DOI: https://doi.org/10.56712/latam.v5i6.3223
EIPT: Innovación Tecnológica y Ética para la
Transformación de la Educación Inclusiva
EIPT: Technological Innovation and Ethics for
Transforming Inclusive Education
Sonia Gayosso Mexia
sonia_gayosso8990@uaeh.edu.mx
https://orcid.org/0000-0002-5428-872X
Universidad
Autónoma del Estado de Hidalgo
Pachuca, Hidalgo
– México
Alejandro Servín Gómez
https://orcid.org/0000-0002-5984-6452
Universidad
Autónoma del Estado de Hidalgo
Pachuca, Hidalgo
– México
Luz María de la Paz Herná=
ndez
García
luz_hernandez10039@uaeh.edu.mx
https://orcid.org/0009-0003-2720-7159
Universidad
Autónoma del Estado de Hidalgo
Pachuca, Hidalgo
– México
J. Gersain
González Granados
jgersain_gonzalez@uaeh.edu.mx
https://orcid.org/0009-0001-0446-916X
Universidad
Autónoma del Estado de Hidalgo
Pachuca, Hidalgo
– México
Artículo recibido: 13 de diciembre de 2=
024.
Aceptado para publicación: 30 de diciembre de 2024.
Conflictos de
Interés: Ninguno que declarar.
Resumen
La
inclusión educativa busca garantizar el aprendizaje equitativo para
todos los estudiantes, independientemente de sus capacidades, en entornos q=
ue
valoren la diversidad. Esta investigación examina cómo la
Inteligencia Artificial (IA) y otras tecnologías avanzadas pueden
transformar la educación inclusiva. Se desarrolló el modelo
conceptual Educación Inclusiva Potenciada por Tecnología (
Palabras clave: accesibilidad,
inclusión educativa, ética en educación,
personalización del aprendizaje, tecnología educativa
Abstract
Inclusive education aims to ensure equitable learning for all studen=
ts, regardless
of their abilities, in environments that value diversity. This study examin=
es
how Artificial Intelligence (AI) and other advanced technologies can transf=
orm
inclusive education. The conceptual model Education Powered by Technology f=
or
Inclusion (EIPT) was developed, integrating adv=
anced
technologies, inclusive pedagogical principles, and ethical considerations.
Case studies in Ecuador and Mexico highlighted AI tools’ capacity to
personalize learning, improve accessibility, and foster student participati=
on.
In Ecuador, 85% of students with disabilities achieved progress through
adaptive AI systems, while in Mexico, participation increased by 60% in
collaborative environments supported by AI. However, challenges persist,
including technological infrastructure deficits, teacher resistance to new
technologies, and ethical risks like data privacy and algorithmic bias. It =
is
concluded that AI has the potential to transform inclusive education, but i=
ts
implementation must be ethical, responsible, and context specific. This stu=
dy
provides a roadmap for leveraging emerging technologies in inclusive educat=
ion,
emphasizing teacher training, intersectoral collaboration, and a user-cente=
red
approach.
Keywords: accessibility,
inclusive education, ethics in education, learning personalization, educati=
onal
technology
Todo el contenido de LATAM
Revista Latinoamericana de Ciencias Sociales y Humanidades, publicado en es=
te
sitio está disponibles bajo Licencia Creative Commons.=
![](3D"1483_GayossoMexia_archivos/image002.jpg")
<=
o:p>
Cómo citar: Gayosso Mexia,
S., Servín Gómez, A., Hernández García, L. M. d=
e la
P., & González Granados, J. G. (2024). EIPT=
:
Innovación Tecnológica y Ética para la
Transformación de la Educación Inclusiva: EIPT.
LATAM Revista Latinoamericana de Ci=
encias
Sociales y Humanidades 5 (6), 3027 – 3044. https://doi.org/10.56712/<=
span
class=3DSpellE>latam.v5i6.3223
INTRODUCCIÓN
La inclusión educativa es un principio =
que
busca garantizar que todos los estudiantes, sin importar sus
características, capacidades o necesidades, tengan acceso a una
educación de calidad en un entorno que valore y celebre la diversida=
d.
Sin embargo, convertir este ideal en una realidad enfrenta obstáculos
significativos. Las limitaciones en recursos tecnológicos, la falta =
de
formación docente en prácticas inclusivas y la persistencia de
desigualdades estructurales son algunos de los desafíos que obstacul=
izan
la implementación de políticas educativas inclusivas efectiva=
s.
En este contexto, las tecnologías emergentes, como la Inteligencia
Artificial, ofrecen oportunidades para superar estas barreras y transformar=
la
manera en que se aborda la educación inclusiva.
La IA ha demostrado un potencial notable para
personalizar el aprendizaje, adaptándose a los estilos y ritmos de c=
ada
estudiante, y para mejorar la accesibilidad mediante herramientas
tecnológicas avanzadas. Estas capacidades no solo benefician a
estudiantes con necesidades educativas especiales, sino que también
enriquecen el aprendizaje de todos al promover un enfoque más equita=
tivo
e inclusivo. Asimismo, el análisis predictivo y los sistemas de
tutoría inteligente permiten identificar dificultades de aprendizaje=
de
forma temprana, facilitando intervenciones oportunas que pueden prevenir el
abandono escolar y mejorar los resultados educativos.
El presente estudio tiene como objetivo explor=
ar
cómo la IA y otras tecnologías avanzadas pueden integrarse en=
el
ámbito educativo para fomentar la inclusión. A través =
del
desarrollo y análisis del modelo conceptual Educación Inclusi=
va
Potenciada por Tecnología, se abordan las oportunidades y los retos
asociados con la implementación de estas herramientas en contextos
reales, utilizando los casos de estudio de Ecuador y México. Este mo=
delo
combina principios pedagógicos inclusivos, tecnologías emerge=
ntes
y un marco ético robusto para garantizar que la transformación
educativa sea tanto efectiva como responsable.
Además, se analiza el impacto de las
tendencias tecnológicas emergentes, como los sistemas adaptativos de
aprendizaje y las tecnologías de accesibilidad inteligente, destacan=
do
su potencial para cerrar brechas en la educación inclusiva.
También se abordan las implicaciones éticas de su uso, como la
privacidad de datos y la equidad en el acceso, aspectos críticos para
garantizar una implementación sostenible y justa. Este trabajo no so=
lo
busca aportar conocimiento sobre el papel de la IA en la educación
inclusiva, sino también inspirar a los responsables de políti=
cas
educativas, desarrolladores tecnológicos y comunidades educativas a
colaborar en la construcción de soluciones innovadoras que maximicen=
el
potencial de todos los estudiantes.
En un mundo cada vez más impulsado por =
la
tecnología, la integración responsable de herramientas avanza=
das
en la educación inclusiva no es solo una oportunidad, sino una
necesidad. Este estudio aspira a ofrecer una hoja de ruta para aprovechar e=
stas
tecnologías de manera ética y efectiva, contribuyendo a la
construcción de un sistema educativo que no solo acepte, sino que va=
lore
y potencie la diversidad como un recurso fundamental para el aprendizaje.
METODOLOGÍA
Esta investigación emplea un enfoque mi=
xto,
integrando métodos cualitativos y cuantitativos para explorar
cómo la Inteligencia Artificial puede transformar la inclusión
educativa. La metodología se centra en el diseño, desarrollo y
validación de un modelo conceptual denominado Educación Inclu=
siva
Potenciada por Tecnología, el cual combina tecnologías avanza=
das
con principios pedagógicos inclusivos y consideraciones ética=
s.
Este modelo se fundamenta en pilares como el diseño universal para el
aprendizaje, las políticas de inclusión educativa y las teor&=
iacute;as
de aprendizaje adaptativo, y fue desarrollado en colaboración con
expertos en tecnología educativa y docentes, quienes contribuyeron a
validar su relevancia y viabilidad.
Para contextualizar el modelo, se analizaron l=
os
casos de Ecuador y México, permitiendo identificar brechas
tecnológicas, desafíos educativos y oportunidades de
implementación. Este análisis proporcionó evidencia
empírica sobre las necesidades reales en entornos educativos y
sirvió de base para diseñar soluciones específicas.
Asimismo, se adoptó un enfoque participativo, involucrando a
estudiantes, docentes y administradores educativos en talleres y entrevista=
s,
para personalizar y validar el modelo en contextos reales.
El marco metodológico integra un
análisis de tendencias tecnológicas emergentes, como la reali=
dad
aumentada, los sistemas de aprendizaje adaptativo y la IA generativa, para
identificar herramientas con alto potencial en la inclusión educativ=
a.
La validación del modelo se realizó mediante indicadores clave
como la accesibilidad, la personalización del aprendizaje y la
participación estudiantil, evaluados a través de encuestas,
entrevistas y análisis en plataformas digitales.
Diseño
Metodológico
El diseño metodológico de esta
investigación adopta un enfoque exploratorio-secuencial, ampliamente
reconocido por combinar las fortalezas de los métodos cualitativos y
cuantitativos. Este enfoque permite que los hallazgos obtenidos en fases
cualitativas iniciales sirvan como base para estructurar y desarrollar
análisis cuantitativos posteriores, proporcionando una visión
integral y contextualmente relevante del fenómeno estudiado (Creswell
& Plano Clark, 2018). Este diseño es especialmente pertinente en=
el
ámbito educativo, donde las interacciones complejas requieren una
comprensión inicial profunda antes de la generalización estad=
ística
(Tashakkori & Teddlie<=
/span>,
2009).
El primer pilar del diseño
metodológico es la revisión exhaustiva de literatura, que
incluyó estudios empíricos recientes (2018-2023) sobre la
implementación de Inteligencia Artificial (IA) en la educació=
n.
Se priorizaron artículos revisados por pares publicados en revistas
académicas indexadas que abordan contextos educativos reales, incluy=
endo
resultados sobre accesibilidad, personalización del aprendizaje y
desafíos éticos. Este análisis permitió identif=
icar
las principales tendencias y oportunidades para la inclusión educati=
va
mediante el uso de IA (Holmes et al., 2019).
El segundo pilar se basa en el desarrollo del
modelo conceptual denominado Educación Inclusiva Potenciada por
Tecnología. Este modelo se fundamenta en los hallazgos de la
revisión de literatura y combina elementos como el diseño
universal para el aprendizaje (Gordon et al., 2014), las teorías de
aprendizaje adaptativo (Corno & Snow, 1986) y principios éticos =
en
la implementación de tecnologías educativas (Siau
& Wang, 2020). La conceptualización del modelo busca equilibrar =
la
innovación tecnológica con los principios pedagógicos
inclusivos para garantizar su aplicabilidad y relevancia en contextos reale=
s.
La validación participativa, tercer pil=
ar
de esta metodología, está planificada para estudios posterior=
es.
Este proceso contempla talleres y pruebas piloto con la participació=
n de
estudiantes, docentes y administradores educativos, con el objetivo de ajus=
tar
y personalizar el modelo EIPT según las
necesidades específicas de los actores involucrados. Investigaciones
previas subrayan la importancia de involucrar a los usuarios finales en el
diseño e implementación de tecnologías educativas,
destacando que esto mejora la aceptación y efectividad de las
herramientas desarrolladas (Aldunate & Nussbaum, 2013).
El cuarto pilar, relacionado con las pruebas
piloto y la evaluación del modelo, se centra en medir su impacto en
indicadores clave como accesibilidad, participación estudiantil y
rendimiento académico. Estas pruebas se llevarán a cabo en
contextos seleccionados, utilizando técnicas de triangulación
metodológica que integran datos cualitativos y cuantitativos para
garantizar la validez y fiabilidad de los resultados (=
Flick,
2004). Este enfoque integral no solo asegura la pertinencia del modelo EIPT, sino que también establece una base
sólida para futuras investigaciones longitudinales orientadas a eval=
uar
su sostenibilidad y escalabilidad.
Desarrollo del Modelo Conceptual
El modelo conceptual Educación Inclusiva
Potenciada por Tecnología integra cuatro fundamentos esenciales que
garantizan su aplicabilidad y pertinencia en contextos educativos diversos.=
En
primer lugar, las políticas de inclusión educativa proporcion=
an el
marco normativo y estratégico necesario para fomentar práctic=
as
que aseguren la equidad y la accesibilidad en los procesos de
enseñanza-aprendizaje. En segundo lugar, los principios del
diseño universal para el aprendizaje garantizan que el modelo se ada=
pte
a las necesidades de todos los estudiantes, promoviendo flexibilidad en las
metodologías pedagógicas y en el acceso a los recursos
educativos. En tercer lugar, las teorías de
aprendizaje adaptativo permite integrar herramientas tecnológ=
icas
que ajustan dinámicamente los contenidos y estrategias
pedagógicas según las características individuales de =
los
estudiantes. Finalmente, la ética en el uso de la IA asegura que las
tecnologías implementadas sean transparentes, justas y respetuosas c=
on
la privacidad y los derechos de los usuarios.
Este modelo propone, entre otros componentes, =
la
implementación de sistemas de IA adaptativos, diseñados para
personalizar los contenidos educativos, ajustar estrategias pedagógi=
cas
y ofrecer retroalimentación en tiempo real. También incluye el
desarrollo de tecnologías de accesibilidad inteligente, como interfa=
ces
multimodales y herramientas asistivas que simpl=
ifican
textos o generan descripciones de imágenes, facilitando el aprendiza=
je
de estudiantes con necesidades especiales. Además, el análisis
predictivo desempeña un papel crucial al identificar tempranamente
riesgos de abandono escolar o dificultades de aprendizaje, permitiendo una
intervención oportuna. Por último, la colaboración
inclusiva se potencia mediante plataformas digitales que promueven el
aprendizaje colaborativo y tutorías entre pares asistidas por IA.
El diseño participativo fue un eje
fundamental en la conceptualización del modelo =
EIPT.
Para garantizar su viabilidad, se contó con la colaboración de
expertos en tecnología educativa y docentes, quienes proporcionaron
insumos clave para personalizar y ajustar los componentes del modelo. Este
enfoque asegura que las herramientas desarrolladas respondan a las necesida=
des
específicas de los contextos educativos en los que serán
implementadas.
Validació=
;n
Participativa
La validación participativa es una etapa
esencial en la consolidación del modelo EIPT y
está prevista para fases posteriores de la investigación. Este
proceso incluye la selección de contextos educativos representativos=
de
diversos niveles y entornos socioculturales. En estos espacios, se
desarrollarán talleres de co-creación,
actividades que permitirán a los actores educativos ajustar el modelo
según sus necesidades específicas. Posteriormente, se realiza=
ron
pruebas piloto en al menos dos instituciones educativas, evaluando el impac=
to
del modelo en indicadores clave. Finalmente, mediante entrevistas y grupos
focales, se recopilarán percepciones cualitativas que identifiquen
fortalezas y áreas de mejora del modelo, garantizando así su
relevancia y eficacia.
El impacto del modelo se evaluará a
través de indicadores clave que reflejen su efectividad en promover =
la
inclusión educativa. Entre ellos se encuentran el incremento en la
accesibilidad a recursos educativos para estudiantes con necesidades
especiales, la mejora en la participación estudiantil mediante una m=
ayor
interacción y compromiso, y los avances en el rendimiento
académico de los estudiantes. Además, se considerará la
satisfacción del profesorado, evaluando su percepción sobre la
utilidad y facilidad de uso del modelo. Los datos recolectados se
analizarán mediante triangulación metodológica, combin=
ando
enfoques cualitativos y cuantitativos para garantizar un análisis
exhaustivo y riguroso.
Estudio Posteri=
or:
Evaluación Longitudinal
Para evaluar el impacto sostenido del modelo <=
span
class=3DSpellE>EIPT, se planifica un estudio longitudinal que abarque
entre 6 y 12 meses. Este incluirá el monitoreo continuo de los
indicadores clave, la evaluación de la escalabilidad del modelo en
diferentes contextos educativos, y el diseño de estrategias para
garantizar su sostenibilidad a largo plazo. Estas estrategias incluyen la
búsqueda de financiamiento, la formación de alianzas
estratégicas y el desarrollo de comunidades de práctica que
faciliten la replicación del modelo.
La metodología mixta empleada en esta
investigación proporciona una base sólida para diseñar,
validar y evaluar el modelo EIPT. Este enfoque
integral asegura que el modelo no solo sea innovador, sino también
adaptable y aplicable en contextos educativos reales. Al integrar herramien=
tas
tecnológicas avanzadas con principios pedagógicos inclusivos =
y un
marco ético robusto, el modelo EIPT se
posiciona como una solución viable para promover la inclusión
educativa en el siglo XXI.
DESARROLLO
Tecnologí=
;a
al servicio de la inclusión
La inclusión educativa sueña con=
un
mundo donde todos los estudiantes, sin importar sus habilidades, aprendan
juntos y felices. Aunque, como sociedad, hemos dado pasos importantes,
aún hay obstáculos que impiden que este sueño se haga
realidad, especialmente para los estudiantes con discapacidades. La
inteligencia artificial, con sus bondades para personalizar el aprendizaje,=
se
asoma como una herramienta poderosa para derribar estas barreras y hacer qu=
e la
inclusión sea una realidad.
La inclusión educativa plantea retos
fundamentales, especialmente en contextos donde persisten barreras
arquitectónicas, currículos inflexibles y prácticas
pedagógicas homogeneizadoras. A pesar de los avances en la integraci=
ón
de estudiantes con necesidades educativas especiales, estas iniciativas sue=
len
limitarse a una coexistencia en aulas regulares sin garantizar una verdadera
inclusión que responda a la diversidad de capacidades y necesidades.=
La
implementación de políticas inclusivas efectivas requiere
transformar las culturas educativas hacia una valoración activa de l=
as
diferencias, promoviendo la participación equitativa y el desarrollo
integral de todos los estudiantes. Esto incluye la adecuación de
espacios, la diversificación de metodologías y la
capacitación continua de los docentes para atender la diversidad con
pertinencia y sensibilidad (Yépez & Castillo, 2020).
A pesar de los esfuerzos, muchos estudiantes c=
on
capacidades diferentes siguen enfrentando desafíos en las escuelas. =
En
algunas ocasiones, los recursos no se adaptan a sus necesidades, o se sient=
en
excluidos y solos. La Inteligencia Artificial, como una solución
tecnológica puede crear soluciones sorprendentes y rápidas pa=
ra
que cada estudiante, sin importar sus habilidades, tenga la oportunidad de
brillar, de sobresalir y de aprender.
Según Isusqui et
al. (2023), la inteligencia artificial está transformando la
educación al proporcionar herramientas innovadoras como sistemas de
aprendizaje adaptativo, chatbots y robót=
ica
educativa, que no solo personalizan el proceso de aprendizaje, sino que
también mejoran la gestión educativa y reducen la carga
administrativa. Sin embargo, esta implementación también enfr=
enta
retos significativos, como garantizar la equidad en el acceso a estas
tecnologías y abordar preocupaciones éticas relacionadas con =
la
privacidad y la seguridad de los datos de los estudiantes; es crucial mante=
ner
un enfoque equilibrado que priorice la interacción humana y fomente
competencias digitales tanto en estudiantes como en docentes, asegurando una
integración responsable de la IA en los entornos educativos.
Por lo anterior, es importante agregar que la
Inteligencia Artificial ya se encuentra presente en las aulas, ayudando a l=
os
maestros y estudiantes de diversas formas. Pero necesitamos ir más
allá e investigar cómo esta tecnología puede transform=
arse
en una herramienta útil para los alumnos con capacidades diferentes.=
La
IA podría apoyar a estos educandos para aprender a su ritmo, comunic=
arse
sin barreras y sentirse parte de la comunidad escolar. La IA tiene el poten=
cial
para hacer que la inclusión educativa se convierta en parte de las v=
idas
de los niños y jóvenes y sea parte de su cotidianidad escolar=
.
Esta investigación explora cómo =
las
herramientas digitales están transformando la forma en que
enseñamos y aprendemos, especialmente para aquellos estudiantes con
capacidades diferentes.
El objetivo es descubrir cómo la
tecnología puede convertirse en un puente que conecte a los estudian=
tes
sin importar sus habilidades ni sus condiciones de salud. Se analizan las
herramientas que ya existen, evaluando la efectividad, buscando área=
s de
mejora. La tecnología puede adaptarse aún más a las
necesidades individuales de cada estudiante, creando un aula inclusiva, en
donde los estudiantes se sientan valorados y con la capacidad de alcanzar su
máximo potencial.
Educación
inclusiva y el derecho de todos a aprender
La inclusión educativa se basa en el
principio de que todos los estudiantes, independientemente de sus caracter&=
iacute;sticas
individuales o dificultades, deben tener acceso a una educación de
calidad y participar plenamente en la vida escolar regular (UNESCO, 2009). =
La
diversidad se valora como un elemento enriquecedor en el proceso de ense&nt=
ilde;anza-aprendizaje
(Ainscow, 2005). Por su parte, Booth y Ainscow =
(2002)
destacan tres áreas clave para lograr la inclusión educativa:
crear culturas inclusivas, elaborar políticas inclusivas y desarroll=
ar
prácticas inclusivas.
Por otro lado, la IA está emergiendo co=
mo
un factor transformador en el ámbito educativo, con el potencial de
mejorar significativamente los resultados de aprendizaje y la equidad en la
educación. Según la UNESCO, la IA puede personalizar el
aprendizaje, adaptándose a las necesidades individuales de los estud=
iantes,
y apoyar la gestión educativa mediante sistemas de análisis de
datos que optimizan la toma de decisiones en tiempo real. Estos avances
tecnológicos no solo promueven el acceso equitativo a la
educación en comunidades marginadas y rurales, sino que tambié=
;n
facilitan el aprendizaje colaborativo en entornos remotos, ofreciendo a los
estudiantes flexibilidad sobre cuándo y dónde aprender. Sin
embargo, la implementación de IA en la educación tambié=
;n
enfrenta desafíos críticos, como la necesidad de un marco
ético robusto para abordar preocupaciones relacionadas con la privac=
idad
de datos y los sesgos algorítmicos, así como la urgente
formación de docentes para un entorno educativo impulsado por la IA.
Este enfoque integral garantiza que las soluciones de IA no solo sean
innovadoras, sino también inclusivas y sostenibles (Pedro et =
al.,
2019).
Es importante resaltar que la tecnología
juega un papel fundamental en el desarrollo de prácticas inclusivas,=
ya
que facilita la adaptación de la enseñanza a las diversas
necesidades de los estudiantes. Según Sánchez (2023), es cruc=
ial
reflexionar sobre los fundamentos de la tecnología educativa y prior=
izar
la formación en competencias digitales, tanto de estudiantes como de
docentes, para aprovechar el potencial de la tecnología sin comprome=
ter
los principios pedagógicos ni generar desigualdades en el acceso y u=
so
de estas herramientas. La tecnología educativa enfrenta retos
significativos en un contexto marcado por la digitalización, el impa=
cto
de los algoritmos y la incorporación de la inteligencia artificial
generativa. Si bien estas herramientas ofrecen oportunidades para transform=
ar
los procesos educativos, su implementación exige un enfoque é=
tico
y responsable que trascienda la mera integración técnica.
La evolución de la tecnología
educativa ha abierto nuevas posibilidades para personalizar el aprendizaje y
favorecer la inclusión. Como lo define Edyburn<=
/span>
(2013), la tecnología asistiva como el u=
so de
herramientas tecnológicas apoya en mejorar las capacidades funcional=
es
de las personas con discapacidades. El Diseño Universal para el
Aprendizaje (DUA) ofrece un marco para diseñar entornos de aprendiza=
je
flexibles que se adapten a las diferencias individuales (Boysen,
2024), lo cual se vincula estrechamente con el uso de tecnología
avanzada en inclusión educativa.
La tecnología educativa tiene el potenc=
ial
de transformar el aprendizaje, pero su implementación a menudo refle=
ja y
amplifica desigualdades preexistentes. Según Reich e Ito
(2017), incluso cuando se elimina la brecha de acceso a tecnologías,
persisten disparidades en cómo estas se usan en escuelas de diferent=
es
contextos socioeconómicos. Mientras que en instituciones privilegiad=
as
se fomenta el uso creativo y progresivo, en contextos menos favorecidos se
limita a actividades básicas y repetitivas. Este fenómeno res=
alta
la importancia de diseñar tecnologías educativas que no solo =
sean
accesibles, sino también inclusivas y adaptadas a las necesidades
específicas de las comunidades menos privilegiadas
La IA está transformando la
educación a través de sistemas de aprendizaje adaptativo, que
personalizan la instrucción en función de las necesidades
individuales de los estudiantes (VanLehn, 2011)=
. Luckin et al. (2016) identifican varias aplicaciones =
de la
Inteligencia Artificial en la educación, tales como:
<=
span
style=3D'mso-list:Ignore'>●<=
span
style=3D'mso-list:Ignore'>●<=
span
style=3D'mso-list:Ignore'>●<=
span
style=3D'mso-list:Ignore'>●<=
span
style=3D'mso-list:Ignore'>●<=
span
style=3D'mso-list:Ignore'>●<=
span
style=3D'mso-list:Ignore'>●<=
span
style=3D'mso-list:Ignore'>● REFERENCIAS Ainscow, M. (2005). Developing inclusive
education systems: What are the levers for change? Journal of Educational
Change, 6(2), 109–124. https://doi.org/10.1007/s10833-005-1298-4 Aldunate=
, R., &
Nussbaum, M. (2013). Teacher adoption of technology: A motivational
perspective. Computers in Human Behavior, 29(3), 519–524. https://d=
oi.org/10.1016/j.chb.2012.10.017 Booth, T., & Ainscow, M. (2002). Index =
for
inclusion: Developing learning and participation in schools. Centre for Stu=
dies
on Inclusive Education (CSIE). Boysen, G. A. (2024). A critical analysis of
the research evidence behind CAST’s unive=
rsal
design for learning guidelines. Policy Futures in Education, 22(7),
1219–1238. https://doi.org/10.1177/147821032=
41255428 Carmigniani, J., Furht, B., Anisetti, M., =
Ceravolo, P., Damiani, E., & Ivkovic,
M. (2011). Augmented reality technologies, systems and applications. Multim=
edia
Tools and Applications, 51(1), 341–377. Corno, L., & Sno=
w,
R. E. (1986). Adapting teaching to individual differences among learners.
Handbook of Research on Teaching, 3, 605–629. Creswell, J. W., & Plano Clark, V. L.
(2018). Designing and Conducting Mixed Methods Research (3rd ed.). <=
span
lang=3DES-MX style=3D'font-size:10.0pt;line-height:115%;font-family:Roboto;
mso-fareast-font-family:Roboto;mso-bidi-font-family:Roboto'>SAGE Publications.
Díaz, M. (2017). La emergencia de la
realidad aumentada en la educación. Revista de Educación
Mediática y TIC, 6(1), 1–3. https://d=
oi.org/10.21071/edmetic.v6i1.5804
Edyburn<=
/span>, D. L. (2013).
Critical issues in advancing the special education technology evidence base=
. Exceptional Children, 80(1), 7–24.
Fernández‐Batanero, J. M., Cabero,
J., & López, E. (2019). Knowledge and degree of training of primary
education teachers in relation to ICT taught to students with disabilities.=
British Journal of Educational
Technology, 50(4), 1961–1978.
Fernández Castaño, S. (2024).
Gamificación de la Enseñanza Automática: Enfoque Human=
In
The Loop para la identificación de dipto=
ngos e hiatos en el idioma español.
Fernández-Verdú, C., Moreno, M.,=
Callejo,
M. L., Llinares, S., Sánchez-Matamoros García, G.,
Torregrosa-Gironés, G., ... & Ivars,=
P.
(2016). Tecnologías de la Información y Comunicación
aplicadas a la Educación Matemática (TIC=
EM).
Flick, U. (2004). Triangulation in qualitat=
ive
research. SAGE Publications.
Freina, L., & Ott=
, M.
(2015). A literature review on immersive virtual reality in education: Stat=
e of
the art and perspectives. In The international scientific conference elearning and software for education (Vol. 1, No. 133=
, pp.
10–1007).
Gallent-Torres, C., Arenas Romero, B., Vallesp=
ir Adillón, M., & Folt&y=
acute;nek,
T. (2024). Inteligencia artificial en la educación: entre riesgos y
potencialidades. Praxis educativa, 19, 1–29.
García, J. L. G., Ponce, J. L. T., Baqu=
e,
R. C. P., Ponce, M. A. T., Pincay, O. F. V., & Jalca, J. J. R. (2023).
Aprendizaje digital: Estrategias y transformaciones en la educación =
y el
aprendizaje. Editorial Internacional Alema.
García-Valcárcel
Muñoz-Repiso, A., & Hernández Martín, A. (2013).
Recursos tecnológicos para la enseñanza e innovación
educativa. Síntesis.
Gordon, D., Meyer, A., & Rose, D.
(2016). Universal design for learning. Peabody: CAST professional Publishing=
.
Hilera González, J. R., &
Hernández Rizzardini, R. (2013). Hacia la
creación de campus virtuales accesibles. RED. Revista de
Educación a Distancia.
Holmes, W., Bialik=
, M.,
& Fadel, C. (2019). Artificial
Intelligence in Education: Promises and Implications for Teaching and Learn=
ing.
Boston:
Center for Curriculum Rede=
sign.
Isusqui, J. C. P., Villavicencio, I. E. S., In=
ga,
C. V., Gutiérrez, H. O. C., Díaz, B. L. G., & Amaya, K. L=
. A.
(2023, August 11). La inteligencia artificial al servicio de la gesti&oacut=
e;n
y la implementación en la educación. https://d=
oi.org/10.31219/osf.io/z2y7c
Jara, I., & Ochoa, J. M. (2020). Usos y
efectos de la inteligencia artificial en educación. Sector Social
División Educación. Documento para discusión nú=
mero
IDB-DP-00-776. BID. https://doi.org/10.18235/0002380
Lorenzo, G., Lled&oacu=
te;,
A., Pomares, J., & Roig, R. (2016). Design =
and
application of an immersive virtual reality system to enhance emotional ski=
lls
for children with autism spectrum disorders. Computers & Education, 98,
192–205.
Luckin, R., Holmes, W=
.,
Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argu=
ment
for AI in education. Pearson.
Lugo, M. T., & Ithurb=
uru,
V. (2019). Políticas digitales en América Latina:
Tecnologías para fortalecer la educación de calidad. <=
span
style=3D'font-size:10.0pt;line-height:115%;font-family:Roboto;mso-fareast-f=
ont-family:
Roboto;mso-bidi-font-family:Roboto;mso-ansi-language:EN-US'>Revista Iberoamericana de Educació=
;n,
79(1), 11–31.
Muratov<=
/span>, E. I. (2023).=
Big
data analysis in education. World Bulletin of Management and Law, 23,
74–76.
Naranjo, B. M. M., Izurieta, C. E. A., Tibán, L., Morrillo, C. S., & Salazar, A. =
J.
(2023). Ética y responsabilidad en la implementación de la
inteligencia artificial en la educación. Ciencia Latina: Revista
Multidisciplinar, 7(6), 28.
Pedro, F., Subosa,=
M.,
Rivas, A., & Valverde, P. (2019). Artificial intelligence in education:
Challenges and opportunities for sustainable development.
Reich, J., & Ito, M. (2017). From good
intentions to real outcomes. Digital Media and Learning Research Hub. https://c=
lalliance.org/publications/good-intentions-real-outcomes-equity-designlearn=
ing-technologies/
Romeiro, A. E., Pérez Bravo, D. D., &am=
p;
Riofrío Leiva, V. J. (2022). Capítulo 1. Políticas
públicas educativas y pandemia: Percepción de los maestros.
Universidad Nacional de Educación.
Sánchez Vera, M. M. (2023). Los
desafíos de la tecnología educativa. Rii=
TE
Revista Interuniversitaria de Investigación en Tecnología
Educativa, 14, 1–5. https://d=
oi.org/10.6018/riite.572131
Sánchez‐Prieto, J. C., Huang, F.,
Olmos‐Migueláñez, S.,
García‐Peñalvo, F. J., & Teo, T. (2019).
Selwyn, N. (2016). Is technology good for
education? Polity Press.
Siau, K., & Wan=
g,
W. (2020). Artificial intelligence (AI) ethics: Ethics of AI and ethical AI=
. Journal of Database Management, 3=
1(2),
74–87. https://d=
oi.org/10.4018/JDM.2020040105
Solis del Moral, S. S., & Tinajero
Villavicencio, G. (2022). La reforma educativa inclusiva en México:
Análisis de sus textos de política. Perfiles Educativos, 44(1=
76).
https://doi.org/10.22201/iisue.24=
486167e.2022.176.60534
Teddlie, C., & Tashak=
kori,
A. (2009). Foundations of Mixed Methods Research: Integrating Quantitative and
Qualitative Approaches in the Social and Behavioral Sciences. SAGE
Publications.
UNESCO. (2009). Policy guidelines on inclus=
ion
in education. UNESCO.
VanLehn<=
/span>, K. (2011). The
relative effectiveness of human tutoring, intelligent tutoring systems, and
other tutoring systems. Educational Psychologist, 46(4), 197–221. https://d=
oi.org/10.1080/00461520.2011.611369
Vivar, J. M. F., &am=
p; Peñalvo, F. J. G. (2023). Reflexiones sobre la ética,
potencialidades y retos de la inteligencia artificial en el marco de la
educación de calidad (ODS4). Comunicar: =
Revista
Científica de Comunicación y Educación, 74, 37–4=
7.
Yépez Moreno, A. G., & Castillo Bus=
tos,
M. R. (2020). La inclusión educativa en la Universidad Central del
Ecuador desde las percepciones del estudiantado. Revista Científica
Retos de la Ciencia, 4(8), 1–14.
Zapata-Ros, M. (2018). La universidad intelige=
nte.
RED: Revista de Educación a Distancia, 57, 1–43.
Todo=
el
contenido de LATAM Revista
Latinoamericana de Ciencias Sociales y Humanidades, publicados en este
sitio está disponibles bajo Licencia Creative Common=
s ![3D"https://revistacientifica.uamericana.edu.py/public/site/images/aduar=](3D"1483_GayossoMexia_archivos/image003.jpg")
.