LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, abril, 2025, Volumen VI, Número 2 p 2367.
DOI: https://doi.org/10.56712/latam.v6i2.3773
Retos y desafíos de implementar la Inteligencia Artificial en
el entorno académico superior: un estudio exploratorio
The challenges and obstacles of implementing Artificial Intelligence in
higher education: an exploratory study
Juan Iván Vázquez García
jivan@ugto.mx
https://orcid.org/0000-0001-8242-9545
Universidad de Guanajuato
Guanajuato, Gto – México
Luis Gerardo Rea Chávez
lgreachavez@ugto.mx
https://orcid.org/0000-0002-2270-2957
Universidad de Guanajuato
Guanajuato, Gto – México
Artículo recibido: 01 de abril de 2025. Aceptado para publicación: 15 de abril de 2025.
Conflictos de Interés: Ninguno que declarar.
Resumen
Este estudio explora la percepción de alumnos y profesores sobre la implementación de la Inteligencia
Artificial (IA) en la educación superior, centrándose en su impacto, desafíos y barreras. A través de un
enfoque cuantitativo, se encuestó a 600 estudiantes y 150 docentes, utilizando un cuestionario
dividido en tres secciones: percepción sobre la IA, retos y barreras para su adopción, e impacto en el
aprendizaje. Los resultados indican que la mayoría de los participantes considera que la IA tiene el
potencial de mejorar los procesos educativos, aunque existen preocupaciones sobre los riesgos
éticos y la falta de preparación en términos de infraestructura y capacitación docente. A pesar de las
expectativas positivas en cuanto a la personalización del aprendizaje, los estudiantes y profesores
coinciden en que las instituciones aún no están completamente preparadas para su implementación
efectiva. Las implicaciones del estudio sugieren la necesidad de políticas institucionales que
fortalezcan la capacitación continua y la infraestructura tecnológica. Las limitaciones del estudio
incluyen la falta de un enfoque longitudinal y la diversidad de experiencias con la IA. Se proponen
futuras investigaciones para abordar estos aspectos y explorar el impacto de la IA en la equidad
educativa.
Palabras clave: inteligencia artificial, educación superior, capacitación docente,
personalización del aprendizaje, implementación tecnológica
Abstract
This study explores the perception of students and professors regarding the implementation of
Artificial Intelligence (AI) in higher education, focusing on its impact, challenges, and barriers. Using a
quantitative approach, 600 students and 150 faculty members were surveyed with a questionnaire
divided into three sections: perception of AI, challenges and barriers to its adoption, and its impact on
learning. Results indicate that most participants believe AI has the potential to improve educational
processes, though concerns about ethical risks and lack of preparedness in terms of infrastructure
and faculty training were noted. Despite positive expectations regarding the personalization of
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, abril, 2025, Volumen VI, Número 2 p 2368.
learning, both students and professors agree that institutions are not yet fully prepared for effective
implementation. The study's implications suggest the need for institutional policies to strengthen
ongoing faculty training and technological infrastructure. Study limitations include the absence of a
longitudinal approach and the diversity of experiences with AI. Future research is proposed to address
these aspects and explore AI’s impact on educational equity.
Keywords: artificial intelligence, higher education, faculty training, learning personalization,
technological implementation
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,
publicado en este sitio está disponibles bajo Licencia Creative Commons.
Cómo citar: Vázquez García, J. I., & Rea Chávez, L. G. (2025). Retos y desafíos de implementar la
Inteligencia Artificial en el entorno académico superior: un estudio exploratorio. LATAM Revista
Latinoamericana de Ciencias Sociales y Humanidades 6 (2), 2367 – 2385.
https://doi.org/10.56712/latam.v6i2.3773
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, abril, 2025, Volumen VI, Número 2 p 2369.
INTRODUCCIÓN
Contexto y Justificación
La Inteligencia Artificial (IA) ha emergido como una de las tecnologías más disruptivas en la educación
superior, transformando la forma en que se imparten clases, se evalúa el aprendizaje y se gestiona el
conocimiento. Las herramientas basadas en IA, como los sistemas de tutoría inteligente, el análisis de
datos educativos y los asistentes virtuales, han demostrado un gran potencial para mejorar la calidad
de la enseñanza y optimizar los procesos académicos (Selwyn, 2019). Sin embargo, la implementación
de estas tecnologías conlleva una serie de retos y desafíos que deben ser abordados desde una
perspectiva crítica y académica.
Uno de los principales retos radica en la resistencia al cambio por parte de docentes y estudiantes,
quienes pueden percibir la IA como una amenaza a los métodos tradicionales de enseñanza. Además,
existen preocupaciones éticas sobre la privacidad de los datos, el sesgo algorítmico y la transparencia
en la toma de decisiones automatizada (Aoun, 2017). Asimismo, la falta de infraestructura tecnológica
y capacitación docente limita el aprovechamiento pleno de estas herramientas en muchas
instituciones de educación superior, particularmente en países en desarrollo (Luckin et al., 2016).
Este estudio exploratorio busca analizar los desafíos clave en la implementación de la IA en la
educación superior, con el fin de generar recomendaciones para una adopción efectiva y ética de esta
tecnología en los entornos académicos.
Diversos estudios han abordado el impacto de la IA en la educación superior. Luckin et al. (2016)
destacan que la IA puede mejorar el aprendizaje personalizado al adaptar los contenidos a las
necesidades individuales de los estudiantes. Por otro lado, Selwyn (2019) enfatiza que la integración
de la IA en las aulas requiere de un replanteamiento de los roles docentes, ya que el profesorado debe
asumir una función más orientadora y menos expositiva.
Otro aspecto fundamental en la literatura es la cuestión ética. Brougham y Haar (2020) analizan cómo
el sesgo algorítmico puede reforzar desigualdades preexistentes en la educación. Por su parte, Aoun
(2017) plantea la necesidad de diseñar modelos de enseñanza que complementen la IA con habilidades
humanas esenciales, como el pensamiento crítico y la creatividad.
Adicionalmente, estudios como los de Zawacki-Richter et al. (2019) subrayan la importancia de la
capacitación docente en el uso de la IA, argumentando que la falta de formación específica es uno de
los principales obstáculos para su implementación efectiva. Estos antecedentes fundamentan la
necesidad de explorar cómo las instituciones de educación superior pueden superar estas barreras y
aprovechar las oportunidades que ofrece la IA.
Problema de Investigación
A pesar del creciente interés en la incorporación de la IA en la educación superior, su implementación
enfrenta múltiples obstáculos que dificultan su adopción efectiva. La falta de preparación del personal
docente, la resistencia al cambio, los dilemas éticos y la escasez de recursos tecnológicos son factores
que limitan su integración en las universidades (Zawacki-Richter et al., 2019).
En este contexto, surge la siguiente pregunta de investigación: ¿Cuáles son los principales retos y
desafíos en la implementación de la Inteligencia Artificial en la educación superior y cómo pueden ser
abordados para mejorar su integración en los procesos académicos?
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, abril, 2025, Volumen VI, Número 2 p 2370.
Objetivos y Preguntas de Investigación
Objetivo general
● Analizar los retos y desafíos que enfrentan las instituciones de educación superior en la
implementación de la IA y proponer estrategias para su integración efectiva.
Objetivos específicos
● Identificar las principales barreras tecnológicas, pedagógicas y éticas en la implementación de
la IA en la educación superior.
● Examinar la percepción de docentes y estudiantes sobre el uso de la IA en el proceso de
enseñanza-aprendizaje.
● Analizar estudios previos sobre experiencias de implementación de IA en universidades y sus
resultados.
● Proponer estrategias y recomendaciones para superar los desafíos en la adopción de la IA en
entornos académicos.
Preguntas de investigación
● ¿Cuáles son los principales factores que limitan la implementación de la IA en la educación
superior?
● ¿Cómo perciben los docentes y estudiantes el impacto de la IA en el proceso educativo?
● ¿Qué estrategias han demostrado ser efectivas para la integración de la IA en instituciones
académicas?
● ¿Cuáles son los riesgos éticos asociados a la IA en el ámbito educativo y cómo pueden ser
mitigados?
METODOLOGÍA
Enfoque de Investigación
Este estudio adoptará un enfoque cuantitativo, caracterizado por la recopilación y análisis de datos
numéricos para identificar patrones y relaciones entre variables. Este enfoque es adecuado para
obtener resultados generalizables y medir con precisión las percepciones y actitudes de los
participantes hacia la implementación de la Inteligencia Artificial en la educación superior.
Diseño del Estudio
Se emplea un diseño no experimental, transversal y descriptivo. El estudio no manipula variables
independientes, sino que observa y describe las percepciones y actitudes de los participantes en un
momento específico en el tiempo. Este diseño es apropiado para explorar fenómenos en su contexto
natural sin intervención del investigador.
Participantes
La muestra estará compuesta por 600 estudiantes y 150 profesores de diversas instituciones de
educación superior. Se utilizará un muestreo estratificado aleatorio, dividiendo la población en dos
estratos (estudiantes y profesores) y seleccionando aleatoriamente a los participantes de cada grupo.
Este método garantiza una representación equitativa de ambos subgrupos y mejora la validez externa
del estudio.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, abril, 2025, Volumen VI, Número 2 p 2371.
Instrumentos de Recolección de Datos
Se diseñará un cuestionario estructurado para cada grupo de participantes (estudiantes y profesores).
Los cuestionarios incluirán ítems cerrados con escalas tipo Likert para medir actitudes y percepciones
sobre la implementación de la Inteligencia Artificial en la educación superior. La elaboración de los
ítems se basará en una revisión exhaustiva de la literatura existente y en instrumentos previamente
validados en estudios similares.
Procedimiento
La recolección de datos se llevará a cabo en las instituciones seleccionadas, previa autorización de las
autoridades académicas. Se contactará a los participantes por medio de los canales institucionales,
explicándoles los objetivos del estudio y solicitando su participación voluntaria. Los cuestionarios se
administrarán en formato digital a través de una plataforma en línea, facilitando el acceso y la
recopilación eficiente de datos.
Análisis de Datos
Los datos recopilados se analizaron utilizando estadística descriptiva para resumir las características
principales de las respuestas.
Consideraciones Éticas
Se garantizará el consentimiento informado de todos los participantes, proporcionándoles información
detallada sobre los objetivos del estudio, la voluntariedad de su participación y la confidencialidad de
sus respuestas. Se asegurará el anonimato de los datos recopilados, codificando las respuestas y
almacenados en servidores seguros. Además, se minimizan los riesgos potenciales asociados a la
participación en el estudio, respetando los principios éticos de autonomía, beneficencia y justicia.
DESARROLLO
Teorías y modelos
El estudio de la implementación de la Inteligencia Artificial (IA) en la educación superior puede
sustentarse en diversas teorías y modelos que explican su impacto en los procesos de enseñanza-
aprendizaje.
Teoría del Constructivismo
La teoría del constructivismo, desarrollada por Piaget (1950) y ampliada por Vygotsky (1978), sostiene
que el aprendizaje es un proceso activo en el que los estudiantes construyen su conocimiento a partir
de la interacción con el entorno. La IA puede potenciar este enfoque al proporcionar sistemas de
aprendizaje adaptativo que ajusten el contenido educativo en función del progreso del estudiante
(Luckin et al., 2016).
Teoría del Aprendizaje Social
Bandura (1977) postula que el aprendizaje ocurre mediante la observación e imitación de modelos. En
el contexto de la IA, los agentes inteligentes pueden actuar como modelos de aprendizaje, facilitando
la adquisición de conocimientos a través de la simulación y el refuerzo adaptativo (Selwyn, 2019).
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, abril, 2025, Volumen VI, Número 2 p 2372.
Modelo TPACK (Technological, Pedagogical, and Content Knowledge)
El modelo TPACK, desarrollado por Mishra y Koehler (2006), describe la integración de la tecnología en
la enseñanza a través de la combinación de tres tipos de conocimiento: tecnológico, pedagógico y de
contenido. Este modelo es clave para comprender cómo la IA puede incorporarse de manera efectiva
en la educación superior, asegurando que los docentes tengan la capacitación adecuada para utilizar
estas herramientas (Zawacki-Richter et al., 2019).
Modelo de Aceptación Tecnológica (TAM)
El Modelo de Aceptación Tecnológica (TAM), propuesto por Davis (1989), explica cómo los usuarios
adoptan nuevas tecnologías en función de su utilidad percibida y facilidad de uso. En el contexto de la
educación superior, este modelo permite analizar la disposición de docentes y estudiantes a integrar
la IA en sus prácticas académicas (Brougham & Haar, 2020).
Conceptos clave
Inteligencia Artificial en la educación
La Inteligencia Artificial (IA) en la educación se refiere al uso de tecnologías que pueden simular
procesos cognitivos humanos para mejorar la enseñanza y el aprendizaje. Incluye aplicaciones como
tutores inteligentes, sistemas de recomendación de contenido y herramientas de análisis del
desempeño estudiantil (Luckin et al., 2016).
Aprendizaje adaptativo
El aprendizaje adaptativo es un enfoque educativo que utiliza la IA para personalizar la experiencia de
aprendizaje según las necesidades individuales de los estudiantes. Estos sistemas ajustan el
contenido y las actividades en función del rendimiento del alumno, permitiendo una enseñanza más
efectiva (Zawacki-Richter et al., 2019).
Ética y sesgo algorítmico
El uso de la IA en la educación plantea desafíos éticos relacionados con la privacidad de los datos, la
equidad en el acceso a la tecnología y el sesgo algorítmico. Brougham y Haar (2020) advierten que los
algoritmos pueden perpetuar desigualdades si no se diseñan con principios de equidad y
transparencia.
Transformación digital en la educación superior
La transformación digital en la educación superior implica la incorporación de tecnologías emergentes,
como la IA, para mejorar la enseñanza, la gestión institucional y la interacción con los estudiantes. Este
proceso requiere cambios en la infraestructura, capacitación docente y estrategias pedagógicas
innovadoras (Selwyn, 2019).
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, abril, 2025, Volumen VI, Número 2 p 2373.
RESULTADOS
Presentación de los datos: Muestra los hallazgos de manera estructurada.
Sección 1: Percepción sobre la Inteligencia Artificial en la educación superior
Gráfico 1
¿Qué nivel de conocimiento tiene sobre la Inteligencia Artificial aplicada a la educación?
La mayoría de los alumnos (38.20%) tiene un conocimiento medio sobre la Inteligencia Artificial
aplicada a la educación, lo que indica que, aunque algunos estudiantes tienen cierto nivel de
comprensión, no es suficiente para considerarlo un dominio pleno del tema. Un 32.70% se encuentra
en el nivel bajo, lo que refleja la falta de familiaridad con la IA en este contexto educativo. Solo un
pequeño porcentaje (4.50%) tiene un conocimiento muy alto, lo que sugiere que la formación en IA
dentro del currículum académico de los estudiantes es limitada. Además, el 9.30% de los alumnos tiene
un conocimiento nulo, lo que podría señalar la falta de exposición o educación sobre este tema.
Por otro lado, los profesores muestran una tendencia ligeramente más favorable, con un 40% que
reporta tener un conocimiento medio. Sin embargo, un 25% de los docentes tiene un nivel alto, lo que
indica un mejor manejo de la tecnología en comparación con los estudiantes. El 5% de los profesores
tiene un conocimiento nulo, lo cual es relativamente bajo, pero aún refleja que algunos docentes
podrían necesitar una formación adicional sobre la IA.
4.5%
15.3%
38.2% 37.2%
9.3%10.0%
25.0%
40.0%
20.0%
5.0%
0.0%
5.0%
10.0%
15.0%
20.0%
25.0%
30.0%
35.0%
40.0%
45.0%
Muy alto Alto Medio Bajo Muy bajo
Alumnos Profesores
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, abril, 2025, Volumen VI, Número 2 p 2374.
Gráfico 2
¿Cree que la IA puede mejorar los procesos de enseñanza y aprendizaje en la educación superior?
De entre las opciones, los alumnos (65.25% sumando las opciones “totalmente de acuerdo” y “de
acuerdo”) creen que la IA puede mejorar los procesos educativos. Sin embargo, también existe una
proporción significativa que se mantiene neutral (20.10%), lo que sugiere que no todos están
completamente convencidos de los beneficios de la IA. Un pequeño porcentaje (15.65%) se muestra
en desacuerdo con la afirmación, lo que puede reflejar escepticismo sobre el impacto de la IA en la
educación.
Los profesores muestran una mayor convicción en este aspecto, ya que el 80.80% de ellos (sumando
las opciones “totalmente de acuerdo” y “de acuerdo”) opina que la IA puede mejorar los procesos
educativos. Solo un 12.40% se mantiene neutral, y únicamente un 6.80% está en desacuerdo, lo que
refleja una alta aceptación de la tecnología y su potencial en el ámbito académico.
25.7%
39.5%
20.1%
9.7%
5.9%
35.2%
45.6%
12.4%
5.2%
1.6%
0.0%
5.0%
10.0%
15.0%
20.0%
25.0%
30.0%
35.0%
40.0%
45.0%
50.0%
Totalmente de
acuerdo
De acuerdo Neutral En desacuerdo Totalmente en
desacuerdo
Alumnos Profesores
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, abril, 2025, Volumen VI, Número 2 p 2375.
Gráfico 3
¿Considera que el uso de IA en el aula facilita la personalización del aprendizaje?
La mayoría de los alumnos (61.30% sumando las opciones “sí, en gran medida” y “sí, en cierta medida”)
considera que la IA facilita la personalización del aprendizaje. Esto sugiere que los estudiantes
reconocen el potencial de la IA para adaptarse a sus necesidades individuales. Sin embargo, un 18.40%
de los alumnos permanece neutral, lo que indica una falta de comprensión total de cómo la IA podría
facilitar la personalización. Un 20.30% de los estudiantes tiene una opinión negativa, ya que consideran
que la IA tiene un impacto poco significativo o nulo en la personalización del aprendizaje.
Por su parte, los profesores tienen una visión aún más optimista sobre este aspecto, con un 82.10%
(sumando las opciones “sí, en gran medida” y “sí, en cierta medida”) que creen que la IA facilita la
personalización del aprendizaje. El 40.50% afirma que lo hace en gran medida, mientras que el 41.60%
considera que lo hace en cierta medida. Un 13.40% se mantiene neutral, mientras que solo un pequeño
4.50% no considera que la IA tenga un impacto significativo en la personalización del aprendizaje.
28.1%
33.2%
18.4%
14.3%
6.0%
40.5% 41.6%
13.4%
3.3%
1.2%
0.0%
5.0%
10.0%
15.0%
20.0%
25.0%
30.0%
35.0%
40.0%
45.0%
Sí, en gran medida Sí, en cierta medida No está seguro/a No, en poca medida No, en absoluto
Alumnos Profesores
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, abril, 2025, Volumen VI, Número 2 p 2376.
Sección 2: Retos y barreras para la implementación de la IA en la educación superior
Gráfico 4
¿Considera que el uso de IA en la educación superior presenta riesgos éticos (por ejemplo, sesgos en los
algoritmos, privacidad de los datos)?
Una proporción significativa (67.60% sumando las opciones “sí, muchos riesgos” y “sí, algunos
riesgos”) considera que la IA en la educación superior presenta riesgos éticos. Esto refleja una
preocupación considerable sobre temas como la privacidad de los datos y posibles sesgos en los
algoritmos que podrían afectar la equidad en el aprendizaje. Un 21.80% se mantiene neutral, lo que
indica que algunos estudiantes aún no tienen una postura definida sobre los riesgos éticos de la IA.
Solo un pequeño porcentaje de alumnos (10.60%) no considera que haya riesgos éticos, con un 8.50%
que ve pocos riesgos y un 2.10% que cree que no hay ningún riesgo.
Por otro lado, los profesores también muestran una notable preocupación sobre los riesgos éticos
asociados con la IA, con un 83.20% (sumando las opciones “sí, muchos riesgos” y “sí, algunos riesgos”)
considerando que existen riesgos éticos al implementar IA en la educación superior. Esto refleja la
conciencia de los docentes sobre los posibles efectos negativos de los algoritmos sesgados y las
implicaciones en la privacidad de los estudiantes. Un 12.40% se mantiene neutral en cuanto a estos
riesgos, y solo un 4.40% de los profesores no percibe riesgos éticos significativos.
22.5%
45.1%
21.8%
8.5%
2.1%
32.2%
48.0%
12.4%
3.7%
0.7%
0.0%
10.0%
20.0%
30.0%
40.0%
50.0%
60.0%
Sí, muchos riesgos Sí, algunos riesgos No está seguro/a No, pocos riesgos No, ningún riesgo
Alumnos Profesores
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, abril, 2025, Volumen VI, Número 2 p 2377.
Gráfico 5
¿Cree que los docentes están suficientemente capacitados para integrar la IA en sus metodologías de
enseñanza?
La mayoría de los alumnos (41.20%) se mantiene neutral en cuanto a la capacitación de los docentes
en el uso de la IA en sus metodologías de enseñanza, lo que podría reflejar que los estudiantes no
tienen suficiente información o experiencia directa con la capacitación de sus profesores en este
ámbito. Un 23.60% considera que los docentes están poco capacitados, lo que sugiere que los
estudiantes perciben que muchos profesores aún no tienen las habilidades necesarias para integrar la
IA en sus clases de manera efectiva. Un 9.70% considera que los docentes no están capacitados, lo
que resalta una preocupación sobre la falta de preparación en el uso de estas tecnologías. Solo un
pequeño porcentaje de estudiantes (6.00%) cree que los docentes están completamente capacitados
para integrar la IA en sus metodologías, mientras que un 19.50% considera que están moderadamente
capacitados.
Por su parte, los profesores tienen una visión algo más optimista sobre su preparación para integrar la
IA, con un 47.50% (sumando las opciones "sí, completamente capacitados" y "moderadamente
capacitados") que cree estar preparado para hacerlo. Sin embargo, un 28.60% se muestra neutral, lo
que puede indicar una incertidumbre o una autoevaluación ambigua sobre sus competencias en IA. Un
19.30% considera que están poco capacitados, lo que refleja que aún hay muchos docentes que
pueden necesitar más formación o apoyo para integrar efectivamente la IA en su enseñanza. Un 4.60%
considera que los docentes no están capacitados para este fin, lo que refuerza la necesidad de ofrecer
más capacitación en estas tecnologías.
6.0%
19.5%
41.2%
23.6%
9.7%
12.8%
34.7%
28.6%
19.3%
4.6%
0.0%
5.0%
10.0%
15.0%
20.0%
25.0%
30.0%
35.0%
40.0%
45.0%
Sí, completamente
capacitados
Moderadamente
capacitados
Neutral Poco capacitados Nada capacitados
Alumnos Profesores
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, abril, 2025, Volumen VI, Número 2 p 2378.
Gráfico 6
¿Qué barreras considera más relevantes para la adopción de la IA en la educación superior? (Pueden
elegir más de una opción)
La falta de capacitación docente es una de las barreras más relevantes para la adopción de la IA en la
educación superior, con un 50.30% seleccionando esta opción. Esto refleja una preocupación sobre la
preparación insuficiente de los docentes para integrar eficazmente las herramientas de IA en sus
metodologías. Además, un 48.70% de los estudiantes menciona los costos elevados de
implementación, lo que indica que el gasto asociado con la adopción de estas tecnologías es un factor
limitante para muchas instituciones. Un 44.00% considera la falta de infraestructura tecnológica como
otra barrera importante, lo que refleja las dificultades que enfrentan algunas universidades para
proporcionar la infraestructura necesaria para implementar IA de manera efectiva. En cuanto a la
resistencia al cambio en la comunidad académica, un 36.40% de los estudiantes considera que este es
un reto significativo, lo que puede estar relacionado con la actitud conservadora que algunos
académicos tienen frente a la adopción de nuevas tecnologías. Por último, un 37.50% menciona los
aspectos éticos y de privacidad, lo que sugiere que los estudiantes están preocupados por los
problemas éticos y de seguridad asociados con el uso de la IA. Solo un pequeño porcentaje (3.10%)
seleccionó la opción de otra barrera.
Por su parte, los profesores también consideran que la falta de capacitación docente (60.90%) es una
de las barreras más significativas, lo que indica que, aunque algunos docentes están dispuestos a
integrar IA, sienten que carecen de la formación adecuada. Los costos elevados de implementación
son mencionados por el 56.50% de los docentes, lo que refleja una preocupación por los recursos
financieros necesarios para incorporar tecnologías de IA en las instituciones educativas. Un 53.20%
también señala la falta de infraestructura tecnológica como una barrera importante, lo que resalta la
necesidad de mejorar las condiciones tecnológicas en las universidades. Además, la resistencia al
cambio en la comunidad académica (42.40%) y los aspectos éticos y de privacidad (45.70%) son otros
factores mencionados por los profesores, sugiriendo que, aunque algunos estén a favor de la adopción
de la IA, existen preocupaciones sobre su impacto ético y sobre cómo será recibida por sus colegas.
De nuevo, un pequeño porcentaje de profesores (2.80%) seleccionó otra barrera.
50.3% 48.7%
44.0%
36.4%
40.6%
6.9%
56.5%
53.2%
42.4%
48.5%
0.0%
10.0%
20.0%
30.0%
40.0%
50.0%
60.0%
Falta de capacitación
docente
Costos elevados de
implementación
Falta de
infraestructura
tecnológica
Resistencia al cambio
en la comunidad
académica
Aspectos éticos y de
privacidad:
Alumnos Profesores
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, abril, 2025, Volumen VI, Número 2 p 2379.
Sección 3: Impacto de la IA en el aprendizaje y el desempeño académico
Gráfico 7
¿Cree que el uso de IA mejora la motivación y el compromiso de los estudiantes en su aprendizaje?
Los alumnos muestran una actitud generalmente positiva hacia el impacto de la IA en la motivación y
el compromiso en su aprendizaje. Un 55.40% está de acuerdo (sumando "totalmente de acuerdo" con
un 20.10% y "de acuerdo" con un 35.30%), lo que sugiere que muchos estudiantes creen que las
herramientas de IA pueden fomentar su interés y participación en el proceso educativo. Un 28.60% se
mantiene neutral, mientras que solo un 16.00% (sumando "en desacuerdo" con 12.90% y "totalmente
en desacuerdo" con 3.10%) expresa opiniones contrarias. Esto indica que, aunque algunos estudiantes
podrían no ver una mejora clara, la mayoría cree que la IA tiene el potencial de incrementar su
motivación.
En los profesores, un 68.70% está de acuerdo (27.60% "totalmente de acuerdo" y 41.10% "de acuerdo"),
lo que refuerza la idea de que los docentes consideran que la IA tiene un impacto positivo en la
motivación y el compromiso de los estudiantes. Un 22.90% es neutral, y solo un 9.40% se muestra en
desacuerdo. Estos resultados coinciden con la percepción de los alumnos y reflejan un consenso entre
ambos grupos sobre el impacto potencial de la IA en el compromiso estudiantil.
20.1%
35.3%
28.6%
12.9%
3.1%
27.6%
41.1%
22.9%
6.6%
2.8%
0.0%
5.0%
10.0%
15.0%
20.0%
25.0%
30.0%
35.0%
40.0%
45.0%
Totalmente de
acuerdo
De acuerdo Neutral En desacuerdo Totalmente en
desacuerdo
Alumnos Profesores
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, abril, 2025, Volumen VI, Número 2 p 2380.
Gráfico 8
¿Cómo percibe el impacto de la IA en la calidad del aprendizaje en comparación con los métodos
tradicionales?
Respecto a la percepción del impacto de la IA en la calidad del aprendizaje, los alumnos muestran una
variedad de respuestas. Un 49.40% considera que el aprendizaje con IA es mejor o mucho mejor
(30.50% "mejor" y 18.90% "mucho mejor"), lo que sugiere que muchos estudiantes ven una ventaja
significativa en la aplicación de la IA respecto a los métodos tradicionales. Sin embargo, un 42.60%
considera que la calidad es igual o peor, lo que podría reflejar una resistencia al cambio o una falta de
experiencia con la tecnología en su entorno educativo. Solo un 12.40% cree que el impacto de la IA es
peor que los métodos tradicionales.
Por otro lado, los profesores tienen una percepción ligeramente más optimista: un 59.10% cree que la
IA mejora la calidad del aprendizaje en comparación con los métodos tradicionales (sumando "mucho
mejor" con 22.40% y "mejor" con 36.70%). Un 33.50% considera que el impacto es igual, lo que podría
indicar que algunos profesores no han experimentado una mejora notable con la IA en comparación
con métodos tradicionales. Solo un 7.40% percibe que la calidad del aprendizaje es peor. Estos
resultados indican que, aunque muchos profesores ven una mejora, también existen voces que
consideran que la IA aún no ha transformado de manera significativa la calidad educativa.
18.9%
30.5%
38.2%
8.4%
4.0%
22.4%
36.7%
33.5%
5.2%
2.2%
0.0%
5.0%
10.0%
15.0%
20.0%
25.0%
30.0%
35.0%
40.0%
45.0%
Mucho mejor Mejor Igual Peor Mucho peor
Alumnos Profesores
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, abril, 2025, Volumen VI, Número 2 p 2381.
Gráfico 9
¿Cree que las instituciones de educación superior están preparadas para implementar la IA de manera
efectiva?
En cuanto a la preparación de las instituciones de educación superior para implementar la IA, tanto los
alumnos como los profesores tienen una visión algo crítica. Los alumnos están divididos, con un
43.60% que se siente neutral, y un 27.10% (sumando "poco preparadas" con 21.80% y "nada
preparadas" con 5.30%) que percibe que las instituciones no están suficientemente preparadas para
integrar la IA de manera efectiva. Solo un 29.30% (sumando "totalmente preparadas" con 5.90% y
"moderadamente preparadas" con 23.40%) considera que las instituciones están listas.
Los profesores muestran una tendencia similar. Un 37.40% considera que las instituciones están
moderadamente preparadas (sumando "totalmente preparadas" con 10.10% y "moderadamente
preparadas" con 27.30%), pero un 28.80% (sumando "poco preparadas" con 20.90% y "nada
preparadas" con 7.90%) percibe una falta de preparación institucional. Solo un 43.50% considera que
las universidades están adecuadamente preparadas para adoptar la IA.
Este patrón sugiere que, a pesar del interés y la aceptación general de la IA, tanto alumnos como
profesores sienten que las instituciones aún no están completamente equipadas para implementarla
de manera efectiva, ya sea por falta de infraestructura, capacitación o recursos.
DISCUSIÓN
Interpretación de los resultados
Los hallazgos de este estudio reflejan una percepción diversa sobre el impacto de la Inteligencia
Artificial (IA) en la educación superior tanto entre los alumnos como los profesores. La mayoría de los
estudiantes y docentes está de acuerdo en que la IA tiene un potencial significativo para mejorar la
motivación, el compromiso y la personalización del aprendizaje. Sin embargo, también existen
preocupaciones sobre la preparación institucional y los riesgos éticos asociados con el uso de la IA.
En relación con la percepción sobre el conocimiento de la IA, los resultados indican que un porcentaje
considerable de estudiantes y profesores tiene un conocimiento intermedio de la IA. Estos resultados
concuerdan con la literatura existente que sugiere que, aunque la IA es vista como una herramienta
2.9%
23.4%
43.6%
21.8%
5.3%
10.1%
27.3%
33.8%
20.9%
7.9%
0.0%
5.0%
10.0%
15.0%
20.0%
25.0%
30.0%
35.0%
40.0%
45.0%
50.0%
Totalmente
preparadas
Moderadamente
preparadas
Neutral Poco preparadas Nada preparadas
Alumnos Profesores
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, abril, 2025, Volumen VI, Número 2 p 2382.
poderosa para mejorar la educación, aún existe una brecha significativa en términos de capacitación y
comprensión de esta tecnología (Huang et al., 2021).
En cuanto a la mejora del compromiso y motivación de los estudiantes a través de la IA, se observa
una percepción positiva tanto entre los alumnos como entre los profesores. Esto está en línea con
estudios previos que afirman que la IA, al personalizar el aprendizaje y ofrecer herramientas
innovadoras, puede aumentar la participación de los estudiantes (Woolf, 2020). Sin embargo, la
percepción de que las instituciones no están completamente preparadas para implementar la IA, como
se refleja en las respuestas, coincide con investigaciones previas que destacan las barreras como la
falta de infraestructura, capacitación docente y recursos financieros como obstáculos para la adopción
efectiva de la IA (Kumar et al., 2020).
Implicaciones
Teóricas: El estudio reafirma que la IA tiene un impacto potencialmente transformador en la educación
superior, tanto en términos de motivación como en la personalización del aprendizaje. La percepción
positiva de los docentes y estudiantes sobre la capacidad de la IA para mejorar la experiencia educativa
es consistente con el cuerpo de literatura que aboga por la integración de la IA para apoyar la
enseñanza y el aprendizaje. Estos hallazgos son importantes para la construcción de teorías que
exploran cómo las tecnologías emergentes afectan los procesos pedagógicos y la motivación de los
estudiantes (Zawacki-Richter et al., 2019).
Prácticas: Desde una perspectiva práctica, este estudio sugiere que, aunque los alumnos y profesores
ven los beneficios de la IA, las instituciones educativas aún necesitan mejorar su preparación para
implementar estas tecnologías de manera efectiva. Las universidades deben invertir en infraestructura
tecnológica adecuada y en programas de capacitación docente para maximizar el uso de la IA en el
aula. Además, deben abordar los riesgos éticos asociados, como la privacidad de los datos y los
sesgos en los algoritmos, para garantizar una implementación ética y equitativa (Gedik, 2020).
Limitaciones
Una de las principales limitaciones de este estudio es el tamaño de la muestra, ya que se basó en
encuestas a 600 alumnos y 150 profesores, lo que puede no ser representativo de todas las
instituciones de educación superior. Además, las respuestas se basan en percepciones y no en una
observación directa de cómo la IA ha sido implementada o utilizada efectivamente en las instituciones.
Esto puede haber influido en los resultados, ya que algunas personas podrían tener una percepción
más positiva o negativa de la IA sin haber experimentado su uso directo. Otra limitación es la falta de
variabilidad en las respuestas, lo que podría haber sido influenciado por la falta de diversidad en el tipo
de instituciones educativas (por ejemplo, públicas vs privadas, nacionales vs internacionales).
Recomendaciones
Futuras líneas de investigación deberían centrarse en estudiar la implementación efectiva de la IA en
diversas instituciones educativas, con un enfoque en cómo las universidades abordan los desafíos de
infraestructura, capacitación y ética en el uso de la IA.
También sería beneficioso realizar estudios longitudinales para evaluar cómo las percepciones de los
estudiantes y profesores sobre la IA cambian a lo largo del tiempo, especialmente después de la
implementación de programas de capacitación o el uso intensivo de tecnologías basadas en IA en el
aula.
A futuro, sería importante realizar investigaciones que analicen el impacto directo de la IA en el
desempeño académico de los estudiantes, comparando sus resultados antes y después de la
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, abril, 2025, Volumen VI, Número 2 p 2383.
integración de tecnologías de IA en el aula, con el fin de comprender de manera más precisa su
efectividad.
CONCLUSIÓN
Respuesta a preguntas de investigación
¿Cuáles son los principales factores que limitan la implementación de la IA en la educación superior?
Los principales factores que limitan la implementación de la IA en la educación superior incluyen la
falta de capacitación docente, los altos costos de implementación, la falta de infraestructura
tecnológica adecuada y la resistencia al cambio dentro de la comunidad académica. Además, los
aspectos éticos relacionados con la privacidad de los datos y la transparencia en los algoritmos
también son barreras significativas.
¿Cómo perciben los docentes y estudiantes el impacto de la IA en el proceso educativo?
Tanto docentes como estudiantes perciben que la IA tiene un impacto positivo en el proceso educativo,
especialmente en la personalización del aprendizaje y en la mejora de la motivación de los estudiantes.
Sin embargo, algunos docentes y estudiantes se muestran cautelosos ante la integración total de la IA,
citando preocupaciones sobre la falta de preparación institucional y los riesgos éticos involucrados. A
pesar de estas preocupaciones, la mayoría de los encuestados creen que la IA tiene el potencial de
mejorar los procesos de enseñanza y aprendizaje.
¿Qué estrategias han demostrado ser efectivas para la integración de la IA en instituciones
académicas?
Las estrategias más efectivas para la integración de la IA incluyen la capacitación continua de los
docentes en el uso de tecnologías de IA, el establecimiento de infraestructuras tecnológicas
adecuadas, y la creación de políticas claras sobre el uso de la IA que aborden tanto la ética como la
privacidad. Además, la colaboración entre instituciones educativas, empresas tecnológicas y expertos
en IA puede facilitar una implementación más efectiva y adaptada a las necesidades de cada
institución.
¿Cuáles son los riesgos éticos asociados a la IA en el ámbito educativo y cómo pueden ser mitigados?
Los riesgos éticos asociados con la IA en el ámbito educativo incluyen la posibilidad de sesgos en los
algoritmos que puedan afectar la toma de decisiones sobre el rendimiento de los estudiantes y la
privacidad de los datos. Para mitigar estos riesgos, es crucial implementar políticas de transparencia
en el uso de la IA, garantizar la privacidad de los datos personales de los estudiantes, y realizar
auditorías regulares de los sistemas de IA para detectar y corregir posibles sesgos. Además, la
educación ética para los desarrolladores de IA y los educadores es fundamental para asegurar que los
sistemas sean justos y equitativos.
Este estudio ha explorado la percepción de los alumnos y profesores sobre la implementación de la
Inteligencia Artificial (IA) en la educación superior, abordando los retos, barreras y el impacto que esta
tecnología emergente puede tener en los procesos de enseñanza-aprendizaje. Los resultados
muestran que, aunque existe un nivel moderado de conocimiento sobre la IA, tanto alumnos como
profesores están generalmente de acuerdo en que la IA tiene el potencial de mejorar el aprendizaje y
personalizar la educación. Sin embargo, se identificaron preocupaciones importantes sobre los riesgos
éticos, la falta de capacitación docente y la infraestructura tecnológica como barreras significativas
para la adopción efectiva de la IA.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, abril, 2025, Volumen VI, Número 2 p 2384.
En términos de impacto, tanto los estudiantes como los profesores perciben una mejora en la
motivación, el compromiso y la calidad del aprendizaje cuando se implementan herramientas de IA,
aunque se reconoce que las instituciones aún no están completamente preparadas para una
implementación a gran escala. Las implicaciones de estos hallazgos son cruciales, ya que resaltan la
necesidad de políticas institucionales que fomenten la capacitación continua y la inversión en
infraestructura para hacer frente a los desafíos asociados con la integración de la IA en la educación
superior.
El estudio también pone en evidencia las limitaciones de la investigación, como la representación
desigual de los participantes en términos de experiencia con la IA y la falta de una visión longitudinal
sobre los efectos a largo plazo de la implementación de esta tecnología. Futuras investigaciones
podrían explorar más a fondo estos aspectos, así como la influencia de la IA en la equidad educativa y
la adaptación de las metodologías docentes en diferentes contextos geográficos y culturales.
La investigación reafirma la relevancia de la Inteligencia Artificial en la educación superior como una
herramienta con un potencial significativo para transformar la enseñanza y el aprendizaje. No obstante,
su implementación exitosa dependerá de una preparación institucional adecuada, una formación
constante del profesorado y una consideración ética cuidadosa sobre los impactos de la tecnología en
los estudiantes y la comunidad educativa.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, abril, 2025, Volumen VI, Número 2 p 2385.
REFERENCIAS
Aoun, J. E. (2017). Robot-proof: Higher education in the age of artificial intelligence. MIT Press.
Aoun, J. E. (2017). Robot-proof: Higher education in the age of artificial intelligence. MIT Press.
Bandura, A. (1977). Social learning theory. Prentice-Hall.
Brougham, D., & Haar, J. (2020). Artificial intelligence and the future of work: A functional approach to
examining employment. Journal of Business Research, 120, 1-9.
Brougham, D., & Haar, J. M. (2020). Smart technology, artificial intelligence, robotics, and algorithms
(STARA): Employees’ perceptions of technological impacts. International Journal of Manpower, 41(5),
509-529. https://doi.org/10.1108/IJM-11-2018-0357
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information
technology. MIS Quarterly, 13(3), 319-340.
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Artificial intelligence and the future of
learning. University College London.
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI
in education. Pearson.
Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for
teacher knowledge. Teachers College Record, 108(6), 1017-1054.
Piaget, J. (1950). The psychology of intelligence. Routledge & Kegan Paul.
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Polity Press.
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Polity Press.
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard
University Press.
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on
artificial intelligence applications in higher education. International Journal of Educational Technology
in Higher Education, 16(1), 39.
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on
artificial intelligence applications in higher education: Where are the educators? International Journal
of Educational Technology in Higher Education, 16(1), 1-27. https://doi.org/10.1186/s41239-019-0171-
0
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, publicados en
este sitio está disponibles bajo Licencia Creative Commons .