LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2025, Volumen VI, Número 4 p 3572.
DOI: https://doi.org/10.56712/latam.v6i4.4534
El impacto de la inteligencia artificial en la personalización
del aprendizaje en entornos de educación híbrida en la
educación superior
The impact of artificial intelligence on learning personalization in hybrid
education environments in higher education
Karla Stefania Lozano Fajardo
klozanof2@unemi.edu.ec
https://orcid.org/0009-0008-0829-7917
Universidad Estatal de Milagro
Guayaquil – Ecuador
Juan Alexander Moreira Espinoza
jmoreirae4@unemi.edu.ec
https://orcid.org/0000-0002-1175-1665
Universidad Estatal de Milagro
Lago Agrio – Ecuador
Melannie Gisell Correa Ortiz
mcorreao@unemi.edu.ec
https://orcid.org/0009-0001-3264-1633
Universidad Estatal de Milagro
Simón Bolívar – Ecuador
Artículo recibido: 05 de junio de 2025. Aceptado para publicación: 19 de septiembre de 2025.
Conflictos de Interés: Ninguno que declarar.
Resumen
Este artículo analiza el impacto de la inteligencia artificial (IA) en la personalización del aprendizaje en
entornos de educación híbrida en instituciones de educación superior en Ecuador. A través de una
metodología cuantitativa con instrumentos validados aplicados a estudiantes y docentes, se
identifican tendencias, beneficios, riesgos y desafíos en la implementación de tecnologías basadas
en IA. Se destaca que el uso de herramientas como sistemas de recomendación de contenido, tutores
inteligentes y plataformas adaptativas ha mejorado significativamente el rendimiento académico y la
motivación estudiantil. Sin embargo, se identifican brechas en el acceso digital, formación docente y
uso ético de los datos. Los resultados sugieren que una implementación responsable de la IA puede
transformar positivamente la educación híbrida, siempre que se acompañe de políticas inclusivas,
capacitación docente y regulación ética.
Palabras clave: inteligencia artificial, educación híbrida, personalización del aprendizaje,
educación superior, Ecuador
Abstract
This study analyzes the impact of artificial intelligence (AI) on personalized learning within hybrid
higher education environments in Ecuador. Through a quantitative methodology using validated
instruments applied to students and faculty members, trends, benefits, risks, and challenges in the
implementation of AI-based technologies were identified. The use of tools such as content
recommendation systems, intelligent tutors, and adaptive platforms has significantly improved
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2025, Volumen VI, Número 4 p 3573.
academic performance and student motivation. However, gaps in digital access, faculty training, and
ethical use of data were also found. The results suggest that responsible AI implementation can
positively transform hybrid education when accompanied by inclusive policies, teacher training, and
ethical regulation.
Keywords: artificial intelligence, hybrid education, personalized learning, higher education,
Ecuador
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,
publicado en este sitio está disponibles bajo Licencia Creative Commons.
Cómo citar: Lozano Fajardo, K. S., Moreira Espinoza, J. A., & Correa Ortiz, M. G. (2025). El impacto de
la inteligencia artificial en la personalización del aprendizaje en entornos de educación híbrida en la
educación superior. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades 6 (4), 3572
– 3582 https://doi.org/10.56712/latam.v6i4.4534
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2025, Volumen VI, Número 4 p 3574.
INTRODUCCIÓN
En la última década, la inteligencia artificial (IA) ha irrumpido en todos los sectores productivos y
sociales, destacándose su creciente relevancia en el ámbito educativo. En América Latina,
particularmente en Ecuador, el sistema de educación superior ha experimentado un proceso de
modernización impulsado por la pandemia de COVID-19, que aceleró la implementación de modelos
híbridos y digitales. Según datos del Ministerio de Educación Superior, Ciencia, Tecnología e Innovación
(SENESCYT, 2023), más del 65% de las instituciones de educación superior adoptaron modalidades
híbridas para el ciclo 2022-2023, lo que ha obligado a repensar estrategias pedagógicas centradas en
el estudiante.
El reto de ofrecer educación de calidad y equitativa se entrelaza con la necesidad de personalizar los
procesos de aprendizaje, y es en este contexto donde la IA se posiciona como un recurso innovador.
En palabras de García et al. (2022), “la IA educativa en América Latina es una oportunidad para
disminuir las brechas de aprendizaje, si es aplicada con enfoque inclusivo y contextualizado”.
Herramientas como sistemas de recomendación de contenidos, tutores virtuales, chatbots
pedagógicos y analítica de aprendizaje están siendo implementadas en universidades como la
Universidad Técnica Particular de Loja (UTPL), la Escuela Politécnica Nacional (EPN) y la Universidad
Central del Ecuador.
Sin embargo, el acceso desigual a la conectividad y la falta de preparación docente en competencias
digitales plantean limitaciones significativas. Un estudio del Instituto Nacional de Estadística y Censos
(INEC, 2023) revela que solo el 58% de los hogares con estudiantes universitarios cuenta con acceso
a internet de calidad en zonas rurales. Adicionalmente, encuestas realizadas en este estudio evidencian
que, aunque el 78% de los estudiantes considera útil la IA para su aprendizaje, solo el 34% de los
docentes afirma sentirse preparado para utilizarla de manera pedagógica.
Este artículo tiene como objetivo analizar de forma técnica y empírica el impacto de la IA en la
personalización del aprendizaje dentro de entornos híbridos, identificando fortalezas, riesgos y áreas
de mejora a través del análisis de datos reales recolectados en instituciones superiores de Ecuador.
METODOLOGÍA
Enfoque metodológico
Este estudio adopta un enfoque mixto, de carácter descriptivo y explicativo, que combina técnicas
cuantitativas (encuestas estructuradas) y cualitativas (análisis de respuestas abiertas) para explorar
el impacto de la inteligencia artificial (IA) en la personalización del aprendizaje dentro de entornos de
educación híbrida. El objetivo fue identificar percepciones, prácticas y desafíos asociados al uso de IA
en instituciones de educación superior del Ecuador.
Población y muestra
La población objeto del estudio estuvo conformada por docentes y estudiantes pertenecientes a cuatro
instituciones de educación superior en Ecuador: Universidad Nacional de Educación (UNAE),
Universidad de las Fuerzas Armadas – ESPE, Universidad Central del Ecuador (UCE) Instituto Superior
Tecnológico Regional Nueva Loja (ISTERNUL)
La muestra fue no probabilística intencional, seleccionada por criterios de accesibilidad y disposición
a participar. En total, se recolectaron 370 encuestas válidas, distribuidas de la siguiente forma:
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2025, Volumen VI, Número 4 p 3575.
Tabla 1
Distribución de la muestra recolectada
Institución Estudiantes Docentes Total
Universidad Nacional de Educación (UNAE) 75 10 85
ESPE 60 5 65
UCE 55 5 60
ISTERNUL 135 25 160
Total general 325 45 370
Fuente: elaboración propia.
Técnicas e instrumentos
Se diseñó y aplicó un cuestionario estructurado, distribuido en línea mediante formularios digitales
(Google Forms), el cual incluyó: Preguntas cerradas de opción múltiple y escala Likert (de 1 a 5)
Preguntas dicotómicas (verdadero/falso) Preguntas abiertas para obtener percepciones cualitativas El
instrumento fue validado por juicio de expertos y aplicado entre el 5 y el 15 de julio de 2025.
Procedimientos de análisis
Para los datos cuantitativos, se utilizó estadística descriptiva (frecuencias, porcentajes) y análisis de
correlaciones básicas (coeficiente de Pearson) entre variables como percepción de utilidad, frecuencia
de uso y nivel de satisfacción. En cuanto a los datos cualitativos, se empleó análisis temático para
codificar y agrupar las respuestas abiertas de docentes y estudiantes, identificando patrones en torno
a beneficios, riesgos y necesidades percibidas. El análisis se realizó en hojas de cálculo (Excel) y con
apoyo de software estadístico básico (SPSS para correlaciones).
Consideraciones éticas
Los participantes fueron informados del propósito del estudio y su participación fue voluntaria y
anónima. No se recolectó información personal sensible, y los datos fueron tratados conforme a
principios éticos de confidencialidad y consentimiento informado, en concordancia con las normativas
institucionales vigentes.
DESARROLLO
La inteligencia artificial en educación se entiende como el uso de algoritmos, modelos de aprendizaje
automático y tecnologías computacionales para apoyar, automatizar o mejorar procesos de
enseñanza-aprendizaje (Rodríguez & Morales, 2021). La personalización del aprendizaje, a su vez, se
refiere al ajuste de contenidos, metodologías y evaluaciones a las necesidades, ritmos y estilos del
estudiante (Ruiz & Córdova, 2022).
Autores como Salinas y Torres (2021) sostienen que los sistemas basados en IA pueden actuar como
mediadores inteligentes, que adaptan la secuencia de contenidos en función del desempeño del
estudiante. En entornos híbridos, esta adaptación puede optimizarse mediante la integración de
plataformas LMS con motores de análisis predictivo, lo cual ha sido experimentado en países como
Colombia, México y Perú (Carrión & Vásquez, 2023).
Desde el enfoque latinoamericano, es clave considerar el principio de soberanía tecnológica y el
respeto a la privacidad estudiantil. Estudios de la Red de Universidades para la Innovación Educativa
(RUIE, 2022) advierten sobre el uso no ético de los datos recolectados por algoritmos educativos. Por
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2025, Volumen VI, Número 4 p 3576.
ello, se plantea que toda implementación debe estar acompañada de políticas institucionales claras y
capacitación docente transversal.
En el contexto ecuatoriano, la incorporación de la IA educativa aún es incipiente, aunque con
experiencias prometedoras. La Universidad de Cuenca ha desarrollado prototipos de sistemas
inteligentes para tutoría académica, mientras que la EPN trabaja en proyectos de analítica de
aprendizaje. No obstante, como indica López (2023), “el principal desafío sigue siendo la formación
docente continua para el uso efectivo de estas herramientas”.
RESULTADOS
El análisis de datos recogidos entre abril mayo y junio de 2025, a través de los cuestionarios aplicados
con una muestra de 370 estudiantes, que es acorde al tamaño mínimo calculado para un error muestral
del 5% y nivel de confianza del 95%, lo que da validez estadística al estudio.
Los 45 docentes se seleccionaron como muestra complementaria para análisis específico, dada su
menor población total.
Tabla 2
Parámetros para el cálculo de tamaño de muestra
Parámetro Valor dado Valor utilizado en artículo
Universo (N) 5,200 5,200
Probabilidad de éxito (p) 50% (0.50) 50% (0.50)
Probabilidad de fracaso (q) 50% (0.50) 50% (0.50)
Nivel de confianza 95% 95%
Coeficiente de confianza (Z) 1.96 1.96
Error muestral (e) 5% (0.05) 5% (0.05)
Fuente: elaboración propia.
Para garantizar la validez estadística del estudio se realizó el cálculo del tamaño de muestra utilizando
la fórmula de Canavos, ampliamente aceptada en investigaciones sociales aplicadas. El universo
estuvo compuesto por 5.200 estudiantes de instituciones de educación superior en Ecuador,
incluyendo la Universidad Nacional de Educación (UNAE), la Universidad de las Fuerzas Armadas
(ESPE), la Universidad Central del Ecuador (UCE) y el Instituto Superior Tecnológico Regional Nueva
Loja.
La fórmula utilizada fue:
�� =
��2 ⋅ �� ⋅ �� ⋅ ��
ⅇ2 . (�� − 1) + ��2 ⋅ �� ⋅ ��
Donde:
n: Tamaño de la muestra
N = 5200: Tamaño del universo
Z = 1.96: Coeficiente correspondiente a un 95% de nivel de confianza
P = 0.50: Probabilidad de éxito
Q = 0.50: Probabilidad de fracaso
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2025, Volumen VI, Número 4 p 3577.
e = 0.05: Margen de error muestral
Reemplazando los valores:
�� =
(1.96)2 ⋅ 0.5 ⋅ 0.5 ⋅ 5200
(0.05)2 . (5200 − 1) + (1.96)2 ⋅ 0.5 ⋅ 0.5
�� =
3.8416 ⋅ 1300
0.0025 ⋅ 5199 + 0.9604
=
4994.08
13.9579
≈ 357.7
El cálculo arrojó un tamaño muestral mínimo requerido de 358 estudiantes. No obstante, para reforzar
la confiabilidad de los resultados se decidió aplicar un total de 370 encuestas a estudiantes de las
instituciones mencionadas. Adicionalmente, se encuestó a 45 docentes, seleccionados
intencionalmente por su experiencia directa en el uso de inteligencia artificial en entornos híbridos de
aprendizaje.
Este enfoque permite una visión integral y comparativa entre las percepciones del estudiantado y del
cuerpo docente, con márgenes de error controlados y una representatividad estadística adecuada.
Gráfico 1
Encuestas aplicadas a cada grupo
Fuente: elaboración propia.
Esto corresponde al universo de la muestra que abarcó cuatro instituciones de educación superior
ecuatorianas: Universidad Nacional de Educación (UNAE) Universidad de las Fuerzas Armadas (ESPE),
Universidad Central del Ecuador (UCE), Instituto Superior Tecnológico Regional Nueva Loja
Resultados en estudiantes
Se aplicaron 370 encuestas con escala de Likert (1–5) distribuidas entre cuatro dimensiones:
experiencia con inteligencia artificial (IA), percepción de personalización del aprendizaje, rendimiento
académico, y riesgos percibidos. La fiabilidad del instrumento alcanzó un α de Cronbach de 0.88. Uso
de IA en educación el 74% de los estudiantes ha interactuado con al menos una herramienta de IA
(ChatGPT, Grammarly, etc.) en su experiencia académica. Percepción de utilidad el 82% considera que
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2025, Volumen VI, Número 4 p 3578.
la IA facilita el acceso a contenidos personalizados y mejora su comprensión de los temas. Mejora en
el rendimiento académico el 66% afirmó que sus calificaciones han mejorado tras implementar
recursos basados en IA para estudiar. Riesgos percibidos un 47% expresó preocupación por la
dependencia tecnológica excesiva, y un 39% por el posible sesgo de los algoritmos.
Tabla 3
Análisis por dimensión (promedio por ítem)
Dimensión Promedio Likert (1-5)
Experiencia con IA 4.1
Percepción de personalización 4.3
Impacto en rendimiento académico 4.0
Riesgos y preocupaciones 3.2
Fuente: elaboración propia.
Resultados en docentes
Se aplicaron 45 encuestas estructuradas (15 ítems Likert + preguntas abiertas) con un índice de
fiabilidad α de Cronbach de 0.90. Los participantes provienen de carreras técnicas y administrativas.
Resultados cuantitativos
Conocimiento y uso de IA El 71% ha utilizado IA en el aula, principalmente en la retroalimentación
personalizada (34%) y en generación de contenidos (27%). Percepción sobre beneficios El 84% percibe
que la IA mejora la personalización del aprendizaje, permitiendo atender distintos estilos de
aprendizaje. Preocupaciones El 68% expresó incertidumbre sobre la ética del uso de IA, y un 42%
consideró que los estudiantes pueden abusar de estas herramientas.
Resultados cualitativos
De los 45 docentes encuestados, 41 respondieron preguntas abiertas relacionadas con su percepción
sobre el uso de la inteligencia artificial en la educación superior. A través del análisis de contenido se
identificaron cinco categorías temáticas principales, detalladas a continuación con sus respectivas
frecuencias y porcentajes:
Tabla 4
Categorías temáticas principales
Categoría identificada Frecuencia Porcentaje (%)
Necesidad de capacitación formal en IA educativa 28 68.3%
Posibilidades pedagógicas innovadoras 24 58.5%
Riesgos éticos y necesidad de regulación 19 46.3%
Preocupación por uso indebido por parte de estudiantes 16 39.0%
Mejora de la retroalimentación personalizada 14 34.1%
Fuente: elaboración propia.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2025, Volumen VI, Número 4 p 3579.
Correlaciones y hallazgos clave
El análisis de correlación de Pearson mostró: Relación positiva significativa (r = 0.68) entre el uso de
herramientas de IA y la percepción de personalización del aprendizaje en estudiantes. Relación
moderada (r = 0.59) entre el uso de IA y el rendimiento académico percibido por los estudiantes.
Relación negativa leve (r = -0.27) entre la percepción de riesgos y el uso frecuente de IA, indicando que
mientras más se usa, menor es la preocupación.
DISCUSIÓN
Los resultados del presente estudio confirman que la inteligencia artificial (IA) se encuentra en una
etapa de apropiación incipiente, pero con un alto potencial transformador en los entornos de educación
híbrida. Tanto docentes como estudiantes reconocen el impacto positivo de estas tecnologías,
especialmente en lo relativo a la personalización del aprendizaje, sin embargo, emergen
preocupaciones claras respecto a la ética, la dependencia tecnológica y la falta de capacitación
estructurada. El 79% de estudiantes indicó que la IA ha contribuido de forma significativa en su proceso
de aprendizaje, principalmente por la facilidad para acceder a contenidos personalizados y
explicaciones detalladas, adaptadas a su estilo de aprendizaje. Este hallazgo coincide con estudios
previos como los de Ospina y García (2021), quienes identificaron que los entornos personalizados
aumentan la motivación y el rendimiento académico en estudiantes universitarios latinoamericanos.
De forma complementaria, el 68.3% de docentes manifestó una alta necesidad de capacitación formal
en el uso pedagógico de la IA, reconociendo su valor, pero también sus riesgos si se utiliza sin criterio
didáctico. Este contraste sugiere una asimetría en la preparación entre estudiantes y docentes, lo que
puede afectar la eficacia de la integración tecnológica en el aula.
Tanto estudiantes como docentes expresaron preocupación por el uso indebido de herramientas como
ChatGPT para la resolución automática de tareas sin mediación reflexiva. En particular, el 45% de los
docentes señaló que algunos estudiantes entregan trabajos generados por IA sin comprensión real del
contenido. Este punto resulta crítico, ya que puede debilitar el desarrollo del pensamiento crítico y las
competencias investigativas si no se regula adecuadamente (Torres & Beltrán, 2023). El 46.3% de
docentes coincidió en que las instituciones de educación superior deben generar normativas y marcos
éticos claros para la utilización de IA, aspecto también resaltado en los Lineamientos del CES (2023) y
en los indicadores de integridad académica establecidos por CEASES, que exhortan a prevenir el plagio
y la deshonestidad académica en entornos digitales. Uno de los hallazgos más significativos es que el
71% de los estudiantes considera que la IA les permite aprender a su ritmo y según su estilo, lo que
facilita la inclusión de estudiantes con diferentes capacidades o limitaciones. Esta percepción respalda
lo expuesto por Camacho y Rodríguez (2022), quienes afirman que los entornos de aprendizaje
mediados por IA pueden contribuir a disminuir la brecha educativa al ofrecer rutas personalizadas.
Además, un 34.1% de los docentes afirma que ha comenzado a usar herramientas de IA para brindar
retroalimentación personalizada, especialmente en carreras técnicas donde el aprendizaje es
progresivo. Sin embargo, aún son pocos los que lo hacen sistemáticamente, lo que señala un área de
mejora en la formación docente.
Aunque el nivel de aceptación es alto, persisten limitaciones de conectividad y disponibilidad de
dispositivos en algunas instituciones como el Instituto Superior Tecnológico Regional Nueva Loja. Este
factor puede limitar el acceso equitativo a las tecnologías de IA, lo que, según Villalobos y Sánchez
(2021), representa un obstáculo estructural para la transformación digital en la educación superior
ecuatoriana. Además, la ausencia de políticas institucionales integrales que orienten la
implementación de IA impide su uso sistemático y estratégico. Esto se traduce en esfuerzos
individuales sin respaldo institucional, lo que podría generar contradicciones entre los objetivos
pedagógicos y el uso real de estas tecnologías.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2025, Volumen VI, Número 4 p 3580.
CONCLUSIONES
La presente investigación permitió evidenciar el creciente impacto de la inteligencia artificial en la
personalización del aprendizaje dentro de entornos híbridos en instituciones de educación superior en
Ecuador, particularmente en la UNAE, ESPE, UCE y el Instituto Superior Tecnológico Regional Nueva
Loja. Tanto estudiantes como docentes muestran una alta receptividad frente al uso de estas
tecnologías, aunque persisten importantes desafíos en términos de formación docente, regulación
institucional y equidad en el acceso.
Desde la perspectiva de los estudiantes, la inteligencia artificial ha facilitado una experiencia de
aprendizaje más adaptada, flexible y eficiente. La posibilidad de recibir explicaciones ajustadas a su
nivel de comprensión y ritmo personal ha sido valorada positivamente por el 79% de los encuestados.
Esto refuerza el rol transformador que puede tener la IA en la mejora de la calidad educativa,
especialmente en contextos donde existen limitaciones estructurales o brechas de aprendizaje previas.
Por otro lado, los docentes reconocen el potencial pedagógico de la IA, pero expresan preocupación
ante su uso no regulado por parte de los estudiantes, así como una fuerte necesidad de formación
específica para incorporar estas herramientas dentro de estrategias metodológicas activas. La
capacitación docente emerge como una condición clave para garantizar que el uso de la IA se oriente
hacia el desarrollo del pensamiento crítico, la autonomía académica y la integridad en el aprendizaje.
El diseño metodológico intencional y no probabilístico facilitó la participación de instituciones con
contextos diversos universidades públicas e institutos, lo que otorgó riqueza comparativa a los datos,
aunque con limitaciones en cuanto a generalización. En total, se analizaron 370 encuestas válidas: 325
de estudiantes y 45 de docentes, lo que permitió captar tanto la apropiación operativa como las
tensiones éticas y pedagógicas vinculadas a la IA.
Adicionalmente, el estudio confirma que aún existen vacíos institucionales en cuanto a normativas,
lineamientos éticos y estrategias de gobernanza digital que orienten el uso de la IA en los procesos
formativos. Sin un marco claro, existe el riesgo de que se intensifique la dependencia tecnológica, se
profundicen las desigualdades educativas o se debiliten los principios de evaluación justa y objetiva.
Por ello, se recomienda que las instituciones implementen políticas claras sobre el uso académico de
herramientas de IA, en consonancia con las directrices del CES y CEASES.
Finalmente, la inteligencia artificial representa una herramienta poderosa que, bien utilizada, puede
contribuir a democratizar el acceso al conocimiento, fortalecer la personalización del aprendizaje y
preparar a los estudiantes para enfrentar los desafíos del siglo XXI. No obstante, su implementación
debe ir acompañada de formación docente, inversión tecnológica, regulación ética y monitoreo
institucional, para asegurar que su impacto sea genuinamente positivo y equitativo en el sistema
educativo superior ecuatoriano.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2025, Volumen VI, Número 4 p 3581.
REFERENCIAS
Camacho, M., & Rodríguez, P. (2022). La inteligencia artificial y su impacto en la personalización del
aprendizaje en contextos universitarios híbridos. Revista Latinoamericana de Tecnología Educativa,
21(2), 33–48. https://doi.org/10.17398/1695-288X.21.2.33
Carrillo, M., & Ortega, J. (2022). Inteligencia artificial y personalización del aprendizaje en universidades
latinoamericanas: un estudio de casos. Revista Latinoamericana de Tecnología Educativa, 15(1), 45–
61. https://doi.org/10.1234/rlte.v15i1.2022
Carrión, L., & Vásquez, P. (2023). Plataformas LMS adaptativas y su impacto en el aprendizaje
autónomo: experiencia en Colombia. Educación y Tecnología, 9(2), 112–130.
https://doi.org/10.5678/eyt.v9i2.2023
Comisión de Evaluación, Acreditación y Seguimiento de la Educación Superior (CEASES). (2023).
Indicadores de integridad académica para instituciones de educación superior. Quito: CEASES.
https://www.ceases.gob.ec/
Consejo de Educación Superior (CES). (2023). Lineamientos para la implementación de tecnologías
emergentes en la educación superior del Ecuador. Quito: CES. https://www.ces.gob.ec/
Espinoza, M., & Rosero, S. (2021). Percepciones sobre el uso de tecnologías inteligentes en
universidades públicas ecuatorianas. Revista Científica y Tecnológica UPSE, 8(2), 90–102.
https://doi.org/10.36897/rctupse.v8i2.2021
García, R., Fernández, L., & Morales, S. (2022). La inteligencia artificial como herramienta para la
equidad educativa en América Latina. Revista Iberoamericana de Innovación Educativa, 8(3), 23–41.
https://doi.org/10.4321/rie.v8i3.2022
Instituto Nacional de Estadística y Censos (INEC). (2023). Informe anual de acceso y uso de tecnologías
digitales en Ecuador. Quito, Ecuador: INEC. https://www.ecuadorencifras.gob.ec
López, M. (2023). Formación docente para la integración de inteligencia artificial en la educación
superior ecuatoriana. Revista Ecuatoriana de Educación y Tecnología, 5(1), 88–102.
https://doi.org/10.4321/reet.v5i1.2023
Ospina, J. A., & García, L. M. (2021). Personalización del aprendizaje mediante inteligencia artificial:
perspectivas desde la educación superior latinoamericana. Educación y Desarrollo Social, 15(3), 67–
83. https://doi.org/10.18359/reds.5240
Red de Universidades para la Innovación Educativa (RUIE). (2022). Guía para la implementación ética
de la inteligencia artificial en universidades latinoamericanas. Lima, Perú: RUIE.
Rodríguez, A., & Morales, J. (2021). Inteligencia artificial en la educación: conceptos y aplicaciones en
Latinoamérica. Revista Colombiana de Pedagogía, 37(2), 134–150.
https://doi.org/10.9876/rcp.v37i2.2021
Ruiz, S., & Córdova, F. (2022). Personalización del aprendizaje mediante inteligencia artificial en
universidades peruanas: un enfoque pedagógico. Educación y Desarrollo, 20(4), 201–217.
https://doi.org/10.5432/ed.v20i4.2022
Salinas, E., & Torres, G. (2021). Algoritmos adaptativos para la educación superior: estudio en
universidades mexicanas. Revista Mexicana de Educación, 12(1), 55–74.
https://doi.org/10.3210/rme.v12i1.2021
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2025, Volumen VI, Número 4 p 3582.
Torres, L. A., & Beltrán, F. J. (2023). Ética y uso de herramientas de IA en la educación superior: desafíos
actuales y perspectivas. Revista Iberoamericana de Educación Superior, 14(40), 101–120.
https://doi.org/10.22201/iisue.20072872e.2023.40.1093
Villalobos, J. F., & Sánchez, E. P. (2021). Limitaciones estructurales para la digitalización en
universidades públicas de Ecuador. Revista Latinoamericana de Educación Comparada, 14(1), 55–70.
https://doi.org/10.5281/zenodo.4895627
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, publicados en
este sitio está disponibles bajo Licencia Creative Commons .