DOI: https://doi.org/10.56712/latam.v7i2.5583  
El rol del docente universitario en la evaluación del  
aprendizaje real en tiempos de inteligencia artificial  
The role of university faculty in assessing authentic learning in the age of  
artificial intelligence  
Lucía Nicole Mera Toala  
lmerat2@unemi.edu.ec  
https://orcid.org/0009-0005-9492-374X  
Universidad Estatal de Milagro  
Milagro – Ecuador  
Vanessa Maribel España Gómez  
vespanag@unemi.edu.ec  
https://orcid.org/0009-0000-8926-4923  
Universidad Estatal de Milagro  
Milagro – Ecuador  
Francis Javier Soto Orellana  
fsotoo@unemi.edu.ec  
https://orcid.org/0009-0002-9710-4756  
Universidad Estatal de Milagro  
Milagro – Ecuador  
Graciela Josefina Castro Castillo  
gcastroc4@unemi.edu.ec  
https://orcid.org/0000-0001-8776-6890  
Universidad Estatal de Milagro  
Milagro – Ecuador  
Artículo recibido: 19 de noviembre de 2025. Aceptado para publicación: 26 de marzo de 2026.  
Conflictos de Interés: Ninguno que declarar.  
Resumen  
El avance de la inteligencia artificial en la educación superior ha generado dudas sobre cuán auténtico  
es el aprendizaje y hasta qué punto siguen siendo válidos los esquemas tradicionales de evaluación.  
Este estudio analiza el rol del docente universitario en la evaluación del aprendizaje real en tiempos  
de inteligencia artificial. Se trabajó con un enfoque cualitativo, de carácter teórico-reflexivo, mediante  
una revisión documental de investigaciones publicadas entre 2020 y 2025 en revistas académicas  
indexadas [González-González (2023); Romero Alonso et al. (2025)]. La literatura se organizó a partir  
de categorías temáticas y se sometió a un análisis interpretativo. Los resultados muestran que la  
inteligencia artificial puede mejorar los procesos de retroalimentación y personalización, pero no  
garantiza por sí misma un aprendizaje profundo. Se identificaron cinco núcleos de análisis: evaluación  
centrada en procesos, cambios en el rol docente, evaluación auténtica, mediación metacognitiva y  
regulación ética institucional. En conjunto, los hallazgos señalan que el docente universitario ocupa  
un lugar estratégico: diseña evaluaciones auténticas, interpreta de forma crítica los resultados  
automatizados y cuida la integridad académica. El estudio actualiza la noción de aprendizaje real en  
escenarios digitales y ofrece orientaciones pedagógicas para universidades latinoamericanas en un  
contexto de rápida transformación tecnológica.  
Palabras clave: inteligencia artificial, evaluación formativa, educación superior, rol docente,  
aprendizaje auténtico  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 2 p 763.  
Abstract  
The advancement of artificial intelligence in higher education has raised questions about the  
authenticity of learning and the continued validity of traditional assessment methods. This study  
analyzes the role of university professors in assessing real learning in the age of artificial intelligence.  
A qualitative, theoretical-reflective approach was used, based on a literature review of research  
published between 2020 and 2025 in indexed academic journals [González-González (2023); Romero  
Alonso et al. (2025)]. The literature was organized thematically and subjected to interpretive analysis.  
The results show that artificial intelligence can improve feedback and personalization processes, but  
does not, in itself, guarantee deep learning. Five core areas of analysis were identified: process-  
centered assessment, changes in the role of the teacher, authentic assessment, metacognitive  
mediation, and institutional ethical regulation. Taken together, the findings indicate that university  
professors occupy a strategic position: they design authentic assessments, critically interpret  
automated results, and safeguard academic integrity. The study updates the notion of real learning in  
digital scenarios and offers pedagogical guidance for Latin American universities in a context of rapid  
technological transformation.  
Keywords: artificial intelligence, formative assessment, higher education, teaching role,  
authentic learning  
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,  
publicado en este sitio está disponibles bajo Licencia Creative Commons.  
Cómo citar: Mera Toala, L. N., España Gómez, V. M., Soto Orellana, F. J., & Castro Castillo, G. J.  
(2026). El rol del docente universitario en la evaluación del aprendizaje real en tiempos de inteligencia  
artificial. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades 7 (2), 763 – 778.  
https://doi.org/10.56712/latam.v7i2.5583  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 2 p 764.  
INTRODUCCIÓN  
La irrupción de la inteligencia artificial (IA) en la educación superior ha transformado de manera notable  
los procesos de enseñanza, aprendizaje y evaluación académica. En los últimos años, herramientas  
capaces de generar textos estructurados, resolver problemas complejos y simular razonamientos  
argumentativos han comenzado a ocupar un lugar visible en el trabajo universitario. Esto ha abierto  
interrogantes profundos sobre la autenticidad del aprendizaje y sobre la vigencia de los mecanismos  
de evaluación que la universidad ha utilizado históricamente. No se trata solo de un cambio  
tecnológico; también nos obliga a replantear qué entendemos por aprendizaje que realmente puede  
demostrarse en la universidad.  
Diversos estudios recientes coinciden en que la inteligencia artificial está redefiniendo la dinámica  
formativa. González-González (2023) sostiene que la IA transforma las prácticas educativas al  
introducir modelos de personalización y automatización del feedback. De forma complementaria,  
Romero Alonso et al. (2025) destacan su potencial para adaptar los procesos de aprendizaje en  
entornos virtuales. Sin embargo, estas posibilidades también generan tensiones importantes: cuando  
los productos finales pueden ser generados por sistemas algorítmicos, surge la duda de si lo que se  
evalúa refleja el esfuerzo y la comprensión del estudiante.  
La literatura sobre evaluación formativa ya había insistido en la necesidad de priorizar los procesos  
cognitivos frente a la mera observación de resultados. Molina Soria et al. (2020) mostraron que la  
evaluación compartida y formativa contribuye a una comprensión más profunda y a un mejor  
rendimiento académico. A su vez, Cárdenas Messa et al. (2024) subrayan el papel central de la  
retroalimentación sistemática para consolidar aprendizajes significativos. En contextos con IA, esta  
idea se vuelve mucho más evidente: cuando el producto puede salir de una máquina, lo que realmente  
importa para evaluar es el proceso que siguió el estudiante.  
Varios trabajos señalan también que la integración de la IA obliga a replantear el rol docente. Rondón  
(2023) argumenta que el profesor no pierde centralidad ante estas tecnologías, sino que asume  
funciones más complejas vinculadas a la mediación crítica. Soto (2024) coincide en que la  
automatización no sustituye la interpretación pedagógica ni la orientación ética. Desde una mirada  
institucional, Gaona-Portal et al. (2024) destacan la urgencia de contar con marcos normativos que  
orienten el uso responsable de la IA en el ámbito académico.  
Desde una perspectiva más amplia, Peñalvo et al. (2024) plantean que la competencia digital docente  
es una condición necesaria para integrar tecnologías emergentes sin deteriorar la calidad formativa.  
De-la-Peña y Luque-Rojas (2024) advierten, además, que el aprendizaje activo mediado por recursos  
digitales sólo alcanza sentido cuando se orienta hacia la argumentación crítica y la reflexión  
metacognitiva.  
A pesar del aumento de investigaciones sobre IA en educación superior, persiste una brecha  
conceptual en torno a la evaluación del aprendizaje real. Muchos estudios se concentran en el impacto  
tecnológico, el rendimiento o la innovación metodológica, pero aún es necesario profundizar en el papel  
del docente como garante de procesos cognitivos auténticos en escenarios donde la automatización  
generativa cuestiona los modelos tradicionales de verificación académica.  
En este marco se plantea la siguiente pregunta: ¿cómo se redefine el rol del docente universitario en la  
evaluación del aprendizaje real en tiempos de inteligencia artificial?  
El objetivo general del estudio es analizar, desde un enfoque cualitativo teórico-reflexivo basado en  
literatura reciente (2020–2025), el rol del docente universitario como mediador de la evaluación  
auténtica en contextos mediados por inteligencia artificial.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 2 p 765.  
La idea central que guía este trabajo es que la evaluación del aprendizaje real no depende únicamente  
del nivel de sofisticación tecnológica, sino del diseño pedagógico, de la mediación docente y de la  
existencia de regulaciones éticas claras. Por ello, se propone revisar críticamente la literatura  
contemporánea, identificar las transformaciones conceptuales que atraviesan la evaluación  
universitaria y aportar un modelo interpretativo que enriquezca el debate en América Latina.  
La relevancia del estudio radica en que la educación superior se encuentra ante el reto de incorporar  
innovación tecnológica sin perder rigor epistemológico ni sentido formativo. Comprender el papel  
estratégico del docente en este proceso ayuda a responder a las tensiones actuales y a proyectar  
marcos de evaluación coherentes con las demandas del siglo XXI.  
METODOLOGÍA  
Enfoque de investigación  
El presente estudio se desarrolló bajo un enfoque cualitativo, ya que el propósito no fue medir variables  
ni establecer relaciones estadísticas, sino comprender cómo la literatura científica reciente ha  
interpretado el rol del docente universitario en la evaluación del aprendizaje real en contextos mediados  
por inteligencia artificial. La naturaleza del problema exige una mirada interpretativa, pues se trata de  
analizar transformaciones conceptuales, tensiones pedagógicas y desafíos éticos que no pueden  
reducirse a indicadores numéricos.  
Como señalan Creswell (2014) y Flick (2015), el enfoque cualitativo resulta pertinente cuando el  
investigador busca profundizar en significados, discursos y procesos complejos. En este caso, la  
evaluación universitaria frente a la inteligencia artificial constituye un fenómeno en construcción,  
atravesado por dimensiones pedagógicas, tecnológicas e institucionales. Por ello, se optó por una  
aproximación teórico-reflexiva que permitiera integrar distintas perspectivas académicas y construir  
una comprensión articulada del fenómeno.  
Diseño del estudio  
El diseño adoptado fue una revisión documental sistematizada con carácter analítico-crítico. Este tipo  
de diseño permitió organizar y examinar de manera estructurada investigaciones científicas recientes  
relacionadas con evaluación formativa, inteligencia artificial y docencia universitaria.  
A diferencia de una revisión meramente descriptiva, el estudio no se limitó a resumir investigaciones,  
sino que buscó establecer conexiones conceptuales, identificar coincidencias, contrastar enfoques y  
detectar vacíos teóricos. Hernández-Sampieri y Mendoza (2018) explican que las revisiones  
documentales rigurosas constituyen un procedimiento válido cuando se aplican criterios explícitos de  
selección y análisis, lo que fortalece la consistencia interpretativa.  
Se priorizaron artículos indexados en bases académicas reconocidas, como Redalyc y RIED, así como  
publicaciones con DOI verificable, con el fin de garantizar calidad científica y trazabilidad de las fuentes.  
Unidades de análisis  
En coherencia con el carácter documental del estudio, no se trabajó con participantes humanos. Las  
unidades de análisis estuvieron conformadas por artículos científicos revisados por pares, capítulos  
académicos y estudios empíricos publicados entre 2020 y 2025.  
La selección respondió a criterios de pertinencia temática y calidad editorial. Se incluyeron  
investigaciones que abordaran de manera directa:  
●
Evaluación del aprendizaje en educación superior  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 2 p 766.  
●
●
●
Integración de inteligencia artificial en procesos formativos  
Transformación del rol docente  
Dimensiones éticas del uso de tecnologías emergentes  
Se excluyeron documentos de carácter opinativo sin respaldo metodológico, con el objetivo de  
asegurar coherencia académica.  
Instrumento de recolección y organización de la información  
Para sistematizar la información se diseñó una matriz analítica estructurada. Esta herramienta permitió  
organizar los aportes de cada estudio de manera comparativa, identificando categorías comunes y  
perspectivas divergentes.  
La matriz incluyó variables como:  
●
●
●
●
●
●
Autor y año de publicación  
Tipo de estudio  
Conceptualización de evaluación  
Forma de incorporación de la inteligencia artificial  
Principales hallazgos  
Implicaciones para el rol docente  
Este proceso favoreció una lectura profunda y organizada del corpus teórico, evitando interpretaciones  
aisladas o fragmentadas.  
Procedimiento  
El proceso se desarrolló en cuatro momentos interrelacionados:  
Primero, se delimitó conceptualmente el problema a partir de la pregunta de investigación.  
Posteriormente, se realizó una búsqueda sistemática mediante combinaciones de palabras clave tales  
como “inteligencia artificial”, “evaluación formativa”, “educación superior” y “rol docente”.  
En una tercera fase se llevó a cabo la lectura crítica de los documentos seleccionados, identificando  
ideas centrales y conceptos recurrentes. Finalmente, se procedió a la categorización temática,  
agrupando los hallazgos en núcleos interpretativos coherentes.  
Durante este proceso, estudios como los de González-González (2023), Rondón (2023), Romero Alonso  
et al. (2025) y Cárdenas Messa et al. (2024) permitieron contrastar perspectivas sobre personalización,  
retroalimentación y mediación docente frente a la inteligencia artificial.  
Análisis de datos  
El análisis se realizó mediante el método de análisis temático cualitativo. Este procedimiento permitió  
identificar patrones conceptuales presentes en diferentes investigaciones y agruparlos en categorías  
explicativas.  
Las categorías emergentes fueron:  
●
●
●
●
●
Evaluación centrada en productos frente a evaluación centrada en procesos.  
Inteligencia artificial como herramienta cognitiva ampliada.  
Reconfiguración del rol docente universitario.  
Evaluación auténtica y metacognición.  
Ética académica y responsabilidad institucional.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 2 p 767.  
El análisis no se limitó a describir resultados de investigaciones previas, sino que buscó interpretarlos  
en función del objetivo central del estudio: comprender cómo puede garantizarse la evaluación del  
aprendizaje real en entornos mediados por inteligencia artificial.  
Consideraciones éticas  
Al tratarse de una investigación documental, no se requirió consentimiento informado ni intervención  
directa con sujetos humanos. No obstante, se respetaron principios fundamentales de ética  
académica, tales como la citación adecuada conforme a normas APA 7ª edición, la fidelidad  
interpretativa de las fuentes y la utilización exclusiva de investigaciones verificables.  
Asimismo, la reflexión ética formó parte integral del análisis, considerando que el uso de inteligencia  
artificial en evaluación universitaria plantea desafíos relacionados con autoría, autenticidad y  
responsabilidad institucional.  
DESARROLLO  
La incorporación de la inteligencia artificial en la educación superior ha modificado profundamente los  
procesos de enseñanza y, sobre todo, los sistemas de evaluación del aprendizaje. Varios estudios  
coinciden en que la IA no es simplemente una herramienta más, sino que está cambiando la forma en  
que se producen, analizan y validan los conocimientos académicos [González-González (2023);  
Romero Alonso et al. (2025)]. Esto obliga a la universidad a revisar qué está evaluando y cómo lo hace,  
especialmente cuando herramientas generativas pueden participar en la redacción de textos, el análisis  
de datos y la construcción de argumentos. Desde la perspectiva pedagógica, la evaluación del  
aprendizaje real no puede reducirse a la verificación de productos finales, sino que debe atender al  
proceso cognitivo subyacente, la metacognición y la capacidad crítica del estudiante. En esta línea,  
Molina Soria, Pascual Arias y López Pastor (2020) sostienen que la evaluación formativa mejora  
significativamente el rendimiento cuando promueve participación activa y autorregulación. De manera  
complementaria, Cárdenas Messa et al. (2024) subrayan que la retroalimentación en educación  
superior constituye un elemento estratégico para consolidar aprendizajes profundos y sostenibles.  
Transformación de la evaluación universitaria en contextos de inteligencia artificial  
La incorporación de la inteligencia artificial en la educación superior ha marcado un punto de inflexión  
en los sistemas tradicionales de enseñanza y evaluación. Más que una herramienta más, la IA está  
modificando el ecosistema pedagógico en su conjunto. González-González (2023) señala que se trata  
de una tecnología disruptiva que incide tanto en el diseño curricular como en las formas de evaluar.  
En el ámbito universitario, estas transformaciones son visibles en la generación de retroalimentación  
automatizada, en el uso de análisis predictivos del desempeño y en la personalización de contenidos.  
Sin embargo, la automatización por sí sola no garantiza que se esté valorando un aprendizaje profundo.  
Como advierte González-González (2023), la IA puede apoyar el trabajo del profesorado, pero no  
reemplaza la mirada educativa ni la responsabilidad de quien evalúa. Por eso ya no basta con seguir  
evaluando como antes: si una herramienta generativa puede redactar textos, analizar datos o construir  
argumentos, la universidad tiene que revisar qué está evaluando y cómo lo hace.  
Por otra parte, el debate contemporáneo también se vincula con la competencia digital docente y la  
necesidad de rediseñar prácticas evaluativas institucionales. Peñalvo et al. (2024) argumentan que la  
transformación tecnológica demanda nuevas capacidades críticas en el profesorado universitario,  
mientras que Díaz Vera et al. (2021) alertan sobre el riesgo de dependencia cognitiva si la tecnología  
no se integra desde fundamentos pedagógicos sólidos. De igual manera, Fuentes Cabrera et al. (2025)  
identifican que el uso formativo de herramientas digitales mejora el desempeño académico cuando se  
articula con acompañamiento docente estructurado.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 2 p 768.  
En consecuencia, la construcción de un marco teórico riguroso exige articular las dimensiones  
pedagógica, tecnológica y ética para comprender cómo la evaluación universitaria puede garantizar  
autenticidad en contextos mediados por IA. El presente marco se organiza, por tanto, en torno a la  
evolución de la evaluación formativa, la IA como herramienta cognitiva ampliada, la redefinición del rol  
docente y los desafíos éticos emergentes, integrando evidencia reciente que permite fundamentar con  
solidez el análisis del rol del docente universitario en la evaluación del aprendizaje real.  
Transformación de la evaluación universitaria en contextos de inteligencia artificial  
La incorporación de la inteligencia artificial (IA) en la educación superior ha generado un punto de  
inflexión en los sistemas tradicionales de enseñanza y evaluación. Más que una innovación tecnológica  
aislada, la IA representa una transformación estructural del ecosistema pedagógico. González (2023)  
afirma que “la inteligencia artificial ha emergido como una tecnología disruptiva en el campo de la  
educación” (pág. 52), subrayando que su impacto alcanza tanto el diseño curricular como los  
mecanismos evaluativos.  
En el ámbito universitario, esta transformación ha sido particularmente visible en la evaluación  
académica. Los sistemas de IA permiten generar retroalimentación automatizada, análisis predictivo  
de desempeño y personalización de contenidos. Sin embargo, la automatización no garantiza la  
validación del aprendizaje profundo. Como advierte González (2023), “la IA no reemplaza a los  
educadores humanos, sino que puede ser una herramienta útil para complementar el proceso de  
enseñanza” (pág. 58). Esta afirmación delimita claramente que la función docente no desaparece, sino  
que se redefine.  
Romero Alonso, Araya Carvajal y Reyes Acevedo (2025) coinciden al señalar que la IA “representa una  
oportunidad significativa para la personalización y adaptación de sistemas educativos en modalidad  
virtual” (pág. 4). No obstante, advierten que su implementación debe enmarcarse en criterios  
pedagógicos sólidos y no únicamente en ventajas operativas. La evaluación universitaria, en este  
contexto, enfrenta el desafío de distinguir entre producción automatizada y construcción cognitiva  
auténtica.  
Evaluación formativa y autenticidad del aprendizaje  
La evaluación formativa se ha consolidado como una estrategia orientada a fortalecer procesos  
cognitivos y metacognitivos. A diferencia de modelos centrados exclusivamente en productos finales,  
la evaluación formativa privilegia la retroalimentación continua, la autorregulación y el análisis  
reflexivo.  
En estudios recientes sobre integración de IA en procesos evaluativos, se destaca que la  
automatización puede contribuir a la coherencia y eficiencia. Se indica que la IA ofrece “mayor  
coherencia y precisión” en la elaboración de rúbricas y análisis de trabajos académicos (2025). Sin  
embargo, el mismo estudio enfatiza que “resulta imprescindible una revisión final por parte del docente  
lo cual reafirma la centralidad humana en la toma de decisiones evaluativas.  
De igual manera, Fuentes Cabrera, Tapia Zurita y Tapia Herrera (2025) evidenciaron una relación  
significativa entre retroalimentación sistemática apoyada en herramientas digitales y mejora del  
rendimiento académico, concluyendo que la calidad de la mediación docente incide directamente en  
la consolidación del aprendizaje.  
Por tanto, el aprendizaje auténtico no puede medirse únicamente por la corrección formal del producto  
final, sino por la evidencia del proceso cognitivo desarrollado. Este enfoque cobra especial relevancia  
cuando herramientas generativas pueden producir textos académicos estructurados sin garantía de  
comprensión profunda.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 2 p 769.  
Redefinición del rol docente en educación superior  
La transformación digital exige replantear el rol tradicional del docente universitario. Rondón (2023)  
sostiene que “a pesar de los avances significativos en la IA, el papel del docente sigue siendo  
fundamental en el proceso educativo” (p. 59). Esta afirmación adquiere relevancia frente a discursos  
que anuncian la sustitución del profesorado por sistemas automatizados.  
El mismo autor destaca que el docente es esencial para “desarrollar habilidades de pensamiento crítico  
y reflexivo y de orden superior” (Rondón, 2023, p. 61). En consecuencia, el profesorado se posiciona  
como mediador epistemológico, orientador ético y garante de autenticidad académica.  
De-la-Peña y Luque-Rojas (2024), en estudios sobre lectura dialógica digital con IA en educación  
superior, subrayan que la tecnología puede potenciar la interacción, pero el acompañamiento  
pedagógico continúa siendo el factor determinante para lograr aprendizaje significativo.  
Este proceso de redefinición implica migrar de un modelo transmisivo hacia uno reflexivo, donde el  
docente no solo evalúa resultados, sino que analiza argumentaciones, procesos de construcción  
conceptual y capacidad de transferencia.  
Inteligencia artificial como herramienta cognitiva ampliada  
La IA puede conceptualizarse como herramienta cognitiva ampliada cuando se integra  
estratégicamente en el diseño pedagógico. Romero Alonso et al. (2025) identifican que los sistemas  
adaptativos muestran “alto potencial para personalizar el aprendizaje y mejorar los resultados  
educativos” (p. 15). Esta personalización puede contribuir a identificar brechas de conocimiento y  
ajustar dinámicamente la enseñanza.  
Sin embargo, la personalización basada en datos plantea interrogantes éticos. Los autores advierten  
que “la preocupación por el uso de datos personales sigue siendo un desafío importante” (Romero  
Alonso et al., 2025, p. 22). En este sentido, la evaluación del aprendizaje en contextos de IA requiere  
garantizar transparencia algorítmica y protección de información académica.  
González-González (2023) añade que la integración tecnológica debe responder a finalidades  
educativas claras y no a una adopción instrumental carente de sentido pedagógico. Por tanto, la IA  
puede fortalecer la evaluación formativa cuando se articula con objetivos cognitivos definidos.  
Dimensión ética y responsabilidad institucional  
El uso de inteligencia artificial en evaluación universitaria no solo plantea desafíos pedagógicos, sino  
también éticos. La facilidad de acceso a sistemas generativos puede desdibujar la autoría intelectual  
y comprometer la integridad académica.  
Romero Alonso et al. (2025) subrayan la necesidad de “respetar y proteger a los estudiantes,  
restringiendo el uso de estos datos a fines educativos” (p. 23). Esta perspectiva exige políticas  
institucionales claras que regulen el uso responsable de herramientas digitales.  
Asimismo, Rondón (2023) enfatiza que la IA “no sustituye la reflexión crítica del docente” (p. 64), por lo  
que la mediación humana resulta imprescindible para preservar la autenticidad del aprendizaje real.  
En consecuencia, el rol docente universitario se fortalece como garante de ética académica,  
pensamiento crítico y evaluación auténtica en contextos tecnológicos emergentes.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 2 p 770.  
RESULTADOS  
Presentación estructurada de los hallazgos  
El análisis documental de las investigaciones publicadas entre 2020 y 2025 permitió identificar  
transformaciones sustanciales en la concepción de la evaluación universitaria en contextos mediados  
por inteligencia artificial. La sistematización teórica evidenció patrones discursivos recurrentes  
relacionados con autenticidad del aprendizaje, mediación docente, retroalimentación formativa y  
regulación ética.  
A partir del proceso de lectura analítica y categorización temática emergieron cinco categorías  
centrales:  
●
●
●
●
●
Evaluación centrada en productos versus procesos cognitivos  
Inteligencia artificial como herramienta cognitiva ampliada  
Reconfiguración del rol docente universitario  
Evaluación auténtica y metacognición  
Dimensión ética y regulación institucional  
Tabla 1  
Caracterización de las investigaciones analizadas (2020–2025)  
Autor(es)  
Molina Soria et al.  
Díaz Vera et al.  
Ayuso-del Puerto  
González-González  
Rondón  
Año  
Tipo de estudio  
Aporte relevante  
Evaluación formativa mejora rendimiento  
Transformación digital universitaria  
IA como recurso educativo  
IA transforma enseñanza-aprendizaje  
Nuevo rol docente frente a IA  
Evaluación apoyada en IA  
Retroalimentación como eje formativo  
Integridad académica e IA  
Formación docente en IA  
2020 Empírico  
2021 Teórico  
2022 Reflexivo  
2023 Analítico  
2023 Teórico  
2024 Empírico  
2024 Mixto  
2024 Ético-analítico  
2024 Competencia digital  
Soto  
Cárdenas Messa et al.  
Gaona-Portal et al.  
Peñalvo et al.  
de-la-Peña & Luque-Rojas 2024 Cuasi experimental  
Aprendizaje activo con IA  
Romero Alonso et al.  
Fuentes Cabrera et al.  
Molokomme & Motebe  
Jiménez-García et al.  
Varela  
2025 Revisión sistemática Personalización adaptativa  
2025 Empírico  
2025 Empírico  
2025 Analítico  
2023 Teórico  
IA y rendimiento académico  
Evaluaciones online e impacto  
IA y pensamiento crítico  
Universidad e innovación tecnológica  
Fuente: elaboración propia.  
Categoría 1: Evaluación centrada en productos vs. procesos  
La literatura coincide en señalar que los modelos tradicionales priorizan el producto final como  
evidencia de aprendizaje. Molina Soria et al. (2020) demostraron que “la evaluación formativa favorece  
procesos de autorregulación y reflexión académica” (p. xx). Este hallazgo adquiere especial relevancia  
cuando la producción escrita puede ser generada por sistemas de inteligencia artificial.  
En la misma línea, Cárdenas Messa et al. (2024) sostienen que “la retroalimentación continua  
constituye un elemento central para consolidar aprendizajes significativos” (p. xx). Sin embargo, los  
estudios advierten que la automatización evaluativa puede ocultar la ausencia de construcción  
cognitiva genuina (Soto, 2024; Molokomme & Motebe, 2025).  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 2 p 771.  
El análisis indica que la inteligencia artificial optimiza la producción textual, pero no garantiza una  
comprensión conceptual profunda.  
Categoría 2: Inteligencia artificial como herramienta cognitiva ampliada  
González-González (2023) afirma que “la inteligencia artificial está transformando la forma de enseñar  
y aprender” (p. xx), principalmente mediante procesos de personalización y retroalimentación  
automática.  
Romero Alonso et al. (2025) señalan que los sistemas adaptativos permiten ajustes en función del  
desempeño estudiantil. No obstante, Peñalvo et al. (2024) advierten que sin competencia digital  
docente, la integración tecnológica pierde eficacia pedagógica.  
El hallazgo central muestra que la IA actúa como herramienta de apoyo, no como sustituto del criterio  
académico.  
Categoría 3: Reconfiguración del rol docente universitario  
Rondón (2023) sostiene que “el docente no pierde protagonismo frente a la inteligencia artificial, sino  
que redefine sus funciones” . De manera complementaria, Varela (2023) subraya que el profesorado  
debe asumir una mediación crítica ante la automatización.  
Los estudios convergen en que el docente:  
●
●
●
●
Diseña experiencias evaluativas auténticas  
Interpreta resultados generados por IA  
Regula ética académica  
Promueve pensamiento crítico  
Este hallazgo refuerza la centralidad del profesor como garante del aprendizaje real.  
Categoría 4: Evaluación auténtica y metacognición  
De-la-Peña y Luque-Rojas (2024) evidencian que las estrategias dialógicas mediadas digitalmente  
fortalecen la comprensión cuando el estudiante debe argumentar y justificar.  
Jiménez-García et al. (2025) destacan que la inteligencia artificial puede asistir en la elaboración  
conceptual, pero la construcción crítica exige reflexión individual.  
El análisis confirma que las tareas basadas en estudio de casos, defensa oral y argumentación reducen  
la delegación cognitiva pasiva.  
Categoría 5: Ética académica y regulación institucional  
Gaona-Portal et al. (2024) advierten que la integración de IA requiere marcos normativos claros para  
preservar la integridad académica. Romero Alonso et al. (2025) insisten en la necesidad de supervisión  
institucional.  
El hallazgo muestra que la evaluación auténtica no depende exclusivamente del docente, sino también  
de políticas universitarias coherentes.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 2 p 772.  
Figura 1  
Modelo Integrado de Evaluación del Aprendizaje Real en Contextos de Inteligencia Artificial  
Nota: esquema conceptual desarrollado previamente.  
Fuente: elaboración propia.  
La figura representa la interacción entre inteligencia artificial (herramienta cognitiva), docente  
universitario (núcleo mediador), evaluación auténtica (evidencia de proceso) y marco ético institucional  
(estructura reguladora), que convergen en la generación de aprendizaje real.  
DISCUSIÓN  
Interpretación de los resultados en diálogo con la literatura  
Los hallazgos obtenidos evidencian que la integración de la inteligencia artificial en la evaluación  
universitaria no constituye un fenómeno meramente tecnológico, sino una reconfiguración  
epistemológica del concepto de aprendizaje verificable.  
La categoría “evaluación centrada en procesos” dialoga directamente con lo planteado por Molina Soria  
et al. (2020), quienes sostienen que la evaluación formativa favorece la autorregulación y la  
participación activa del estudiante. En contextos mediados por IA, este planteamiento adquiere una  
dimensión crítica: cuando el producto puede ser generado algorítmicamente, la validación del proceso  
cognitivo se convierte en criterio central.  
Asimismo, Cárdenas Messa et al. (2024) resaltan la importancia de la retroalimentación como  
componente estructural del aprendizaje significativo. Sin embargo, los resultados de esta investigación  
indican que la retroalimentación automatizada, si no es mediada pedagógicamente, corre el riesgo de  
convertirse en una interacción superficial sin impacto reflexivo.  
En consonancia con González-González (2023), quien señala que la IA transforma la forma de enseñar  
y aprender, el presente estudio evidencia que dicha transformación no elimina la centralidad docente,  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 2 p 773.  
sino que la redefine. Rondón (2023) y Soto (2024) coinciden en que el rol del profesor adquiere mayor  
complejidad, pues debe interpretar, contextualizar y orientar el uso crítico de la tecnología.  
La literatura revisada (Romero Alonso et al., 2025; Peñalvo et al., 2024; Gaona-Portal et al., 2024)  
sugiere que la competencia digital docente y la regulación institucional son factores decisivos para  
garantizar la integridad académica. Los resultados aquí obtenidos confirman que la autenticidad del  
aprendizaje no depende exclusivamente del estudiante ni del algoritmo, sino de la interacción ética  
entre diseño pedagógico, acompañamiento docente y normativa institucional.  
En consecuencia, la inteligencia artificial emerge como herramienta cognitiva ampliada, pero no como  
garante autónoma del aprendizaje real.  
Implicaciones teóricas  
Desde el punto de vista teórico, este estudio reafirma que la evaluación universitaria debe ser  
comprendida como un proceso epistemológico y no meramente técnico.  
Primero, se consolida la necesidad de transitar hacia modelos de evaluación auténtica fundamentados  
en metacognición, argumentación y transferencia conceptual, tal como lo proponen de la Peña y Luque  
Rojas (2024).  
Segundo, los resultados contribuyen a la teoría de la mediación pedagógica al posicionar al docente  
como núcleo articulador entre tecnología y aprendizaje profundo.  
Tercero, se propone una reformulación conceptual del aprendizaje real en contextos digitales: no se  
define por la producción textual, sino por la evidencia del proceso cognitivo subyacente.  
Implicaciones prácticas para la educación superior latinoamericana  
En el plano práctico, los hallazgos sugieren varias líneas de acción:  
●
●
●
●
●
Diseñar evaluaciones que integren defensa oral, análisis crítico y estudio de casos.  
Incorporar rúbricas orientadas a evidenciar el proceso cognitivo.  
Fortalecer formación docente en competencia digital crítica (Peñalvo et al., 2024).  
Establecer políticas claras de uso ético de inteligencia artificial (Gaona-Portal et al., 2024).  
Integrar la IA como herramienta de retroalimentación, no como sustituto evaluativo.  
Para universidades latinoamericanas, donde la transformación digital avanza de manera desigual,  
estos resultados subrayan la necesidad de políticas institucionales coherentes y contextualizadas.  
Limitaciones del estudio  
El estudio presenta ciertas limitaciones inherentes a su diseño teórico-reflexivo.  
Primero, al tratarse de una revisión documental, no se incorporó evidencia empírica directa con  
docentes o estudiantes.  
Segundo, el análisis se centró en literatura publicada entre 2020 y 2025, lo que restringe perspectivas  
históricas anteriores.  
Tercero, la interpretación cualitativa, aunque rigurosa, depende del marco conceptual adoptado, lo que  
puede abrir espacio a lecturas alternativas.  
No obstante, estas limitaciones no invalidan los aportes, sino que delimitan su alcance interpretativo.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 2 p 774.  
CONCLUSIÓN  
El presente estudio permitió analizar, desde un enfoque cualitativo teórico-reflexivo y revisión  
documental reciente (2020–2025), el rol del docente universitario en la evaluación del aprendizaje real  
en contextos mediados por inteligencia artificial. A partir del diálogo crítico entre investigaciones  
contemporáneas, se concluye que la inteligencia artificial no sustituye el juicio pedagógico, sino que  
reconfigura las condiciones bajo las cuales se valida la autenticidad del aprendizaje.  
En respuesta explícita a la pregunta de investigación, el docente universitario emerge como mediador  
central del aprendizaje real, responsable de diseñar experiencias evaluativas auténticas, interpretar  
críticamente la retroalimentación automatizada y garantizar la integridad académica en escenarios  
tecnológicos. Su rol no se reduce a supervisar productos, sino que se amplía hacia la verificación de  
procesos cognitivos, la promoción de metacognición y la construcción ética del conocimiento.  
Los hallazgos evidencian que la evaluación centrada exclusivamente en resultados finales resulta  
insuficiente cuando existen herramientas generativas capaces de producir textos estructurados y  
argumentativos. En este contexto, la autenticidad del aprendizaje se valida mediante estrategias que  
revelen pensamiento crítico, argumentación reflexiva y transferencia conceptual. La mediación  
docente se convierte, por tanto, en el eje articulador entre tecnología, diseño pedagógico y regulación  
institucional.  
Desde el plano teórico, el estudio aporta una reformulación conceptual del aprendizaje real en entornos  
digitales: no se define por la producción observable, sino por la evidencia del proceso cognitivo  
subyacente. Desde la perspectiva práctica, se reafirma la necesidad de fortalecer competencias  
digitales críticas en el profesorado y de establecer marcos normativos institucionales claros para el  
uso ético de la inteligencia artificial en evaluación académica.  
En el contexto latinoamericano, donde la transformación digital avanza de manera heterogénea, este  
estudio contribuye a orientar políticas universitarias que integren innovación tecnológica sin  
comprometer rigor académico. Lejos de desplazar al docente, la inteligencia artificial refuerza su  
función como garante de profundidad cognitiva, pensamiento autónomo y formación integral.  
En definitiva, la evaluación del aprendizaje real en tiempos de inteligencia artificial no depende de la  
tecnología en sí misma, sino de la capacidad del docente para diseñar, mediar y regular procesos  
evaluativos que evidencien comprensión auténtica. Esta conclusión reafirma la vigencia y relevancia  
estratégica del rol docente en la educación superior contemporánea.  
Recomendaciones y futuras líneas de investigación  
A partir de los hallazgos, se proponen futuras líneas de investigación:  
Estudios empíricos que analicen cómo los docentes implementan evaluación auténtica con IA en aulas  
reales.  
Investigaciones comparativas entre universidades latinoamericanas sobre regulación institucional del  
uso de IA.  
Análisis longitudinales sobre impacto de la IA en desarrollo metacognitivo.  
Estudios mixtos que integren percepción estudiantil y rendimiento académico en contextos mediados  
por inteligencia artificial.  
Diseño y validación de instrumentos específicos para evaluar aprendizaje real en entornos digitales.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 2 p 775.  
Estas líneas permitirán avanzar desde la reflexión teórica hacia la validación empírica.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 2 p 776.  
REFERENCIAS  
Acevedo, R. R. (2025). Rol de la Inteligencia Artificial en la personalización de la educación a distancia:  
una revisión sistemática. Educación en nuevos contextos digitales / Estudios e investigaciones.  
doi:https://doi.org/10.5944/ried.28.1.41538  
Cristhian Jonathan Fuentes Cabrera. Omar Gerardo Tapia Zurita, D. V. (2025). Uso de la Inteligencia  
Artificial en la evaluación formativa y su incidencia en el desempeño académico de los estudiantes.  
social frontera, 100-115. doi: https://doi.org/10.59814/resofro.2025.5(1)611  
González, C. S. (julio de 2023). El impacto de la inteligencia artificial en la educación: transformación  
de  
la  
forma  
de  
enseñar  
y
de  
aprender.  
Revista  
Qurriculum,  
55-  
60.  
doi:https://doi.org/10.25145/j.qurricul.2023.36.03  
Ayuso-del Puerto, D. (2022). Inteligencia artificial y educación superior: Desafíos y oportunidades.  
Revista Electrónica Interuniversitaria de Formación del Profesorado, 25(3), 45–60.  
https://doi.org/10.6018/reifop.512761  
Cárdenas Messa, G. A., Giraldo Arcila, F. N., Giraldo Montoya, M. C., Zambrano Leal, A., Ropero Casiano,  
D. J., & Sánchez Díaz, L. M. (2024). La retroalimentación en la educación superior del siglo XXI. Praxis  
& Saber, 15(40), 1–17. https://doi.org/10.19053/uptc.22160159.v15.n40.2024.17823  
Díaz Vera, J., Morales, M., & Pérez, L. (2021). Transformación digital y prácticas docentes en educación  
superior. Educación y Futuro, 45, 97–115.  
Fuentes Cabrera, A., Tapia Zurita, C., & Tapia Herrera, L. (2025). Evaluación formativa apoyada en  
inteligencia artificial y su relación con el rendimiento académico universitario. Revista Reincisol.  
https://www.reincisol.com/ojs/index.php/reincisol/article/view/537  
Gaona-Portal, P., Hernández, M., & López, A. (2024). Ética académica y uso de inteligencia artificial en  
la educación superior. Ciencia Latina Revista Científica Multidisciplinar, 8(2), 1123–1140.  
https://doi.org/10.37811/cl_rcm.v8i2.1145  
González-González, C. S. (2023). El impacto de la inteligencia artificial en la educación: Transformación  
de  
la  
forma  
de  
enseñar  
y
aprender.  
Qurriculum,  
36,  
51–60.  
https://doi.org/10.25145/j.qurricul.2023.36.03  
Jiménez-García, L., Ramírez, J., & Torres, P. (2025). Inteligencia artificial y desarrollo del pensamiento  
crítico en educación universitaria. Revista Iberoamericana de Educación Superior, 16(45), 89–105.  
Molina Soria, M., Pascual Arias, C., & López Pastor, V. (2020). El rendimiento académico y la evaluación  
formativa  
y
compartida  
en  
formación  
del  
profesorado.  
Alteridad,  
15(2),  
204–215.  
https://doi.org/10.17163/alt.v15n2.2020.05  
Molokomme, R., & Motebe, M. (2025). Online assessments and their impact on students’ academic  
performance and learning outcomes: A case of a South African University of Technology. Journal of  
Infrastructure, Policy and Development, 9(2), 1–13. https://doi.org/10.24294/jipd.v9i2.1285  
Peñalvo, F. J. G., Corell, A., Abella-García, V., & Grande, M. (2024). Teacher digital competence in higher  
education: Challenges of artificial intelligence integration. Revista Iberoamericana de Educación  
Superior, 15(42), 23–41.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, marzo, 2026, Volumen VII, Número 2 p 777.  
Romero Alonso, R., Araya Carvajal, K., & Reyes Acevedo, N. (2025). Rol de la inteligencia artificial en la  
personalización de la educación a distancia: Una revisión sistemática. RIED. Revista Iberoamericana  
de Educación a Distancia, 28(1). https://doi.org/10.5944/ried.28.1.41538  
Rondón, G. (2023). El rol docente en el uso de la inteligencia artificial en ambientes educativos.  
Dialógica, 20(2), 49–70.  
Soto, M. E. (2024). El rol docente en la enseñanza-apendizaje con inteligencia artificial. Revista Social  
Fronteriza, 11, 109–119. https://www.revistasocialfronteriza.com/ojs/index.php/rev/article/view/611  
Varela, M. (2023). Educación superior e innovación tecnológica en tiempos de inteligencia artificial.  
Revista Educación Superior y Sociedad, 35(1), 75–90.  
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 2 p 778.