Inteligencia Artificial Generativa en la Educación Superior  
Virtual: Prompts como mediación pedagógica  
Generative Artificial Intelligence in Virtual Higher Education: Prompts as  
pedagogical mediation  
Edith Carola Ubilla Briones  
Fundación Instituto Profesional Duoc UC, Santiago, Chile  
Santiago Chile  
Johanna Godoy Cerda  
Universidad Metropolitana de Ciencias de la Educación  
Santiago Chile  
Artículo recibido: 01 de noviembre de 2025. Aceptado para publicación: 09 de marzo de 2026.  
Conflictos de Interés: Ninguno que declarar.  
Resumen  
La mediación pedagógica es un factor central en el aprendizaje, particularmente en entornos virtuales,  
tanto en educación formal o informal. Este estudio cualitativo, de orientación interpretativa y diseño  
fenomenológico-hermenéutico, abordó cómo docentes de educación superior integran el uso de  
prompts en su práctica en contextos virtuales. Se entrevistó a 16 docentes con experiencia en el  
diseño y aplicación de prompts y se realizó un análisis temático de las transcripciones. Los hallazgos  
revelan una motivación por el aprendizaje autodidacta y un esfuerzo significativo para innovar, sin  
embargo, esto contrasta con la falta de acompañamiento y de gobernanza institucional para regular  
el uso de la Inteligencia Artificial Generativa (IAG).  
Esta falta de lineamientos favorece la  
improvisación y tensiona la aplicación de las políticas de integridad académica. En el contexto del  
marco CLEAR, el diseño de prompts se considera como una forma de mediación pedagógica que  
busca explicitar intencionalidades didácticas y criterios de evaluación. Se requiere consolidar políticas  
y programas de alfabetización en IAG para promover un uso responsable y consistente en la educación  
superior virtual. Finalmente, la investigación recomienda la transición hacia modelos mixtos y  
longitudinales que permitan cuantificar la causalidad entre la aplicación de principios de prompt  
engineering y la mejora del rendimiento académico, informando así políticas públicas regionales de  
inclusión y calidad.  
Palabras clave: brechas, docencia, educación superior, inteligencia artificial, prompts  
Abstract  
Pedagogical mediation is a central factor in learning, particularly in virtual environments, in both formal  
and informal education. This qualitative study, with an interpretive orientation and  
a
phenomenological-hermeneutic design, addressed how higher education faculty integrate the use of  
prompts into their practice in virtual contexts. Sixteen faculty members with experience in the design  
and application of prompts were interviewed, and a thematic analysis of the transcripts was  
conducted. The findings reveal a motivation for self-directed learning and a significant effort to  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2743.  
innovate; however, this contrasts with the lack of support and institutional governance to regulate the  
use of Generative Artificial Intelligence (GAI). This lack of guidelines fosters improvisation and strains  
the application of academic integrity policies. Within the CLEAR framework, prompt design is  
considered a form of pedagogical mediation that seeks to make didactic intentions and evaluation  
criteria explicit. It is necessary to consolidate policies and programs for GAI literacy to promote  
responsible and consistent use in virtual higher education. Finally, the research recommends a  
transition to mixed and longitudinal models that allow quantifying the causality between the  
application of prompt engineering principles and the improvement of academic performance, thus  
informing regional public policies on inclusion and quality.  
Keywords: gaps, teaching, higher education, artificial intelligence, prompts  
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,  
publicado en este sitio está disponibles bajo Licencia Creative Commons.  
Cómo citar: Ubilla Briones, E. C., & Godoy Cerda, J. (2026). Inteligencia Artificial Generativa en la  
Educación Superior Virtual: Prompts como mediación pedagógica. LATAM Revista Latinoamericana  
de Ciencias Sociales y Humanidades 7 (1), 2743 2759. https://doi.org/10.56712/latam.v7i1.5471  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2744.  
INTRODUCCIÓN  
La Inteligencia Artificial (IA) ha irrumpido diversos sectores, como la educación y la gestión de la  
información, lo que invita a repensar cómo se enseña y cómo se aprende. El rol de la IA va mucho más  
allá de los actuales métodos de enseñanzas tradicionales, dado que genera experiencias  
personalizadas en el aprendizaje, con ritmos distintos y necesidades diversas. En esta línea permite  
que el estudiantado participe en tareas con una mayor autonomía facilitando procesos de  
retroalimentación significativa (Cain, 2024). En el ámbito de la educación virtual se pueden reconocer  
tres ejes fundamentales para la incorporación e implementación de la IA: la ingeniería de prompts, la  
alfabetización respecto a la IA y el fortalecimiento del pensamiento crítico (Park y Choo, 2024).  
El impacto de la IA en la educación no se limita solamente a lo instrumental, ya que, cuando la IA se  
articula con prácticas didácticas bien elaboradas, impulsa el desarrollo de competencias transversales,  
pensamiento computacional y pensamiento crítico, entre muchas otras que encuentran una  
oportunidad en el aprendizaje mediado por este tipo de tecnología.  
La literatura reciente, revela beneficios muy específicos en contextos de inclusión, un ejemplo de ello  
son aquellas intervenciones oportunas apoyadas en IA para mejorar la experiencia y la vida cotidiana  
del estudiantado que presenta necesidades educativas especiales, para lo cual es fundamental  
incorporar criterios éticos y pedagógicos (Zawacki-Richter et al., 2019).  
Sin embargo, la incorporación de la IA en la educación no está ajena a un sinnúmero de desafíos y  
tensiones. La integración sostenible requiere una mirada sistémica que considere las condiciones no  
sólo en términos de infraestructura, sino que, en formación docente, gobernanza de datos y estructura,  
de tal forma que evite reducir el fenómeno a un “pensamiento algorítmico” descontextualizado. La IA  
en educación requiere un enfoque que conjugue la creatividad con la tecnología para propiciar la  
innovación y el pensamiento crítico, transitando de esta manera hacia entornos de aprendizaje más  
dinámicos, interactivos y centrados en el estudiantado (Chiu et al., 2023).  
El avance de los modelos de lenguaje y herramientas de IA como ChatGPT, Google Gemini, Google  
Cloud y Microsoft Co-Pilot, está forjando un impacto disruptivo en la educación. El acceso a  
herramientas de IA generativa (IAG) cuyo objetivo es la creación de contenidos, ha dado lugar a nuevas  
rutas de aprendizaje, permitiendo al estudiante interactuar con sistemas capaces de apoyarlos en  
tareas antes reservadas a la producción humana, como la redacción de ensayos, trabajos de  
investigación, diseños de imágenes y programación informática (Kaplan y Haenlein, 2019). En términos  
más amplios, la IAG se ha consolidado como una tecnología capaz de producir resultados  
prácticamente indistinguibles del trabajo humano (Dwivedi et al., 2023).  
La IA generativa IAG o GenAI por su respectivo acrónimo en castellano o inglés, es una rama de la  
IA referente a aquellos sistemas con capacidad para la generación de contenido, supuestamente único  
y original, como texto, imágenes, música, programas informáticos, vídeos o videojuegos a partir de  
grandes conjuntos de datos y en base a datos e instrucciones por parte del usuario de los mismos  
(Muñoz, 2024, p. 24).  
La formación docente en cuanto a uso de IAG y formulación de prompts adquiere un papel central, lo  
que exige el desarrollo de competencias críticas, innovadoras, creativas y pedagógicas que le permitan  
al profesorado diseñar, orientar y evaluar aquellas interacciones mediadas por IAG, favoreciendo  
procesos de aprendizaje más significativos (Kaplan y Haenlein, 2019).  
De acuerdo con lo planteado, el objetivo de esta investigación es analizar el uso pedagógico de la  
ingeniería de prompts en la educación virtual, considerando el marco CLEAR como referente para  
fortalecer las competencias docentes frente a la IAG.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2745.  
METODOLOGÍA  
Esta investigación se desarrolló bajo el paradigma interpretativo, siguiendo un planteamiento  
cualitativo orientado a comprender las experiencias, significados y procesos de construcción de  
conocimiento que los docentes de educación superior desarrollan al integrar la Inteligencia Artificial  
Generativa (IAG). Específicamente se consideró como foco de esta investigación el diseño de prompts,  
utilizado por los docentes en sus prácticas pedagógicas situadas en entornos virtuales, con el objetivo  
de posibilitar aprendizajes significativos en los estudiantes.  
El diseño de esta investigación corresponde a un enfoque Fenomenológico-Hermenéutico. Debido a  
que este diseño es pertinente para explorar la esencia de una experiencia tal como es vivida y percibida  
por los participantes (Husserl, 2012).  
Centrarnos en la experiencia del docente con el diseño de prompts en la IAG mediante el diseño  
fenomenológico nos permitió acceder a la conciencia docente y explorar cómo los profesores  
vivenciaron los desafíos y oportunidades que presenta esta tecnología. También se logró interpretar  
significados y dilucidar cómo estos actores construyeron significado respecto a su nueva práctica y  
comprender el papel de la IAG en la promoción de aprendizajes significativos.  
La investigación consideró la participación de 16 docentes de educación superior pertenecientes a tres  
universidades chilenas que han incorporado la IAG en sus prácticas pedagógicas, especialmente en  
modalidades de educación virtual. La selección fue intencional, tomando como criterio la experiencia  
en el uso o diseño de prompts en sus actividades docentes.  
Para capturar la riqueza de estas vivencias, la recolección de datos se realizó a través de entrevistas  
semiestructuradas lo que permitió el conocimiento de narrativas detalladas y contextualizadas. Para  
este fin se diseñó una guía de entrevista titulada “Docentes: IA generativa y el diseño de prompts en  
educación virtual”, organizada en tres ejes: experiencias con la IA generativa, estrategias de diseño de  
prompts y su incidencia en los aprendizajes.  
El análisis de los datos textuales (transcripciones) se llevó a cabo mediante un análisis temático  
riguroso, que incluyó procesos de codificación. En una primera instancia se efectuó la codificación  
abierta, donde se procedió a segmentar y etiquetar las unidades de significado de las experiencias  
docentes. Luego se avanzó hacia una codificación axial y la categorización donde se agruparon los  
códigos emergentes para construir categorías temáticas robustas que representarán las dimensiones  
clave de la experiencia. Para finalizar mediante la saturación teórica de este proceso de codificación,  
estableciendo como término el momento en el cual no emergieron nuevos temas ni categorías  
relevantes. Estos pasos permitieron asegurar el rigor metodológico al vincular coherentemente el  
paradigma interpretativo con un diseño fenomenológico y con técnicas de recolección y análisis que  
permiten la comprensión profunda de las voces de los participantes (Hernández et al., 2014).  
Si bien los resultados no permiten generalizar las percepciones de los docentes, esta investigación  
ofrece una mirada situada sobre la integración de la IAG en la docencia en entornos virtuales, aportando  
evidencias valiosas para la reflexión sobre las competencias emergentes que se requieren en los  
entornos digitales contemporáneos.  
Caracterización de la muestra  
La muestra de la investigación estuvo compuesta por 16 docentes de educación superior  
pertenecientes a tres universidades chilenas que imparten sus programas académicos en modalidad  
virtual. La selección fue intencional, considerando como criterio principal la experiencia en el uso y  
diseño de prompts en procesos de enseñanza mediados por IAG. A continuación, se presenta la Tabla  
1 con la descripción de los participantes.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2746.  
Tabla 1  
Caracterización de los participantes según sexo  
Sexo de los participantes  
Cantidad  
%
Hombres  
Mujeres  
Total  
6
10  
16  
37,5  
62,5  
100  
Fuente: elaboración propia.  
La Tabla 1 presenta la caracterización de la muestra según sexo. A partir de ella se puede conocer que  
un total de 16 docentes, 10 fueron mujeres lo que equivale al 62,5% de la muestra mientras que la  
participación de 6 docentes varones equivale al 37,5% de la muestra total.  
A continuación, se presenta la Tabla 2 que da a conocer la distribución etaria de la muestra.  
Tabla 2  
Caracterización de participantes según edad  
Edad de los participantes  
Cantidad  
%
19  
50  
32-39  
40-47  
48-54  
Total  
3
8
5
16  
31  
100  
Fuente: elaboración propia.  
De acuerdo con lo observado en la Tabla 2 se logra establecer que la edad de los docentes participantes  
fluctuó entre los 32 a 54 años. A su vez la participación se concentró mayoritariamente en el segmento  
de docentes con edades entre los 40 a 47 años, con una representatividad de un 50 %. Luego la  
participación baja a un 31% en los docentes con edades entre los 48 y 54 años. Finalmente, un 19 %  
corresponde a la participación de docentes con edades entre los 32 a 39 años. De lo anteriormente  
presentado se logra concluir que un 69% corresponde a docentes que han tenido una mayor vinculación  
con la tecnología y uso de internet lo que puede favorecer el uso de la Inteligencia artificial y el diseño  
de prompts en entornos virtuales de enseñanza y aprendizaje.  
Respecto a la formación de los participantes, se puede señalar que la mayoría (68%) tiene títulos de  
magister, de los cuales un 64% corresponde a educación y un 36 % corresponde a otras áreas  
disciplinares. Por otro lado, la mayoría (81%) cuenta con más de diez años de experiencia docente.  
DESARROLLO  
De la inteligencia artificial generativa a la ingeniería de Prompts en la educación virtual  
La Inteligencia Artificial (IA) en contextos educativos emerge como un concepto amplio que engloba  
múltiples algoritmos y enfoques computacionales, entre los cuales comprende el aprendizaje  
adaptativo, el aprendizaje automático, los procesadores de lenguaje natural y transformadores  
generativos preentrenados.  
En concreto, se entiende como un sistema basado en máquinas capaz de realizar predicciones,  
recomendaciones y toma de decisiones que influyen en entornos reales o virtuales en función de un  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2747.  
conjunto de objetivos definidos (Díaz, 2025). La IAG tiene la capacidad de crear contenido original,  
personalizado y relevante a un determinado contexto utilizando técnicas de aprendizaje automático  
que permite producir un determinado contenido (Cain, 2024).  
En la actualidad la educación busca explorar tecnologías avanzadas, como la IA, la robótica, la realidad  
virtual y el aprendizaje automático, procurando personalizar los procesos de enseñanza-aprendizaje de  
acuerdo con los requerimientos de cada estudiante. En este sentido la IAG es crucial en la  
personalización de cada experiencia de aprendizaje, considerando las individualidades de las  
demandas de aprendizaje de los estudiantes (Satorre, 2024). El objetivo es entregar una educación  
mucho más efectiva y adaptada a los requerimientos y necesidades de la sociedad moderna (Lavalle,  
2018). No obstante, es un desafío para las instituciones de educación superior introducir nuevas  
tecnologías y herramientas, dado la inversión significativa que esto requiere en términos de tiempo y  
recursos para su adopción (Dao et al., 2023).  
Respecto a los desafíos institucionales en el ámbito docente, es fundamental que las prácticas  
pedagógicas sean replanteadas frente a una tecnología cada vez más disruptiva, lo que implica innovar  
de forma constante (Lucero, 2024). En los entornos de educación virtual, este desafío adquiere una  
dimensión crítica, dado que los docentes deben asumir un rol activo como agentes de cambio,  
integrando en sus prácticas diversas tecnologías con el fin de potenciar la experiencia de aprendizaje  
y atender las demandas de la sociedad digital creando experiencias dinámicas y significativas (Díaz,  
2025).  
Hughes et al. (2025) advierten al respecto de la brecha entre el potencial de la adopción de la IA  
generativa en educación y su integración efectiva, esto se debe principalmente porque estas  
herramientas no fueron creadas originalmente con un fin pedagógico y los estudios sobre este tema,  
así como su regulación normativa aún es incipiente (Alfaro y Díaz, 2024). Sin embargo, el hecho de  
comprender los diversos mecanismos de interacción que existen entre el usuario y la IAG permite  
avanzar hacia un uso educativo más significativo. El panorama educativo ha tenido una transformación  
con la IAG, a diferencia de otras tecnologías, diversas herramientas de IAG no requieren que los  
usuarios tengan conocimientos de programación o codificación ya que existe la comunicación  
mediante un lenguaje que es natural y accesible. En esta línea, el término prompt se refiere a la  
información proporcionada por los usuarios para guiar su interacción con la IA (White et al., 2023).  
Esta interfaz textual puede adoptar variadas formas, como una pregunta, una afirmación o una  
instrucción detallada orientada a generar respuestas específicas por parte de herramientas de IA  
(Amatriain, 2024).  
Los prompts operan como una forma de programación lingüística que permite personalizar la  
interacción y ajustar los resultados a las necesidades de cada usuario (White et al., 2023). Un aspecto  
que destacar es que, si bien la calidad de las respuestas generadas por las herramientas de IAG  
depende de los datos de entrenamiento del modelo de IA y de los algoritmos, también depende de la  
precisión y claridad de las indicaciones. Gattupalli y Maloy (2024, p. 213) opinaron que “navegar por  
las complejidades de la GenAI requiere más que una comprensión rudimentaria de la tecnología; exige  
dominio de la alfabetización de indicaciones”. Por ello, para lograr resultados de calidad por parte de  
las herramientas de IAG, los usuarios deben ser capaces de diseñar indicaciones efectivas (Eager y  
Brunton, 2023). En este contexto la ingeniería de prompts se entiende como el proceso de redactar,  
ajustar y optimizar las entradas definidas por el usuario con el fin de obtener respuestas de alta calidad  
y relevancia por parte de los modelos de IAG. Este proceso requiere un conjunto específico de  
habilidades, técnicas  
y
métodos destinados  
a
lograr resultados precisos, pertinentes  
y
contextualmente apropiados (Park y Choo, 2024).  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2748.  
Diversos estudios han analizado cómo la ingeniería de prompts puede optimizar la interacción entre  
las personas y los sistemas de IA. Destacando entre ellos, Lo (2023) y su propuesta de cuatro principios  
orientadores fundamentales para el diseño de prompts efectivos: (a) claridad y precisión, (b)  
información contextual, (c) formato deseado y (d) control de la verbosidad. Estos principios subrayan  
que los prompts deben formularse con un lenguaje preciso y claro para generar respuesta pertinentes  
y coherentes.  
Asimismo, deben incluir información contextual para una respuesta adecuada al contexto, un formato  
que cumpla con la solicitud del usuario en cuanto a estructura o estilo, y establecer la extensión  
deseada del texto resultante (Lo, 2023). A partir de estas instrucciones, Lo (2023) desarrolló el marco  
CLEAR, que sintetiza cinco atributos esenciales para la construcción de prompts: Conciso, Lógico,  
Explícito, Adaptativo y Reflexivo. Las instrucciones concisas utilizan un lenguaje claro, directo y breve.  
Las instrucciones lógicas proporcionan instrucciones estructuradas y coherentes, lo que permite a los  
modelos de IA continuar con un flujo y orden de ideas claras. Las indicaciones explícitas establecen  
con claridad el formato o tipo de respuesta que se espera obtener, reduciendo así la probabilidad de  
obtener resultados ambiguos o bien poco pertinentes. Las instrucciones adaptativas implican un  
proceso iterativo de experimentación y ajuste de distintas formulaciones, lo que permite a los usuarios  
adaptar de manera flexible sus interacciones con el modelo. Es importante relevar que las indicaciones  
reflexivas enfatizan la necesidad de una evaluación permanente orientada al perfeccionamiento de los  
prompts y de los resultados obtenidos.  
En la educación virtual, el marco CLEAR entrega una guía valiosa para fortalecer las competencias  
docentes vinculadas al uso pedagógico de la IAG. La capacidad de diseñar prompts eficaces no solo  
permite optimizar la interacción con los modelos de IAG, sino que también potencia habilidades  
esenciales como la claridad comunicativa, la planificación instruccional y la reflexión crítica sobre los  
procesos de enseñanza y aprendizaje. Desde esta perspectiva, la ingeniería de prompts se configura  
como una competencia emergente en la formación docente, vinculada por una parte con la  
alfabetización en IA y por otra, con la necesidad de orientar las tecnologías hacia fines educativos  
significativos (Guilherme, 2019). Su dominio favorece prácticas más autónomas, creativas y  
contextualizadas, donde el docente asume un rol activo como mediador entre la tecnología y el  
aprendizaje, transformando la educación virtual en un espacio de experimentación y desarrollo  
cognitivo (Walter, 2024).  
RESULTADOS  
El análisis de las entrevistas semiestructuradas permitió comprender cómo los docentes de educación  
superior significan e incorporan la IAG en sus prácticas pedagógicas virtuales. A partir de los tres ejes  
que guiaron la recolección de datos, experiencias con la IAG, estrategias de diseño de prompts e  
incidencia en los aprendizajes, se construyeron tres categorías analíticas que sintetizan los principales  
hallazgos. A continuación, se presenta la Tabla 3 con las categorías analíticas.  
Tabla 3  
Categorías analíticas  
N°  
1
2
Nombre  
Percepciones y experiencias iniciales frente a la IAG  
Estrategias docentes para el diseño y uso pedagógico de prompts  
Formación y desafíos profesionales  
3
Fuente: elaboración propia.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2749.  
La Tabla 3 presenta las tres categorías analíticas contempladas en esta investigación, referidas a  
percepciones, estrategias y procesos de formación profesional.  
En relación con la primera categoría, los resultados muestran que los docentes se encuentran en una  
etapa de acercamiento exploratorio a la IAG, en la que predominan la curiosidad, el aprendizaje  
autodidacta y una percepción ambivalente sobre su potencial pedagógico.  
A continuación, se presenta la Tabla 4 que da cuenta de un ejemplo representativo de la primera  
categoría del análisis temático desarrollado.  
Tabla 4  
Análisis temático - Primera categoría  
Análisis temático Cita que representa la Primera Categoría  
Primera categoría: “Percepciones y experiencias iniciales frente a la IAG”  
Especialidad  
docente  
“He aprendido sola, busco tutoriales y pruebo formas distintas de pedirle  
cosas a la IA. A veces siento que es una buena respuesta, otras veces no.  
Eso me hace pensar en cómo enseño”.  
Profesora de  
Estadísticas  
Fuente: elaboración propia.  
La Tabla 4 da cuenta de un proceso de análisis temático que logra observar distintos niveles de  
familiaridad con las herramientas de IAG. Los resultados señalan que la mayoría ha interactuado con  
ChatGPT, en su versión gratuita, para fines de exploración o apoyo en la docencia virtual. Algunos  
mencionaron haber probado otras plataformas como Gemini, Copilot o Dall-E, generalmente por  
recomendación, aunque sin un uso sostenido.  
Este panorama sugiere un contacto inicial más exploratorio que sistemático, donde la elección de la  
herramienta depende del acceso disponible antes que de un propósito pedagógico claramente  
definido.  
De manera transversal, los relatos docentes dan cuenta de una etapa de transición y descubrimiento,  
en la que el uso de la IAG se combina con el interés por innovar en la enseñanza virtual. La mayoría de  
los participantes reconoce haber conocido estas tecnologías por iniciativa propia, motivados por el  
deseo de actualizar sus prácticas.  
Sus primeras experiencias, generalmente empíricas y sin guía institucional, reflejan una búsqueda de  
sentido pedagógico en torno al potencial de la IAG para generar materiales, formular preguntas o  
diseñar actividades que favorezcan la participación del estudiantado  
Respecto a la segunda categoría se puede indicar que en la medida que los docentes se familiarizan  
con las herramientas de IAG, comienzan a experimentar con el diseño de prompts instrucciones que  
guían la generación de respuestas por parte de la IAG, transformando esta interacción en un espacio  
de aprendizaje y reflexión pedagógica.  
A continuación, se presenta la Tabla 5 que da cuenta de un ejemplo representativo de la segunda  
categoría del análisis temático desarrollado.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2750.  
Tabla 5  
Análisis temático Segunda categoría  
Análisis temático Cita que representa la Segunda Categoría  
Segunda categoría: “Estrategias docentes para el diseño y uso pedagógico  
de prompts”  
Especialidad  
docente  
“He logrado comprender que mientras más clara sea mi instrucción, es mucho  
mejor la respuesta que genera. Es como si tuviera que enseñarle a la  
herramienta a pensar en el mismo contexto que utilizo con mis estudiantes”.  
“Cuando comencé en este tema solo solicitaba información, luego entendí que  
debía indicar el objetivo, eso cambia la calidad de lo que genera la  
herramienta”.  
Profesor de  
Administración  
Profesor de  
Logística  
Fuente: elaboración propia.  
Los relatos presentes en la Tabla 5 evidencian que el diseño de prompts no se concibe como una  
habilidad técnica aislada, sino como un proceso iterativo y creativo, donde el lenguaje, la claridad y la  
intención didáctica son claves para obtener resultados pertinentes. Los participantes también  
describen cómo han aprendido a ajustar sus prompts mediante prueba y error, observando las  
diferencias entre respuestas amplias, imprecisas o bien simplificadas, y aquellas que reflejan una  
comprensión más cercana a los objetivos de enseñanza. En este sentido, el prompts se convierte en  
una herramienta mediadora del pensamiento pedagógico, que permite al docente anticipar, modelar y  
evaluar los procesos cognitivos de los estudiantes.  
Los docentes coinciden en que la calidad de un prompts depende de una coherencia lógica. Aquellos  
con mayor experiencia en ambientes virtuales destacan la importancia de estructurarlo siguiendo una  
secuencia. A su vez señalan lo útil que es incorporar ejemplos como referencia para guiar las  
respuestas de la IA. Sin embargo, también emergen desafíos, algunos docentes manifiestan dificultad  
para integrar la intención pedagógica en un lenguaje textual, lo que genera frustración o pérdida de  
tiempo en la interacción con la herramienta.  
Desde la formación y desafíos profesionales, los relatos revelan que uno de los principales desafíos  
para integrar la IAG en educación superior es la falta de acompañamiento institucional y formación  
formal.  
La mayoría reconoce que su aprendizaje sobre el uso de la IA se ha dado de manera autónoma,  
motivados esencialmente por necesidades de adaptación a nuevas exigencias o bien por interés  
personal en innovar en cada una de sus prácticas pedagógicas.  
A continuación, se presenta la Tabla 6 que da cuenta de un ejemplo representativo de la tercera  
categoría del análisis temático desarrollado.  
Tabla 6  
Análisis temático Tercera categoría  
Análisis temático Cita que representa la Tercera Categoría  
Tercera categoría: “Formación y desafíos profesionales”  
“Nos piden incorporar la IA en nuestras clases, pero no existen talleres ni  
orientaciones clara sobre cómo hacerlo de manera pedagógica”  
“Hasta el momento todo lo que sé de IA lo he aprendido sola, busco  
tutoriales o bien converso con colegas sobre sus experiencias. Cada uno va  
descubriendo por su cuenta”  
Especialidad docente  
Profesora de Inglés  
Profesor de Marketing  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2751.  
Fuente: elaboración propia.  
En relación a la Tabla 6 es importante señalar que, si bien los participantes valoran la libertad de  
explorar las herramientas por cuenta propia, coinciden en que este aprendizaje informal genera  
desigualdades en las competencias docentes, especialmente entre quienes no poseen experiencia  
previa en entornos digitales. La ausencia de espacios de formación estructurada también se asocia  
con una falta de criterios éticos y pedagógicos compartidos, lo que limita el uso reflexivo de la IA en el  
contexto educativo.  
Asimismo, los docentes destacan que la formación en IAG debería trascender la dimensión técnica  
para promover una alfabetización digital crítica que incorpore el pensamiento ético, la comunicación  
efectiva y la evaluación de la información generada. En este sentido, la capacitación no solo permitiría  
optimizar el uso de las herramientas, sino también fortalecer el rol del docente como mediador  
cognitivo y ético en la enseñanza virtual.  
DISCUSIÓN  
Los hallazgos de esta investigación, enmarcados en el paradigma fenomenológico-hermeneútico  
ofrecen una perspectiva situada sobre el proceso de adopción de la Inteligencia Artificial Generativa  
(IAG) en la docencia de educación superior virtual en Chile.  
El objetivo central fue analizar el uso pedagógico de la ingeniería de prompts bajo el referente del marco  
CLEAR, identificando una clara brecha entre la alta motivación docente individual y la necesidad de un  
acompañamiento institucional formal. Esta tensión tiene implicaciones directas en la calidad de la  
educación superior y en la gobernanza ética de la tecnología.  
Puntos relevantes detectados a partir de los resultados de la investigación:  
Autodidactismo como estrategia de adopción de la IAG y sus tensiones con la gobernanza  
Nuestros resultados confirman el impacto disruptivo de la IAG en la educación (Dwivedi et al., 2023;  
Kaplan y Haenlein, 2019) y revelan que la etapa inicial de acercamiento está definida por el aprendizaje  
autodidacta y exploratorio de los docentes. Los docentes en base a su curiosidad y su deseo de innovar  
asumen la responsabilidad de su propia alfabetización en IAG.  
Esta aproximación individual y empírica, si bien es testimonio de una notable capacidad de adaptación  
del profesorado, entra en tensión directa con el desafío sistémico identificado en la literatura la cual  
consiste en la integración sostenible de la IA, a través de una mirada que abarque la formación la  
infraestructura y la gobernanza (Chiu et al., 2023; Zawacki-Richter et al., 2019).  
A su vez los docentes declaran la falta de orientación clara, subrayando que la adopción tecnológica  
en las instituciones chilenas corre el riesgo de ser un fenómeno aislado ya que no se ha  
institucionalizado, lo que inevitablemente genera desigualdades de competencia entre los mismos  
docentes e incide en la calidad de la educación superior (OECD, 2023). La calidad en el uso de IAG no  
puede depender de la iniciativa personal; requiere gobernanza para asegurar criterios homogéneos de  
aplicación pedagógica y ética (Broadbent y Lodge, 2021). El hecho de que la elección de la herramienta  
depende del acceso (versión gratuita de ChatGPT, por ejemplo) en lugar de un propósito definido,  
refuerza la necesidad de una política institucional clara.  
La Ingeniería de prompts como mediación pedagógica y su correspondencia con el Marco CLEAR  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2752.  
El análisis de las estrategias docentes demuestra que el diseño de prompts se está configurando como  
una competencia pedagógica clave, trascendiendo lo meramente instrumental. La evidencia de que los  
docentes han "logrado comprender que mientras más clara sea mi instrucción, es mucho mejor la  
respuesta" valida los principios rectores de Lo (2023) sobre la efectividad del prompting (claridad y  
precisión, formato deseado).  
Al confrontar las prácticas docentes con el marco CLEAR, se identifican las siguientes  
correspondencias directas:  
Conciso y Lógico  
La insistencia de los participantes en la necesidad de "mayor claridad" y "coherencia lógica" en la  
instrucción se alinea con los atributos Conciso y Lógico. Los docentes han internalizado que la IAG  
requiere un lenguaje pedagógicamente "limpio" para generar respuestas pertinentes.  
Adaptativo y Reflexivo  
El proceso de "ajustar sus prompts mediante prueba y error" y el reconocimiento de la necesidad de  
una "evaluación permanente" (Lo, 2023), reflejan esta dimensión adaptativa y, crucialmente reflexiva  
del marco. Esto transforma la interacción con la IAG en un espacio de reflexión pedagógica activa. Esta  
reflexión se convierte, de hecho, en una auto-retroalimentación de las prácticas docentes, donde el  
docente optimiza su intención didáctica en función de la calidad de la respuesta de la IA. Este proceso  
iterativo, basado en la evidencia empírica generada por el modelo, puede considerarse una poderosa  
herramienta de mejora continua, si se formaliza (Hattie y Timperley, 2007).  
Uso Ético de la IA, Alfabetización Crítica y Formación Institucional  
Quizás el hallazgo más significativo es la percepción de que el profesor debe "enseñarle a la  
herramienta a pensar en el mismo contexto" que utiliza con sus estudiantes. Esta acción de  
contextualización y modelado eleva a el prompt a la categoría de herramienta mediadora del  
pensamiento pedagógico, anticipando y guiando los procesos cognitivos del estudiante a través de la  
IAG.  
Implicaciones para la formación y la alfabetización crítica  
La Formación y desafíos profesionales de los docentes es el punto de convergencia de las tensiones.  
Si bien los participantes poseen una alta experiencia docente (81% con más de diez años) y una  
marcada vinculación tecnológica, la falta de una formación formalizada limita el potencial de la IAG. El  
énfasis en la alfabetización crítica que incorpore el pensamiento ético y la evaluación de la información,  
demandado por los propios docentes, es fundamental.  
Esto resuena con los ejes fundamentales para la incorporación de la IA en la educación virtual  
(ingeniería de prompts, alfabetización y pensamiento crítico) señalados por Park y Choo (2024). Si la  
formación se reduce a la dimensión técnica, se corre el riesgo de caer en un "pensamiento algorítmico"  
descontextualizado (Chiu et al., 2023), debilitando el desarrollo de competencias transversales.  
La ausencia de criterios éticos y pedagógicos compartidos, mencionada por los docentes, constituye  
un riesgo de gobernanza que impacta directamente en la integridad académica (UNESCO, 2021).  
La formación docente debe, por tanto, trascender el cómo usar (ingeniería de prompts instrumental) y  
enfocarse en el por qué y para qué (alfabetización crítica) de la IAG. El docente no solo debe ser un  
experto en diseñar instrucciones efectivas, sino también un mediador ético y crítico de las respuestas  
(Godoy, 2025), asegurando que el uso de la IAG cumpla con principios de equidad y responsabilidad.  
El rol docente se redefine, como lo sugiere Broadbent y Lodge (2021), hacia un diseñador de  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2753.  
experiencias de aprendizaje que integran tecnología con un propósito profundamente pedagógico y  
ético.  
Implicaciones y Perspectivas en la Realidad Latinoamericana  
El proceso de adopción de la IAG por parte del profesorado chileno, en el marco de la educación virtual,  
demostró una rápida internalización de los principios del prompting efectivo alineados con el marco  
CLEAR. En síntesis, esta investigación logra establecer que la ingeniería de prompts emerge como una  
competencia mediadora del pensamiento pedagógico, esencial para la calidad y la ética en la docencia  
superior. Sin embargo, la brecha crítica reside en la falta de soporte institucional que formalice esta  
práctica. Este hallazgo adquiere una relevancia particular y urgente en el contexto latinoamericano,  
donde las tensiones estructurales amplifican los riesgos detectados.  
La alta motivación individual del profesorado choca con sistemas de gobernanza en las universidades  
de la región que, a menudo, reaccionan con lentitud ante la disrupción tecnológica. Esta  
desarticulación, sumada a la profunda brecha digital y socioeconómica que caracteriza a  
Latinoamérica (CEPAL, 2022), implica que la dependencia del autodidactismo y de herramientas de  
acceso libre no solo compromete la calidad académica al carecer de criterios homogéneos (Broadbent  
y Lodge, 2021), sino que profundiza la división digital preexistente entre instituciones y entre docentes,  
poniendo en riesgo el uso ético y equitativo de la IA en la educación superior regional (UNESCO, 2023).  
Como limitación, la naturaleza fenomenológica del estudio restringe la generalización de estos  
resultados a nivel nacional o regional. Por consiguiente, se proponen futuras líneas de investigación  
que migren hacia metodologías mixtas, esenciales para evaluar cuantitativamente la relación entre los  
prompts basados en CLEAR y los resultados de aprendizaje estudiantiles, y analizar el impacto de las  
políticas de gobernanza institucional en la adopción de un uso ético y equitativo de la IAG que sea  
sostenible en el tiempo y pertinente a la realidad socioeducativa de Latinoamérica (CEPAL, 2022).  
CONCLUSIÓN  
Esta investigación se desarrolló mediante un diseño fenomenológico-hermenéutico con el objetivo de  
dilucidar la naturaleza de la integración inicial de la Inteligencia Artificial Generativa (IAG) en la  
docencia de educación superior virtual. Los resultados no solo validan los objetivos propuestos, sino  
que también revelan implicaciones teóricas y políticas de trascendencia para la gestión educativa en  
el contexto latinoamericano.  
La Ingeniería de Prompts como Estructura Metacognitiva Docente  
La investigación establece que la ingeniería de prompts trasciende su función instrumental de interfaz  
para constituirse como una estructura mediadora de la competencia pedagógica reflexiva. La adopción  
y aplicación del marco CLEAR (Conciso, Lógico, Explícito, Adaptativo y Reflexivo) por parte del  
profesorado evidencia un proceso de metacognición aplicada que se formaliza en la instrucción a la  
IAG.  
Este hallazgo refuta la noción de la IAG como un simple sustituto de tareas, posicionándose como un  
catalizador para la objetivación de la intencionalidad didáctica. La necesidad de formalizar una  
instrucción tecnológica precisa y coherente obliga al docente a una re-especificación de los objetivos  
de aprendizaje y a un modelado explícito de los procesos cognitivos esperados en el estudiante. En  
consecuencia, la competencia para diseñar prompts efectivos se constituye en un nuevo criterio de  
idoneidad y calidad en el ejercicio de la docencia superior mediada por tecnología.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2754.  
Divergencia Crítica entre Práctica Individual y Gobernanza Institucional  
Se confirma la existencia de una disyunción estructural entre la autonomía, la alta motivación  
autodidacta del profesorado y la ausencia de un marco de gobernanza institucional formal. Esta brecha  
no es meramente administrativa, sino que constituye un riesgo sistémico para la equidad y la calidad  
educativa, manifestado en tres dimensiones críticas:  
Riesgo de Homologación de la Calidad: Al depender la adopción de la IAG de la iniciativa personal, se  
genera una variación sustancial en la experticia y la aplicación pedagógica, lo que dificulta la  
homologación de los estándares de calidad en los resultados de aprendizaje estudiantiles.  
Déficit de Alfabetización Crítica: La inacción institucional en la provisión de políticas de alfabetización  
crítica digital y ética dificulta al profesorado asumir plenamente su rol de mediador ético, dejando a los  
estudiantes expuestos a los desafíos de la desinformación, el sesgo algorítmico y la integridad  
académica.  
Implicación en el Rol de Liderazgo: Las instituciones de educación superior están fallando en ejercer  
el liderazgo pedagógico-tecnológico necesario para transformar la innovación espontánea en una  
estrategia educativa sostenible y escalable.  
Implicaciones Geopolíticas e Inequidad Estructural en Latinoamérica  
Los hallazgos revelan que la falta de formalización institucional exacerba la vulnerabilidad en el  
contexto de la educación superior latinoamericana. La dependencia de los modelos de IA de acceso  
limitado por parte del profesorado, combinada con la preexistente brecha digital y socioeconómica de  
la región (CEPAL, 2022), amenaza con convertir la IAG en un vector de inequidad estructural.  
La ausencia de recursos institucionales para garantizar el acceso a herramientas de calidad y la  
formación continua homogénea compromete el principio de equidad educativa. Se concluye que la  
pasividad en la gobernanza tecnológica no es una postura neutral; por el contrario, actúa como un  
factor amplificador de las disparidades ya existentes, comprometiendo la capacidad de la región para  
formar profesionales competentes en un ecosistema laboral cada vez más mediado por la IA (UNESCO,  
2023).  
Proyecciones y Recomendaciones Metodológicas  
A partir de las limitaciones inherentes al diseño cualitativo (restricción a la generalización), se  
recomienda la transición hacia un diseño de investigación mixta y longitudinal. Las futuras líneas de  
investigación deben centrarse en:  
Cuantificación del Impacto: Desarrollar estudios cuasiexperimentales para establecer la correlación y  
causalidad entre la aplicación sistemática de principios de prompt engineering (como el marco CLEAR)  
y el mejoramiento cuantificable del rendimiento académico, el desarrollo del pensamiento crítico y la  
autonomía del aprendizaje en los estudiantes.  
Modelos de Gobernanza: Evaluar la eficacia y la sostenibilidad de diferentes modelos de gobernanza  
institucional en la mitigación de las brechas de equidad y la promoción de un uso ético y responsable  
de la IAG en el claustro académico.  
Análisis Comparativo Regional: Realizar estudios comparativos entre sistemas universitarios  
latinoamericanos con diferentes niveles de formalización en sus políticas de IA, con el fin de generar  
evidencia empírica que informe políticas públicas educativas orientadas a la inclusión y la calidad.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2755.  
REFERENCIAS  
Alfaro Salas, H., & Díaz Porras, J. A. (2024). Percepciones del personal docente acerca del uso ético de  
la inteligencia artificial en su labor educativa. Innovaciones Educativas, 26(41), 6377.  
Amatriain, X. (2024). Prompt Design and Engineering: Introduction and Advanced Methods.  
Broadbent, J., Lodge, J. (2021). Use of live chat in higher education to support self-regulated help  
seeking behaviours: a comparison of online and blended learner perspectives. Int J Educ Technol High  
Cain, W. (2024). Prompting Change: Exploring Prompt Engineering in Large Language Model AI and Its  
Potential to Transform Education. TechTrends, 68(1), 4757. https://doi.org/10.1007/s11528-023-  
Comisión Económica para América Latina y el Caribe (CEPAL). 2022. Panorama Social de América  
Latina  
y
el  
Caribe  
(LC/PUB.2022/15-P),  
b392b2a1f80ae05a/content  
Chiu, T. K. F., Xia, Q., Zhou, X., Chai, C. S., & Cheng, M. (2023). Systematic literature review  
onopportunities, challenges, and future research recommendations of artificial intelligence in  
education.  
Computers  
and  
Education:  
Artificial  
Intelligence,  
4,  
Dao, L. T., Tran, T., Van Le, H., Nguyen, G. N., & Trinh, T. P. T. (2023). A bibliometric analysis of  
Researchon Education 4.0 during the 20172021 period. Education and Information Technologies,  
Díaz Vera, J. P. (2025). Más allá de los algoritmos: Desafíos y percepciones docentes sobre la  
inteligencia artificial generativa en la enseñanza virtual. Revista de Investigación En Tecnologías de La  
Información, 13(29), 141153. https://doi.org/10.36825/riti.13.29.012  
Dwivedi, Y. K., Kshetri, N., Hughes, L., Slade, E. L., Jeyaraj, A., Kar, A. K., Baabdullah, A. M., Koohang, A.,  
Raghavan, V., Ahuja, M., Albanna, H., Albashrawi, M. A., Al-Busaidi, A. S., Balakrishnan, J., Barlette, Y.,  
Basu, S., Bose, I., Brooks, L., Buhalis, D., … Wright, R. (2023). “So what if ChatGPT wrote it?”  
Multidisciplinary perspectives on opportunities, challenges and implications of generative  
conversational AI for research, practice and policy. International Journal of Information Management,  
Eager, B., & Brunton, R. (2023). Prompting Higher Education Towards AI-Augmented Teaching and  
Learning  
Practice.  
Journal  
of  
University  
Teaching  
and  
Learning  
Practice,  
20(5).  
Gattupalli, S. S., Maloy, R. W., Edwards, S. A., & Rancourt, M. (2023). Designing for learning: Key  
decisions for an open online math tutor for elementary students. Digital Experiences in Mathematics  
Guilherme, A. (2019). AI and education: the importance of teacher and student relations. AI and Society,  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2756.  
Godoy, J. (2025). Liderazgo escolar, Inteligencia Artificial y el imperativo ético en el enfoque STEM.  
Revista de Pensamiento Cultura Vol. 12, págs. 135 157.  
y
Hattie, J., & Timperley, H. (2007). The Power of Feedback. Review of Educational Research, 77(1), 81-  
Hernández-Sampieri, R., Fernández-Collado, C., & Baptista-Lucio, P. (2014). Selección de la muestra.  
Metodología de la Investigación, 6(1), 170-191.  
Hughes, L., Malik, T., Dettmer, S., Al-Busaidi, A. S., & Dwivedi, Y. K. (2025). Reimagining Higher Education:  
Navigating the Challenges of Generative AI Adoption. Information Systems Frontiers.  
Husserl,  
E.  
(2012).  
La  
idea  
de  
la  
fenomenología.  
Herder  
editorial.  
Kaplan, A., & Haenlein, M. (2019). Siri, Siri, in my hand: Who’s the fairest in the land? On the  
interpretations, illustrations, and implications of artificial intelligence. Business Horizons, 62(1), 1525.  
Lavalle Iriarte, C. A. (2018). Las universidades de investigación, nuevo paradigma mundial: modelo de  
gobernanza y aplicación a 5 universidades. [Tesis doctoral, Universidad Politécnica de Madrid, Escuela  
Técnica  
Superior  
de  
Ingeniería  
Agronómica,  
Alimentaria  
y
de  
Biosistemas].  
Lo, L. S. (2023). The CLEAR path: A framework for enhancing information literacy through prompt  
engineering. Journal of Academic Librarianship, 49(4). https://doi.org/10.1016/j.acalib.2023.102720  
Lucero, E. V. (2024). Transformando la educación: IA y realidades aumentada y virtual en la formación  
docente. European Public & Social Innovation Review, 9, 116. https://doi.org/10.31637/epsir-2024-  
Muñoz, J. (2024). Inteligencia artificial generativa. Desafíos para la propiedad intelectual. Revista de  
Derecho de la UNED (RDUNED), (33), 1775. https://doi.org/10.5944/rduned.33.2024.41924  
OECD. (2023), AI and the Future of Skills, Volume 2: Methods for Evaluating AI Capabilities, Educational  
Research and Innovation, OECD Publishing, Paris, https://doi.org/10.1787/a9fe53cb-en.  
Park, J., & Choo, S. (2024). Generative AI Prompt Engineering for Educators: Practical Strategies.  
Journal  
of  
Special  
Education  
Technology,  
40(3),  
411417.  
Satorre, R. (2024). La docencia universitaria en tiempos de IA. Educación y Sociedad. Octoedro 25,  
UNESCO  
(2021).  
Recomendación  
sobre  
la  
Ética  
de  
la  
Inteligencia  
Artificial.  
UNESCO. (2023). Informe de seguimiento de la educación en el mundo: tecnología en la educación  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 1 p 2757.  
¿una herramienta en los términos de quién?. https://doi.org/10.54676/NEDS2300  
Walter, Y. (2024). Embracing the future of Artificial Intelligence in the classroom: the relevance of AI  
literacy, prompt engineering, and critical thinking in modern education. International Journal of  
Educational Technology in Higher Education, 21(1). https://doi.org/10.1186/s41239-024-00448-3  
White, J., Fu, Q., Hays, S., Sandborn, M., Olea, C., Gilbert, H., Elnashar, A., Spencer-Smith, J. & Schmidt,  
D. (2023)  
A
Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT.  
Zawacki-Richter, O., Marín, V.I., Bond, M. and Gouverneur, F. (2019). Systematic review of research on  
artificial intelligence applications in higher education where are the educators?. Int J Educ Technol  
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, marzo, 2026, Volumen VII, Número 1 p 2758.