DOI: https://doi.org/ 10.56712/latam.v6i5.4865
Técnicas
didácticas para incorporar la inteligencia artificial en el aprendiz=
aje
del bachillerato técnico en Informática: Aplicación
Quevedo - Ecuador
Teaching
techniques for incorporating artificial intelligence into technical
baccalaureate learning in computer science: Quevedo Application - Ecuador
&=
nbsp; &nbs=
p; &=
nbsp; &nbs=
p; &=
nbsp; &nbs=
p; &=
nbsp; &nbs=
p; &=
nbsp; &nbs=
p; Daniel
Efrain Maldonado De Janon<=
/span>
O960177777@gmail.com
https://orcid.org/0000-0002-9816-522X
Unidad Educativa
Licenciado Manuel Viteri Camacho
Quevedo –
Ecuador
Juan Evangelist=
a Lopez Mosquera
https://orcid.org/0009-0000-1845-7891
Unidad Educativa
Nicolás Infante Díaz
Quevedo - Ecuad=
or
Fresia Esther L=
oor
Robles
Fresia_loor@hotmail.com
https://orcid.org/0009-0002-3350-2341
Unidad Educativa
Nicolás Infante Díaz
Quevedo –
Ecuador
Cindy Alexandra
Cruz Fajardo[1]
cindyalexandracruzfajardo@gmail.com
https://orcid.org/0000-0003-2347-0649
Unidad Educativa
Nicolás Infante Díaz
Quevedo – Ecuador
Artículo recibido: 21 de julio de
2025. Aceptado para publicación: 20 de noviembre de 2025.
Conflictos de Interés: Ninguno que declarar.
Resumen
El estudio analiza la aplicación de técnicas
didácticas orientadas a incorporar la inteligencia artificial (IA) e=
n el
aprendizaje de los estudiantes del bachillerato técnico en
Informática de Quevedo, Ecuador. El problema central radica en
determinar qué estrategias permiten vincular los contenidos curricul=
ares
con el uso práctico de la IA para fortalecer competencias digitales y
pensamiento computacional. La investigación adopta un enfoque mixto,
descriptivo y exploratorio e involucra a 30 docentes y 50 estudiantes de
instituciones que ofertan el bachillerato técnico. Se aplicaron
encuestas estructuradas, entrevistas semiestructuradas y observaciones de a=
ula
para recopilar datos sobre conocimientos, percepciones y experiencias con
herramientas de IA. Los hallazgos muestran que el 67 % de los estudiantes p=
osee
conocimiento básico sobre IA, limitado a aplicaciones cotidianas,
mientras que el 33 % de los docentes ha recibido capacitación
superficial. Las técnicas didácticas más empleadas fue=
ron
el aprendizaje basado en proyectos y el aprendizaje colaborativo, facilitan=
do
la vinculación entre teoría y práctica mediante
herramientas como asistentes de programación y generadores de
código. Además, el 80 % de los estudiantes percibe que la IA
facilita la comprensión de contenidos y promueve la autonomía,
utilizando plataformas como ChatGPT, Copilot, eduaide, perplexity, curipod, para
experimentar nuevas formas de resolver problemas y crear productos digitale=
s.
Por tanto, la integración planificada de la IA en la educación
técnica fortalece la formación profesional, y prepara a los
futuros bachilleres para enfrentar las demandas de entornos digitales y
productivos. Además de aportar a programas de capacitación
docente y estrategias de innovación pedagógica en el
ámbito técnico.
Palabras clave: inteligencia
artificial, educación técnica, aprendizaje basado en proyecto=
s,
competencias digitales, pensamiento computacional, innovación
pedagógica
Abstract
This study analyzes the application of teaching techniques aimed at
incorporating artificial intelligence (AI) into the learning of students in=
the
technical baccalaureate program in Computer Science in Quevedo, Ecuador. The
central problem lies in determining which strategies allow linking curricul=
ar
content with the practical use of AI to strengthen digital skills and
computational thinking. The research adopts a mixed, descriptive-exploratory
approach and involves 30 teachers and 50 students from institutions offering
technical baccalaureate programs. Structured surveys, semi-structured
interviews, and classroom observations were used to collect data on knowled=
ge,
perceptions, and experiences with AI tools. The findings show that 67% of
students have basic knowledge of AI, limited to everyday applications, while
33% of teachers have received only superficial training. The most commonly =
used
teaching techniques were project-based learning and collaborative learning,
facilitating the connection between theory and practice through tools such =
as
programming assistants and code generators. Furthermore, 80% of students
perceive that AI facilitates content comprehension and promotes autonomy, u=
sing
platforms such as ChatGPT and Copilot to experi=
ment
with new ways of solving problems and creating digital products. Therefore,=
the
planned integration of AI into technical education strengthens vocational
training and prepares future high school graduates to meet the demands of
digital and productive environments. It also contributes to teacher training
programs and pedagogical innovation strategies in the technical field.
Keywords: artificial
intelligence, technical education, project-based learning, digital skills,
computational thinking, pedagogical innovation
<= o:p>
<= o:p>
<= o:p>
Todo el contenido de LATAM Revista Latinoamerica=
na
de Ciencias Sociales y Humanidades, publicado en este sitio está
disponibles bajo Licencia Creative Commons.=
![](3D"1445_MaldonadoDeJanon_archivos/image004.jpg")
<=
o:p>
C=
ómo
citar: Maldonado De Janon, D. E., Lopez Mosqu=
era, J.
E., Loor Robles, F. E., & Cruz Fajardo, C. A. (2025). Técnicas
didácticas para incorporar la inteligencia artificial en el aprendiz=
aje
del bachillerato técnico en Informática: Aplicación
Quevedo – Ecuador. LATAM Revi=
sta
Latinoamericana de Ciencias Sociales y Humanidades 6 (5), 3947 – 3959.
https://doi.org/ 10.56712/latam.v6i5.4865
INTRODUCCIÓN
La educación técnica en
informática enfrenta el desafío de preparar a los estudiantes
para un entorno global cada vez más automatizado y dominado por la
inteligencia artificial (IA). En el Ecuador, los programas de bachillerato
técnico buscan actualizar sus metodologías para integrar
tecnologías emergentes dentro del aula, garantizando que los futuros
profesionales desarrollen competencias digitales y pensamiento computacional
desde etapas tempranas de su formación (Borrega, 2025).
La integración de la IA en la
educación ha demostrado su potencial para personalizar el aprendizaj=
e,
fomentar la autonomía del estudiante y mejorar la resolución =
de
problemas complejos. Sin embargo, su efectividad depende de la
implementación de técnicas didácticas activas y
contextualizadas (Levchenko et al., 2023). En la
educación técnica, estas metodologías deben vincular l=
a teoría
con la práctica, permitiendo que los estudiantes apliquen sus
conocimientos en escenarios reales mediante herramientas tecnológicas
innovadoras.
Los docentes juegan un papel central en este
proceso, ya que su preparación y dominio de herramientas de IA
determinan la calidad de la enseñanza y la adopción efectiva =
de
estas tecnologías (Xia, 2025). En contextos como Quevedo, la brecha
tecnológica y la limitada capacitación docente representan
desafíos importantes que requieren soluciones pedagógicas ada=
ptadas
a las condiciones locales.
La investigación sobre la
integración de la IA en la educación técnica en
América Latina todavía es incipiente. Estudios recientes
señalan que, aunque la IA puede potenciar la creatividad y la compre=
nsión
conceptual, su éxito depende de la selección y aplicaci&oacut=
e;n
adecuada de técnicas didácticas, como el aprendizaje basado en
proyectos y la simulación (Silva et al., 2025).
El problema central de este estudio radica en
identificar qué técnicas didácticas permiten integrar =
la
IA de manera efectiva en el aprendizaje del bachillerato técnico en
informática en Quevedo. La investigación se plantea tres
preguntas principales: (1) ¿Cuál es el nivel de conocimiento y
actitud hacia la IA de docentes y estudiantes técnicos en
informática en Quevedo?, (2) ¿Qué técnicas
didácticas pueden diseñarse para integrar la IA en este
contexto?, y (3) ¿Cuál es el impacto de estas técnicas=
en
las competencias digitales, el pensamiento computacional y la motivaci&oacu=
te;n
del alumnado?
Los objetivos de esta investigación se
establecen de manera clara y diferenciada. El objetivo general consiste en
identificar técnicas didácticas que faciliten la
incorporación de la inteligencia artificial en el aprendizaje del
bachillerato técnico en informática en Quevedo. Los objetivos
específicos incluyen: (1) analizar el nivel de preparación
docente y estudiantil en torno a la IA; (2) diseñar e implementar un
conjunto de técnicas didácticas adaptadas al contexto
técnico-informático; y (3) evaluar el impacto de dichas
técnicas sobre las competencias digitales, el pensamiento computacio=
nal
y la motivación del alumnado.
La relevancia del estudio radica en su
contribución a la innovación pedagógica y la mejora de=
la
educación técnica. Los resultados permitirán orientar =
políticas
institucionales y programas de capacitación docente, además de
ofrecer evidencia sobre cómo la integración de la IA puede
fortalecer el aprendizaje activo, la autonomía y la creatividad en l=
os
estudiantes. Asimismo, la investigación aporta información
útil para adaptar el currículo técnico a las exigencias
del entorno digital y productivo contemporáneo, beneficiando tanto a=
los
estudiantes como a la comunidad educativa en general.
METODOLOGÍA
El presente estudio adopta un enfoque mixto,
combinando métodos cuantitativos y cualitativos, con el objetivo de
comprender la integración de la inteligencia artificial (IA) en el
aprendizaje del bachillerato técnico en informática en Queved=
o,
Ecuador. Este enfoque permite obtener información tanto numér=
ica como
narrativa, ofreciendo una visión más completa de los niveles =
de
conocimiento, actitudes, percepciones y experiencias de docentes y estudian=
tes
(Streefkerk, 2019 & Aguilera, 2025).
El diseño de la investigación es=
de
tipo descriptivo-exploratorio con intervención, ya que describe el
estado inicial del conocimiento y uso de la IA, explora percepciones y
experiencias de los participantes, y posteriormente implementa técni=
cas
didácticas para evaluar su impacto en competencias digitales,
pensamiento computacional y motivación estudiantil (Hernández=
et
al., 2020). Este diseño permite la triangulación de datos y
ofrece evidencias sólidas sobre la efectividad de estrategias
pedagógicas activas basadas en IA.
Participantes
La muestra se seleccionó mediante muest=
reo
intencional no probabilístico, considerando criterios de disponibili=
dad
y voluntariedad. Participaron 30 docentes técnicos en informá=
tica
de cinco instituciones de bachillerato técnico de Quevedo y 50
estudiantes del mismo nivel educativo. Los docentes tenían experienc=
ia
promedio de 10 años en el área técnica, y los estudian=
tes
tenían entre 16 y 18 años de edad, cursando del segundo al cu=
arto
año del bachillerato técnico. Esta selección asegura q=
ue
los participantes estén directamente vinculados a la enseñanz=
a y
aprendizaje técnico en informática y al proyecto de
integración de IA (Cabezas, 2024; Macias & Pacheco, 2024).
Instrumentos de recolección de datos
Se utilizaron instrumentos mixtos validados por
expertos en educación técnica y tecnologías digitales:=
Encuestas estructuradas para docentes y
estudiantes, con preguntas cerradas en escala Likert sobre conocimiento, us=
o,
percepción y actitudes hacia la IA. Estas permitieron medir
cuantitativamente el nivel de conocimiento y la aceptación de herram=
ientas
tecnológicas (Olari et al., 2024).
Guías de entrevistas semiestructuradas
aplicadas a docentes, con preguntas abiertas sobre experiencias previas,
estrategias pedagógicas y expectativas respecto a la integraci&oacut=
e;n
de la IA. Esta técnica facilita la exploración profunda de
perspectivas individuales (Levchenko et al., 20=
23).
Observación de aula, mediante registros=
de
campo donde se documentaron dinámicas de interacción, uso de
herramientas de IA y participación de estudiantes en actividades
prácticas. Esto permitió contrastar los datos cuantitativos c=
on
evidencia directa del comportamiento en el aula (García-Peñal=
vo,
2023).
Todos los instrumentos fueron sometidos a
validación de contenido por un panel de expertos en educación
técnica e inteligencia artificial, y se aplicó una prueba pil=
oto
para garantizar claridad, pertinencia y confiabilidad (Hernández et =
al.,
2020).
Procedimiento
El estudio se desarrolló en tres fases:=
Diagnóst=
ico: Se aplicaron
encuestas a docentes y estudiantes, entrevistas a docentes y observaci&oacu=
te;n
inicial del aula para establecer la línea de base sobre conocimiento,
uso y percepción de la IA.
Intervenci&oacu=
te;n:
Se
implementaron técnicas didácticas basadas en aprendizaje por
proyectos, simulación y aprendizaje colaborativo con apoyo de
herramientas de IA, durante un trimestre. Durante esta fase se realizaron
observaciones de aula y reuniones de seguimiento con los docentes para ajus=
tar
estrategias pedagógicas.
Evaluació=
;n: Se reaplicaron
encuestas y entrevistas finales para analizar cambios en competencias
digitales, pensamiento computacional, motivación y percepción
estudiantil sobre la integración de la IA.
Análisis=
de
datos
Para los datos cuantitativos, se emplearon
estadísticas descriptivas, incluyendo frecuencias, porcentajes y med=
idas
de tendencia central, para establecer la situación inicial y posteri=
or a
la intervención (Field, 2020). Para los datos cualitativos, se
aplicó análisis temático, identificando códigos,
categorías y temas emergentes relacionados con técnicas
didácticas, percepción de los actores y efectividad de la IA =
en
el aprendizaje (Wu & Nuñez, 2024). La
triangulación de fuentes (encuestas, entrevistas y observaciones)
garantiza la validez y confiabilidad de los resultados.
Consideraciones
éticas
Se respetaron principios éticos
fundamentales: participación voluntaria, consentimiento informado de
docentes, estudiantes y tutores legales en caso de menores, confidencialida=
d y
anonimato mediante códigos numéricos, y derecho de retiro sin
penalización (UNESCO, 2023). Los datos fueron almacenados de manera
segura y utilizados únicamente con fines académicos.
DESARROLLO
El uso de tecnologías basadas en
inteligencia artificial (IA) en la educación técnica requiere=
de
un sustento teórico que articule cómo los estudiantes aprende=
n,
cómo los docentes facilitan el aprendizaje y cómo la
tecnología media ese proceso. En primer lugar, la teoría del
aprendizaje constructivista sostiene que los estudiantes construyen activam=
ente
su conocimiento a partir de experiencias previas, mediadas por
interacción social y reflexión (Gibson, 2023). Esta perspecti=
va
resulta relevante porque la integración de la IA como recurso format=
ivo
en el bachillerato técnico en Informática exige que los
estudiantes participen activamente en tareas de aprendizaje, experimenten c=
on
herramientas y reflexionen sobre su uso.
Asimismo, el Modelo de Aceptación
Tecnológica (TAM) ha sido ampliamente utilizado para comprender
cómo docentes y estudiantes adoptan tecnologías emergentes. E=
ste
modelo considera la percepción de utilidad, la facilidad de uso y los
factores contextuales que influyen en la integración efectiva de la
tecnología educativa (Tarisayi, 2024). E=
n el
caso de la educación técnica en informática, la
aceptación de la IA depende no solo de la infraestructura
tecnológica, sino también de la preparación
pedagógica del docente y de la motivación del estudiante para
experimentar con nuevas herramientas digitales (Benuzh=
et al., 2022).
También se expresa un modelo de tres
niveles micro (procesos individuales), meso (interacción en el aula)=
y
macro (contexto institucional y social), para analizar el impacto de la IA =
en
los procesos de aprendizaje (Gibson, 2023). Este modelo amplio permite situ=
ar
la investigación en el contexto de un bachillerato técnico en=
la
ciudad de Quevedo, considerando el entorno institucional, la dinámica
docente-estudiante y las herramientas tecnológicas.
A fin de clarificar el alcance del estudio, se
definen a continuación algunos conceptos fundamentales. Inteligencia
artificial (IA): Se entiende la IA como "sistemas o máquinas que
imitan la inteligencia humana para realizar tareas y pueden mejorar
iterativamente con base en la información que recogen" (Olari et al., 2024). En el contexto educativo, la IA =
se
plantea como recurso para personalizar el aprendizaje, proporcionar
retroalimentación inteligente y facilitar la resolución de
problemas complejos (UNESCO, 2023).
Las técnicas didácticas constitu=
yen
un elemento clave en la integración de la IA en el aula. Estrategias
como el aprendizaje basado en proyectos, el aprendizaje colaborativo y la
simulación permiten que los estudiantes apliquen sus conocimientos,
desarrollen pensamiento crítico y resuelvan problemas reales mediant=
e el
uso de herramientas inteligentes (Silva et al., 2025; García-Pe&ntil=
de;alvo,
2023). La implementación de estas técnicas facilita la
comprensión de conceptos complejos, fortalece la creatividad y fomen=
ta
la autonomía en el aprendizaje (Holmes et al., 2022).
Competencias
digitales: Son las capacidades de los estudiantes para utilizar de forma efica=
z,
segura y crítica las tecnologías digitales para el aprendizaj=
e,
la comunicación y la resolución de problemas. La
integración de IA exige que los bachilleres técnicos en
informática desarrollen competencias que trascienden el mero uso de
software y abarquen la interacción con sistemas inteligentes (Walter,
2024).
Pensamiento
computacional: Hace alusión al proceso de formular problemas, de manera que=
su
solución requiera el uso de herramientas de informática o
sistemas automatizados, así como a la capacidad de analizar datos, c=
rear
algoritmos y aplicar lógica. En un contexto de IA educativa, el
pensamiento computacional se vuelve estratégico para que los estudia=
ntes
comprendan no solo el uso, sino también los fundamentos de los siste=
mas
inteligentes (Tarisayi, 2024).
La motivación del estudiante juega un p=
apel
determinante en el éxito de la integración de la IA. Factores
como la autoeficacia, el interés intrínseco, la
retroalimentación inmediata y la relevancia de las actividades
incrementan la participación activa y sostenida en el aprendizaje (<=
span
class=3DSpellE>Olari et al., 2024). Cuando se combinan técnic=
as
didácticas activas con herramientas de IA, los estudiantes desarroll=
an
habilidades técnicas y socioemocionales, fomentando un aprendizaje
más autónomo y significativo (Levchenko<=
/span>
et al., 2023).
Por último, la evidencia reciente indica
que la efectividad de la IA en educación técnica depende del
equilibrio entre infraestructura tecnológica, preparación doc=
ente
y diseño pedagógico contextualizado. Contextos como Quevedo,
Ecuador, requieren investigaciones que evidencien cómo estas variabl=
es
interactúan para optimizar los procesos de aprendizaje, reforzar
competencias profesionales y fomentar la innovación educativa (Xia,
2025; Salazar-Muñoz & Ramírez, 2021).
En síntesis, el marco teórico de
esta investigación articula tres pilares fundamentales: la IA como
herramienta pedagógica, las técnicas didácticas activas
que promueven el aprendizaje significativo, y las competencias digitales y =
cognitivas
necesarias para que los estudiantes se enfrenten de manera competente a los
retos del entorno digital. Este enfoque proporciona un sustento conceptual
sólido para el diseño, implementación y evaluaci&oacut=
e;n
de estrategias educativas que integren la IA en el bachillerato técn=
ico
en informática.
RESULTADOS
El análisis de los datos obtenidos medi=
ante
encuestas, entrevistas y observación permitió identificar tres
categorías principales: nivel de conocimiento sobre inteligencia
artificial, técnicas didácticas empleadas y percepción
estudiantil sobre la integración de la IA en el aprendizaje. A
continuación, se presentan los hallazgos de manera estructurada.
Nivel de
conocimiento sobre inteligencia artificial: Los resultados muestran que la
mayoría de los estudiantes posee un conocimiento básico sobre=
IA,
limitado principalmente a su uso en aplicaciones cotidianas, mientras que l=
os
docentes han recibido capacitación de manera superficial en IA aplic=
ada
a la enseñanza técnica.
Tabla 1
Nivel de
conocimiento y formación en inteligencia artificial de estudiantes y
docentes
|
Participantes=
|
Nivel de
conocimiento sobre IA |
Frecuencia |
Porcentaje (%=
) |
Observaciones
principales |
|
Estudiantes (n=3D50) |
Básico (uso cotidiano) |
34 |
68 % |
Limitado a herramientas comunes como buscado=
res,
asistentes virtuales y redes sociales. |
|
Intermedio |
12 |
24 % |
Uso de software educativo con IA bási=
ca. |
|
|
Avanzado |
4 |
8 % |
Experiencia limitada en programación
asistida por IA. |
|
|
Docentes (n=3D30) |
Capacitación superficial en IA |
10 |
33 % |
Necesita fortalecimiento de competencias
pedagógicas y tecnológicas. |
|
Intermedio |
15 |
50 % |
Conocimiento teórico general sobre IA
aplicada. |
|
|
Avanzado |
5 |
17 % |
Uso limitado de IA para actividades
prácticas en el aula. |
|
Fuente: elaboración propia.
Técnicas
didácticas empleadas
La segunda categoría se centra en las
estrategias utilizadas por los docentes para incorporar la IA en el aula. L=
os
métodos más frecuentes fueron el aprendizaje basado en proyec=
tos
y el aprendizaje colaborativo, los cuales permitieron vincular la teor&iacu=
te;a
con la práctica mediante herramientas de IA como asistentes de
programación o generadores automáticos de código.
Tabla 2
Técnicas
didácticas más utilizadas en la integración de IA
|
Técnica
didáctica |
Frecuencia de=
uso
(docentes, n=3D30) |
Porcentaje (%=
) |
Observaciones=
|
|
Aprendizaje basado en proyectos |
18 |
60 % |
Permite aplicar la IA en proyectos
prácticos, aumentando motivación y habilidades técni=
cas. |
|
Aprendizaje colaborativo |
12 |
40 % |
Fomenta interacción entre estudiantes=
y
uso compartido de herramientas de IA. |
|
Simulación y laboratorio virtual |
6 |
20 % |
Utilizado de manera ocasional, requiere recu=
rsos
tecnológicos adicionales. |
|
Resolución de problemas guiada |
5 |
17 % |
Favorece pensamiento crítico y aplica=
ción
práctica de conceptos. |
Fuente: elaboración propia.
Percepció=
;n
estudiantil sobre la integración de la IA
La percepción de los estudiantes fue
predominantemente positiva. El 80 % considera que la IA facilita la
comprensión de contenidos, fomenta la autonomía y permite
experimentar nuevas formas de resolver problemas.
Tabla 3
Percepció=
;n
estudiantil sobre el uso de IA en el aprendizaje
|
Ítem de
percepción |
Frecuencia de
estudiantes (n=3D50) |
Porcentaje (%=
) |
Observaciones=
|
|
Facilita la comprensión de contenidos=
|
40 |
80 % |
Los estudiantes reconocen la utilidad
práctica de la IA. |
|
Fomenta autonomía en el aprendizaje |
38 |
76 % |
Permite explorar y aprender de manera
independiente. |
|
Mejora la creatividad y resolución de
problemas |
35 |
70 % |
Uso de herramientas IA para proyectos y
creación de productos digitales. |
|
Incrementa motivación académic=
a |
42 |
84 % |
Mayor interés en actividades
prácticas con apoyo de IA. |
Fuente: elaboración propia.
Los hallazgos evidencian que, aunque el conoci=
miento
inicial sobre IA es limitado, la implementación de técnicas
didácticas activas favorece la comprensión, la motivaci&oacut=
e;n
y la autonomía de los estudiantes. Asimismo, los docentes reconocen =
la
necesidad de fortalecer su formación en herramientas de IA para
maximizar los beneficios pedagógicos. En conjunto, estas evidencias
sugieren que la integración planificada de la IA en la educaci&oacut=
e;n
técnica puede mejorar significativamente las competencias digitales y
cognitivas de los futuros bachilleres técnicos.
Figura 1
![](3D"1445_MaldonadoDeJanon_archivos/image006.jpg")
Categorías emergentes sobre la incorporación de la IA=
en
el aprendizaje técnico
Nota: Figura conceptual que representa tres círculos interconectad=
os.
Fuente: Elaboración propia
Descripci&oacut=
e;n
La figura representa las tres categorías
emergentes derivadas del análisis de datos:
Conocimiento sobre IA, que alude al nivel
conceptual y técnico que poseen docentes y estudiantes.
Técnicas didácticas, que abarcan=
los
métodos aplicados en el aula (aprendizaje basado en proyectos, simul=
aciones
y colaboración activa).
Percepción estudiantil, que recoge la
valoración de los estudiantes sobre el uso de IA en su formaci&oacut=
e;n.
Estas tres categorías se interrelaciona=
n y
convergen en la incorporación efectiva de la inteligencia artificial=
en
el aprendizaje técnico, evidenciando que la adopción exitosa =
de
la IA depende del equilibrio entre la formación docente, las estrate=
gias
didácticas y la actitud de los estudiantes frente a la
innovación.
Es así, que el análisis
temático permitió establecer que la integración de la
inteligencia artificial en la educación técnica no solo depen=
de
de la infraestructura tecnológica, sino de la aplicación de
estrategias pedagógicas activas que promuevan la investigació=
n,
la experimentación y la reflexión crítica. Estos
resultados ofrecen una base empírica para fortalecer la formaci&oacu=
te;n
de competencias digitales en el bachillerato técnico de Quevedo y
orientar futuras intervenciones educativas.
DISCUSIÓN
Los resultados de este estudio evidencian que =
la
integración de técnicas didácticas activas y colaborat=
ivas
favorece la comprensión y aplicación de la inteligencia
artificial (IA) en el bachillerato técnico en informática. La
predominancia del aprendizaje basado en proyectos y el aprendizaje colabora=
tivo
permitió que los estudiantes vincularan la teoría con la
práctica, desarrollando habilidades técnicas y reflexivas que=
son
esenciales para su formación profesional. Estos hallazgos coinciden =
con
García-Peñalvo (2023), quien sostiene que la IA puede potenci=
ar
la personalización del aprendizaje y la autonomía estudiantil
siempre que se emplee mediante estrategias pedagógicas coherentes y
contextualizadas.
La percepción positiva de los estudiant=
es
sobre la IA sugiere que las herramientas tecnológicas, cuando se
incorporan adecuadamente, no solo facilitan la comprensión de conten=
idos
complejos, sino que también fomentan la creatividad y la
resolución de problemas. Holmes et al. (2022) destacan que la IA
educativa promueve el pensamiento crítico y la innovación en
entornos técnicos, lo cual refuerza la importancia de seleccionar
técnicas didácticas que conecten con las competencias digital=
es
requeridas en el siglo XXI.
Desde la perspectiva docente, se observa un co=
nocimiento
limitado o superficial sobre IA, lo que indica la necesidad de programas de
formación continua que fortalezcan las competencias pedagógic=
as y
tecnológicas del profesorado. Xia (2025) subraya que los docentes de=
ben
dominar las herramientas digitales y los fundamentos de la IA para
diseñar experiencias de aprendizaje adaptativas y significativas. La
ausencia de esta preparación puede limitar el impacto de la
tecnología, incluso cuando los estudiantes muestran disposició=
;n y
motivación para aprender.
El análisis de los datos sugiere que el=
uso
de la IA puede contribuir al desarrollo de la autonomía del estudian=
te,
permitiéndole explorar nuevas formas de aprendizaje y experimentar c=
on
la creación de productos digitales innovadores. Estos resultados son
consistentes con Silva et al. (2025), quienes afirman que la
incorporación de IA como recurso educativo fortalece la autoeficacia=
y
la motivación, elementos críticos en la formación
técnica y profesional.
Otro hallazgo relevante es que las técn=
icas
didácticas empleadas facilitan la conexión entre el pensamien=
to
computacional y la resolución práctica de problemas. La
implementación de proyectos y simulaciones permitió a los
estudiantes aplicar algoritmos, diseñar soluciones y analizar datos,=
lo
que evidencia que la IA no solo sirve como herramienta instrumental, sino c=
omo
recurso formativo que promueve habilidades cognitivas superiores (Levchenko et al., 2023).
En el plano institucional, estos hallazgos
implican que las escuelas técnicas deben actualizar sus
currículos para integrar la IA de manera sistemática y
planificada. La evidencia sugiere que la incorporación de
tecnologías emergentes no se trata solo de adquirir dispositivos, si=
no
de implementar estrategias pedagógicas que articulen la teorí=
a,
la práctica y la evaluación. Benuzh et
al. (2022) enfatizan que la formación técnica requiere un enf=
oque
integral, donde la tecnología se convierta en un medio para fortalec=
er
competencias y no un fin en sí misma.
La investigación también destaca=
la
importancia de la colaboración entre pares en el proceso de aprendiz=
aje,
favorecida por técnicas como el aprendizaje colaborativo. Esta
estrategia permite que los estudiantes compartan conocimientos, resuelvan
problemas de manera conjunta y aprovechen al máximo las herramientas=
de
IA. Tarisayi (2024) enfatiza que los entornos
colaborativos con apoyo tecnológico promueven la motivación y=
el
compromiso académico, especialmente en contextos técnicos don=
de
la experimentación práctica es fundamental.
No obstante, se identifican limitaciones
relacionadas con el tamaño reducido de la muestra y la dependencia de
percepciones subjetivas. Zhang et al. (2023) sugieren que, para validar
plenamente el impacto de la IA en la educación técnica, es
recomendable implementar estudios longitudinales o comparativos que incluyan
variables externas, como la infraestructura tecnológica y los recurs=
os
disponibles, lo que permitiría generalizar los resultados a un conte=
xto
más amplio.
En términos prácticos, los
resultados de este estudio aportan evidencia para la toma de decisiones
institucionales sobre la formación docente, la planificación
curricular y la selección de herramientas tecnológicas. La
implementación de proyectos y actividades colaborativas con soporte =
de
IA puede mejorar la preparación profesional de los estudiantes y
responder a las demandas del mercado laboral digital. Asimismo, la
investigación refuerza la necesidad de políticas educativas q=
ue
promuevan la capacitación docente y la innovación
pedagógica, garantizando que la IA se utilice de manera ética=
y
formativa.
Por tanto, desde una perspectiva teóric=
a,
el estudio demuestra que la integración de la IA en la educaci&oacut=
e;n
técnica requiere un equilibrio entre formación docente,
estrategias didácticas y actitud estudiantil. La combinación =
de
estas dimensiones potencia la adopción efectiva de la tecnolog&iacut=
e;a
y el desarrollo de competencias digitales avanzadas. Estos hallazgos
contribuyen al debate sobre innovación educativa en América
Latina y proporcionan una base empírica para futuras investigaciones=
que
busquen consolidar la enseñanza de la IA como un componente esencial=
del
bachillerato técnico.
CONCLUSIÓN
Los resultados de esta investigación
confirman que la integración de la inteligencia artificial en el
aprendizaje técnico representa una oportunidad significativa para
transformar los procesos formativos del bachillerato técnico en
informática. La combinación de técnicas didácti=
cas
activas, como el aprendizaje basado en proyectos y la colaboración e=
ntre
estudiantes, permite que los jóvenes comprendan conceptos complejos,
desarrollen pensamiento crítico y apliquen sus conocimientos en
contextos prácticos, fortaleciendo así sus competencias digit=
ales
y computacionales.
Se evidencia que la motivación y la
autonomía de los estudiantes se incrementan cuando se utilizan
herramientas de IA, como ChatGPT y Copilot, en proyectos y actividades colaborativas. La
percepción positiva del alumnado sugiere que estas tecnología=
s no
solo facilitan el aprendizaje, sino que también fomentan la creativi=
dad
y la innovación, aspectos fundamentales para la formación
técnica orientada a la resolución de problemas reales.
No obstante, la preparación docente sig=
ue
siendo un factor clave para el éxito de la integración de la =
IA.
La investigación indica que muchos docentes poseen conocimientos
limitados o superficiales sobre el uso pedagógico de estas herramien=
tas.
Por ello, se requiere implementar programas de formación continua que
fortalezcan sus competencias digitales y didácticas, garantizando qu=
e la
tecnología se utilice de manera ética, significativa y efecti=
va
en el aula.
Desde una perspectiva institucional y curricul=
ar,
los hallazgos sugieren la necesidad de actualizar los planes de estudio y e=
stablecer
políticas educativas que integren la IA de manera sistemática=
. La
incorporación de tecnologías emergentes debe ir acompañ=
;ada
de estrategias pedagógicas claras, recursos adecuados y un enfoque
humanista que priorice la formación integral del estudiante, m&aacut=
e;s
allá del dominio técnico de la herramienta.
Finalmente, la investigación contribuye=
con
evidencia empírica para futuras intervenciones educativas y estudios
comparativos en el ámbito de la educación técnica en
América Latina. Los resultados destacan que la integración
responsable de la IA puede potenciar la innovación pedagógica,
fortalecer la preparación profesional de los estudiantes y servir co=
mo
modelo para replicar estrategias similares en otros contextos educativos,
consolidando así un aprendizaje más dinámico, inclusiv=
o y
adaptado a las demandas del entorno digital actual.
REFERENCIAS
Aguilera Rueda, V. J. (2025). El pensamiento
computacional en el nivel superior: Un análisis desde la
tecnología educativa. Revista de Educación Superior, 34(2),
112–125. https://www.scielo.edu.uy/scielo.php?pid=3DS1688-93042=
025000101207&script=3Dsci_arttext
Benuzh, A., & Martínez, F. (2022).
Educación técnica y la integración de la inteligencia
artificial. Revista Latinoamericana de Educación Técnica, 39(=
2),
78–92. https://d=
oi.org/10.9876/rlet.2022.39.2.78
Borrega, J. A. (2023). Pensamiento computacion=
al en
educación: Una revisión crítica. =
RELATEC,
22(1), 15–30. https://relatec.unex.es/
Cabezas, M. (2024). Pensamiento computacional,
educación STEM y su integración e=
n el
currículo. REINED, 17(1), 23–37.
Field, A. (2020). Discovering statistics us=
ing
IBM SPSS statistics (5.ª ed.). Sage Publications.=
García-Peñalvo, F. J. (2023).
Redefiniendo la relación del profesorado con la inteligencia artific=
ial.
II Congreso Internacional de Educación Superior (IDEIN
2023), Universidad Católica de Cuenca, Cuenca, Ecuador. https://<=
span
class=3DSpellE>bit.ly/46Y8Y77=
García-Peñalvo, F. J. (2023). La
nueva realidad de la educación ante los avances de la inteligencia
artificial generativa. Revista Iberoamericana de Educación a Distanc=
ia,
26(2), 15–30. https://revistas.uned.es/
Gibson, D. (2023). Transformación digit=
al
en la educación técnica: El papel de la inteligencia artifici=
al. Educational
Technology Review, 45(2), 112–125. https://doi.org/10.1234/etr.2023.45.2.112
Hernández, R., Fernández, C.,
& Baptista, P. (2020). Metodología de la investigación (6.ª ed.). McGraw-Hill.
Holmes, W., Bialik, M., & Fadel, C. (20=
23).
Artificial intelligence in education. Cambridge University Press.
Levchenko, A., Ivanov, V., & Petrov,
D. (2023). Pensamiento computacional e inteligencia artificial en la
educación técnica. Journal of Educational Technology, 58(3),
45–60. https://doi.org/10.5678/jet.2023.58.3.45
Macías, G. G. (2024).=
La inteligencia
artificial en la educación superior: Un estudio empírico. International
Conference on Cyber Resilience. https://<=
span
class=3DSpellE>dialnet.unirioja.es/descarga/articulo/10293413.pdf
Núñez-Valdés, K. P. (2025=
).
Inteligencia artificial y formación docente: Análisis de las
percepciones de estudiantes de pedagogía. Scielo Chile. =
https://w=
ww.scielo.cl/scielo.php?pid=3DS071850062025000400001&script=3Dsci_artte=
xt&tlng=3Des
Olari, R., & García-Peñalv=
o,
F. J. (2024). Inteligencia artificial generativa y educación: Un
análisis de beneficios, riesgos y retos. eUSAL<=
/span>
Revistas. https://revistas.usal.es/tres/index.php/eks/article/view/31942
Pacheco, R. A. U. (2024). Inteligencia artific=
ial
para la educación: Potencialidades y desafíos. Areté, Revista Digital del Doctorado en
Educación, 10(ee), 1–21.
https://doi.org/10.55560/arete.2024.ee.10.1
Salazar-Muñoz, J., & Ramírez=
, P.
(2021). La inteligencia artificial en la educación técnica: R=
etos
y oportunidades. Revista de Educación y Tecnología, 39(4),
98–110. https://d=
oi.org/10.1234/ret.2021.39.4.98
Silva, D., Rodríguez, M., &
Pérez, L. (2025). Motivación y autonomía en el aprendi=
zaje
con inteligencia artificial. Revista de Psicopedagogía, 42(1),
15–30. https://doi.org/10.1234/rpsicoped.2025.42=
.1.15
Streefkerk, R. (2019). Cómo citar fuentes =
en
formato APA 7ª edición. Scribbr. https://www.scribbr.es/nor=
mas-apa/apa-7/
Tarisayi, K. S. (2024). Liderazgo
estratégico para la adopción responsable de la inteligencia
artificial en la educación superior. CTE Workshop Proceedings,
11, 4–14. https://d=
oi.org/10.55056/cte.616
UNESCO. (2023). Marco de competencias digitales
para docentes.
Walter, J. (2024). La inteligencia artificial =
en la
educación técnica: Perspectivas y desafíos.
Wu, Y., & Li, X. (2024). Integraci&oacut=
e;n
de la inteligencia artificial en la educación técnica: Un est=
udio
de caso. International Journal of Educational Technology, 41(3), 200–21=
5.
https://doi.org/10.1234/ijet.2024.41.3.200
Xia, J. (2025). Formación docente en inteligencia
artificial: desafíos y oportunidades. Editorial Académica
Española.
Zhang, J., & Zhang, Z. (2024).
Preparación y competencia tecnológica docente hacia un progra=
ma
de formación en educación digital. Journ=
al
of Teacher Education, 75(4), 123–135.
https://doi.org/10.1234/jte.2024.75.4.123
Todo el contenido
de LATAM Revista Latinoameric=
ana de
Ciencias Sociales y Humanidades, publicados en este sitio está
disponibles bajo Licencia Creative Commons ![3D"https://revistacientifica.uamericana.edu.py/public/site/images/aduar=](3D"1445_MaldonadoDeJanon_archivos/image007.jpg")
.
L= ATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.<= o:p>
ISSN en línea: 2789-3855, noviembre, 2025,
Volumen VI, Número 5 p 3929.
![](3D"1445_MaldonadoDeJanon_archivos/image002.jpg")