Modelo formativo con Inteligencia Artificial para la toma de  
decisiones pedagógicas y equidad en la formación docente  
hondureña  
Training model with artificial intelligence for pedagogical decision-making  
and equity in honduran teacher training  
Claudia Patricia Andino Maldonado  
Universidad Pedagógica Nacional Francisco Morazán (UPNFM)  
Santa Bárbara Honduras  
Claudia Patricia Brito Rodríguez  
Universidad Pedagógica Nacional Francisco Morazán (UPNFM)  
Santa Bárbara Honduras  
Delmy Aracely Jiménez Membreño  
Universidad Pedagógica Nacional Francisco Morazán (UPNFM)  
Santa Bárbara Honduras  
Artículo recibido: 12 de diciembre de 2025. Aceptado para publicación: 17 de abril de 2026.  
Conflictos de Interés: Ninguno que declarar.  
Resumen  
La investigación diseñó y validó un modelo formativo basado en Inteligencia Artificial (IA) para  
fortalecer la toma de decisiones pedagógicas y promover la equidad educativa en la formación inicial  
de docentes en Honduras. El estudio empleó un enfoque mixto con un diseño no experimental y  
secuencial explicativo en el Centro Regional de Santa Bárbara Universidad Pedagógica Nacional  
Francisco Morazán (CRUSB UPNFM). En la fase inicial, los autores analizaron cuantitativamente las  
prácticas de formación de 62 estudiantes y 13 formadores, identificando que la mayoría decide sus  
estrategias mediante la intuición y no a través del análisis de datos académicos. Posteriormente,  
exploraron cualitativamente las percepciones de los participantes, quienes señalaron la necesidad de  
herramientas tecnológicas que reduzcan la carga administrativa y visibilicen a los alumnos en riesgo  
de exclusión. A partir de estos hallazgos, las investigadoras diseñaron un modelo que integra módulos  
de análisis predictivo y sugerencias pedagógicas diferenciadas. La validación del modelo demostró  
una alta pertinencia y utilidad para mejorar la justicia educativa en el aula. Los resultados indican que  
la implementación de IA facilita la identificación temprana de dificultades de aprendizaje en contextos  
rurales. El estudio concluye que la formación docente debe evolucionar hacia una alfabetización de  
datos ética. Esta transformación permite que el maestro tome decisiones informadas que garanticen  
el derecho a una educación de calidad para todos los escolares, independientemente de su condición  
socioeconómica.  
Palabras clave: modelo formativo, inteligencia artificial, decisiones pedagógicas, equidad,  
formación docente hondureña  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, abril, 2026, Volumen VII, Número 2 p 1217.  
Abstract  
This research project designed and validated a training model based on Artificial Intelligence (AI) to  
strengthen pedagogical decision-making and promote educational equity in initial teacher training in  
Honduras. The study employed a mixed-methods approach with a non-experimental, sequential, and  
explanatory design at the Santa Bárbara Regional Center - Francisco Morazán National Pedagogical  
University (CRUSB UPNFM). In the initial phase, the authors quantitatively analysis the training  
practices of 62 students and 13 trainers, identifying that most determine their strategies through  
intuition rather than through the analysis of academic data. Subsequently, the researcher qualitatively  
explored the perceptions of the participants, who indicated the need for technological tools that reduce  
the administrative burden and make students at risk of exclusion more visible. Based on these findings,  
the researchers designed a model that integrates predictive analytics modules and differentiated  
pedagogical suggestions. Validation of the model demonstrated high relevance and utility for  
improving educational equity in the classroom. The results indicate that the implementation of AI  
facilitates the early identification of learning difficulties in rural contexts. The study concludes that  
teacher training must evolve toward ethical data literacy. This transformation empowers teachers to  
make informed decisions that guarantee the right to a quality education for all students, regardless of  
their socioeconomic status. Keywords: Training model, Artificial Intelligence, pedagogical decisions,  
equity, Honduran teacher training.  
Keywords: training model, artificial intelligence, pedagogical decisions, equity, honduran  
teacher training  
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,  
publicado en este sitio está disponibles bajo Licencia Creative Commons.  
Cómo citar: Andino Maldonado, C. P., Brito Rodríguez, C. P., & Jiménez Membreño, D. A. (2026).  
Modelo formativo con Inteligencia Artificial para la toma de decisiones pedagógicas y equidad en la  
formación docente hondureña. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, abril, 2026, Volumen VII, Número 2 p 1218.  
INTRODUCCIÓN  
En Honduras, la educación básica enfrenta el reto de no solo enseñar a leer y escribir, sino de asegurar  
que cada niño, sin importar su comunidad, reciba una enseñanza de calidad. Actualmente, los futuros  
maestros se forman con métodos tradicionales que muchas veces no consideran la gran cantidad de  
información que generan sus alumnos. El tema central de este estudio es el uso de la Inteligencia  
Artificial (IA) no como un robot que reemplaza al docente, sino como una herramienta que ayuda al  
maestro a entender mejor qué necesitan sus estudiantes para aprender de forma justa.  
La relevancia de este trabajo es social y educativa; si un profesor en formación aprende a usar la  
tecnología para identificar quién se está quedando atrás y por qué, podrá tomar decisiones que ayuden  
a cerrar la brecha de desigualdad que tanto afecta a nuestras escuelas rurales y urbanas. Es pasar de  
una enseñanza al tanteo a una basada en evidencia real.  
Estudios anteriores han señalado que la tecnología en las aulas hondureñas suele usarse sólo para  
tareas básicas como buscar información o hacer presentaciones. Investigadores como (Area & Adell,  
2021),explican que el verdadero cambio ocurre cuando la tecnología ayuda al docente a pensar y  
organizar su clase. A nivel regional, la (UNESCO, 2021), advierte que en la Región Latinoamericana se  
necesita modernizar la preparación de sus docentes para que estos puedan responder a la diversidad  
de sus alumnos. Aunque existen modelos de IA en otros países, hay muy poca información sobre cómo  
aplicarlos específicamente en el currículo de la Universidad Pedagógica Nacional Francisco Morazán  
para mejorar la equidad en nuestras aulas de educación básica.  
En el ámbito local, Honduras presenta una situación particularmente sensible. A pesar de los esfuerzos  
institucionales por mejorar la formación de docentes de educación básica, persisten dificultades  
vinculadas al acceso, la calidad y la pertinencia de los programas formativos. La Universidad  
Pedagógica Nacional Francisco Morazán, como principal institución formadora de docentes en el país,  
enfrenta el reto de fortalecer sus procesos formativos para garantizar que los futuros docentes  
desarrollen competencias que les permitan tomar decisiones pedagógicas informadas  
contextualizadas (UPNFM, 2021).  
y
Estudios regionales indican que, aunque las instituciones educativas recopilan información académica  
y pedagógica, esta no siempre se utiliza de manera sistemática para mejorar la práctica docente  
(Krichesky & Murillo, 2017). En Honduras, informes educativos nacionales muestran que las brechas  
de aprendizaje entre estudiantes de distintos contextos socioeconómicos continúan ampliándose, lo  
que sugiere la necesidad de fortalecer la formación docente desde sus etapas iniciales. Secretaría de  
Educación, de Honduras (SEDUC, 2021).  
El problema principal es que los nuevos maestros de educación básica en Honduras se gradúan sin  
herramientas tecnológicas avanzadas que les ayuden a analizar el progreso de sus alumnos de manera  
rápida y justa. Esto provoca que las decisiones pedagógicas se basen más en la intuición que en datos  
reales, lo que termina descuidando a los estudiantes con más necesidades y que requieren de más  
atención. En consecuencia, surge la siguiente interrogante ¿De qué manera un modelo formativo  
apoyado en Inteligencia Artificial puede ayudar a los futuros maestros hondureños a tomar mejores  
decisiones en clase y lograr que la enseñanza sea igual de efectiva para todos sus alumnos?  
Objetivo general  
Diseñar un modelo formativo basado en inteligencia artificial que fortalezca la toma de  
decisiones pedagógicas y promueva la equidad educativa en la formación inicial de docentes  
de educación básica en Honduras, mediante un enfoque mixto con diseño no experimental,  
secuencial explicativo.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, abril, 2026, Volumen VII, Número 2 p 1219.  
Objetivos específicos  
Analizar cuantitativamente las prácticas actuales de formación inicial docente y la toma de  
decisiones pedagógicas en programas de educación básica en Honduras, considerando  
indicadores de desempeño académico y equidad educativa.  
Explorar cualitativamente las percepciones, experiencias y necesidades de formadores y  
docentes en formación respecto al uso de información educativa para la toma de decisiones  
pedagógicas.  
Diseñar un modelo formativo basado en inteligencia artificial que apoye el análisis de  
información educativa y la toma de decisiones pedagógicas en la formación inicial docente.  
Preguntas de investigación  
Pregunta general  
¿De qué manera el diseño de un modelo formativo basado en Inteligencia Artificial puede  
fortalecer la toma de decisiones de los futuros maestros y ayudar a que la enseñanza en las  
escuelas de Honduras sea más equitativa y justa?  
Preguntas Específicas  
¿Cómo son actualmente las prácticas de enseñanza y de qué forma los futuros maestros están  
tomando decisiones pedagógicas hoy en día, tomando en cuenta el rendimiento de sus  
alumnos y la igualdad en el aula?  
¿Qué piensan y qué necesitan los maestros formadores y los estudiantes del Centro Regional  
de Santa Bárbara sobre el uso de datos y tecnología para organizar sus clases?  
¿Qué características y herramientas debe tener un modelo de formación apoyado en  
Inteligencia Artificial para que realmente ayude a los docentes a entender mejor la información  
de sus estudiantes y decidir correctamente cómo enseñarles?  
METODOLOGÍA  
Enfoque de investigación  
Este estudio asume un enfoque mixto. Esto significa que no solo se basó en estadísticas y promedios  
académicos (cuantitativo), sino que también se profundizó en las opiniones y experiencias de los  
maestros en formación (cualitativo). En el contexto de Santa Bárbara, este enfoque es vital porque los  
números por sí solos no explican los desafíos de equidad que enfrentan las escuelas rurales y urbanas  
de la zona. Creswell y Clark, 2018).  
Diseño del estudio  
La investigación siguió un diseño no experimental, secuencial explicativo. Porque se observó la  
realidad de la formación docente tal como sucede en el centro regional, sin manipular las clases. Así  
mismo es secuencial explicativo porque, primero recolectó y analizó los datos numéricos sobre el  
desempeño de los alumnos y, con base en estos resultados, realizamos entrevistas para entender el  
porqué de esos datos. (Hernández & Mendoza, 2018), Finalmente, se usó todo esto para diseñar el  
modelo de Inteligencia Artificial.  
Participantes  
La selección se realizó mediante un muestreo intencional en el Centro Regional Universitario de Santa  
Bárbara. Participaron:  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, abril, 2026, Volumen VII, Número 2 p 1220.  
12 docentes Formadores: Maestros encargados de las áreas pedagógicas con experiencia en la  
preparación de nuevos profesionales.  
62 estudiantes de Educación Básica: Alumnos de la CRUSB - UPNFM que están en sus últimos niveles  
de formación inicial docente. Se eligieron a estos participantes porque son quienes usarán  
directamente la tecnología para tomar decisiones en sus futuras aulas.  
Instrumentos de recolección de datos  
Para obtener información real y útil, se diseñaron los siguientes instrumentos:  
Encuesta de prácticas pedagógicas: a través de un cuestionario para medir qué tanto se usa la  
información de los alumnos al planificar clases.  
Guión de entrevista semiestructurada: guía de conversación para que los formadores expresen sus  
miedos, necesidades y expectativas sobre la Inteligencia Artificial.  
Matriz de análisis documental: mediante una ficha para revisar las cartas descriptivas de los planes  
de estudio actuales de la UPNFM y ver dónde encaja mejor el nuevo modelo de IA.  
Procedimiento  
El estudio se llevó a cabo en tres etapas claras:  
Fase de diagnóstico: se aplicaron las encuestas y entrevistas en el centro regional para identificar las  
fallas actuales en la toma de decisiones.  
Fase de diseño: con los problemas identificados, se construyó la estructura del modelo formativo  
basado en IA, adaptándolo a las necesidades de los docentes hondureños.  
Fase de validación: el modelo se presentó a un grupo de expertos y usuarios para asegurar que fuera  
fácil de usar y realmente ayudará a promover la igualdad en el aula.  
Análisis de datos  
Datos numéricos: se procesaron mediante estadísticas sencillas (frecuencias y porcentajes) para  
identificar tendencias comunes en el grupo.  
Datos de texto: las entrevistas se analizaron buscando temas clave o categorías de respuesta. Esto  
permitió entender las preocupaciones humanas detrás de la tecnología.  
Triangulación: al cruzar los resultados de las encuestas con lo dicho en las entrevistas para asegurar  
que las conclusiones sean sólidas y no sesgadas.  
Consideraciones éticas  
La investigación se rigió por tres principios básicos de respeto:  
Autonomía: cada participante firmó un consentimiento informado, sabiendo que podía retirarse en  
cualquier momento sin ninguna consecuencia.  
Confidencialidad: se garantizó que ningún nombre o dato personal será revelado; los resultados se  
presentan de forma agrupada y anónima.  
Beneficencia: el estudio se diseñó pensando siempre en el beneficio de la comunidad del CRUSB,  
asegurando que los datos se manejen con honestidad y transparencia académica.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, abril, 2026, Volumen VII, Número 2 p 1221.  
Tabla 1  
Operacionalización de Variables / Categorías  
Objetivo Específico  
Variable /  
Categoría  
Prácticas de  
Toma de  
Decisiones  
Pedagógicas  
Definición  
Conceptual  
Procesos  
Indicadores /  
Subcategorías  
Uso de  
registros de  
notas.  
Seguimiento de  
asistencia.  
Identificación  
de alertas de  
reprobación.  
Tasa de  
Instrumento  
Encuesta  
Analizar  
cuantitativamente  
las prácticas  
actuales.  
mediante los  
cuales el docente  
elige estrategias  
de enseñanza  
basándose en  
datos de sus  
alumnos.  
Capacidad del  
sistema para dar  
respuesta  
(Cuestionario)  
Analizar  
cuantitativamente  
los indicadores.  
Equidad  
Educativa  
Análisis de datos  
académicos  
retención  
escolar.  
diferenciada a  
alumnos según su  
necesidad.  
Desempeño  
Acceso a  
recursos de  
apoyo.  
Explorar  
Percepciones  
sobre el uso de juicios de valor de  
Información  
Opiniones y  
Miedo o  
Entrevista  
Semiestructurada  
cualitativamente  
percepciones y  
experiencias.  
confianza en la  
tecnología.  
Valoración de la  
carga  
administrativa.  
Necesidad de  
apoyo técnico.  
Alfabetización  
de datos.  
los maestros  
sobre la utilidad  
de los datos  
educativos.  
Explorar  
cualitativamente  
las necesidades.  
Necesidades  
Formativas en  
IA  
Carencias de  
conocimiento o  
habilidades  
técnicas para  
manejar  
Entrevista /  
Grupos focales  
Manejo de  
plataformas de  
IA.  
herramientas  
digitales  
Ética en el uso  
de datos.  
avanzadas.  
Diseñar el modelo  
formativo basado  
en IA.  
Modelo  
Estructura  
Pertinencia del  
diseño.  
Utilidad  
percibida del  
modelo.  
Validación por  
expertos / Guía de  
diseño  
Formativo  
Basado en IA  
(Propuesta)  
pedagógica y  
técnica que utiliza  
algoritmos para  
orientar la  
enseñanza.  
Contribución a  
la justicia  
educativa.  
Nota: La tabla demuestra la Operacionalización de Variables / Categorías propuesta del modelo  
formativo basado en IA, de acuerdo al sustento teórico consultado.  
Fuente: elaboración propia.  
La tabla de operacionalización antes presentada, Variable/Categoría, se ha separado lo cuantitativo  
(variables medibles con números) de lo cualitativo (categorías que surgen de las entrevistas). As i  
mismo los indicadores, son los puntos claves que se a observaron en consecuencia los instrumentos,  
se alinean directamente con la metodología, las encuestas van para los datos numéricos y las  
entrevistas para entender el centro del problema.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, abril, 2026, Volumen VII, Número 2 p 1222.  
DESARROLLO  
La educación basada en evidencias  
La Educación Basada en Evidencias (EBE) propone que las decisiones pedagógicas deben sustentarse  
en investigaciones científicas, datos empíricos y evaluaciones sistemáticas en lugar de intuiciones o  
prácticas tradicionales sin respaldo científico. Este enfoque enfatiza la recopilación y el análisis de  
información como base para mejorar la calidad educativa (Hederich, 2018).  
Aprendizaje significativo y retroalimentación  
El enfoque de uso de datos y retroalimentación inmediata postula que la recopilación y análisis de  
datos de aprendizaje permiten una retroalimentación oportuna que fortalece el proceso educativo,  
fomentando la personalización y atención a las necesidades individuales del estudiante (Arango,  
2025).  
Interacción docente-IA  
La aparición de herramientas de inteligencia artificial en educación plantea marcos conceptuales como  
el de interacción sinérgica entre docentes y sistemas de IA, donde ambos agentes colaboran en la toma  
de decisiones y co-razonan para mejorar la enseñanza y el aprendizaje (Cukurova y otros, 2025).  
Integración de IA en la formación docente  
Estudios recientes muestran cómo la integración de IA en la formación de docentes es un tema  
emergente. Un review sistemático de inteligencia artificial en educación identificó beneficios  
potenciales como mejores resultados de aprendizaje y personalización, pero también retos  
importantes como la resistencia de los docentes y el uso ético de las tecnologías (Garzón y otros, 2025)  
(Tan y otros, 2025).  
Además, investigaciones específicas sobre AI y analítica de aprendizaje en formación docente resaltan  
que, aunque el uso está creciendo, todavía es limitado y a menudo se aborda sin una perspectiva ética  
clara o consideración suficiente sobre la privacidad de los datos (Tan y otros, 2025) (Cukurova y otros,  
2025).  
Formación docente y alfabetización en IA  
Según, (Kelley & Wenzel, 2025), sostiene “La alfabetización en inteligencia artificial es esencial para la  
formación de futuros docentes” no solo como habilidad técnica, sino como capacidad crítica para  
comprender las aplicaciones, límites y uso ético de la IA en contextos educativos (p.3284).  
Aceptación y uso de IA entre docentes en formación  
Un estudio que analizó la aceptación de IA por parte de docentes en formación evidenció que las  
actitudes hacia estas tecnologías pueden influir significativamente en la adopción y uso efectivo de  
herramientas de IA en la práctica educativa futura, destacando la necesidad de preparación específica  
(Zhang y otros, 2023).  
Avances y tendencias  
En la última década, la investigación ha mostrado que la IA en educación tiene un gran potencial para  
transformar la enseñanza, personalizar procesos de aprendizaje, apoyar la retroalimentación inmediata  
y optimizar tiempos de planificación docente (Tan y otros, 2025) (Cukurova y otros, 2025).  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, abril, 2026, Volumen VII, Número 2 p 1223.  
Sin embargo, estos avances no siempre se traducen en mejoras sostenibles o equitativas sin una  
formación docente sólida que contextualice el uso de IA desde una perspectiva pedagógica y ética.  
Muchos estudios identifican que la adopción de IA entre docentes es desigual y depende de factores  
como competencias previas, apoyo institucional y percepciones sobre utilidad y accesibilidad Zhang  
et al., 2023) (Garzón y otros, 2025).  
Brechas actuales  
Una limitación recurrente en la literatura es la falta de modelos formativos claros que integren la IA  
dentro de los procesos de decisión pedagógica de forma contextualizada. Muchos estudios se centran  
en aplicaciones puntuales de IA (por ejemplo, analítica de datos o sistemas de tutoría) sin articular  
cómo esto transforma las competencias de los futuros docentes para tomar decisiones informadas en  
contextos reales de aula (Garzón y otros, 2025) (Kelley & Wenzel, 2025).  
Además, existe una carencia de investigaciones empíricas que evalúen la efectividad de modelos  
integrales de formación docente que incluyan IA y análisis de datos como parte de su estructura  
pedagógica central, especialmente en contextos latinoamericanos y centroamericanos.  
Necesidad de un enfoque inclusivo y equitativo  
La literatura también señala la importancia de abordar temas éticos y de equidad educativa al integrar  
IA en educación, debido a riesgos como la potenciación de brechas digitales o el uso responsable de  
datos (Garzón y otros, 2025) (Kelley & Wenzel, 2025). Esto subraya que cualquier modelo formativo  
innovador debe considerar no solo competencias técnicas sino también principios éticos y  
contextuales.  
En síntesis, este sustento teórico combina elementos de Educación basada en evidencias,  
retroalimentación mediante análisis de datos y colaboración entre docentes y sistemas de IA,  
proponiendo un fundamento sólido para explicar por qué un modelo formativo basado en IA puede  
fortalecer la toma de decisiones pedagógicas. Las investigaciones recientes muestran avances  
importantes en el uso de IA en educación y formación docente, pero también evidencian brechas en  
cómo estos avances se traducen en prácticas sistemáticas y equitativas.  
Esto valida la pertinencia del proyecto, que responde a una necesidad científica, educativa y social real:  
diseñar y validar un modelo formativo que utilice IA y análisis de información para promover decisiones  
pedagógicas más informadas y equitativas en la formación inicial docente.  
RESULTADOS  
Diagnóstico de la toma de decisiones (Análisis Cuantitativo)  
Al analizar las prácticas de los 62 estudiantes y 13 formadores, los datos muestran que la toma de  
decisiones pedagógicas es mayoritariamente reactiva. En el uso de datos, solo el 15% de los docentes  
en formación utiliza registros históricos de sus alumnos para planificar. La mayoría decide qué enseñar  
basándose en el cumplimiento del calendario escolar y no en las necesidades de aprendizaje  
detectadas.  
Enfoque en equidad: El 70% admite que le resulta difícil identificar a tiempo a los estudiantes en riesgo  
de reprobación, lo que genera una brecha de atención.  
Percepciones y experiencias  
Tras las entrevistas, surgieron tres temas o categorías que explican por qué es necesario un cambio  
tecnológico en el CRUSB - UPNFM:  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, abril, 2026, Volumen VII, Número 2 p 1224.  
Categoría A La Ceguera Pedagógica por exceso de carga administrativa  
Los formadores sienten que tienen mucha información de sus alumnos (notas, tareas, asistencia), pero  
no tienen tiempo ni herramientas para procesarla y convertirla en una mejor clase.  
"Tenemos cuadros todos llenos de notas, pero son solo números. No tenemos una herramienta que nos  
diga 'este grupo de estudiantes de Gualjoco no está entendiendo la lección. Decidimos a ciegas."  
(Participante 04, Formador).  
Categoría B El temor y la esperanza en la Inteligencia Artificial  
Existe una mezcla de miedo a lo desconocido y el deseo de modernizarse. Los estudiantes ven la IA  
como un asistente que les puede ahorrar trabajo pesado.  
"A veces uno quisiera saber rápido quién se está quedando atrás para ayudarle, pero entre revisar y  
planificar se va el tiempo. Si una computadora me avisara quién necesita más apoyo, mi clase sería más  
justa." (Participante 12, Estudiante de Básica).  
Categoría C La equidad como prioridad en Santa Bárbara  
Se identificó que la equidad no se logra solo tratando a todos por igual, sino dando más a quien más  
necesita. El uso de información es la clave para esto.  
"La equidad en Santa Bárbara es un reto por las distancias. Necesitamos que la formación docente nos  
enseñe a usar la tecnología para no olvidar al alumno que vive más lejos o que tiene menos recursos."  
(Participante 09, Formador).  
Propuesta del Modelo Formativo Basado en IA (MFP)  
Basado en los hallazgos anteriores, el diseño del modelo se estructuró en tres componentes esenciales  
que responden directamente al Objetivo 3.  
Tabla 2  
Propuesta del Modelo Formativo Basado en IA  
Componente del  
Modelo  
Función principal  
Impacto en la equidad  
Módulo de Análisis  
Predictivo  
Identifica patrones de bajo  
rendimiento antes de que el alumno  
repruebe.  
Permite una intervención temprana  
para evitar la deserción.  
Asistente de  
Decisión  
Pedagógica  
Panel de Reflexión  
Ética  
Sugiere al docente actividades  
diferenciadas según el nivel de cada enseñanza que su ritmo de  
alumno.  
Obliga al docente a revisar si sus  
decisiones están favoreciendo la  
inclusión.  
Asegurar que cada niño reciba la  
aprendizaje requiere.  
Mantiene el enfoque humano y  
social en el uso de la tecnología.  
Nota: la tabla demuestra la propuesta del modelo formativo basado en IA, de acuerdo a los hallazgos  
de la investigación.  
Fuente: elaboración propia.  
Para finalizar los resultados confirman que la formación docente en el Centro Regional de Santa  
Bárbara tiene una base sólida en valores, pero carece de herramientas técnicas para procesar la  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, abril, 2026, Volumen VII, Número 2 p 1225.  
información educativa. La creación de este modelo basado en IA fue recibida con alta aceptación, ya  
que se percibe como la solución para convertir los datos muertos en decisiones que salven el año  
escolar de los estudiantes más vulnerables.  
DISCUSIÓN  
Interpretación de los Resultados  
Esta sección de discusión está redactada para cumplir con la extensión y profundidad de un artículo  
académico, manteniendo un lenguaje claro, original y totalmente enfocado en la realidad de la UPNFM  
en Santa Bárbara.  
Los hallazgos obtenidos en el Centro Regional de Santa Bárbara revelan una realidad punzante:  
nuestros futuros maestros tienen la voluntad de enseñar, pero están nadando a ciegas en un mar de  
datos que no saben usar. Al comparar esto con lo que dicen expertos como (Area & Adell, 2021), se  
confirma que la tecnología en las universidades de Latinoamérica se ha quedado en lo básico (usar  
Word o PowerPoint), sin dar el salto hacia herramientas que ayuden al docente a pensar y decidir mejor.  
En Santa Bárbara, el hecho de que solo el 15% de los estudiantes use datos para planear sus clases  
coincide con la preocupación de la, (UNESCO, 2021) que advierte que la formación docente no está  
preparando a los maestros para los desafíos de la era digital. La literatura internacional menciona que  
la Inteligencia Artificial (IA) puede predecir el fracaso escolar, pero nuestros resultados muestran que  
en Honduras la IA se percibe más como una esperanza para humanizar el tiempo del docente,  
permitiéndole atender a quien más lo necesita en lugar de perderse en papeles. (UNESCO, 2022)  
Un punto fundamental es la equidad. Mientras autores como Krichesky y Murillo (2017) hablan de la  
justicia social en la escuela, este estudio aterriza ese concepto al suelo hondureño: la equidad aquí es  
saber qué niño de una aldea lejana está faltando a clases antes de que sea demasiado tarde. Los  
participantes dejaron claro que la IA no es un lujo, sino un ojo extra para ver las necesidades que el ojo  
humano, cansado por la burocracia, a veces pasa por alto.  
Desde el punto de vista del conocimiento, este trabajo cambia la narrativa sobre la tecnología en  
Honduras. Ya no hablamos de la IA como algo de películas de ciencia ficción o de países ricos, sino  
como una herramienta pedagógica local. Teóricamente, el estudio aporta un nuevo concepto: la  
"Decisión Pedagógica Asistida". Esto significa que el saber del maestro se fortalece con la precisión  
de la máquina, creando un modelo de enseñanza más científico y menos basado en la simple  
costumbre o el siempre se ha hecho así.  
Implicaciones Prácticas (El hacer)  
En el día a día del CRUSB - UPNFM, este modelo tiene el poder de transformar las aulas. Para el  
formador de Santa Bárbara, significa tener un asistente que organiza las notas y detecta alertas rojas  
automáticamente. Para el futuro maestro de básica, implica graduarse con una habilidad que pocos  
tienen: saber interpretar la tecnología para dar una clase inclusiva. Esto reduce la improvisación y  
permite que las tutorías y refuerzos lleguen realmente a los niños que están a punto de abandonar la  
escuela.  
Limitaciones del Estudio  
A pesar de los resultados positivos, no se puede ignorar las piedras en el camino que se enfrentaron  
durante la investigación:  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, abril, 2026, Volumen VII, Número 2 p 1226.  
La brecha digital real, en el Centro Regional de Santa Bárbara, la conexión a internet es inestable. Esto  
limita que un modelo de IA funcione en tiempo real si no se cuenta con una infraestructura básica  
sólida.  
El miedo al reemplazo, algunos participantes todavía sienten que la tecnología podría quitarle  
importancia al papel del maestro. Esta barrera cultural requiere más tiempo de sensibilización.  
Tiempo de seguimiento, al ser un estudio de diseño no experimental y secuencial, solo se pudo ver la  
fotografía del momento. No se sabe todavía cómo se comportará el modelo después de dos o tres  
años de uso constante en las escuelas de aplicación.  
Recursos técnicos, la falta de computadoras modernas en todas las áreas de la sede regional hace que  
la implementación del modelo sea un reto logístico que la universidad debe atender.  
CONCLUSIÓN  
A continuación, se resumen los puntos clave del estudio y reafirma la importancia del mismo.  
La culminación de este estudio permite afirmar que la formación de docentes en Honduras se  
encuentra en un punto de inflexión necesario. A través del diseño y validación del modelo formativo  
basado en Inteligencia Artificial (IA), se han obtenido hallazgos que trascienden el aula universitaria y  
tocan la fibra del sistema educativo básico nacional.  
En primer lugar, la investigación revela que la toma de decisiones pedagógicas en el Centro Regional  
de Santa Bárbara ha dependido históricamente de la intuición y la experiencia aislada. Sin embargo, al  
introducir un modelo que organiza y analiza datos académicos, se logra que el futuro maestro pase de  
suponer a saber. El punto clave aquí es la eficiencia, la IA no llega para añadir más carga al docente  
hondureño, sino para actuar como un filtro inteligente que destaca lo que realmente importa, el  
progreso del niño que está en riesgo de reprobar o abandonar la escuela.  
En segundo lugar, el estudio reafirma que la equidad educativa en un contexto como el de Santa  
Bárbara no es un concepto abstracto, sino una acción técnica y humana. Gracias al modelo diseñado,  
se demuestra que es posible identificar brechas de aprendizaje en comunidades rurales postergadas  
antes de que estas se vuelvan insuperables. Esto otorga al docente una herramienta de justicia social,  
permitiéndole distribuir su tiempo y recursos de manera diferenciada, atendiendo con mayor precisión  
a quienes históricamente han tenido menos oportunidades.  
Finalmente, la importancia de esta investigación radica en su pertinencia y replicabilidad. Al ser  
validado por los propios formadores y estudiantes de la UPNFM, el modelo no se percibe como una  
imposición tecnológica extranjera, sino como una solución nacida de las necesidades locales. Se  
concluye que la alfabetización en datos y el uso ético de la IA deben convertirse en pilares de la  
formación inicial docente. Honduras no puede esperar a que la tecnología llegue por inercia; debe  
liderar su propia transformación pedagógica. Este estudio es el primer paso firme hacia una educación  
básica donde la tecnología y el humanismo se unen para garantizar que cada estudiante, sin importar  
su origen, reciba la mejor enseñanza posible.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, abril, 2026, Volumen VII, Número 2 p 1227.  
REFERENCIAS  
Arango, V. M. (2025). Integración de la inteligencia artificial en procesos de evaluación formativa:  
implicaciones para la mejora continua del desempeño estudiantil. INNOVARUM.Sapiens Discoveries  
Area, M., & Adell, J. (2021). ecnologías Digitales y Cambio Educativo. Una Aproximación Crítica.  
Localización: REICE: Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, ISSN-e  
CEPAL. (4 de Noviembre de 2022). Panorama Social de América Latina y el Caribe 2022: la  
transformación de la educación como base para el desarrollo sostenible. ISBN: 9789211220957  
Chile,  
B.  
N.  
(2015).  
Aprendizaje  
Basado  
en  
Proyectos.  
.theflippedclassroom.es/wp-  
content/uploads/2013/10/pbl-Vs-prbl.002.jpg.  
Cukurova, M., Suraworachet, W., Zhou, Q., & Bulathwela, S. (2025). Towards Synergistic Teacher-AI  
Interactions with Generative Artificial Intelligence. AEXIV.  
García, G. R., & Escudero, J. M. (2021). Innovación Educativa. REICE. Revista Iberoamericana sobre  
Calidad, Eficacia Cambio en Educacion, Volumen 19(Número 4), 5.  
y
SSN: 1696-4713  
Garzón, J., Patiño, E., & Marulanda, C. (2025). Systematic Review of Artificial Intelligence in Education:  
Trends, Benefits, and Challenges. Multimodal Technologies and Interaction, vol.9(num. 8), 21.  
Hammond, D. L., Hyler, M., & Gardner, E. (2017). Efective Teacher Profess;onal Development. Learning  
policy  
Institute,  
2.  
files/Effective_Teacher_Professional_Development_REPORT.pd  
Hederich, M. C. (2018). MOTIVATION AND USE OF LEARNING STRATEGIES IN STUDENTS, MEN AND  
WOMEN, WITH DIFFERENT LEVEL OF SCHOOLING* . Journal of Psychological and Educational  
Research  
,
Vol.26(num.1).  
tinez_et_all_JPER_2018_26_1_121_146.pdf  
Hernández, S. R., & Mendoza, T. C. (2018). Metodologia de la Investigacion: rutas cuantitativas,  
cualitativas y mixtas. McGRAW-HILL INTERAMERICANA EDITORES, S.A. de C. V.ISBN: 978-1-4562-  
6096-5.  
Kelley, M., & Wenzel, T. (2025). dvancing Artificial Intelligence Literacy in Teacher Education Through  
Professional  
Partnership  
Inquiry.  
Education  
Sciences,  
vol  
15(num.6),  
6.  
Kelley, M., & Wenzel, T. (2025). Green Light for AI: Navigating Transparency in Teacher Preparation.  
Society for Information Technology & Teacher Education International ConferenceIn R. Jake Cohen  
(Ed.), Proceedings of Society for Information Technology & Teacher Education International Conference  
. Orlando, FL, USA: Association for the A FL, USA: Assoc(ssociation for the Advancement of Computing  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, abril, 2026, Volumen VII, Número 2 p 1228.  
Krichesky, G. J., & Murillo, F. J. (2017). LA COLABORACIÓN DOCENTE COMO FACTOR DE  
APRENDIZAJE Y PROMOTOR DE MEJORA. UN ESTUDIO DE CASOS. Educacion XX1, vol.21(num 1), 21.  
Manzano, S. N., Vaillant, D., & Marcelo, C. (2015). El ABC y D de la formación docente. Redalyc. , Vol.  
Miles, M. B., Huberman, M. A., & Saldana, J. (2019). Qualitative Data Analysis: A Methods Sourcebook.  
Morales, S. J. (2024). Anuario iberoamericano de justicia constitucional. Dialnet, vol.2(num.29), 11.  
Moranchel, P. M. (vol. 7, núm. 1 de vol. 7, núm. 1 de 2020). Administración pública, corrupción y  
derechos  
humanos.  
Redalyc.,  
vol.  
7(núm.  
1),  
116.  
Santana, G. K., Lopes, d. O., Conrado, A. A., Granja, P. G., & Amorim, G. A. (2020). Da Responsabilidade  
do Estado face a pandemia do coronavírus. Dialnet. Derecho y Cambio Social(N.º 62, octubre), 286.  
https://doi.org/ ISSN: 2224-4131 D.L.: 2005-5822 282  
SEDUC. (2021). "Informe nacional sobre la calidad educativa en Honduras" de la Secretaría de  
Educación (2021). el portal de la Secretaría de Educación (se.gob.hn) .  
Tan, X., Cheng, G., & Ho, L. M. (2025). Artificial intelligence in teaching and teacher professional  
development:  
A
systematic  
review.  
Science  
Direct,  
Volume  
8,,  
12.  
UNESCO. (2021). Reimaginar juntos nuestros futuros: un nuevo contrato social para la educación;  
UNESCO. (2022). nforme de seguimiento de la educación en el mundo 2021/2: los actores no estatales  
3-300192-3  
UPNFM. (2021). Modelo educativo institucional. Universidad Pedagógica Nacional Francisco Morazán.  
Editorial Universitario (SEU) de la UPNFM. Rilmac Impresores.  
Zhang, C., Schießl, J., Plößl, L., Hofmann, F., & Gläser, Z. M. (2023). Acceptance of artificial intelligence  
among pre-service teachers: a multigroup analysis. International Journal of Educational Technology in  
Higher  
Education,  
Volume  
20(  
article  
number  
),  
11.  
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, abril, 2026, Volumen VII, Número 2 p 1229.