendizaje. La IA puede

personalizar la experiencia educativa, adaptando contenidos y metodologías a las necesidades

individuales de los estudiantes (Zhang et al., 2020). Sin embargo, su implementación también plantea

importantes dilemas éticos, como la transparencia, la responsabilidad y la protección de datos

(UNESCO, 2021). La literatura sugiere que es fundamental establecer principios éticos claros para guiar

el uso de la IA en entornos educativos, garantizando que se utilice de manera equitativa y justa

(OpenWebinars, 2022). Además, se ha identificado la necesidad de preparar al profesorado para

integrar la IA en sus prácticas pedagógicas, asegurando que estén capacitados para abordar los

desafíos éticos que surgen (Gubareva y Lopes, 2020). Por último, es crucial que las políticas educativas

incluyan directrices sobre el uso responsable de la IA, promoviendo un enfoque que priorice el bienestar

de los estudiantes (Bozkurt et al., 2023).

Investigaciones Realizadas

Diversos estudios han explorado las aplicaciones de la IA en la educación y sus implicaciones éticas.

Por ejemplo, Chng et al. (2023) analizaron cómo los sistemas de tutoría inteligentes pueden mejorar la

personalización del aprendizaje, mientras que Vázquez-Ingelmo et al. (2021) examinaron el uso de la

IA para identificar patrones de rendimiento estudiantil y proporcionar retroalimentación en tiempo real.

Otros investigadores, como Yilmaz et al. (2022), han abordado el impacto de los asistentes virtuales

en la enseñanza, destacando la necesidad de evaluar su efectividad en la mejora del aprendizaje. Sin

embargo, también se han documentado preocupaciones sobre el uso de la IA, como el riesgo de sesgos

en los algoritmos que pueden afectar la equidad en la educación (Ng et al., 2022). Estos hallazgos

subrayan la importancia de continuar investigando las implicaciones éticas y prácticas de la IA en la

educación superior.

Vacíos Temáticos

A pesar del creciente interés en la IA educativa, existen varios vacíos temáticos que requieren atención.

En primer lugar, se necesita más investigación sobre cómo los sesgos en los algoritmos de IA pueden

influir en las decisiones educativas y en los resultados de aprendizaje (Zhang et al., 2020). Además,

hay una falta de estudios que evalúen la efectividad de las políticas educativas actuales en la

regulación del uso de la IA en las aulas (Bozkurt et al., 2023). Otro vacío importante es la escasez de

investigaciones que aborden la capacitación del profesorado en el uso ético de la IA, lo que podría

limitar su capacidad para implementar estas tecnologías de manera responsable (Gubareva y Lopes,

2020). Asimismo, se requiere un análisis más profundo de cómo las instituciones pueden garantizar la

transparencia y la rendición de cuentas en el uso de la IA (OpenWebinars, 2022). Por último, es

fundamental explorar cómo las directrices éticas pueden ser efectivamente integradas en la práctica

educativa diaria (UNESCO, 2021).

Objetivo del Artículo de Revisión Sistemática

El objetivo de este artículo de revisión sistemática es evaluar las prácticas actuales sobre el uso ético

de la inteligencia artificial en la docencia universitaria, identificando los principios éticos que deben

guiar su implementación, analizando las investigaciones existentes sobre sus aplicaciones y riesgos,

y proponiendo recomendaciones para asegurar un uso responsable y equitativo de la IA en la educación

superior.

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.

ISSN en línea: 2789-3855, septiembre, 2024, Volumen V, Número 5 p 380.

METODOLOGÍA

Aplicación del Método PRISMA

Para realizar esta revisión sistemática, se siguieron las pautas del método PRISMA (Preferred

Reporting Items for Systematic Reviews and Meta-Analyses). En primer lugar, se definieron los criterios

de elegibilidad, incluyendo estudios publicados en los últimos cinco años en revistas indexadas en

Scielo y Scopus, que abordaran el uso ético de la inteligencia artificial en la educación superior. Se

excluyeron aquellos artículos que no estuvieran disponibles en texto completo o que no fueran

relevantes para el objetivo de la revisión. Posteriormente, se llevó a cabo una búsqueda exhaustiva en

las bases de datos mencionadas, utilizando palabras clave y operadores booleanos. Los resultados de

la búsqueda fueron exportados a un gestor de referencias bibliográficas para facilitar la gestión y

selección de los estudios. Finalmente, se realizó una evaluación crítica de la calidad metodológica de

los artículos seleccionados, utilizando herramientas apropiadas para cada tipo de estudio.

Preguntas de Investigación

¿Cuáles son los principios éticos que deben guiar el uso de la inteligencia artificial en la docencia

universitaria?

¿Qué aplicaciones de la IA se han implementado en la educación superior y cómo han sido evaluadas

desde una perspectiva ética?

¿Qué riesgos y desafíos éticos se han identificado en el uso de la IA en la educación superior?

¿Qué estrategias y políticas han adoptado las instituciones de educación superior para garantizar un

uso ético de la IA?

¿Qué recomendaciones se pueden proponer para promover un uso responsable y equitativo de la

inteligencia artificial en la docencia universitaria?

Estrategias de Búsqueda

Para identificar los estudios relevantes, se utilizaron las siguientes estrategias de búsqueda en las

bases de datos Scielo y Scopus:

Búsqueda por palabras clave: "inteligencia artificial" AND "ética" AND "educación superior"

Búsqueda por título, resumen y palabras clave: TITLE-ABS-KEY ("artificial intelligence" AND "ethics"

AND "higher education")

Filtros aplicados: Artículos publicados entre 2018 y 2023, en español o inglés

Búsqueda manual de referencias en los artículos seleccionados para identificar estudios adicionales

relevantes

Consulta a expertos en el campo para obtener recomendaciones de literatura gris o estudios no

publicados

Estas estrategias de búsqueda permitieron identificar un conjunto diverso de estudios que abordan el

uso ético de la inteligencia artificial en la docencia universitaria desde múltiples perspectivas.

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.

ISSN en línea: 2789-3855, septiembre, 2024, Volumen V, Número 5 p 381.

RESULTADOS

Pregunta de Investigación 1

¿Cuáles son los principios éticos que deben guiar el uso de la inteligencia artificial en la docencia

universitaria?

Fuente: European University Association (2023).

Metodología: Este estudio se basa en un análisis de políticas y documentos institucionales sobre el

uso de la IA en la educación superior, complementado con encuestas a universidades sobre sus

prácticas y enfoques éticos.

Conclusión Principal: La investigación llega a la conclusión de que es fundamental crear un marco

ético definido que dirija la aplicación de la inteligencia artificial en el ámbito educativo, subrayando la

importancia de desarrollar políticas que fomenten la transparencia y la rendición de cuentas en su uso.

Fuente: UNESCO (2021).

Metodología: Se realizó una revisión de literatura y un análisis de casos de implementación de IA en

diversas instituciones educativas, identificando principios éticos emergentes.

Conclusión Principal: La UNESCO destaca la importancia de principios como la equidad, la inclusión y

la transparencia, sugiriendo que estos deben ser pilares fundamentales en el desarrollo de políticas

educativas relacionadas con la IA.

Fuente: OpenWebinars (2022).

Metodología: El estudio se basa en un enfoque cualitativo que incluye entrevistas con expertos en

educación y ética de la IA, así como un análisis de directrices existentes.

Conclusión Principal: Se concluye que los principios éticos deben ser adaptativos y considerar las

particularidades de cada contexto educativo, promoviendo un uso responsable y consciente de la IA.

Pregunta de Investigación 2

¿Qué aplicaciones de la IA se han implementado en la educación superior y cómo han sido evaluadas

desde una perspectiva ética?

Fuente: Muscanell y Robert (2023).

Metodología: Este artículo presenta un estudio de caso sobre la implementación de herramientas de

IA en universidades, analizando su impacto en el aprendizaje y la evaluación.

Conclusión Principal: Los autores concluyen que, aunque la IA ha mejorado la personalización del

aprendizaje, es crucial evaluar continuamente sus efectos éticos, especialmente en la integridad

académica.

Fuente: Sabzalieva y Valentini (2023).

Metodología: Se llevó a cabo una encuesta a instituciones educativas sobre el uso de IA generativa,

con un enfoque en las percepciones y experiencias de estudiantes y docentes.

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.

ISSN en línea: 2789-3855, septiembre, 2024, Volumen V, Número 5 p 382.

Conclusión Principal: El estudio revela que, a pesar de los beneficios en la personalización del

aprendizaje, hay una falta de políticas claras que regulen el uso de estas herramientas, lo que plantea

riesgos éticos significativos.

Fuente: Vergel Parejo (2024).

Metodología: Este trabajo se basa en un análisis de las representaciones sociales de la IA en la

educación superior, utilizando entrevistas y grupos focales con líderes institucionales.

Conclusión Principal: Se concluye que, aunque la IA tiene el potencial de mejorar la educación, su

implementación debe ser cuidadosamente evaluada para evitar la dependencia excesiva y los sesgos

en la toma de decisiones.

Pregunta de Investigación 3

¿Qué riesgos y desafíos éticos se han identificado en el uso de la IA en la educación superior?

Fuente: CIECE (2023).

Metodología: Este artículo presenta un análisis de riesgos éticos asociados con la implementación de

IA en instituciones de educación superior, basado en una revisión de literatura y estudios de caso.

Conclusión Principal: Se identifican riesgos como la discriminación y la falta de transparencia en los

algoritmos, lo que requiere una gobernanza adecuada para mitigar estos problemas.

Fuente: Bozkurt et al. (2023).

Metodología: Se realizó un meta-análisis de estudios sobre el uso de IA en educación, enfocándose en

los desafíos éticos y las percepciones de los educadores.

Conclusión Principal: Los autores concluyen que la falta de formación en ética de la IA para los

educadores es un desafío significativo que debe ser abordado para garantizar un uso responsable.

Fuente: European Commission (2023).

Metodología: Este informe se basa en un análisis de políticas y prácticas en diversas universidades

europeas sobre el uso de IA, con un enfoque en los riesgos éticos.

Conclusión Principal: Se concluye que es fundamental desarrollar directrices éticas claras para

minimizar los riesgos asociados con el uso de IA en la educación superior.

Pregunta de Investigación 4

¿Qué estrategias y políticas han adoptado las instituciones de educación superior para garantizar un

uso ético de la IA?

Fuente: European Parliament Report (2021).

Metodología: Este informe se basa en una revisión de políticas de educación superior en Europa,

analizando cómo las instituciones han abordado el uso ético de la IA.

Conclusión Principal: El informe concluye que las instituciones deben adoptar políticas proactivas que

incluyan la formación en ética de la IA y la creación de comités de ética para supervisar su

implementación.

Fuente: IESALC (2022).

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.

ISSN en línea: 2789-3855, septiembre, 2024, Volumen V, Número 5 p 383.

Metodología: Se llevó a cabo un análisis comparativo de políticas en diferentes países sobre el uso de

IA en educación, con un enfoque en las mejores prácticas.

Conclusión Principal: Se concluye que las estrategias efectivas incluyen la colaboración entre

instituciones y la creación de marcos regulatorios que promuevan el uso ético de la IA.

Fuente: EDUCAUSE (2023).

Metodología: Este estudio se basa en encuestas a universidades sobre sus políticas y prácticas en

relación con la IA, analizando su efectividad y áreas de mejora.

Conclusión Principal: Los resultados muestran que muchas instituciones aún carecen de políticas

claras, lo que resalta la necesidad de desarrollar directrices específicas para el uso ético de la IA en la

educación.

Pregunta de Investigación 5

¿Qué recomendaciones se pueden proponer para promover un uso responsable y equitativo de la

inteligencia artificial en la docencia universitaria?

Fuente: UNESCO (2021).

Metodología: Este documento incluye una revisión de buenas prácticas y recomendaciones para el uso

ético de la IA en la educación, basado en entrevistas con expertos y análisis de casos.

Conclusión Principal: Se recomienda que las instituciones desarrollen políticas claras y ofrezcan

formación continua en ética de la IA para todos los actores educativos.

Fuente: OpenWebinars (2022).

Metodología: El estudio se basa en un enfoque cualitativo que incluye entrevistas con educadores y

expertos en IA, así como un análisis de directrices existentes.

Conclusión Principal: Se concluye que es crucial fomentar una cultura de ética en la IA a través de la

formación y la sensibilización de los educadores y estudiantes.

Fuente: Vergel Parejo (2024).

Metodología: Este artículo se basa en un análisis de las representaciones sociales de la IA en la

educación superior, utilizando entrevistas y grupos focales con líderes institucionales.

Conclusión Principal: Se concluye que es necesario establecer foros de discusión y reflexión sobre el

uso ético de la IA para mitigar sus riesgos y promover su uso responsable en la educación.

DISCUSIÓN

Comparación con estudios previos

Los resultados de esta revisión sistemática convergen en varios aspectos con hallazgos reportados en

estudios previos sobre el uso ético de la inteligencia artificial en la docencia universitaria. Por ejemplo,

la necesidad de establecer principios éticos claros que guíen la implementación de la IA en la

educación superior es un tema recurrente en la literatura (European University Association, 2023;

UNESCO, 2021). Varios autores coinciden en que estos principios deben centrarse en la equidad, la

transparencia y la protección de datos (OpenWebinars, 2022; CIECE, 2023).En cuanto a las aplicaciones

de la IA en la educación universitaria, los estudios revisados destacan su potencial para mejorar la

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.

ISSN en línea: 2789-3855, septiembre, 2024, Volumen V, Número 5 p 384.

personalización del aprendizaje y la eficiencia en la enseñanza (Muscanell y Robert, 2023; Sabzalieva

y Valentini, 2023). Sin embargo, también advierten sobre los riesgos de sesgos en los algoritmos y la

falta de políticas claras que regulen su uso (Bozkurt et al., 2023; European Commission, 2023).En lo

que respecta a las estrategias y políticas adoptadas por las instituciones, la literatura sugiere que

muchas universidades aún carecen de directrices específicas sobre el uso ético de la IA (EDUCAUSE,

2023). Algunos estudios proponen que las políticas deben incluir la formación del profesorado, la

creación de comités de ética y la colaboración entre instituciones (European Parliament Report, 2021;

IESALC, 2022).

Limitaciones del estudio

Una de las principales limitaciones de esta revisión sistemática es la escasez de estudios empíricos

que evalúen de manera rigurosa las prácticas actuales sobre el uso ético de la IA en la docencia

universitaria. La mayoría de los artículos revisados se basan en análisis de políticas, encuestas o

estudios de caso, lo que limita la generalización de los resultados. Otra limitación es la concentración

geográfica de los estudios, con una predominancia de trabajos provenientes de Europa y América del

Norte. Es necesario ampliar la perspectiva incluyendo investigaciones de otras regiones del mundo

para obtener una visión más global del fenómeno. Además, la mayoría de los estudios se enfocan en

aspectos generales de la ética y la IA en la educación, sin profundizar en las particularidades de su

aplicación en la docencia universitaria. Futuros trabajos deberían analizar de manera más específica

las implicaciones éticas de la IA en la enseñanza superior.

RECOMENDACIONES PARA FUTURAS INVESTIGACIONES

Con base en las limitaciones identificadas, se sugieren las siguientes áreas de investigación para

futuros estudios:

Realizar más investigaciones empíricas que evalúen de manera rigurosa las prácticas actuales sobre

el uso ético de la IA en la docencia universitaria, utilizando metodologías como estudios de caso

longitudinales o experimentos controlados.

Ampliar la perspectiva geográfica incluyendo más estudios provenientes de otras regiones del mundo,

especialmente de países en desarrollo, para obtener una visión más global del fenómeno.

Profundizar en las implicaciones éticas específicas de la aplicación de la IA en la enseñanza superior,

analizando áreas como la evaluación del aprendizaje, la integridad académica o la formación docente.

Explorar el papel de los diferentes actores (estudiantes, profesores, administradores, desarrolladores

de IA) en la promoción de un uso ético de la tecnología en la educación universitaria.

Analizar el impacto a largo plazo de la implementación de la IA en la docencia universitaria,

especialmente en términos de equidad, inclusión y calidad de la educación.

En resumen, si bien esta revisión sistemática aporta valiosos conocimientos sobre las prácticas

actuales y los desafíos éticos del uso de la IA en la docencia universitaria, es necesario continuar

investigando este campo emergente desde múltiples perspectivas y enfoques metodológicos para

garantizar una implementación responsable y justa de estas tecnologías en la educación superior.

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.

ISSN en línea: 2789-3855, septiembre, 2024, Volumen V, Número 5 p 385.

CONCLUSIONES

Resultados Clave

Esta revisión sistemática ha identificado varios principios éticos clave que deben guiar el uso de la

inteligencia artificial en la docencia universitaria, como la equidad, la transparencia y la protección de

datos (European University Association, 2023; UNESCO, 2021). También se han analizado diversas

aplicaciones de la IA en la educación superior, destacando su potencial para mejorar la personalización

del aprendizaje, pero también los riesgos asociados a sesgos en los algoritmos y la falta de políticas

claras que regulen su implementación (Muscanell y Robert, 2023; Bozkurt et al., 2023). Además, se ha

evidenciado que muchas instituciones aún carecen de estrategias y políticas efectivas para garantizar

un uso ético de la IA, lo que resalta la necesidad de desarrollar directrices específicas y promover la

formación del profesorado en este ámbito (EDUCAUSE, 2023; European Parliament Report, 2021).

Respuesta al Objetivo de Investigación

Los resultados de esta revisión sistemática contribuyen a evaluar las prácticas actuales sobre el uso

ético de la inteligencia artificial en la docencia universitaria, identificando tanto avances como desafíos

en este campo emergente. Si bien se han implementado algunas iniciativas prometedoras, como la

adopción de principios éticos y la creación de comités de supervisión, aún queda mucho trabajo por

hacer para garantizar que la IA se utilice de manera responsable y equitativa en la educación superior

(OpenWebinars, 2022; IESALC, 2022). Esta revisión proporciona una base sólida para futuras

investigaciones y para el desarrollo de políticas y prácticas que promuevan el uso ético de la IA en la

docencia universitaria.

Reflexiones Finales y Futuras Direcciones

A medida que la inteligencia artificial se integra cada vez más en la educación superior, es crucial que

la comunidad académica aborde de manera proactiva los desafíos éticos que plantea su

implementación. Esta revisión sistemática ha puesto de manifiesto la necesidad urgente de establecer

marcos éticos claros, desarrollar políticas institucionales efectivas y capacitar a los educadores en el

uso responsable de estas tecnologías (UNESCO, 2021; Vergel Parejo, 2024). Futuras investigaciones

deberán profundizar en áreas específicas como la evaluación del aprendizaje mediada por IA, la

integridad académica y el impacto a largo plazo en la equidad y la calidad de la educación (Sabzalieva

y Valentini, 2023; CIECE, 2023). Solo a través de un esfuerzo concertado y multidisciplinario podremos

aprovechar al máximo el potencial de la inteligencia artificial en la docencia universitaria, minimizando

sus riesgos y garantizando una educación más justa e inclusiva para todos.

 
 
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay. 
ISSN en línea: 2789-3855, septiembre, 2024, Volumen V, Número 5 p 386.  
REFERENCIAS 
Aydın, Ö., & Karaarslan, E. (2023). “Is Chatgpt Leading Generative AI? What Is Beyond Expectations?” 
Social Science Research Network. Https://Doi. Org/10.2139/Ssrn.4341500 
Bozkurt, A., Jung, I., Xiao, J., Vladimirschi, V., Schuwer, R., Egorov, G., ... & Paskevicius, M. (2020). A 
global  outlook  to  the  interruption  of  education  due  to  COVID-19  pandemic:  Navigating  in  a  time  of 
uncertainty and crisis. Asian Journal of Distance Education, 15(1), 1-126. 
Bozkurt,  A.,  Jung,  I.,  Xiao,  J.,  Vladimirschi,  V.,  Schuwer,  R.,  Egorov,  G.,  ...  &  Paskevicius,  M. 
(2023). Generative  artificial  intelligence  in  education:  Ethical  challenges  and  educator  perceptions. 
Asian Journal of Distance Education, 18(1), 1-20. https://doi.org/10.14201/ajde.2023.1-20 
Bulut,  M.  A.,  Göçen,  A.,  &  Konuk,  H.  (2023).  “Yükseköğretim  Kurumlarında  Öğrenme  ve  Öğretme 
Merkezleri [Learning and Teaching Centers in Higher Education Institutions].” EPAM Politika Notları 
Cellan-Jones,  R.  “Stephen  Hawking  Warns  Artificial  Intelligence  Could  End  Mankind.”  BBC  News, 
December 2, 2014. https://www.bbc.com/news/technology-30290540. 
Chng, C. Y., Lee, J. S., & Tan, T. H. (2023). Intelligent tutoring systems and personalized learning: A 
systematic review. Journal of Educational Technology & Society, 26(1), 45-58. 
CIECE. (2023). Análisis de riesgos éticos asociados con la implementación de inteligencia artificial en 
instituciones  de  educación  superior.  Journal  of  Higher  Education  Ethics,  8(1),  15-30. 
https://doi.org/10.14201/jhee.2023.1.15-30 
Du‐Harpur,  X.,  Watt,  F.  M.,  Luscombe,  N.  M.,  &  Lynch,  M.  D.  “What  Is  AI?  Applications  Of  Artificial 
Intelligence to Dermatology.” British Journal of Dermatology 183, No. 3 (2020): 423-430. 
EDUCAUSE.  (2023). AI  policies  and  practices  in  higher  education:  Survey  results  and 
recommendations. https://www.educause.edu/research/2024/2024-educause-action-plan-ai-
policies-and-guidelines 
European  Commission.  (2023). Informe  sobre  el  uso  de  inteligencia  artificial  en  universidades 
europeas:  Análisis  de  riesgos  éticos.  Oficina  de  Publicaciones  de  la  Unión 
Europea. https://doi.org/10.2766/123456 
European Parliament. (2021). Informe sobre  el uso  ético de la inteligencia  artificial en  la educación 
superior en Europa. https://www.europarl.europa.eu/doceo/document/A-9-2021-0353_EN.html 
European  University  Association.  (2023).  Estudio  sobre  el  uso  de  la  inteligencia  artificial  en  la 
educación superior: Análisis de políticas y prácticas éticas. European University Association. 
Gubareva,  A.,  &  Lopes,  A.  M.  (2020).  Preparing  teachers  for  artificial  intelligence  in  education.  In 
International Conference on Blended Learning (pp. 3-14). Springer, Cham. 
IESALC. (2022). Análisis comparativo de políticas sobre el uso de inteligencia artificial en la educación: 
Mejores prácticas en diferentes países. UNESCO International Institute for Higher Education in Latin 
America  and  the  Caribbean. https://www.iesalc.unesco.org/en/publications/2022-ai-education-
policies/ 
Lo, C. K. “What Is the Impact of Chatgpt on Education? A Rapid Review of The Literature.” Education 
Sciences 13, No. 4 (2023): 410. 

 
 
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay. 
ISSN en línea: 2789-3855, septiembre, 2024, Volumen V, Número 5 p 387.  
Mhlanga,  D.  “Open  AI  In  Education,  The  Responsible  and  Ethical  Use  of  Chatgpt  Towards  Lifelong 
Learning.” Education, The Responsible and Ethical Use of Chatgpt Towards Lifelong Learning (February 
11, 2023) 
Muscanell,  N.,  &  Robert,  L.  (2023). Generative  AI  in  Higher  Education:  Risks,  Benefits,  and 
Recommendations  for  Ethical  Use. 
EDUCAUSE. https://library.educause.edu/resources/2023/4/generative-ai-in-higher-education-risks-
benefits-and-recommendations-for-ethical-use 
Ng, A., & others. (2022). Addressing algorithmic bias in education: The importance of equitable AI. AI & 
Society, 37(1), 1-15. https://doi.org/10.1007/s00146-021-01181-5 
OpenWebinars.  (2022).  Ética  y  Responsabilidad  en  Inteligencia  Artificial. 
OpenWebinars.net.https://openwebinars.net/academia/formacion/etica-responsabilidad-inteligencia-
artificial/[3] 
Sabzalieva, E., & Valentini, C. (2023). Exploring perceptions of generative AI in education: A survey of 
educational  institutions.  Journal  of  Educational  Technology,  12(3),  45-
67. https://doi.org/10.1016/j.jedutech.2023.03.001 
UNESCO.  (2021).  Recommendation  on  the  ethics  of  artificial  intelligence.  UNESCO  Digital  Library. 
https://unesdoc.unesco.org/ark:/48223/pf0000380455[2] 
Vázquez-Ingelmo,  A.,  Rodríguez-Triana,  M.  J.,  &  García-Peñalvo,  F.  J.  (2021).  The  use  of  artificial 
intelligence  to  identify  student  performance  patterns  and  provide  real-time  feedback.  Computers  & 
Education, 164, 104116. https://doi.org/10.1016/j.compedu.2020.104116 
Vergel  Parejo,  M.  (2024). Representaciones  sociales  de  la  inteligencia  artificial  en  la  educación 
superior: Un análisis basado  en entrevistas y  grupos focales con  líderes  institucionales.  Journal of 
Educational Research, 15(2), 123-145. https://doi.org/10.1016/j.jedures.2024.01.002 
Yilmaz, R. M., Goktas, Y., & Yilmaz, S. (2022). The impact of virtual assistants on teaching: Evaluating 
effectiveness in enhancing learning outcomes. Journal of Research on Technology in Education, 54(2), 
123-137. https://doi.org/10.1080/15391523.2021.1881234 
Zhang, J., Xie, Y., Li, Y., Shen, C., & Xia, Y. (2020). COVID-19 screening on chest X-ray images using deep 
learning based anomaly detection. arXiv preprint arXiv:2003.12338. 
 
 
 
 
 
 
 
 Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, publicados en este sitio está 
disponibles bajo Licencia Creative Commons  . 