![](3D"1631_Delgado_archivos/image002.jpg")
DOI: https://doi.org/10.56712/latam.v6i6.5093
Ética algorítmica y
aprendizaje limitado en educación: crítica a restricciones de=
la
inteligencia artificial
Algorithmic ethics and limited learning in education: a critique of
artificial intelligence restrictions
Gustavo Antonio Delgado Aguilera
https://orcid.org/0009-0001-0720-1=
791
Instituto Nacional de Educación Superior
Lambaré – Paraguay
Oliva Silva de Gonzalez
<=
span
style=3D'font-size:9.0pt;font-family:Roboto;mso-fareast-font-family:Roboto;
mso-bidi-font-family:Roboto;color:black;text-decoration:none;text-underline:
none'>oliva0206@gmail.com
https://orcid.org/0009-009-3133-623X
Instituto Nacional de Educación Superior
Carapeguá – Paraguay
Artículo recibido: 28 de agosto =
de
2025. Aceptado para publicación: 29 de diciembre de 2025.
Conflictos de Interés: Ninguno que declarar.
Resumen
Este artículo analiza las restricciones éticas de la
inteligencia artificial en contextos educativos y su impacto en el aprendiz=
aje
crítico y la autonomía intelectual. Se realizó un
análisis documental interdisciplinario desde la educación, la
auditoría y la ética tecnológica. Se identificó=
que
los filtros rígidos de contenido pueden obstaculizar la
exploración académica avanzada, especialmente en estudiantes =
de
posgrado e investigadores. Se propone un modelo de filtros éticos
adaptativos que incorpora transparencia algorítmica, supervisi&oacut=
e;n
docente y principios pedagógicos. Se concluye que es necesario
evolucionar hacia sistemas éticos flexibles y auditables que garanti=
cen
la contribución efectiva de la inteligencia artificial al aprendizaje
profundo y crítico.
Palabras clave: inteligencia artificial, ética algorítmica, aprendiza=
je
crítico, educación, transparencia
Abstract
This article analyzes the ethical restrictions of artificial
intelligence in educational contexts and their impact on critical learning =
and
intellectual autonomy. An interdisciplinary documentary analysis was conduc=
ted
from the perspectives of education, auditing, and technology ethics. Findin=
gs
indicate that rigid content filters may hinder advanced academic exploratio=
n,
particularly for postgraduate students and researchers. A model of adaptive
ethical filters is proposed, incorporating algorithmic transparency, teacher
supervision, and pedagogical principles. It is concluded that flexible and
auditable ethical systems are necessary to ensure that artificial intellige=
nce
effectively contributes to deep and critical learning.
Keywords: artificial intelligence, algorithmic ethic=
s,
critical learning, education, transparency
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= 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.=
C=
ómo
citar: Delgado Aguilera, G. A=
.,
& Silva de Gonzalez, O. (2025). Ética
algorítmica y aprendizaje limitado en educación: críti=
ca a
restricciones de la inteligencia artificial. LATAM Revista Latinoamerica=
na
de Ciencias Sociales y Humanidades 6 (6), 2781 – 2791. https://doi.or=
g/10.56712/latam.v6i6.5093
INTRODUCCIÓN
En los últimos años, la intelige=
ncia
artificial (IA) ha ingresado con fuerza en los entornos de la educaci&oacut=
e;n,
estas herramientas que prometen personalizar el aprendizaje, optimizar proc=
esos
repetitivos y ampliar el acceso al conocimiento. Esta expansión
tecnológica posee dilemas y tensiones éticas, especialmente
cuando los sistemas de IA imponen limites sobre restricciones en los conten=
idos
que pueden ser consultados, analizados, discutidos o explorados por los
usuarios/estudiantes. Estas limitaciones, muchas veces justificadas por
principios de seguridad, protección de datos o moderación
algorítmica, pueden entrar en conflicto con los objetivos del
aprendizaje profundo, crítico y autónomo. Se comprende que de=
ben
existir limitantes, pero a que costo para los países en vía de
desarrollo.
En Educación el aprendizaje no se limita
únicamente a la adquisición de información, sino que
implica la capacidad de analizar, reflexionar, cuestionar, explorar y const=
ruir
conocimiento en contextos diversos en el cual nos es presentado lo aprendid=
o.
Como dijo Isaac Newton “no importa si soy un pigmeo, si me paro sobre=
los
hombros de un gigante podré ver más lejos”. En este
sentido, las restricciones éticas impuestas por los sistemas de IA
—aunque necesarias en ciertos casos— pueden obstaculizar el
desarrollo del pensamiento del análisis crítico, en especial =
cuando
se censuran temas sensibles, complejos o controversiales. Esta tensió=
;n
se vuelve aún más evidente en usuarios con alta curiosidad
intelectual, como investigadores, docentes o estudiantes de posgrado, quien=
es
se enfrentan a barreras algorítmicas que limitan su acceso a
información relevante para sus procesos formativos.
Aunque existen estudios sobre el potencial de =
la
inteligencia artificial en educación y sobre sus implicaciones
éticas, se observa un vacío específico en la literatura
respecto a cómo los filtros algorítmicos rígidos afect=
an
la autonomía intelectual y el aprendizaje crítico en niveles =
de
posgrado e investigación. Esta brecha constituye la justificaci&oacu=
te;n
central del presente estudio y orienta la propuesta de un modelo alternativ=
o de
filtros éticos adaptativos.
Este artículo propone una reflexi&oacut=
e;n
analítica y crítica sobre los límites éticos de=
la
IA en contextos educativos, analizando cómo estas restricciones pued=
en
afectar el verdadero aprendizaje luego de cierto nivel o en ambientes de ll=
egar
al límite del conocimiento. Desde una mirada interdisciplinaria
—articulando educación, auditoría y ética
tecnológica— se plantea la necesidad de evolucionar hacia sist=
emas
éticos abiertos y seguros, capaces de adaptarse al perfil del usuari=
o y
su conocimiento previo y hacia el contexto de uso, sin comprometer los
principios fundamentales de la formación académica.
METODOLOGÍA
El aumento de la utilización de la
inteligencia artificial en la educación en los distintos niveles exi=
ge
una revisión profunda de los modelos éticos que regulan su
funcionamiento y su utilización. Si bien los sistemas actuales prior=
izan
la seguridad y la moderación de contenido actuando de manera
paternalista, esta lógica puede resultar contraproducente en context=
os
académicos donde la necesidad de análisis, reflexión,
cuestionamiento, exploración y el acceso a información comple=
ja
son fundamentales para el aprendizaje de los investigadores. Por dicho moti=
vo
se propone el diseño de sistemas éticos abiertos y seguros,
capaces de adaptarse al perfil del usuario y su conocimiento previos y al
propósito educativo.
El estudio se desarrolló bajo un enfoque
cualitativo, documental y analítico, que examina críticamente=
las
restricciones éticas de la inteligencia artificial en contextos de e=
ducación
superior. El diseño de investigación consistió en un
análisis crítico de la literatura especializada y de casos de=
uso
de IA en educación superior, complementado con la experiencia direct=
a de
uno de los autores como participante humano en la interacción con
sistemas de IA.
Además, se basó en la
revisión bibliográfica de artículos indexados en bases=
de
datos académicas, informes de organismos internacionales como la UNE=
SCO
y aquellos estudios vinculados a la auditoría tecnológica
aplicada a sistemas educativos existentes a la fecha.
Uno de los autores participó directamen=
te
como usuario-investigador en interacción con sistemas de inteligencia
artificial, registrando de manera reflexiva las limitaciones, bloqueos y se=
sgos
experimentados. Esta experiencia personal complementa el análisis
documental y permitió integrar evidencia práctica al estudio.=
El procedimiento metodológico
implicó la selección de fuentes académicas relevantes,=
la
categorización de hallazgos y la aplicación de un anál=
isis
temático que permitió organizar la información en torn=
o a
tres dimensiones principales: 1-restricciones algorítmicas, 2-impact=
o en
la autonomía intelectual y 3-propuestas de filtros éticos
adaptativos. El análisis de datos se llevó a cabo mediante
técnicas de análisis de contenido y categorización
temática, integrando tanto la evidencia documental como la experienc=
ia
del autor como participante humano.
Se consideraron aspectos éticos
fundamentales, garantizando la transparencia en el uso de las fuentes
utilizadas, el respeto a la propiedad intelectual de las IA y la neutralida=
d en
la interpretación de los resultados, asegurando la rigurosidad
académica del estudio.
DESARROLLO
Luckin (2018) destaca el potencial de la IA p=
ara
personalizar el aprendizaje, mientras que Binns
(2018) advierte sobre los riesgos de sesgos algorítmicos. La UNESCO
(2021) subraya la importancia de la ética digital en la
educación. Se observa que existe un vacío en la literatura del
cómo los filtros rígidos afectan la investigación en
niveles de posgrado.
La literatura más reciente sobre
inteligencia artificial en educación refleja tanto su potencial
transformador como los desafíos éticos que plantea en cada un=
o de
los estamentos donde es utilizada. Bustamante Bula y Camacho Bonilla (2023)
realizaron una revisión sistemática de estudios entre 2019 y
2023, destacando que la IA se ha convertido en un recurso cada vez má=
;s
presente en las escuelas, aunque persisten vacíos en torno a su
regulación ética y pedagógica. En la misma líne=
a, Luckin, Holmes, Griffiths y Forc=
ier
(2016) subrayan que la IA puede personalizar el aprendizaje y ampliar las
oportunidades de formación, siempre que se integre de manera
crítica y contextualizada en los procesos educativos.
Diversos autores advierten sobre riesgos asoci=
ados
tanto a los sesgos como a las restricciones algorítmicas. Binns (2018) plantea que los sistemas de aprendizaje
automático no son neutrales, sino que reflejan perspectivas
políticas y filosóficas que pueden limitar la equidad en el
acceso al conocimiento. Gómez Cárdenas, Fuentes Penna y Castro
Rascón (2022) complementan esta visión al señalar que =
el
uso ético y moral de la IA en educación requiere marcos
normativos claros que garanticen la autonomía intelectual y la
diversidad de pensamiento.
La necesidad de lineamientos éticos a l=
os
cuales ceñir el uso de la inteligencia artificial ha sido recogida
también por organismos internacionales. La UNESCO (2021) emiti&oacut=
e;
la Recomendación sobre la ética de la inteligencia artificial=
, en
la que enfatiza la importancia de la transparencia, la trazabilidad y la
supervisión humana en los sistemas algorítmicos. Posteriormen=
te,
la UNESCO (2022) profundizó en los retos y oportunidades de la IA en
educación, destacando que su implementación debe estar
acompañada de principios pedagógicos que promuevan el pensami=
ento
crítico y la inclusión.
En el ámbito latinoamericano, se han
desarrollado propuestas específicas para orientar el uso responsable=
de
la IA. Delatorre (2023) elaboró un
decálogo técnico y ético que busca guiar a docentes e
instituciones en la integración de estas tecnologías, mientras
que estudios como el de SciELO (2022) han problematizado la transparencia
algorítmica, cuestionando si se trata de un desafío normativo=
o
tecnológico. Estas reflexiones dialogan con la tradición
crítica de la educación, representada por Freire (1970), quien
defendía la necesidad de superar modelos de enseñanza bancari=
os y
promover la autonomía intelectual de los estudiantes.
En conjunto, la revisión de la literatu=
ra
evidencia que, aunque la IA ofrece oportunidades significativas para la
innovación educativa, persisten tensiones éticas y
epistemológicas que requieren modelos flexibles y adaptativos. Este
vacío constituye el punto de partida para la propuesta de filtros
éticos adaptativos desarrollada en el presente estudio.
Problema de Investigación
<=
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'>●<=
span
style=3D'mso-list:Ignore'>●<=
span
style=3D'mso-list:Ignore'>●<=
span
style=3D'mso-list:Ignore'>● REFERENCIAS Bustamante Bula, R., & Camacho Bonilla, A.
(2023). Inteligencia artificial en las escuelas: Una revisión
sistemática (2019–2023). Enunciaci&oacut=
e;n, 29(1),
62–82. https://doi.org/10.14483/22486798=
.22039 Binns, R. (2018).
Fairness in machine learning: Lessons from political philosophy. In S. A. <=
span
class=3DSpellE>Friedler & C. Wilson (Eds.), Proceedings of the 2=
018
Conference on Fairness, Accountability and Transparency (pp. 149–159)=
. PMLR. https://doi.org/10.48550/arXiv.17=
12.03586 De la Torre Lorente, J. L., & De la Torre
Díaz, J. L. (2023). Decálogo técnico y ético pa=
ra
el uso responsable de la IA en educación. delat=
orre.ai.
https://delatorre.ai/decalogo-tecnico-y-etico-para-el-=
uso-responsable-de-la-ia-en-educacion/ Freire, P. (1970). Pedagogía del oprimi=
do.
Siglo XXI Editores. (No DOI disponible; obra
clásica de libro impreso) Gómez Cárdenas, R., Fuentes Penn=
a,
A., & Castro Rascón, A. (2022). El uso ético y moral de la
inteligencia artificial en educación e investigación. Revista=
de
Educación y Tecnología, 15(2), 45–60. https://doi.org/10.37811/cl_rcm.v=
8i5.13801 Luckin, R., Holmes, W=
.,
Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argu=
ment
for AI in education. Pearson Education. https://disc=
overy.ucl.ac.uk/id/eprint/1475756/ UNESCO. (2021). Recomendación sobre la
ética de la inteligencia artificial. UNESCO. https://unesdoc.unesco.org=
/ark:/48223/pf0000380455 UNESCO. (2022). Inteligencia artificial en la
educación: Retos y oportunidades. UNESCO. https://unesdoc.unesco.org=
/ark:/48223/pf0000386670 Araya Paz, C. F. (2022). Transparencia
algorítmica: ¿Un problema normativo o tecnológico? Rev=
ista
Iberoamericana de Ciencia, Tecnología y Sociedad, 17(1), 89–10=
4. https://doi.org/10.7770/cuhso-v31=
n2-art2196 Todo el contenido
de LATAM Revista Latinoamericana 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"1631_Delgado_archivos/image005.jpg")
.<=
o:p>
L= ATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.<= o:p>
ISSN en línea: 2789-3855, diciembre, 2025, Volumen VI, Número 6 p 2767.<= o:p>