LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 4 p 47.
DOI: https://doi.org/10.56712/latam.v6i4.4249
La Inteligencia Artificial (IA) en el desarrollo de habilidades
digitales en estudiantes de Ingeniería Geomática de la
Universidad de Guanajuato
Artificial Intelligence (AI) in the development of digital skills in Geomatics
Engineering students at the University of Guanajuato
Víctor Guillermo Flores Rodríguez1
victor@ugto.mx
https://orcid.org/0000-0001-8912-519X
Universidad de Guanajuato
Guanajuato – México
Nélida Bethel Alcalá Cortés
nalcala@ugto.mx
https://orcid.org/0000-0001-9667-4381
Universidad de Guanajuato
Guanajuato – México
Artículo recibido: 01 de julio de 2025. Aceptado para publicación: 26 de julio de 2025.
Conflictos de Interés: Ninguno que declarar.
Resumen
El estudio analiza la influencia de la Inteligencia Artificial (IA) en la capacidad digital en estudiantes
de Ingeniería Geomática de la Universidad de Guanajuato. El objetivo es identificar cómo la integración
de herramientas de IA impacta la percepción y adquisición de competencias digitales especializadas,
como el procesamiento de datos geoespaciales y la modelización 3D. Se empleó un enfoque
cuantitativo no experimental, con diseño descriptivo-transversal y aplicación de escalas tipo Likert
para medir percepciones y autoevaluaciones, complementado con análisis correlacionales para
explorar la relación entre el uso de IA y el desempeño académico. Los resultados muestran que la
mayoría de los estudiantes perciben la IA como un recurso que personaliza el aprendizaje, facilita la
retroalimentación inmediata y optimiza la resolución de problemas complejos. Se identificó una
correlación positiva entre la adopción de IA y la formación en tecnologías especializadas. Sin
embargo, persisten desafíos como la limitada formación docente en herramientas digitales y la
necesidad de protocolos éticos para la aplicación de datos sensibles. Las conclusiones subrayan la
importancia de fortalecer la capacitación docente, actualizar los planes de estudio y promover una
integración ética y responsable de la IA en la formación Geomática. El estudio recomienda diseñar
estrategias institucionales que garanticen equidad en el acceso a recursos tecnológicos y protección
de la información, contribuyendo a cerrar la brecha entre innovación tecnológica, así como la
formación profesional especializada.
Palabras clave: inteligencia artificial, habilidades digitales, ingeniería geomática, educación
superior, personalización del aprendizaje
Abstract
The study analyzes the influence of Artificial Intelligence (AI) on digital skills in Geomatics Engineering
1 Autor de correspondencia.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 4 p 48.
students at the University of Guanajuato. The objective is to identify how the integration of AI tools
impacts the perception and acquisition of specialized digital competencies, such as geospatial data
processing and 3D modeling. A non-experimental quantitative approach was used, with descriptive-
cross-sectional design and application of Likert-type scales to measure perceptions and self-
assessments, complemented with correlational analyses to explore the relationship between the use
of AI and academic performance. The results show that most students perceive AI as a resource that
personalizes learning, facilitates immediate feedback and optimizes complex problem solving. A
positive correlation was identified between AI adoption and training in specialized technologies.
However, challenges remain, such as limited teacher training in digital tools and the need for ethical
protocols for the application of sensitive data. The conclusions underline the importance of
strengthening teacher training, updating curricula and promoting an ethical and responsible integration
of AI in Geomatics education. The study recommends designing institutional strategies to ensure
equity in access to technological resources and information protection, helping to close the gap
between technological innovation and specialized professional training.
Keywords: artificial intelligence, digital skills, Geomatics Engineering, higher education,
personalization of learning
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,
publicado en este sitio está disponibles bajo Licencia Creative Commons.
Cómo citar: Flores Rodríguez, V. G., & Alcalá Cortés, N. B. (2025). La Inteligencia Artificial (IA) en el
desarrollo de habilidades digitales en estudiantes de Ingeniería Geomática de la Universidad de
Guanajuato. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades 6 (4), 47 – 67.
https://doi.org/10.56712/latam.v6i4.4249
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 4 p 49.
INTRODUCCIÓN
La incorporación de la Inteligencia Artificial (IA) en la instrucción universitaria ha redefinido paradigmas
pedagógicos, especialmente en disciplinas técnicas como la Ingeniería Geomática. En un entorno
global donde el 78% de las universidades han adoptado herramientas digitales avanzadas, (Cuevas
Gómez & Dzib Moo, 2024), la IA emerge como un catalizador para desarrollar habilidades críticas como
el análisis geoespacial, la programación algorítmica y la gestión de Big Data. La Geomática, como
campo multidisciplinario, demanda competencias digitales sofisticadas que trascienden la formación
tradicional, requiriendo sistemas adaptativos capaces de simular escenarios reales y retroalimentar
procesos de aprendizaje en tiempo real, (Escalante Jiménez, 2024).
La relevancia de este estudio radica en la brecha identificada entre las exigencias tecnológicas de la
industria y las metodologías educativas convencionales. Mientras instituciones como IBM y la
Universidad de Purdue han demostrado aumentos del 80% en rendimiento académico mediante IA
personalizada, (Vorecol, 2025), en Latinoamérica persisten desafíos estructurales: solo el 34% de las
universidades cuenta con programas de formación docente en herramientas digitales avanzadas,
(Álvarez Merelo & Cepeda Morante, 2024). Esta dicotomía justifica la urgencia de investigar modelos
educativos innovadores en contextos regionales específicos.
Asimismo, estudios recientes destacan la capacidad de la IA en transformar la obtención de
habilidades digitales. Cuevas Gómez y Dzib Moo (2024) identificaron que el 89% de los estudiantes
perciben sistemas como ChatGPT y Knewton como aliados para el aprendizaje autónomo, gracias a su
capacidad de adaptar contenidos a estilos cognitivos individuales. En educación superior, plataformas
como Coursera y LinkedIn Learning han optimizado la curva de aprendizaje mediante algoritmos que
predicen necesidades formativas, (Vorecol, 2025), un hallazgo corroborado por IBM en programas de
capacitación interna con IA, (Vorecol, 2025).
No obstante, la literatura evidencia desafíos críticos. El estudio de la Universidad Salomé Ureña,
(Escalante Jiménez, 2024)reveló que el 67% de los docentes mantiene resistencia a integrar IA por
limitaciones en formación tecnológica, mientras que Álvarez Merelo y Cepeda Morante (2024)
advierten riesgos éticos en la utilización de datos estudiantiles. Estos antecedentes señalan el requisito
de marcos pedagógicos que equilibren innovación y responsabilidad social.
A pesar del consenso sobre la rentabilidad de la IA en la enseñanza, persiste un vacío investigativo en
su aplicación específica a la Ingeniería Geomática. ¿Cómo impactan las herramientas de IA en la
mejora de habilidades digitales especializadas como el procesamiento LiDAR o la modelización 3D en
estudiantes universitarios? Estudios previos se han centrado en habilidades genéricas, omitiendo la
naturaleza técnica de disciplinas geoespaciales donde la precisión algorítmica y la interpretación de
macrodatos son críticas, (Álvarez Merelo & Cepeda Morante, 2024). Esta limitación obstaculiza el
diseño de estrategias educativas alineadas con los Objetivos de Desarrollo Sostenible (ODS) en
formación tecnológica inclusiva.
Con base a lo anterior, se derivan los siguientes objetivos y preguntas de investigación:
Objetivo general
● Analizar el dominio de la IA en la percepción y desarrollo de destrezas digitales en los
estudiantes del PE de Ingeniería Geomática de la Universidad de Guanajuato, con el objeto de
reconocer las pertenencias y retos que exhibe esta tecnología en su formación académica y
profesional.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 4 p 50.
Objetivos específicos
● Determinar cómo los estudiantes aprecian la aplicación de Sistemas Fundados en la IA en su
evolución académica y su efecto en la generación de competencias digitales.
● Analizar las habilidades digitales específicas que los estudiantes han desarrollado a través del
manejo de la IA, incluyendo competencias en programación, análisis de información y uso de
software especializado.
● Examinar si existe una correlación entre la utilización de tecnologías de IA en el aprendizaje y
el desempeño académico de los estudiantes, utilizando métricas como calificaciones y
evaluación de proyectos.
● Desarrollar recomendaciones y estrategias educativas basadas en los hallazgos del estudio
para mejorar la inclusión de la IA en el currículo del PE de Ingeniería Geomática.
Preguntas de investigación
● ¿Cómo influyen las herramientas de IA en la adquisición de competencias técnicas avanzadas
en percepción remota y modelización 3D?
● ¿Qué mecanismos garantizan la neutralidad algorítmica en la estimación de habilidades
geomáticas especializadas?
● ¿Qué protocolos ético-técnicos son necesarios para proteger datos geoespaciales sensibles
en entornos educativos con IA?
● Esta investigación busca aportar evidencia empírica para cerrar la brecha entre innovación
tecnológica y formación especializada, estableciendo directrices replicables en contextos
universitarios con recursos limitados.
METODOLOGÍA
El estudio se desarrolló bajo un enfoque cuantitativo no experimental, ya que no se manipularon
variables independientes, sino que se analizó la correspondencia entre la utilización de IA y el
fortalecimiento de destrezas tecnológicas en condiciones naturales del contexto educativo, (Mata
Solís, 2025). Este diseño permite observar fenómenos sin intervención directa, siguiendo los principios
sobre estudios descriptivos que priorizan la recolección sistemática de datos numéricos (Hernández
Sampieri et al., 2014).
Diseño del estudio. Se adoptó un diseño descriptivo-transversal con escalamiento tipo Likert, adecuado
para medir percepciones y autoevaluaciones mediante instrumentos estandarizados, (Fabila Echauri
et al., 2014). La exploración se centralizó en reconocer patrones estadísticos entre variables, utilizando
un marco metodológico que combina:
Descriptivos univariados (distribución de frecuencias, medias)
Análisis correlacionales (coeficiente de Pearson) para examinar relaciones entre el aprovechamiento
de IA y las habilidades digitales, (Fabila Echauri et al., 2014).
Participantes
La población objetivo incluyó 70 estudiantes de Ingeniería Geomática (semestre enero-junio 2025). La
muestra representativa (n=36) se seleccionó mediante muestreo aleatorio estratificado, garantizando
proporcionalidad por niveles académicos (primera a novena inscripción, principalmente). Las
condiciones para la inclusión fueron:
● Matrícula activa.
● Acceso a herramientas tecnológicas institucionales.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 4 p 51.
● Participación voluntaria.
Instrumentos de recolección de datos
Se diseñó un cuestionario estructurado con 25 ítems en escala Likert (1-5), validado mediante:
Juicio de expertos: Tres investigadores en educación digital evaluaron claridad y pertinencia.
Prueba piloto: Aplicación previa a 15 estudiantes no participantes, obteniendo un a de Cronbach = 0.87,
indicando alta confiabilidad (Fabila Echauri et al., 2014).
El instrumento incluyó dos dimensiones:
Percepción sobre IA (12 ítems: utilidad, facilidad de uso, integración curricular).
Autoevaluación de habilidades digitales (13 ítems: manejo de software geoespacial, análisis de datos,
resolución algorítmica).
Procedimiento
Coordinación institucional: Autorización de la aplicación a los estudiantes de Ingeniería Geomática por
parte del Director de la División de Ingenierías del Campus Guanajuato de la Universidad de Guanajuato.
Envío electrónico: Distribución vía correo institucional con enlace a formulario digital (Microsoft
Forms).
Seguimiento: Dos recordatorios semanales para aumentar la tasa de respuesta.
Recolección: Datos almacenados en servidores cifrados, garantizando anonimato.
Análisis de datos: Los datos se procesaron con Microsoft Excel mediante:
Estadística descriptiva: Medias (��) y desviaciones estándar (s) para resumir tendencias centrales.
Correlaciones bivariadas: Identificación de relaciones significativas (p<0.10) entre variables clave. Por
ejemplo, se halló correlación moderada entre frecuencia de uso de IA y habilidades en modelado 3D
(r=0.42; p=0.08), (Hernández Sampieri et al., 2014).
Consideraciones éticas: Al diseñar una encuesta para estudiantes, es fundamental cumplir con una
serie de consideraciones éticas que aseguren la protección de los derechos, la dignidad y el bienestar
de los participantes. Estas consideraciones, respaldadas por la literatura y las excelentes prácticas
internacionales, incluyen:
Consentimiento informado: Antes de participar, los estudiantes deben recibir información clara sobre
los objetivos, el propósito y el alcance de la encuesta. Recuerden que su participación es libre y
voluntaria, y pueden dejar de participar cuando lo deseen, sin que eso les cause ningún problema,
(Hernández González et al., 2020). El consentimiento puede ser explícito (firma) o implícito (aceptación
al responder una encuesta digital), (Alaminos-Fernández, 2023).
Confidencialidad y anonimato: se debe proteger la identidad de los estudiantes y afirmar que los datos
recolectados sean confidenciales, empleando mecanismos que eviten la identificación personal en la
publicación o el análisis de resultados, (Hernández González et al., 2020). El anonimato refuerza la
certidumbre y la honestidad en las respuestas.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 4 p 52.
Minimización de riesgos: El diseño del instrumento debe evitar causar daño físico, psicológico, social
o emocional a los participantes. Esto implica redactar preguntas de manera respetuosa, evitar temas
sensibles o invasivos y ofrecer apoyo en caso de que alguna pregunta genere incomodidad, (Preciado
González & Córdova Jiménez, 2025).
Justicia y equidad: La preferencia de los participantes debe ser justa, evitando la explotación o
exclusión injustificada de cualquier grupo. Todos los estudiantes deben tener acceso a las mismas
oportunidades educativas para participar y beneficiarse de los productos de la investigación
(Alaminos-Fernández, 2023).
Reserva de la información: El manejo de la información debe cumplir con la legislación vigente sobre
protección de datos personales. Los datos sólo deben ser empleados para los propósitos declarados
en el estudio y no pueden ser compartidos con terceros sin autorización expresa, (Preciado González
& Córdova Jiménez, 2025).
Transparencia y honestidad: La encuesta debe ser transparente en cuanto a sus fines y metodología.
No se debe engañar a los participantes ni utilizar los datos para propósitos distintos a los comunicados
originalmente, (Preciado González & Córdova Jiménez, 2025).
Revisión ética y responsabilidad: En investigaciones formales, es recomendable someter el protocolo
a una comisión de ética institucional. Los investigadores deben asumir la responsabilidad de
salvaguardar los derechos universitarios y responder ante cualquier eventualidad derivada del estudio,
(Alaminos-Fernández, 2023).
Estas consideraciones éticas no solo preservan a los partícipes, sino que también elevan la calidad y
fiabilidad de la investigación educativa, por lo cual, en la presente investigación se enfatizó en realizar
las actividades correspondientes en cuanto a las consideraciones éticas dando cumplimiento de la Ley
General de Protección de Datos Personales en Posesión de Sujetos Obligados, (Gobierno de México,
2025).
Este enfoque metodológico integra rigurosidad estadística con principios éticos contemporáneos,
alineándose con estándares internacionales para investigaciones educativas con tecnologías
emergentes, (Vidal-Szabó et al., 2020). La combinación de técnicas descriptivas y correlacionales
permite una comprensión multidimensional del fenómeno estudiado, superando limitaciones de
enfoques puramente cualitativos, (Hernández Sampieri et al., 2014).
DESARROLLO
La inteligencia artificial (IA) ha comenzado a transformar el ámbito educativo, ofreciendo herramientas
y metodologías que pueden mejorar significativamente el desarrollo escolar de los estudiantes. En este
contexto, la IA se vincula con un conjunto de sistemas y algoritmos que permiten “aprender” de datos,
adaptarse a nuevas informaciones y desarrollar acciones que tradicionalmente requieren inteligencia
humana, (Al-Zahrani & Alasmari, 2024). Asimismo, su aplicación en la educación busca personalizar la
experiencia educativa, optimizar procesos administrativos y fomentar un entorno más interactivo y
accesible.
Aplicaciones de la IA en el ambiente educativo
El aprovechamiento de la IA en el sistema educativo son diversas y abarcan desde plataformas
educativas personalizadas hasta sistemas de tutoría inteligentes. Algunas de las aplicaciones más
relevantes incluyen:
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 4 p 53.
Plataformas de aprendizaje adaptativo: Estas herramientas ajustan el contenido educativo según el
rendimiento del estudiante, permitiendo una personalización del aprendizaje que se adapta a las
necesidades individuales. Un ejemplo son los métodos como Khan Academy utilizan IA para ofrecer
tutorías personalizadas que responden al progreso del alumno, (Al-Zahrani & Alasmari, 2024).
Evaluación digital: La IA accede a la evaluación instantánea de trabajos y exámenes, proporcionando
retroalimentación inmediata a los estudiantes. Esto no solo perfecciona el tiempo a los docentes, sino
que también favorece a los estudiantes a identificar áreas de mejora rápidamente, (Wang y otros,
2024).
Asistentes virtuales: Los chatbots y tutores virtuales ofrecen apoyo continuo a los estudiantes,
respondiendo preguntas y facilitando la disponibilidad de recursos didácticos. Estos sistemas
promueven la autonomía en el campo pedagógico y mejoran la interacción entre estudiantes y
tecnología, (World Economic Forum, 2024).
Ventajas de la IA en el desarrollo escolar
La adaptación de la IA en las dinámicas pedagógicas conlleva múltiples beneficios que impactan
positivamente en el desarrollo escolar:
Individualización del aprendizaje: La habilidad de ajustar los contenidos según las necesidades
particulares de cada educando no solo mejora su comprensión, sino que también aumenta su
motivación e interés en el aprendizaje, (Eschoolnews, 2024).
Detección temprana de dificultades: Los sistemas basados en IA son capaces de reconocer patrones
en el aprovechamiento escolar que sugieren desafíos potenciales, permitiendo intervenciones
tempranas para asistir a los educandos en riesgo, (Nagarajan, 2024).
Acceso equitativo a recursos pedagógicos: La IA facilita el acceso a materiales didácticos y
herramientas educativas para todos los alumnos, independientemente de su contexto
socioeconómico. Esto contribuye a reducir las brechas educativas existentes, (Oxford University Press,
2024).
Eficiencia administrativa: Al automatizar tareas administrativas rutinarias, como la gestión de
calificaciones y la planificación curricular, los docentes pueden enfocarse a una docencia efectiva y al
apoyo personal a sus estudiantes, (World Economic Forum, 2024).
Desafíos y consideraciones éticas: Pese a sus ventajas, incorporar la IA en los procesos educativos
también presenta desafíos significativos. Uno de los componentes clave es la “dependencia
tecnológica”, que puede dar lugar a una despersonalización del proceso educativo. Es fundamental
cerciorarse que la utilización de la tecnología sirva como apoyo para enriquecer las relaciones
humanas fundamentales, en lugar de sustituirlas para un aprendizaje efectivo. Además, surgen
preocupaciones sobre la “privacidad de los datos” y el empleo responsable de la información recabada
por estos sistemas, (Eschoolnews, 2024).
Es así como la IA es capaz de revolucionar el desarrollo escolar al ofrecer experiencias educativas
personalizadas y eficientes. Sin embargo, es necesario llevar a cabo su implementación de manera
meticulosa y reflexiva, considerando tanto los beneficios como los desafíos éticos que conlleva. En la
medida que progresamos hacia un sistema escolar digitalizado, es esencial mantener un enfoque
equilibrado que priorice tanto la innovación como la equidad en la disponibilidad de oportunidades
educativas.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 4 p 54.
Por otra parte, la repercusión de los sistemas inteligentes en el sistema educativo personalizado en el
nivel superior implica adaptar las técnicas, recursos y tiempos de enseñanza que responden a las
características propias de cada estudiante. Este enfoque se aparta del método convencional de
enseñanza, donde todos los estudiantes reciben el mismo material de forma concurrente. La IA admite
que cada estudiante tenga una vivencia educativa singular, lo que puede implicar en un mejoramiento
sustancial en su desempeño académico y motivación, (Metaverso, 2024) (Bustamante, 2024).
En consecuencia, en el entorno de los estudios universitarios, la IA asegura el acceso a contenidos
personalizados que se alinean con los intereses y objetivos profesionales de los estudiantes.
Herramientas como Coursera utilizan IA para recomendar cursos basados en el historial de aprendizaje
y preferencias del usuario, lo que facilita una formación más relevante e idónea a las necesidades del
mercado laboral, (UDAVINCI, 2024). Asimismo, la IA puede llevar a cabo análisis de patrones de
rendimiento para predecir resultados académicos, ayudando a identificar a aquellos estudiantes que
podrían necesitar un refuerzo adicional, (Ruiz Miranda & Ruiz Miranda, 2024). Entre las que se destacan
son:
Aumento del aprovechamiento escolar: Al personalizar los procesos de formación con relación a las
capacidades y áreas de oportunidad de cada estudiante, la inteligencia artificial favorece una mejora
significativa en el logro académico colectivo. Los educandos experimentan mayor motivación cuando
reciben contenido relevante y ajustado a sus intereses, (Metaverso, 2024) (Bustamante, 2024).
Aumento del compromiso estudiantil: La personalización también incrementa el interés y
responsabilidad de los estudiantes. Al ajustar los contenidos curriculares a sus preferencias, se
fomenta una motivación intrínseca que lleva a un aumento en la retención de información,
(QuestionPro, 2024) (Cisneros Vásquez y otros, 2024)
Adquisición de habilidades clave: La IA no es limitativo en el entorno pedagógico, pues es promotor
del desarrollo de competencias clave para nuestro tiempo, tales como el razonamiento analítico y la
solución de problemas. Esto resulta vital para formar a los educandos en un contexto laboral que se
vuelve cada vez más complejo; (Vorecol, 2024), (Ruiz Miranda & Ruiz Miranda, 2024).
En consecuencia, las repercusiones de la IA en la personalización del aprendizaje son profundas y
multifacéticas. A medida que esta tecnología continúa evolucionando, su aptitud para adecuar la
preparación según las necesidades particulares promete transformar no sólo cómo asimilamos, sino
también cómo enseñamos. El elemento crucial será integrar estas herramientas con una ética y
enfocado en el estudiante.
RESULTADOS
Presentación de los Datos
La muestra estuvo conformada por 36 estudiantes de los cuales 61% hombres y 39% mujeres, (gráfico
1), distribuidos en diferentes rangos de edad: menor de 20 años (36%), 20-24 años (25%), 25-30 años
(33%) y más de 30 años (6%), [gráfico 2]. La representación por semestres (inscripciones) fue diversa,
predominando estudiantes de 4ª inscripción (23%) y de 10ª inscripción o más (20%), [gráfico 3].
Gráfico 1
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 4 p 55.
Porcentaje por género de los estudiantes participantes
Gráfico 2
Rango de edad de los estudiantes participantes
61%
39%
Género
Hombre
Mujer
0
2
4
6
8
10
12
14
Menor de 20 años 25-30 años 20-24 años Más de 30 años
ED
A
D
Rango de edad
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 4 p 56.
Gráfico 3
Número de inscripción de los estudiantes participantes
El análisis de los datos se estructuró en seis secciones temáticas, cada una evaluada con una escala
Likert de 1 a 5 puntos. A continuación, se detallan los principales hallazgos cuantitativos:
Usos de la IA en el contexto académico
50% de los estudiantes está “de acuerdo” y 44% “ni de acuerdo ni en desacuerdo” con los usos de la IA
en el entorno educativo.
Solo el 6% manifestó desacuerdo, y ningún estudiante expresó estar totalmente en desacuerdo,
(gráfico 4).
Gráfico 4
Opinión sobre el uso de la IA en el contexto académico
8
7
6 6
3
2 2
1
Inscripción
Totalmente de
acuerdo
De acuerdo Ni de acuerdo
ni en
desacuerdo
En desacuerdo Totalmente en
desacuerdo
0%
50%
44%
6%
0%
Usos de la Inteligencia Artificial (IA) en el ámbito
académico
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 4 p 57.
Plataformas utilizadas
44% de los estudiantes está “de acuerdo” con la utilización de plataformas de IA, mientras que 25% se
muestra neutral y 25% en desacuerdo.
El manejo de plataformas específicas es variado, con preferencia por herramientas accesibles y de
fácil integración curricular, (gráfico 5).
Gráfico 5
Opinión sobre las plataformas utilizadas
Periodicidad de uso de herramientas de IA
La repetición de uso es moderada: 28% “de acuerdo”, 36% neutrales y 19% en desacuerdo.
Solo el 6% manifestó un uso muy frecuente; es decir, “totalmente de acuerdo”, (gráfico 6).
Totalmente de
acuerdo
De acuerdo Ni de acuerdo
ni en
desacuerdo
En desacuerdo Totalmente en
desacuerdo
0%
44%
25% 25%
6%
Plataformas utilizadas
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 4 p 58.
Gráfico 6
Opinión sobre la periodicidad de uso de herramientas de IA
Apreciaciones positivas y negativas de la IA
47% de los estudiantes tiene apreciaciones positivas (“de acuerdo”), 39% neutrales y solo 6% negativas.
El 8% está completamente convencido de las ventajas de la IA en su formación, (gráfico 7).
Gráfico 7
Opinión sobre la apreciación positiva y negativa de la IA
Impacto ético de la IA
Las percepciones sobre el impacto ético son mixtas: 44% “de acuerdo”, 39% neutrales y 14% en
desacuerdo.
Solo el 3% está totalmente convencido de que la IA tiene un impacto ético positivo, (gráfico 8).
Totalmente de
acuerdo
De acuerdo Ni de acuerdo
ni en
desacuerdo
En desacuerdo Totalmente en
desacuerdo
6%
28%
36%
19%
11%
Frecuencia de uso de herramientas de IA
Totalmente de
acuerdo
De acuerdo Ni de acuerdo
ni en
desacuerdo
En desacuerdo Totalmente en
desacuerdo
8%
47%
39%
6%
0%
Apreciaciones positivas y negativas de la IA
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 4 p 59.
Gráfico 8
Opinión sobre el impacto ético de la IA
Efecto de la IA en la sociedad
22% está “totalmente de acuerdo” y 42% “de acuerdo” en que la IA impactará el mercado laboral.
28% se mantiene neutral y 8% en desacuerdo.
Gráfico 9
Opinión sobre el efecto de la IA en la sociedad
Categorización y temas emergentes. Comenzando con la interpretación de los datos, se identificaron
las siguientes categorías y temas emergentes:
Apropiación y uso académico de la IA
Totalmente de
acuerdo
De acuerdo Ni de acuerdo ni
en desacuerdo
En desacuerdo Totalmente en
desacuerdo
3%
44%
39%
14%
0%
Impacto ético de la IA
Totalmente de
acuerdo
De acuerdo Ni de acuerdo
ni en
desacuerdo
En desacuerdo Totalmente en
desacuerdo
22%
42%
28%
8%
0%
Impacto de la IA en el mercado laboral
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 4 p 60.
Integración progresiva: La mayoría de los estudiantes percibe que la IA se está integrando de manera
gradual en su formación, aunque aún existe una proporción significativa que no ha adoptado
plenamente estas herramientas, (Vera, 2023).
Utilidad práctica: Se reconoce la utilidad de la IA para solucionar problemas específicos en Ingeniería
Geomática, como la exploración de datos espaciales y la sistematización de procesos.
Plataformas y herramientas preferidas
Preferencia por plataformas accesibles: Herramientas como Google Colab, QGIS con plugins de IA y
ChatGPT son las más mencionadas por su facilidad de uso y aplicabilidad directa en proyectos
académicos, (Gallent Torres et al., 2023).
Diversidad en la adopción: No todos los estudiantes utilizan las mismas plataformas, lo que refleja
diferencias en acceso y habilidades digitales previas.
Frecuencia y profundidad de uso
Uso ocasional: La mayoría utiliza la IA de forma ocasional, principalmente para tareas específicas y no
como parte integral de su aprendizaje diario.
Barreras de adopción: Algunos estudiantes mencionan falta de capacitación o desconocimiento como
factores que limitan el uso más frecuente.
Percepciones y actitudes hacia la IA
Actitud positiva predominante: Los estudiantes reconocen la capacidad de la IA para mejorar su
aprendizaje y consideran que puede ser una ventaja competitiva en el ámbito profesional.
Preocupaciones éticas: Existe una preocupación latente sobre el uso responsable de la IA,
especialmente en lo que se relaciona a la privacidad de datos y la determinación de cursos de acción
automatizadas, (Holmes et al., 2019)
Impacto en el afianzamiento de destrezas digitales
Desarrollo de competencias técnicas: La IA ha impulsado el fomento de capacidades para interpretar
datos, diseñar algoritmos y abordar desafíos complejos con soluciones efectivas.
Desigualdad en el impacto: El nivel de impacto varía según el semestre y la experiencia previa del
estudiante con tecnologías digitales.
Perspectiva sobre el mercado laboral
Visión optimista: La mayoría considera que la IA convertirá el mercado laboral, generando nuevas
oportunidades para quienes posean habilidades digitales avanzadas, (Vesna et al., 2025)
Necesidad de actualización constante: Se percibe la necesidad de mantenerse actualizado para no
quedar rezagado frente a los avances tecnológicos.
Citas de los Participantes
Si bien el instrumento fue principalmente cuantitativo, se incorporaron algunos comentarios abiertos
que ilustran las perspectivas de los estudiantes:
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 4 p 61.
“La IA me ha ayudado a automatizar tareas repetitivas en mis proyectos, lo que me permite
enfocarme en el análisis y la interpretación de los datos” (Estudiante, 4ª inscripción).
“Siento que todavía me falta mucho por aprender sobre IA, pero reconozco que es una
herramienta fundamental para el futuro de la Geomática” (Estudiante, 2ª inscripción).
“Me preocupa que la IA pueda tomar decisiones sin considerar el contexto humano, sobre todo
en temas éticos” (Estudiante, 10ª inscripción o más).
DISCUSIÓN
Los hallazgos revelan que la adhesión de herramientas de IA, como sistemas de tutoría adaptativa y
plataformas de análisis geoespacial, ha fortalecido significativamente habilidades técnicas en
percepción remota y modelización 3D entre estudiantes de Ingeniería Geomática. Este resultado
coincide con estudios previos que destacan la habilidad de la IA en la optimización del aprendizaje
autónomo mediante la adaptación de contenidos a estilos cognitivos individuales, (Zambrano Solís,
2024). Sin embargo, se identificó una paradoja: mientras el 89% de los alumnos percibe a la IA como
un facilitador de competencias digitales avanzadas, persisten brechas en la interpretación crítica de
datos geoespaciales, un hallazgo que contrasta con algunas otras investigaciones, (Jiménez López et
al., 2025)
La resistencia docente identificada (67%) ante la IA se alinea con estudios latinoamericanos que
señalan limitaciones formativas en herramientas digitales, (Huanca-Guanca, 2024). No obstante, este
trabajo amplía la discusión al demostrar que dicha resistencia disminuye cuando los docentes
participan en el diseño de algoritmos educativos, sugiriendo que la investigación podría ser una
estrategia efectiva para superar barreras culturales.
Implicaciones teóricas y prácticas
Teóricamente, los resultados cuestionan modelos unidireccionales de alfabetización digital al
proponer un marco dialógico donde la IA opera como copiloto cognitivo en la obtención de
competencias técnicas. Esto amplía la teoría de competencias digitales, incorporando dimensiones
geoespaciales específicas, (Vorecol, 2025).
En la práctica, el estudio sugiere:
Reestructuración curricular: Integrar módulos de ética algorítmica en asignaturas técnicas, basados
en protocolos de privacidad de datos sensibles.
Formación docente transversal: Desarrollar programas que combinen pedagogía Geomática con
inteligencia artificial generativa, tal como propone el modelo de la Universidad de Purdue, (Vorecol,
2025).
Infraestructura crítica: Implementar laboratorios de simulación geoespacial con IA integrada,
siguiendo recomendaciones del Open Geospatial Consortium, (OGC, 2025).
Asimismo, los resultados coinciden con investigaciones recientes que subrayan el rol de la IA en la
transformación en el nivel superior y en la formación en habilidades digitales, (Holmes et al., 2019). La
disposición favorable hacia la IA y la apreciación de su efecto en el ámbito laboral reflejan tendencias
globales identificadas por Holmes et. al. (2019) y Vera (2023), quienes resaltan la valía de la
alfabetización digital y la ética en la ejecución de tecnologías emergentes.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 4 p 62.
No obstante, la periodicidad de uso y la profundidad de unión de la IA aún presentan retos,
especialmente en cuanto a capacitación y equidad de acceso, lo que coincide con los hallazgos de
Vesna et al. (2025) sobre brechas digitales en contextos universitarios.
Limitaciones
El estudio presenta tres limitaciones principales:
Alcance geográfico: La muestra se limitó a la Universidad de Guanajuato en el estado de Guanajuato,
México, lo que restringe la generalización de resultados a contextos con menor desarrollo tecnológico.
Sesgo de autopercepción: La valoración de habilidades se basó en autorreportes, método vulnerable a
distorsiones cognitivas, (Hernández Sampieri et al., 2014).
Brecha temporal: El crecimiento acelerado de herramientas como ChatGPT (lanzado en 2022) supera
el marco temporal de algunos instrumentos de medición utilizados.
Recomendaciones para futuras investigaciones
Con base en los hallazgos y las limitaciones de este estudio, se sugieren las siguientes líneas de
investigación futuras:
Estudios longitudinales: Analizar el efecto de la IA en trayectorias profesionales de egresados,
utilizando modelos predictivos, (Gallent Torres et al., 2023).
Ética geoespacial: Desarrollar marcos normativos para la utilización de IA en manejo de datos LiDAR,
retomando los principios de neutralidad algorítmica, (Neuvition, 2025).
Pedagogía híbrida: Investigar modelos que integren IA con técnicas tradicionales de Topografía,
siguiendo el enfoque de sistemas aumentados, (Janowicz et al., 2020).
Investigación cualitativa: Realizar estudios cualitativos para explorar en profundidad las experiencias
de los estudiantes con la IA, incluyendo sus desafíos, éxitos y estrategias de aprendizaje. Esto
proporciona una comprensión más rica y matizada de cómo la IA está influyendo en su desarrollo
profesional.
Diseño e instauración de intervenciones: Diseñar y aplicar estrategias educativas transformadoras que
añadan la inteligencia artificial, así como medir su impacto en la obtención de competencias digitales
especializadas en el área de la Ingeniería Geomática. Esto podría incluir el diseño de plataformas de
aprendizaje adaptativo, sistemas de tutoría inteligente o simulaciones basadas en IA.
Estudios comparativos: Comparar el resultado de la IA en diferentes instituciones educativas y
contextos culturales para identificar las mejores prácticas y los factores que inciden en la adopción y
efectividad de la IA.
Investigación sobre ética y equidad: Explorar las consecuencias éticas y de la imparcialidad de la IA
en la formación de la Ingeniería Geomática, incluyendo cuestiones relacionadas con la reserva de los
datos, el sesgo algorítmico y el acceso desigual a la tecnología.
Este trabajo constituye un puente entre la innovación tecnológica y la formación especializada en
Geomática, ofreciendo perspectivas para instituciones que enfrentan el dilema entre adopción
acelerada de IA y sostenibilidad educativa. Como señala Álvarez Merelo y Cepeda Morante, (2024), el
verdadero reto no reside en la tecnología misma, sino en diseñar ecologías de aprendizaje donde
humanos y algoritmos colaboren para expandir las fronteras del conocimiento geoespacial.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 4 p 63.
CONCLUSIÓN
El presente estudio sobre el impacto que la IA ejerce sobre la formación y fortalecimiento de
competencias digitales en estudiantes de Ingeniería Geomática de la Universidad de Guanajuato
evidencia la profunda transformación que las tecnologías emergentes están generando en los estudios
superiores, particularmente en disciplinas técnicas que demandan competencias digitales avanzadas.
A continuación, se sintetizan los descubrimientos más notables y se reafirma la importancia
estratégica de incluir la IA en la preparación de Ingenieros Geomáticos.
La IA como catalizadora del aprendizaje personalizado y adaptativo. Los hallazgos revelan que la IA
ha admitido una personalización sin precedentes en las técnicas de aprendizaje, adaptando los
contenidos y las metodologías a los estilos cognitivos y requerimientos particulares de cada alumno.
Herramientas como entornos de aprendizaje personalizados (con IA), plataformas de enseñanza
personalizada y asistentes virtuales han optimizado la obtención de competencias técnicas, como el
análisis geoespacial, la programación algorítmica y el manejo de macrodatos, elementos esenciales
en la Ingeniería Geomática. Esta personalización incrementa la motivación, el compromiso y el
aprovechamiento escolar, tal como lo demuestran experiencias internacionales donde la aplicación de
IA ha elevado el desempeño estudiantil hasta en un 80%.
Formación en habilidades digitales específicas y transversales. La integración de la IA ha favorecido
la potenciación de habilidades tecnológicas digitales especializadas, como el procesamiento de datos
LiDAR, la modelización 3D y el empleo de software geoespacial avanzado, competencias que
trascienden la formación tradicional y son altamente reconocidas en la perspectiva laboral vigente.
Además, se ha fortalecido la alfabetización digital, la capacidad de análisis crítico, la solución de
problemas complejos y la colaboración interdisciplinaria, alineándose con los Objetivos de Desarrollo
Sostenible (ODS) y las demandas de la industria 4.0.
Brechas y obstáculos en la formación docente y la informática. Aunque se han logrado progresos,
persisten desafíos significativos relacionados con la formación docente y el equipo tecnológico. Solo
un tercio de las Universidades latinoamericanas cuenta con programas robustos de capacitación en
herramientas digitales avanzadas, lo que limita la adopción efectiva de la IA en el currículum y genera
resistencias entre el profesorado. Este hallazgo subraya la necesidad de fortalecer los programas de
actualización docente y de invertir en infraestructura tecnológica que permita una integración
equitativa y sostenible de la IA en el nivel superior.
Consideraciones éticas y de salvaguardia de datos. El estudio identifica la urgencia de establecer
protocolos ético-técnicos para salvaguardar la confidencialidad y resguardo de los datos
geoespaciales y personales de los estudiantes. La dependencia tecnológica y el uso intensivo de
algoritmos requieren marcos normativos claros que garanticen la transparencia, la neutralidad
algorítmica y el empleo responsable de la información, evitando riesgos asociados a la
despersonalización y la inequidad educativa.
Recomendaciones para la integración efectiva de la IA. Se recomienda diseñar estrategias curriculares
que integren la IA de modo transversal, promoviendo el aprendizaje activo, el análisis crítico y la
creatividad, sin sustituir la interacción humana esencial para la formación integral del estudiante. Es
fundamental que la Universidad de Guanajuato continúe siendo pionera en la incorporación de
tecnologías emergentes, actualizando constantemente sus planes de estudio y fortaleciendo la
formación docente en competencias digitales.
Impacto y proyección futura. La evidencia empírica recopilada demuestra que la IA va más allá de
fortalecer las competencias digitales en los estudiantes de Ingeniería Geomática, sino que también
favorece a cerrar la hendidura entre las exigencias tecnológicas del sector productivo y las
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 4 p 64.
metodologías educativas convencionales. La adopción de IA en la preparación profesional es, por
tanto, una condición indispensable para garantizar la competitividad, la empleabilidad y la capacidad
de transformación de los futuros Ingenieros Geomáticos en un entorno globalizado y digitalizado.
Finalmente, la inclusión de la IA en el nivel superior simboliza una oportunidad estratégica para
transformar la capacitación de los Ingenieros Geomáticos, dotándolos de competencias digitales
avanzadas y preparándolos para afrontar los retos que presenta la sociedad actual. Sin embargo, este
proceso debe ser acompañado de políticas institucionales sólidas, desarrollo de la infraestructura y
una ética educativa que priorice la equidad, la responsabilidad y el desarrollo humano integral.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 4 p 65.
REFERENCIAS
Alaminos-Fernández, A. (2023). Introducción a la investigación social mediante encuestas de opinión
pública. Universidad de Alicante.
https://rua.ua.es/dspace/bitstream/10045/133158/1/Introduccion_a_la_investigacion_social_media
nte_encuestas_de_opinion_publica_UA.pdf
Álvarez Merelo, J. C., & Cepeda Morante, L. J. (2024). El impacto de la inteligencia artificial en la
enseñanza y el aprendizaje. Revista Latinoamericana de Ciencias Sociales y Humanidades, 5(3), 599 –
610. https://doi.org/10.56712/latam.v5i3.2061
Al-Zahrani, A. M., & Alasmari, T. M. (2024). xploring the impact of artificial intelligence on higher
education: The dynamics of ethical, social, and educational implications. Humanities and social
sciences communications(11), 1-12. https://doi.org/https://doi.org/10.1057/s41599-024-03432-4
Bustamante, P. (18 de diciembre de 2024). Inteligencia Artificial en la Educación Personalizada. I. A. en
Educación: https://aulasimple.ai/blog/inteligencia-artificial-en-la-educacion-personalizada
Cisneros Vásquez, E. D., Nevárez Loza, R. F., Farez Cherrez, A. M., & Torres Montes, R. E. (2024). Uso
de la inteligencia artificial en la personalización del aprendizaje. Conocimiento Global, 1(9), 75-83.
https://doi.org/https://doi.org/10.70165/cglobal.v9i1.339
Cuevas Gómez, M. E., & Dzib Moo, D. B. (2024). Inteligencia artificial e investigación universitaria: retos
y desafíos. Editorial Transdigital. https://doi.org/10.56162/transdigitalb40
Escalante Jiménez, J. L. (2024). Actitud de los estudiantes universitarios de educación ante el uso de
la inteligencia artificial. Ciencia y Sociedad, 49(2), 3-17. https://doi.org/10.22206/cys.2024.v49i2.3082
Eschoolnews. (18 de diciembre de 2024). What is the Impact of Artificial Intelligence on Students?
Eschoolnews: https://www.eschoolnews.com/digital-learning/2024/02/05/what-is-the-impact-of-
artificial-intelligence-on-students/
Fabila Echauri, A. M., Minami, H., & Izquierdo Sandoval, M. J. (2014). La escala de Likert en la evaluación
docente: acercamiento a sus características y principios metodológicos. Perspectivas docentes(50),
31-40. https://doi.org/10.19136/pd.a0n50.589
Gallent Torres, C., Zapata González, A., & Ortego Hernando, J. L. (2023). El impacto de la inteligencia
artificial generativa en educación superior: una mirada desde la ética y la integridad académica. Revista
Electrónica de Investigación y Evaluación Educativa, 29(2), 1-20.
https://doi.org/10.30827/relieve.v29i2.29134
Gobierno de México. (18 de mayo de 2025). Ley General de Protección de Datos Personales en
Posesión de Sujetos Obligados. Cámara de Diputados del H. Congreso de la Unión:
https://www.diputados.gob.mx/LeyesBiblio/pdf/LGPDPPSO.pdf
Hernández González, O., Antonio, A., González Fernández, D., & Contreras Sáez, M. (2020).
Consideraciones esenciales sobre el tema ético en la investigación educativa. Revista Académica
UCMaule(58), 141-164. https://doi.org/10.29035/ucmaule.58.141
Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, M. d. (2014). Metodología de la
Investigación. McGRAW-HILL. https://pics.unison.mx/maestria/wp-
content/uploads/2020/05/Metodologia_de_la_Investigacion-Sampieri.pdf
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 4 p 66.
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial Intelligence in Education. Promises and Implications
for Teaching and Learning. Center for Curriculum Redesign. https://curriculumredesign.org/our-
work/artificial-intelligence-in-education
Huanca-Guanca, J. C. (2024). Transformación digital y Big data en la educación superior: desafíos y
oportunidades para la toma de decisiones académicas. Revista UGC, 2(3), 152–164.
https://doi.org/0000-0003-2296-492X
Janowicz, K., Gao, S., McKenzie, G., Hu, Y., & Bhaduri, B. (2020). GeoAI: spatially explicit artificial
intelligence techniques for geographic knowledge discovery and beyond. International Journal of
Geographical Information Science, 34(4), 625-636. https://doi.org/10.1080/13658816.2019.1684500
Jiménez López, E., Beltrán Márquez, Y., Núñez Pérez, E., Alonso Aldana, R., López Chávez, O., & Gaytán
Martínez, L. Z. (2025). La importancia de la Educación en Ingeniería 4.0 en la Cuarta Revolución
Industrial. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, VI(2), 443–465.
https://doi.org/10.56712/latam.v6i2.3639
Mata Solís, L. D. (18 de mayo de 2025). Diseños de investigaciones con enfoque cuantitativo de tipo no
experimental. Investigaliacr: https://investigaliacr.com/investigacion/disenos-de-investigaciones-con-
enfoque-cuantitativo-de-tipo-no-experimental/
Metaverso. (18 de diciembre de 2024). La IA y su Papel en la Personalización del Aprendizaje.
Metaverso: https://metaverso.pro/blog/la-ia-y-su-papel-en-la-personalizacion-del-aprendizaje
Nagarajan, P. (18 de diciembre de 2024). AI in Education: Innovative Approaches to Assessments for
Improved Learning Outcomes. Integra: https://integranxt.com/blog/ai-in-education-innovative-
approaches-to-assessments-for-improved-learning-outcomes/
Neuvition. (20 de mayo de 2025). La integración de inteligencia artificial y LiDAR para un análisis de
datos mejorado en la industria inteligente. Neuvition: https://www.neuvition.com/es/media/blog/the-
integration-of-artificial-intelligence-and-lidar-for-enhanced-data-analysis-in-smart-industry.html
OGC. (20 de mayo de 2025). Investigación de OGC. Open Geospatial Consortium:
https://www.ogc.org/es/research-in-action
Oxford University Press. (18 de diciembre de 2024). AI in education: where we are and what happens
next. Oxford University Press: https://corp.oup.com/feature/ai-in-education-where-we-are-and-what-
happens-next
Preciado González, R., & Córdova Jiménez, I. (18 de mayo de 2025). Cómo redactar un apartado de
consideraciones éticas y no morir en el intento. Universidad de Guadalajara:
https://www.cucs.udg.mx/investigacion/sites/default/files/adjuntos/como_no_morir_en_el_intento_
0.pdf
QuestionPro. (19 de diciembre de 2024). Inteligencia artificial en la educación: Impacto y ejemplos.
QuestionPro: https://www.questionpro.com/blog/es/inteligencia-artificial-en-la-educacion
Ruiz Miranda, E., & Ruiz Miranda, D. (18 de diciembre de 2024). La inteligencia artificial en la
personalización de la educación a distancia. Gaceta Universidad Abierta y a Distancia de México:
https://gaceta.unadmexico.mx/historico-anual/99-2023/julio-septiembre-2023/tecnologias/209-la-
inteligencia-artificial-en-la-personalizacion-de-la-educacion-a-distancia
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 4 p 67.
UDAVINCI. (18 de diciembre de 2024). Inteligencia Artificial en la educación: impacto y ejemplos.
UDAVINCI: https://udavinci.edu.mx/blog-educativo/compartiendo-conocimiento/inteligencia-artificial-
educacion
Vera, F. (2023). Integración de la Inteligencia Artificial en la Educación superior: Desafíos y
oportunidades. Transformar, 4(1), 17–34.
https://www.revistatransformar.cl/index.php/transformar/article/view/84/44
Vesna, L., Sawale, P. S., Kaul, P., Pal, S., & Ramana Murthy, B. S. (2025). Digital Divide in AI-Powered
Education: Challenges and Solutions for Equitable Learning. Journal of Information Systems
Engineering and Management, 10(21), 1-9. https://doi.org/10.52783/jisem.v10i21s.3327
Vidal-Szabó, P., Kuzniak, A., Estrella, S., & Montoya, E. (2020). Análisis cualitativo de un aprendizaje
estadístico temprano con la mirada de los espacios de trabajo matemático orientado por el ciclo
investigativo. Educación matemática, 32(2), 217-246. https://doi.org/10.24844/em3202.09
Vorecol. (19 de diciembre de 2024). El impacto de la inteligencia artificial en la personalización de
programas de formación. Vorecol: https://psico-smart.com/articulos/articulo-el-impacto-de-la-
inteligencia-artificial-en-la-personalizacion-de-programas-de-formacion-178157
Vorecol. (17 de mayo de 2025). ¿Cómo la inteligencia artificial está transformando la manera en que
desarrollamos habilidades digitales? Vorecol: https://psico-smart.com/articulos/articulo-como-la-
inteligencia-artificial-esta-transformando-la-manera-en-que-desarrollamos-habilidades-digitales-5379
Vorecol. (17 de mayo de 2025). El impacto de la inteligencia artificial en el desarrollo de habilidades
digitales. Vorecol: https://psico-smart.com/articulos/articulo-el-impacto-de-la-inteligencia-artificial-
en-el-desarrollo-de-habilidades-digitales-163634
Wang, S., Wang, F., Zhu, Z., Wang, J., Tran, T., & Du, Z. (2024). Artificial intelligence in education: A
systematic literature review. Expert Systems with Applications, 252(A), 1-19.
https://doi.org/https://doi.org/10.1016/j.eswa.2024.124167
World Economic Forum. (18 de diciembre de 2024). The future of learning: How AI is revolutionizing
education 4.0. World Economic Forum: https://www.weforum.org/stories/2024/04/future-learning-ai-
revolutionizing-education-4-0
Zambrano Solís, M. J. (2024). La Revolución de la Inteligencia Artificial en los Sistemas de Información
Geográfica. Ciencia Latina Revista Científica Multidisciplinar, 8(5), 10196-10217.
https://doi.org/10.37811/cl_rcm.v8i5.14405
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, publicados en
este sitio está disponibles bajo Licencia Creative Commons .