Interacción con inteligencia artificial generativa y procesos  
de aprendizaje: revisión sistemática de una habilidad  
emergente  
Interaction with generative artificial intelligence and learning processes: a  
systematic review of an emerging skill  
Caleb Espinoza Morán  
Universidad UTE  
Santo Domingo Ecuador  
Artículo recibido: 20 de septiembre de 2025. Aceptado para publicación: 26 de enero de 2026.  
Conflictos de Interés: Ninguno que declarar.  
Resumen  
La Inteligencia Artificial Generativa está transformando la forma de aprender, constituyendo a la  
ingeniería de prompts como una habilidad de aprendizaje, destacándose como competencia  
emergente para interactuar con modelos de lenguaje natural. Elaborar prompts acordes y precisos  
conlleva a obtener respuestas a la medida. Se presenta una revisión sistemática de literatura científica  
con el propósito de identificar, analizar y resumir enfoques actuales. La metodología empleada se  
basó en el protocolo PRISMA, aplicando criterios de inclusión y exclusión con las bases de datos  
Scopus, ScienceDirect y Eric tomando en cuenta publicaciones desde el año 2020 al 2025. Tras el  
proceso, 54 artículos científicos fueron analizados. Los resultados encontrados demuestran el interés  
creciente sobre el tema de esta habilidad que está moldeando la relación humana máquina, dotando  
a las personas de herramientas para obtener el máximo beneficio de su experiencia de usuario. Se  
han identificado diversas áreas de aplicación como la educación, investigación y aprendizaje  
autónomo respondiendo a desafíos del mundo contemporáneo donde el aprendizaje está en el centro  
de la dimensión del conocimiento. Se concluye que esta nueva habilidad debería ser fomentada  
actualmente sin dilación y considerar a la misma como una carta de presentación y ventaja  
competitiva personal ya que se redefine el proceso de aprendizaje promoviendo a la vez el  
pensamiento crítico para adaptarse a los cambios tecnológicos constantes sin descartar el  
componente ético y reflexivo que esto conlleva.  
Palabras clave: inteligencia artificial generativa, ingeniería de prompts, habilidades del siglo  
XXI, autorregulación del aprendizaje, educación digital  
Abstract  
Generative Artificial Intelligence (AI) is transforming the way we learn, establishing prompt engineering  
as a crucial learning skill and an emerging competency for interacting with natural language models.  
Crafting appropriate and precise prompts leads to tailored responses. This paper presents a  
systematic literature review aimed at identifying, analyzing, and summarizing current approaches. The  
methodology employed was based on the PRISMA protocol, applying inclusion and exclusion criteria  
to the Scopus, ScienceDirect, and ERIC databases, considering publications from 2020 to 2025.  
Following this process, 54 scientific articles were analyzed. The results demonstrate a growing interest  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, enero, 2026, Volumen VII, Número 1 p 145.  
in this skill, which is shaping the human-machine relationship and equipping individuals with tools to  
maximize their user experience. Diverse application areas such as education, research, and self-  
directed learning have been identified, addressing the challenges of the contemporary world where  
learning is central to the knowledge dimension. We conclude that this new skill should be fostered  
without delay and considered a personal asset and competitive advantage, as it redefines the learning  
process while promoting critical thinking to adapt to constant technological changes, without  
disregarding the inherent ethical and reflective components.  
Keywords: generative artificial intelligence, prompt engineering, 21st century skills, self-  
regulated learning, digital Education  
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,  
publicado en este sitio está disponibles bajo Licencia Creative Commons.  
Cómo citar: Espinoza Morán, C. (2026). Interacción con inteligencia artificial generativa y procesos  
de aprendizaje: revisión sistemática de una habilidad emergente. LATAM Revista Latinoamericana de  
Ciencias Sociales y Humanidades 7 (1), 145 159. https://doi.org/10.56712/latam.v7i1.5231  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, enero, 2026, Volumen VII, Número 1 p 146.  
INTRODUCCIÓN  
En un contexto tecnológico actual donde la Inteligencia Artificial Generativa (IAG) se encuentra  
constantemente en los titulares, docentes, estudiantes y profesionales se enfrentan a desafíos y  
oportunidades no imaginadas hace pocos años (Núñez et al., 2024). La IAG hace referencia a modelos  
de inteligencia artificial diseñados para generar nuevo contenido de distinta índole como texto, audio,  
imágenes o vídeos y sus aplicaciones, siendo sus casos de uso muy diversos (Sengar, 2024).  
Con la irrupción de esta tecnología se han revolucionado varias facetas del quehacer humano, entre  
ellas la educación, la investigación y la gestión del conocimiento (Chávez et al., 2023). Esta  
transformación no solo implica el uso de nuevas herramientas, sino también el desarrollo de  
competencias cognitivas y técnicas necesarias para interactuar eficazmente con estas tecnologías  
(Walter, 2024).  
Una de las habilidades más relevantes en este nuevo escenario es la ingeniería de prompts, entendida  
como la capacidad de diseñar instrucciones claras, precisas y contextualizadas para obtener  
resultados consecuentes de los grandes modelos de lenguaje (LLMs) (Chen et al., 2025). La ingeniería  
de prompts constituye una tecnología de IAG que crea contenido o productos de manera automática  
con base a instrucciones dadas a través de lenguaje natural, conocidos como prompts, donde muchos  
factores intervienen, incluidos los sentimientos (Delso et al., 2024).  
Se la considera una disciplina emergente, que permite a las personas interactuar eficazmente con los  
LLMs fomentando el pensamiento crítico, humanizando el proceso para que este entrenamiento  
permite generar texto coherente respondiendo de forma clara y específica (Marza et al., 2024). El autor  
Lo (2025) explora la ingeniería de prompts como una habilidad esencial en la era digital, combinando  
inteligencia artificial, lingüística y diseño de experiencia de usuario. Consecuente con la idea anterior,  
Giray (2023), argumenta que aunque la ingeniería de prompts es una práctica relativamente nueva su  
dominio es crucial para aprovechar, eficazmente, los modelos de lenguaje avanzados como ChatGPT.  
Varias herramientas que aparecieron desde el año 2022, están transformando la pedagogía en la  
educación superior. La ingeniería de prompts se está convirtiendo en una competencia esencial para  
educadores y estudiantes, ya que permite relacionarse eficazmente con los LLMs y aprovechar sus  
capacidades para mejorar la enseñanza y el aprendizaje (Eager & Brunton, 2023).  
Para Lee & Palmer (2025), es importante destacar la importancia de desarrollar habilidades  
pragmáticas en la interacción con IAG, incluyendo la ingeniería de prompts significativa, mediante  
marcos bien diseñados para crear y evaluar aplicaciones alineadas con objetivos educativos  
propuestos.  
A pesar del creciente uso de múltiples herramientas, existe una falta de alfabetización digital crítica en  
torno a cómo diseñar o formular órdenes adecuadas. Muchos usuarios interactúan de forma superficial  
o improvisada con estos sistemas lo que limita su potencial y, en algunos casos, conduce a la  
desinformación o a un uso poco ético (Buitrago et al., 2024).  
Siguiendo en la misma línea, Luckin (2022), menciona que no incorporar esta competencia de manera  
sistemática en los procesos formativos supone el riesgo de ampliar brechas en el acceso a los  
beneficios de la IAG, perpetuando una desigualdad en el aprovechamiento de estas tecnologías  
emergentes.  
Con la metodología aplicada en la presente investigación de revisión sistemática se explora la manera  
en que esta habilidad es aplicable a distintos ámbitos donde el ser humano se desenvuelve o donde  
protagoniza un aprendizaje autónomo de actualización constante.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, enero, 2026, Volumen VII, Número 1 p 147.  
Así, se plantea la necesidad de comprender el estado actual del conocimiento sobre la ingeniería de  
prompts como competencia formativa y necesaria, su integración en la práctica educativa y su  
contribución al desarrollo de habilidades o competencias para el presente siglo. Esta investigación se  
orienta a analizar la naturaleza de esta habilidad emergente, su aplicación en distintos contextos, y las  
implicaciones pedagógicas, éticas y tecnológicas que conlleva su uso y empleo.  
METODOLOGÍA  
Método empleado  
La presente investigación se desarrolló bajo el enfoque de una revisión sistemática de literatura  
científica, con el propósito de identificar, analizar y sintetizar las investigaciones relevantes sobre la  
ingeniería de prompts en el contexto de la IAG, concretamente en su rol como competencia emergente  
en la educación, investigación y aprendizaje autónomo.  
El protocolo empleado fue PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-  
Analyses) como guía para la estructuración del proceso de búsqueda, selección, análisis e  
interpretación de los estudios incluidos. Garantizando de esta forma transparencia, rigor metodológico  
y replicabilidad en los procesos de revisión sistemática.  
La búsqueda se realizó en las bases de datos Scopus, ScienceDirect y Eric, debido a su amplia  
cobertura interdisciplinaria y su actualización permanente en publicaciones relacionadas con IA,  
educación y tecnologías emergentes. Se incluyeron estudios publicados entre los años 2020 y 2025,  
considerando el auge de los LLMs en ese periodo. Las búsquedas para este artículo fueron realizadas  
en mayo y junio del 2025.  
Estrategia de búsqueda  
Se emplearon combinaciones de palabras clave en inglés y español, tales como: "prompt engineering",  
"teacher training", "education", " prompt literacy", "ingeniería de prompts", " generative artificial  
intelligence", y "large language models". Con el propósito de dar un refinamiento a los resultados, los  
operadores booleanos empleados fueron (AND, OR).  
Criterios de inclusión y exclusión  
InclusióN  
Artículos científicos publicados entre 2020 y 2025.  
Estudios revisados por pares.  
Publicaciones en inglés y español.  
Investigaciones centradas en el uso de IAG y la ingeniería de prompts en contextos educativos.  
Exclusión  
Documentos duplicados o sin acceso al texto completo.  
Publicaciones no académicas (blogs, noticias, informes sin revisión).  
Estudios sin enfoque en competencias de aprendizaje o sin relación con el ámbito educativo.  
Detalle de los criterios de inclusión  
Artículos publicados entre 2020 y 2025: Se establece este rango temporal para garantizar que los  
estudios analizados estén alineados con el desarrollo reciente de modelos de IAG, cuya aplicación en  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, enero, 2026, Volumen VII, Número 1 p 148.  
entornos educativos se ha intensificado con el surgimiento de tecnologías como GPT-2, GPT-3 y  
ChatGPT.  
Investigaciones revisadas por pares: Asegura la validez científica de las fuentes consultadas, al haber  
pasado por un proceso de evaluación crítica por parte de expertos en el área.  
Estudios en inglés o español: Los dos idiomas representan una cobertura significativa de la producción  
científica global y permiten integrar literatura relevante de países de habla española que han abordado  
el tema desde contextos locales o regionales.  
Publicaciones que aborden la ingeniería de prompts en contextos educativos: Se incluye literatura que  
relacione la ingeniería de prompts con procesos de enseñanza -aprendizaje, en cualquiera de sus  
niveles o modalidades, con el fin de centrar la revisión en su rol como competencia educativa.  
Tabla 1  
Órdenes de búsqueda  
Indicador  
Consultas realizadas  
Detalle  
Resultados  
iniciales  
283  
Base de  
Datos  
Scopus  
Resultados  
seleccionados  
31  
1
("prompt engineering" OR "prompt  
literacy" OR "prompt design")  
AND  
("generative artificial intelligence"  
OR "large language models")  
AND  
("education" OR "teacher training")  
("prompt engineering" OR "prompt  
literacy" OR "prompt design" ) AND (  
"education" OR "teacher training" )  
("prompt engineering" OR "prompt  
literacy" OR "prompt design" ) AND (  
"education" OR "teacher training" )  
2
3
ScienceDirect  
Eric  
1134  
50  
11  
12  
Fuente: elaboración propia.  
Detalle de los criterios de exclusión  
Artículos duplicados o sin acceso al texto completo: Eliminar duplicados evita el sesgo en la  
presentación de resultados, mientras que el acceso al texto completo es necesario para garantizar un  
análisis detallado y riguroso de la información.  
Documentos no académicos (blogs, informes sin revisión, entradas de opinión): Pueden contener ideas  
destacadas pero estos documentos no cumplen con los estándares metodológicos necesarios para  
ser considerados evidencia científica en una revisión sistemática. Estudios centrados exclusivamente  
en aspectos técnicos de la IA sin relación con el ámbito educativo: Permite focalizar el análisis en  
aquellos estudios que exploran explícitamente la ingeniería de prompts como competencia de  
aprendizaje, descartando aquellos que tratan el tema desde un enfoque computacional, sin conexión  
educativa.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, enero, 2026, Volumen VII, Número 1 p 149.  
Proceso de selección  
El proceso de selección de estudios se llevó a cabo siguiendo el protocolo PRISMA. Inicialmente, se  
identificaron 1467 registros mediante búsquedas en las bases de datos Scopus, ScienceDirect y Eric.  
De los 1467 se descartaron 1011 artículos por no centrarse en el ámbito educativo, tratar temas  
exclusivamente técnicos o carecer de relación con la competencia de aprendizaje, quedando 456  
artículos. De estos no se tomaron en cuenta 402 una vez aplicados los criterios de inclusión y exclusión  
expuestos. Los 54 artículos para revisión de su texto completo son la base para responder las  
preguntas planteadas en el apartado de resultados.  
DESARROLLO  
La nueva alfabetización digital  
La aparición reciente de modelos de lenguaje generativo ha dado lugar a una nueva forma de  
alfabetización digital: la capacidad de formular instrucciones precisas y efectivas para interactuar con  
sistemas de IAG. Estas habilidades se han convertido en componentes esenciales para maximizar el  
potencial de las herramientas de IAG en contextos educativos y profesionales.  
Para Hwang et al., (2023) la alfabetización en prompts implica no sólo la redacción de instrucciones  
claras, sino también la interpretación crítica de las respuestas generadas por la IAG y la capacidad de  
refinar las instrucciones para obtener resultados más precisos. Este enfoque promueve una interacción  
más consciente y eficaz con estas tecnologías, fomentando habilidades de pensamiento crítico y  
resolución de problemas. La ingeniería de prompts como competencia de interacción efectiva para  
modelos de IAG engloba a su vez varias metodologías (Tuomi et al., 2023).  
La adquisición de competencias constituye un proceso continuo y dinámico mediante el cual los seres  
humanos construyen, transforman y almacenan conocimientos, habilidades, actitudes y valores a partir  
de la interacción con su entorno, experiencias previas y la reflexión que hacen sobre esas experiencias  
(Bedoya et al., 2023).  
Aplicaciones educativas de la IAG  
La integración de la IAG en entornos educativos está transformada las prácticas de enseñanza y  
aprendizaje, En ese contexto, Chávez & Erazo (2024), resaltan que la ingeniería de prompts permite a  
los educadores diseñar actividades más interactivas y personalizadas, facilitando el desarrollo de  
competencias clave en los estudiantes. Además, esta tecnología puede ser utilizada para generar  
materiales didácticos adaptados a las necesidades particulares de los alumnos, promoviendo una  
educación más inclusiva y equitativa. Emplear correctamente esta tecnología ayuda en la mejora  
significativa de la autoeficacia y el conocimiento sobre IAG de quienes participan, así como en su  
capacidad para crear prompts efectivos, lo que evidencia el valor de incorporar esta competencia en la  
formación académica (Sánchez & Carbajal, 2023).  
Impacto en el pensamiento crítico y el aprendizaje autónomo  
La habilidad para formular y refinar órdenes no solo mejora la interacción con estas herramientas, sino  
que también potencia el pensamiento crítico y el aprendizaje autónomo.  
En relación a lo mencionado, Annapureddy et al., (2025), proponen un modelo de competencias para la  
alfabetización en IAG que incluye la ingeniería de prompts como habilidad medular. Este modelo  
sugiere que, al desarrollar la capacidad de interactuar eficazmente con esta tecnología, los estudiantes  
también fortalecen su autonomía y habilidades de análisis crítico.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, enero, 2026, Volumen VII, Número 1 p 150.  
En la investigación realizada por Singh & Namin (2025) se ofrece una visión crítica de las técnicas de  
ingeniería de prompts, destacando áreas de mejora y oportunidades para optimizar la comunicación  
humano-máquina. Además, estudios como el de Hwang et al., (2023) indican que la práctica de la  
ingeniería de prompts puede enriquecer el aprendizaje de idiomas y la comprensión cultural, al permitir  
a los estudiantes explorar y representar significados socioculturales a través de la creación de  
contenidos.  
Desafíos éticos y pedagógicos  
A pesar de los beneficios mencionados, el uso de herramientas de IAG en la educación plantea varios  
desafíos, entre ellos los éticos y pedagógicos. Entre las preocupaciones que emergen se encuentran  
el riesgo de dependencia excesiva de la tecnología, la posibilidad de plagio y la necesidad de garantizar  
la originalidad en los trabajos académicos presentados.  
Autores como Krause et al., (2025) concluyen en que es necesario identificar brechas en las habilidades  
de los estudiantes relacionadas con la ingeniería de prompts, la conciencia sobre sesgos y la gestión  
de salidas de la IAG, lo que resalta la necesidad de diseñar o elaborar estrategias pedagógicas que  
abordan estas deficiencias.  
En trabajos como los de Tlili et al., (2023) se menciona la facilidad con que los estudiantes pueden  
generar contenidos creíbles, lo que aumenta el riesgo de plagio, dificulta la detección y pone en duda  
la originalidad. Además, señalan la necesidad de crear y aplicar políticas institucionales y formación  
indispensable de docentes para fomentar el uso ético y pedagógicamente responsable.  
En concordancia con lo mencionado Yan et al., (2024) analizaron varios trabajos académicos, donde  
identifican desafíos clave como la dependencia excesiva en LLMs, lo cual puede reducir habilidades  
como el pensamiento crítico y la auto reflexión. También se enfatiza la dificultad para garantizar la  
originalidad de las tareas: sin herramientas eficaces para detectar contenido generado por IAG,  
aumenta el riesgo de plagio. Los autores abogan por un enfoque centrado en el ser humano, reforzando  
la supervisión pedagógica y la formación de estándares éticos.  
Necesidad de formación docente  
La implementación efectiva de esta habilidad en la educación requiere que los docentes estén  
adecuadamente preparados y actualizados. Es esencial que los educadores comprendan las mejores  
prácticas en la redacción de prompts para maximizar el potencial en el aula. Esto incluye la capacidad  
de diseñar actividades que integren la IAG de manera ética y pedagógicamente sólida. Iniciativas como  
las descritas por Woo et al., (2024) demuestran que la formación para interactuar con estas tecnologías  
no solo beneficia a los estudiantes, sino que también empodera a los docentes para innovar en sus  
métodos de enseñanza y adaptarse a las demandas actuales de la educación.  
Ampliando sobre el tema de capacitación docente, Rondon et al., (2024), subrayan que la integración  
de la IAG en la formación es esencial para mejorar la calidad educativa, sin embargo, identifican una  
escasa investigación centrada específicamente en la capacitación de los profesores en el uso de IAG,  
lo que representa una brecha significativa en la literatura.  
En una revisión sistemática Aljemely (2024) identifica los principales desafíos y mejores prácticas en  
la formación docente para el uso de la IAG. El estudio destaca la falta de programas de capacitación  
estructurados y la necesidad de desarrollar competencias específicas para los educadores. Se enfatiza  
la importancia de proporcionar formación continua y recursos adecuados para facilitar la integración  
en la enseñanza.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, enero, 2026, Volumen VII, Número 1 p 151.  
RESULTADOS  
¿En qué contextos educativos se ha investigado sobre la ingeniería de prompts como competencia  
de aprendizaje?  
La mayor parte de los artículos analizados se centran en contextos de educación superior,  
especialmente en programas de formación docente y carreras vinculadas a la tecnología; a pesar de  
esto, se considera que los estudios en este campo son incipientes. También se identificaron  
investigaciones emergentes en niveles de secundaria y educación técnica. Esto sugiere que el tema  
está siendo considerado una competencia transversal aplicable a múltiples niveles formativos, aunque  
su integración en etapas tempranas es por lo pronto limitada.  
Hazari (2024) recomienda incluir módulos específicos sobre esta competencia en el proceso  
enseñanza aprendizaje, integrados con consideraciones éticas, y así preparar a los estudiantes para  
un entorno educativo y profesional.  
Singh & Siami (2025) concentran su investigación en educación superior específicamente enseñanza  
con IAG en universidades. Arefeen et al., (2024) mencionan a la ingeniería de prompts en contextos de  
educación superior o formación profesional, donde se brinde a los estudiantes herramientas para  
tareas como la generación de código, depuración, creación de documentación técnica o la simulación  
de sistemas.  
Liu et al., (2025) como investigadores en lingüística aplicada, adquisición de segundas lenguas o  
didáctica de idiomas, exploran esta competencia en contextos de enseñanza de idiomas donde podrían  
usar prompts para practicar la escritura, generar diálogos, recibir retroalimentación gramatical o  
explorar vocabulario y estructuras lingüísticas de manera interactiva.  
Nguyen (2024) en su estudio investiga a la ingeniería de prompts en contextos multidisciplinarios o en  
la educación básica y media. Esto podría incluir el uso de la IAG para apoyar la investigación de  
proyectos, la creación de contenidos creativos, la resolución de problemas en diversas materias o el  
desarrollo de habilidades de pensamiento crítico cuando se interactúa con estas herramientas.  
¿Qué definiciones predominan sobre “ingeniería de prompts” en la literatura científica?  
Los estudios revisados coinciden en definirla como la capacidad de diseñar instrucciones precisas y  
estructuradas para obtener respuestas útiles de sistemas de IAG. Esta habilidad se relaciona con  
competencias clave como el pensamiento crítico, la comunicación escrita y la alfabetización digital.  
Se concibe principalmente como un mecanismo de dirección para generar respuestas útiles y precisas.  
En su estudio Lee et al., (2024) definen a la ingeniería de prompts como la habilidad de estructurar  
entradas con chain-of-thought , cadena de pensamiento, misma que constituye una técnica avanzada  
y altamente efectiva que se utiliza para mejorar las capacidades de razonamiento de los LLMs y así  
potenciar la generación de ideas y apoyar el conocimiento colaborativo.  
Para Alier et al., (2025) esta habilidad es entendida como una disciplina emergente dentro del diseño  
de instrucciones, donde los prompts son componentes clave del currículo para potenciar interacciones  
humano-máquina. Estos autores destancan competencias digitales docentes donde se fomente la  
capacidad de crear prompts efectivos para tareas de aprendizaje.  
Wei et al., (2025) presentan un enfoque dual: prompts manuales, diseñados por humanos con técnicas  
como roles (“actúa como experto…”), por ejemplo, cadenas de pensamiento y ajustes de estilo, y,  
prompts automáticos o suaves (soft prompts), que se optimizan mediante ajuste fino leve del modelo.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, enero, 2026, Volumen VII, Número 1 p 152.  
En su estudio Matzakos & Moundridou (2025) conceptualizan a la ingeniería de prompts como un  
proceso iterativo de prototipado en la interacción con IAG, donde cada prompt es refinado con base en  
resultados, claridad de lenguaje y ajuste según el contexto. Además, abordan sobre educación y  
análisis de políticas basadas en IAG, destacan el uso de frameworks metodológicos que incluyen fases  
específicas.  
¿Qué métodos pedagógicos se han utilizado para enseñar ingeniería de prompts?  
Las estrategias más frecuentes incluyen el aprendizaje basado en proyectos, laboratorios de  
experimentación con IAG, talleres de diseño de prompts y actividades colaborativas con feedback  
automatizado. Varios de los estudios señalan la eficacia de estas metodologías activas para  
desarrollar competencias de pensamiento y resolución de problemas. También se reportan enfoques  
sobre gamificación y el uso de rúbricas para evaluar la calidad de los prompts creados por los  
estudiantes, lo que facilita una evaluación más estructurada y objetiva del aprendizaje.  
Chen et al.,(2025) describen un entrenamiento estructurado de prompts en cursos de análisis de datos  
y programación a través de talleres prácticos donde los estudiantes diseñan, prueban y refinan prompts  
para los LLMs, evaluando resultados y ajustando estrategias.  
En su investigación sobre bibliotecas universitarias, Lan (2024), apunta a un uso sistemático de  
prompts en ambientes académicos, por ejemplo, la aplicación de un método pedagógico para análisis  
bibliométrico sobre cómo bibliotecarios emplea prompts para búsqueda y generación de contenido. Su  
estudio sugiere un enfoque reflexivo donde profesionales analizan y comparan las estrategias  
implementadas.  
¿Cuáles son los principales beneficios identificados al desarrollar esta competencia en el aula?  
Entre los beneficios destacados se encuentran la mejora en la capacidad de formular preguntas  
efectivas, el desarrollo del juicio crítico frente a la información generada por IAG, y una mayor  
autonomía en procesos de investigación y redacción académica. Algunos estudios reportan un  
incremento en la motivación estudiantil al interactuar con tecnologías emergentes como parte del  
aprendizaje significativo. Asimismo, la ingeniería de prompts permite a educadores guiar las  
interacciones con la IAG, enriqueciendo así la experiencia educativa, creando contenidos más  
personalizados y relevantes.  
Mburu et al., (2025) destacan que la ingeniería de prompts permite una interacción más personalizada  
y efectiva con recursos educativos basados en IAG, lo que lleva a un aprendizaje más profundo y una  
mejor comprensión y asimilación de conceptos complejos al generar ejemplos a medida.  
Yashwanth & Shettar (2024) hacen mención de que la ingeniería de prompts es fundamental para  
extraer información relevante, generar datos sintéticos para el análisis o desarrollar prototipos de  
soluciones de manera eficiente; los estudiantes verán a la IAG como una herramienta valiosa para la  
investigación y el desarrollo.  
Los investigadores Gao et al., (2024), en el campo de la inteligencia artificial y el aprendizaje, indican  
que la ingeniería de prompts permite a los estudiantes explorar las capacidades y limitaciones de los  
modelos de IAG, fomentando así un pensamiento crítico sobre la tecnología y su aplicación.  
Kim et al,. (2025) argumentan que la ingeniería de prompts es vital para generar hipótesis, analizar  
grandes volúmenes de texto científico, o simular escenarios complejos, acelerando así los procesos  
de investigación y descubrimiento.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, enero, 2026, Volumen VII, Número 1 p 153.  
¿Qué desafíos o limitaciones se han señalado en la implementación de la ingeniería de prompts como  
competencia educativa?  
Los principales desafíos incluyen la falta de formación docente específica, la ausencia de marcos  
curriculares que integren esta competencia y preocupaciones éticas sobre la dependencia de  
herramientas de IAG. De la misma forma, varios autores advierten sobre una brecha digital que podría  
limitar el acceso equitativo a estas tecnologías en contextos educativos con bajos recursos.  
Amos et al,. (2025) señalan desafíos relacionados con la privacidad y seguridad de los datos al  
interactuar con modelos de IAG, la dependencia excesiva por parte de los estudiantes, y la necesidad  
de directrices éticas claras para el uso correcto en la enseñanza-aprendizaje.  
Gopali et al,. (2024) enfatizan sobre los desafíos técnicos como la comprensión de las limitaciones del  
modelo, la sensibilidad de los prompts a pequeñas variaciones y la curva de aprendizaje para  
desarrollar órdenes complejas que logren los resultados esperados.  
Hou et al., (2025) se enfocan en la eficiencia o el diseño de sistemas de IAG, resaltando la complejidad  
inherente de los prompts avanzados, la dificultad de transferir el conocimiento de prompting entre  
diferentes modelos o dominios, y el costo computacional asociado con la experimentación intensiva  
de prompts.  
Son et al., (2025), en el ámbito de la interacción humano-máquina y la educación a distancia, mencionan  
que es necesario explorar los desafíos de mantener el compromiso del estudiante mientras interactúa  
con la IAG, la fatiga cognitiva que se presenta por la constante formulación y refinamiento de órdenes  
y la necesidad de integrar o adaptar esta competencia de manera significativa en el currículo.  
DISCUSIÓN  
Los hallazgos de esta revisión sistemática evidencian que la ingeniería de prompts se está  
consolidando como una competencia emergente en entornos educativos, especialmente a partir del  
auge de múltiples herramientas de IAG. Aunque su aplicación aún se encuentra en una fase  
exploratoria, la literatura revisada revela un creciente consenso sobre su valor como habilidad  
transversal que articula pensamiento crítico, alfabetización digital y metacognición (Mollick & Mollick,  
2023).  
En el plano pedagógico, estudios muestran que el desarrollo de esta competencia ha sido abordado  
principalmente desde metodologías activas, tales como el aprendizaje basado en proyectos, talleres  
de experimentación con IAG y tareas orientadas al diseño y evaluación de prompts. Estas estrategias  
no solo permiten que el estudiante entienda el funcionamiento de los modelos de lenguaje, sino que  
también fomentan una participación más reflexiva y consciente en los procesos de enseñanza-  
aprendizaje (Liu et al., 2023).  
Uno de los aspectos identificados es el potencial de la ingeniería de prompts para promover la  
autorregulación del aprendizaje, en tanto los estudiantes aprenden a formular preguntas, evaluar  
respuestas generadas y reformular sus requerimientos. Esta práctica fortalece competencias propias  
del siglo XXI, como la resolución de problemas complejos y la toma de decisiones informadas en  
entornos digitales (Almatrafi & Johri, 2025).  
Sin embargo, también se identifican desafíos importantes a tomar en cuenta. La mayoría de los  
estudios señalan falta de formación docente adecuada para guiar el desarrollo de esta competencia,  
así como la carencia de marcos curriculares institucionales que reconozcan explícitamente a la  
ingeniería de prompts como parte de las habilidades digitales críticas. A esto se suma la preocupación  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, enero, 2026, Volumen VII, Número 1 p 154.  
por la brecha digital y los riesgos éticos asociados al uso adecuado de la IAG en contextos educativos  
(Hsu, 2025).  
Los resultados de esta revisión indican que la ingeniería de prompts posee un valor pedagógico  
significativo, pero su consolidación como competencia de aprendizaje requiere intervenciones  
sistemáticas desde la formación docente, la política educativa y la investigación interdisciplinar. La  
inclusión progresiva de esta competencia en el currículo representa una oportunidad estratégica para  
preparar a las personas ante los retos tecnológicos contemporáneos.  
CONCLUSIONES  
El trabajo de revisión sistemática ha permitido identificar que la ingeniería de prompts está emergiendo  
como una competencia indispensable en el contexto educativo actual, impulsada por el avance  
acelerado de tecnologías de IAG. La evidencia revela que dicha competencia no solo implica la  
capacidad técnica de interactuar eficazmente con modelos de lenguaje, sino que también demanda  
habilidades cognitivas superiores tales como el pensamiento crítico, la formulación precisa de  
preguntas, y la autorregulación del aprendizaje.  
Los estudios revisados coinciden en señalar que esta competencia se ha trabajado principalmente en  
la educación superior, mediante metodologías activas y colaborativas, tales como el aprendizaje  
basado en proyectos y talleres de diseño de prompts. Estas estrategias han demostrado ser efectivas  
para potenciar la comprensión crítica del funcionamiento de la IAG y fomentar un uso reflexivo y ético  
de estas herramientas en el aula.  
No obstante, también se identifican muchos desafíos o retos como la ausencia de formación docente  
especializada, la falta de marcos curriculares formales que integren esta competencia, y la brecha  
digital que limita el acceso equitativo a estas tecnologías. Estos retos deberían ser abordados con  
políticas educativas firmes, programas de capacitación docente e iniciativas de innovación pedagógica  
constantes, donde todos los actores sean partícipes en el proceso de elaboración de estas políticas.  
La incorporación sistemática de la ingeniería de prompts como competencia de aprendizaje representa  
una oportunidad estratégica para prepararse frente a los desafíos de una sociedad dependiente cada  
vez más de la tecnología. Fomentar esta habilidad contribuirá no solo a mejorar la calidad del  
aprendizaje, sino también a formar ciudadanos críticos, creativos y éticamente responsables en el uso  
de tecnologías emergentes.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, enero, 2026, Volumen VII, Número 1 p 155.  
REFERENCIAS  
Alier, M., Pereira, J., García-Peñalvo, F. J., Casañ, M. J., & Cabré, J. (2025). LAMB: An open-source  
software framework to create artificial intelligence assistants deployed and integrated into learning  
management  
systems.  
Computer  
Standards  
&
Interfaces,  
92,  
103940.  
Aljemely, Y. (2024). Challenges and best practices in training teachers to utilize artificial intelligence: a  
systematic review. Frontiers in Education, 9, 1470853. https://doi.org/10.3389/feduc.2024.1470853  
Almatrafi, O., & Johri, A. (2025). Leveraging generative AI for course learning outcome categorization  
using Bloom's taxonomy. Computers and Education: Artificial Intelligence, 8, 100404.  
Amos, J. P., Eke, P. O., Dika, S. D., & Agbon, A. (2025). An exposition and bibliometric review on  
leveraging  
LLMs  
for  
programming  
education.  
IEEE  
Access,  
13,  
5836458393.  
Annapureddy, R., Fornaroli, A., & Gatica-Perez, D. (2025). Generative AI Literacy: Twelve Defining  
Competencies. Digital Government: Research and Practice, 6(1), Article 13, 121.  
Arefeen, M. A., Debnath, B., & Chakradhar, S. (2024). LeanContext: Cost-efficient domain-specific  
question answering using LLMs. Natural Language Processing Journal, 7, 100065.  
Bedoya-Chanove, J., Velasquez, N., Álvarez, G., & Parodi, K. (2023). Capítulo 6: El impacto de la  
inteligencia artificial y el ChatGPT en el sector educativo: una revisión bibliométrica. En N. Velasquez &  
J. Bedoya-Chanove (Eds.), Gestión del conocimiento: Herramientas y estrategias para la investigación  
aplicada (pp. 113-146). Fondo Editorial de la Universidad SISE. https://doi.org/10.59899/Ges-cono-60-  
Buitrago, Á., Martín García, A., & Torres Ortiz, L. (2024). La alfabetización en inteligencia artificial:  
propuesta articulada de dimensiones e indicadores. Communication Papers. Media Literacy and  
Chávez Solís, M. E., Labrada Martínez, E., Alatristre Martínez, Y., Álvarez Martínez, R. E., & Carbajal  
Degante, E. (2023). La Inteligencia Artificial, neuroeducación y su aportación en la transformación del  
e-learning: Artificial Intelligence, neuroeducation and its impact on the transformation of e-  
learning. LATAM Revista Latinoamericana De Ciencias Sociales Y Humanidades, 4(2), 34103424.  
Chávez-Boza, B. M., & Erazo-Moreta, O. R. (2024). Integración de la inteligencia artificial generativa para  
el aprendizaje de fundamentos de programación: una revisión sistemática de la literatura. Revista  
Mexicana  
De  
Investigación  
E
Intervención  
Educativa, 3(2),  
517.  
Chen, B., Zhang, Z., Langrené, N., & Zhu, S. (2025). Unleashing the potential of prompt engineering for  
large language models. Patterns, 6(6), 101260. https://doi.org/10.1016/j.patter.2025.101260  
Chen, X., Zhang, J., Zhou, T., & Zhang, F. (2025). LLM-CDM: Diagnóstico cognitivo mejorado con  
modelos de lenguaje extensos para la educación inteligente. IEEE Access, 13, 4716547180.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, enero, 2026, Volumen VII, Número 1 p 156.  
Delso Vicente, A. T., Carvajal Camperos, M., & Corral De La Mata, D. Ángel. (2024). La evolución del  
procesamiento del lenguaje natural y su influencia en la inteligencia artificial: Una revisión y líneas de  
investigación  
futura. European  
Public  
&
Social  
Innovation  
Review, 10,  
123.  
Eager, B., & Brunton, R. (2023). Prompting higher education towards AI-Augmented teaching and  
learning practice. Journal of University Teaching and Learning Practice, 20(5).  
Gao, Y., Nuchged, B., Li, Y., & Peng, L. (2024). An Investigation of Applying Large Language Models to  
Spoken Language Learning. Applied Sciences, 14(1), 224. https://doi.org/10.3390/app14010224  
Giray, L. (2023). Prompt Engineering with ChatGPT: A Guide for Academic Writers. Annals of Biomedical  
Gopali, S., Siami-Namini, S., Abri, F., & Siami Namin, A. (2024). The performance of the LSTM-based  
code generated by Large Language Models (LLMs) in forecasting time series data. Natural Language  
Hazari, S. (2024). Justification and roadmap for Artificial Intelligence (AI) literacy courses in higher  
education.  
Journal  
of  
Educational  
Research  
and  
Practice,  
14(1),  
143158.  
Hou, S., Zhao, A., Liang, J., Shen, Z., & Wu, H. (2025). Geo-FuB: A method for constructing an Operator-  
Function knowledge base for geospatial code generation with large language models. Knowledge-  
Hsu, H.-P. (2025). From Programming to Prompting: Developing Computational Thinking through Large  
Language  
Model-Based  
Generative  
Artificial  
Intelligence.  
TechTrends,  
69(3),  
485506.  
Hwang, Y., Lee, J. H., & Shin, D. (2023). What is prompt literacy? An exploratory study of language  
learners' development of new literacy skill using generative AI (arXiv:2311.05373). arXiv.  
Kim, J., Chen, M. L., Rezaei, S. J., Hernandez-Boussard, T., Chen, J. H., Rodriguez, F., Han, S. S., Lal, R.  
A., Kim, S. H., Dosiou, C., Seav, S. M., Akcan, T., Rodriguez, C. I., Asch, S. M., & Linos, E. (2025). Artificial  
intelligence tools in supporting healthcare professionals for tailored patient care. npj Digital Medicine,  
Krause, S., Dalvi, A., & Zaidi, S. K. (2025). Generative AI in Education: Student Skills and Lecturer Roles  
Lan, H. (2024). Ingeniería de Prompt para Bibliotecarios Académicos: Implicaciones y Aplicaciones de  
la Ingeniería de Prompt en la Bibliotecología Académica. Journal of Web Librarianship , 18 (3), 169-175.  
Lee, A. V., Teo, C. L., & Tan, S. C. (2024). Prompt engineering for knowledge creation: Using chain-of-  
thought  
to  
support  
students'  
improvable  
ideas.  
AI,  
5(3),  
14461461.  
Lee, D., & Palmer, E. (2025). Prompt engineering in higher education: A systematic review to help inform  
curricula. International Journal of Educational Technology in Higher Education, 22(7).  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, enero, 2026, Volumen VII, Número 1 p 157.  
Liu, M., Zhang, L. J., & Zhang, D. (2025). Enhancing student GAI literacy in digital multimodal composing  
through development and validation of a scale. Computers in Human Behavior, 166, 108569.  
Liu, P., Yuan, W., Fu, J., Jiang, Z., Hayashi, H., & Neubig, G. (2023). Pre-train Prompt Tune: Towards  
Efficient Foundation Model Adaptation. Transactions of the Association for Computational Linguistics,  
Lo, L. S. (2025). AI Literacy: A Guide for Academic Libraries. College & Research Libraries News, 86(3),  
Lu, T., Cui, Z., & Liang, H. (2023). Prompt Engineering for Education: A Review (arXiv:2311.05373). arXiv.  
Luckin, R., Cukurova, M., Kent, C., & Du Boulay, B. (2022). Empowering educators to be AI-ready.  
Computers  
and  
Education:  
Artificial  
Intelligence,  
3,  
100076.  
Marzal, M.- Ángel, y Vivarelli, M. (2024). La convergencia de la Inteligencia Artificial y las Competencias  
Digitales: un espacio necesario para la Educación Digital y la Educación 4.0. JLIS.It , 15 (1), 115.  
Matzakos, N., & Moundridou, M. (2025). Exploring Large Language Models Integration in Higher  
Education: A Case Study in a Mathematics Laboratory for Civil Engineering Students. Computer  
Applications in Engineering Education, 33(3), e70049. https://doi.org/10.1002/cae.70049  
Mburu, T. K., Rong, K., McColley, C. J., & Werth, A. (2025). Methodological foundations for artificial  
intelligence‐driven survey question generation. Journal of Engineering Education, 114(3), e70012.  
Mollick, E., & Mollick, L. (2023). Using AI to Teach Writing: Artificial Intelligence and the Future of  
Nguyen P.-A. (2024). Evaluación del lenguaje generado por IA como modelo para la competencia  
estratégica  
en  
la  
enseñanza  
del  
inglés. IAFOR  
Journal  
of  
Education , 12 (3).  
Nuñez-Canal, M., Fernandez Ardavin, A., Díaz-Marcos, L., & Aguado Tevar, O. (2024). Aprendizaje  
Generativo integral: un modelo para la educación superior ante los desafíos de la inteligencia  
artificial. European Public & Social Innovation Review, 9, 121. https://doi.org/10.31637/epsir-2024-  
Rondon-Morel, R., Pacotaipe-Delacruz, R.,Alarcón-Nuñez, E., & Yepez Salvatierra, P. (2024). El Impacto  
de la Inteligencia Artificial en la Formación Docente. Revista Docentes 2.0, 17(2), 368375.  
Sánchez Mendiola, M., & Carbajal Degante, E. (2023). La inteligencia artificial generativa y la educación  
universitaria: ¿Salió el genio de la lámpara?. Perfiles Educativos, 45(Especial), 7086.  
Sengar, S. S., Hasan, A. B., Kumar, S., & Carroll, F. (2024). Generative artificial intelligence: a systematic  
review  
and  
applications.  
Multimedia  
Tools  
and  
Applications,  
83,  
140.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, enero, 2026, Volumen VII, Número 1 p 158.  
Singh, S. U., & Namin, A. S. (2025). A survey on chatbots and large language models: Testing and  
evaluation techniques. Natural Language Processing Journal, 10, 100128.  
Son, M., Won, Y.-J., & Lee, S. (2025). Optimización de grandes modelos lingüísticos: Análisis profundo  
de técnicas efectivas de ingeniería de indicaciones. Applied Sciences, 15(3), 1430.  
Tlili, A., Shehata, B., Adarkwah, M., Bozkurt, A., Hickey, D., Huang, R., & Agyemang, B. (2023). What if the  
devil is my guardian angel: ChatGPT as a case study of using chatbots in education. Smart Learning  
Tuomi, I., Cachia, R., & Villar Onrubia, D. (2023). On the Futures of Technology in Education: Emerging  
Trends  
and  
Policy  
Implications.  
Publications  
Office  
of  
the  
European  
Union.  
Walter, Y. (2024). Abrazando el futuro de la Inteligencia Artificial en el aula: la relevancia de la  
alfabetización en IA, la ingeniería rápida y el pensamiento crítico en la educación moderna. International  
Journal of Educational Technology in Higher Education, 21, 15. https://doi.org/10.1186/s41239-024-  
Wei, Y., Zhang, R., Zhang, J., Qi, D., & Cui, W. (2025). Research on Intelligent Grading of Physics Problems  
Based  
on  
Large  
Language  
Models.  
Education  
Sciences,  
15(2),  
116.  
Woo, D. J., Wang, D., Yung, T., & Guo, K. (2024). Effects of a Prompt Engineering Intervention on  
Undergraduate Students' AI Self-Efficacy, AI Knowledge and Prompt Engineering Ability: A Mixed  
Methods Study (arXiv:2408.07302). arXiv. https://doi.org/10.48550/arXiv.2408.07302  
Yan, L., Martinez-Maldonado, R., & Gašević, D. (2024). Generative artificial intelligence in learning  
analytics: Contextualising opportunities and challenges through the learning analytics cycle. En  
Proceedings of the 14th International Learning Analytics and Knowledge Conference. ACM.  
Yashwanth, Y. S., & Shettar, R. (2024). Aprendizaje de cero y pocos cortos usando modelos de lenguaje  
extensos para la desidentificación de registros médicos. IEEE Access, 12, 110385110393.  
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, publicados en este  
sitio está disponibles bajo Licencia Creative Commons  
.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, enero, 2026, Volumen VII, Número 1 p 159.