DOI: https://doi.org/10.56712/latam.v6i6.5117
Impacto de la IA generativa en la
alfabetización digital crítica: revisión de
desafíos y oportunidades en educación superior
Impact of
generative AI on critical digital literacy: review of challenges and opport=
unities
in higher education
Juliana Karina Zapa Cedeño
https://orcid.org/0000-0003-2222-2352
Universidad Estatal de Milagro
Milagro – Ecuador
Juri Evelyn Núñez Portilla
https://orcid.org/0000-0001-5161-9186
Universidad Estatal de Milagro
Milagro – Ecuador
Artículo recibido: 01 de septiem=
bre
de 2025. Aceptado para publicación: 02 de enero de 2026.
Conflictos de Interés: Ninguno que declarar.
Resumen
La Inteligencia Artificial Generativa (IAG)
está transformando la educación superior, redefiniendo las
competencias necesarias para la alfabetización digital crític=
a.
Esta revisión analiza su impacto, explorando los desafíos y
oportunidades que presenta su integración en el ámbito
universitario. El estudio tuvo como objetivo realizar una revisión
sistemática para analizar el impacto de la IAG<=
/span>
en el desarrollo y práctica de la alfabetización digital
crítica en la educación superior, identificando y categorizan=
do
los desafíos y oportunidades emergentes. Se siguió una
metodología de revisión sistemática integradora basada=
en
las directrices PRISMA. Se identificaron 335 artículos en bases de d=
atos
como Scopus y Web of Science, de los cuales 21 cumplieron los criterios de
inclusión (publicados entre 2019-2024). El análisis se
realizó mediante codificación temática con apoyo de
software cualitativo. La IAG ofrece oportunidad=
es
significativas, como la personalización del aprendizaje, la
optimización de tareas y la retroalimentación inmediata. Sin
embargo, también plantea grandes desafíos: riesgos para la
integridad académica (plagio), dependencia tecnológica,
reducción del pensamiento crítico, sesgos algorítmicos=
y
problemas de equidad y privacidad. Existe una brecha perceptiva entre
estudiantes, que valoran su utilidad, y docentes, más escépti=
cos
sobre sus efectos. La integración responsable de la IAG
exige evolucionar hacia una alfabetización digital crítica que
incluya competencias como la ingeniería de prom=
pts
y la evaluación ética de los resultados. El rol docente debe
transformarse hacia la facilitación, refiriéndose
políticas institucionales claras y métodos de evaluació=
;n
renovados. La IAG es una fuerza transformadora =
que
requiere un enfoque pedagógico colaborativo y ético. La
alfabetización digital crítica es fundamental para aprovechar=
sus
beneficios y mitigar sus riesgos, asegurando una educación superior
inclusiva y adaptada al siglo XXI.
Palabras clave: inteligencia artificial generativa (iag),
alfabetización digital crítica, educación superior, re=
visión
sistemática, ética
Abstract
Generative Artificial Intelligence (GAI) is transforming higher
education by redefining the necessary skills for critical digital literacy.
This review analyzes its impact, exploring the challenges and opportunities
that its integration presents in the university setting. The study aimed to
conduct a systematic review to analyze the impact of GAI on the development=
and
practice of critical digital literacy in higher education, identifying and
categorizing emerging challenges and opportunities. An integrative systemat=
ic
review methodology was followed, based on the PRISMA guidelines. A total of=
335
articles were identified in databases such as Scopus and Web of Science, of
which 21 met the inclusion criteria (published between 2019 and 2024). The
analysis was performed using thematic coding with the support of qualitative
software. GAI offers significant opportunities, such as the personalization=
of
learning, the optimization of tasks, and immediate feedback. However, it al=
so
poses major challenges: risks to academic integrity (plagiarism), technolog=
ical
dependency, a reduction in critical thinking, algorithmic biases, and issue=
s of
equity and privacy. A perceptive gap exists between students, who value its
utility, and teachers, who are more skeptical about its effects. The
responsible integration of GAI demands an evolution towards a critical digi=
tal
literacy that includes competencies such as prompt engineering and the ethi=
cal
evaluation of its outputs. The teacher's role must transform towards that o=
f a
facilitator, requiring clear institutional policies and renewed assessment
methods. In conclusion, GAI is a transformative force that requires a
collaborative and ethical pedagogical approach. Critical digital literacy i=
s fundamental
to harnessing its benefits and mitigating its risks, ensuring an inclusive
higher education system adapted to the 21st century.
Keywords: generative artificial intelligence (gai),
critical digital literacy, higher education, systematic review, ethics
=
&nb=
sp; =
&nb=
sp; =
&nb=
sp; =
&nb=
sp; =
&nb=
sp; =
&nb=
sp; =
<= 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.=
Cómo
citar: Zapa Cedeño, J.=
K.,
& Núñez Portilla, J. E. (2025). Impacto de la IA generati=
va
en la alfabetización digital crítica: revisión de
desafíos y oportunidades en educación superior. LATAM Revi=
sta
Latinoamericana de Ciencias Sociales y Humanidades 6 (6), 3047 – 3070.
https://doi.org/10.56712/latam.v6i6.5117
INTRODUCCIÓN
La llegada de la Inteligencia Artificial
Generativa (IAG) en los contextos educativos
significa un cambio transformador en el panorama de la educación
superior; estas innovaciones, que se distinguen por su capacidad para gener=
ar
contenido novedoso y abordar desafíos complejos, están
remodelando las metodologías académicas y las competencias
digitales necesarias (Vieira & Mesquita, 20=
25).
Esta investigación se centra en investigar la influencia particular =
de IAG en un elemento crucial de la pedagogía
universitaria moderna: el cultivo de la alfabetización digital
crítica. La investigación ocupa un espacio en la confluencia =
del
avance tecnológico, la teoría pedagógica y la é=
tica
aplicada, y explora cómo estos instrumentos alteran las competencias
necesarias para interactuar de manera reflexiva con el entorno digital.
Esta investigación académica es =
de
importancia en el entorno contemporáneo caracterizado por la
rápida integración de la inteligencia artificial y las
tecnologías generativas en las actividades académicas. Desde =
la elaboración
de ensayos hasta la resolución de problemas complejos, estos avances
plantean interrogantes esenciales sobre los objetivos fundamentales de la
educación superior a la hora de cultivar profesionales autóno=
mos
y ciudadanos éticamente responsables. La capacidad de evaluar
críticamente la información, que ahora se cogenera junto con =
los
sistemas de inteligencia artificial, se ha convertido en una competencia vi=
tal
necesaria para mantener la integridad académica, garantizar la emple=
abilidad
futura y fomentar la participación informada en la sociedad digital
(Noblecilla & Chéquer, 2025).
Dentro de la literatura sobre
alfabetización digital y educación en medios; este campo de
estudio se ha ocupado de desarrollar habilidades para acceder, evaluar y cr=
ear
información mediante tecnologías digitales, con especial
énfasis en discernir la credibilidad de fuentes de información
convencionales. Existen corpus de investigación establecidos que
exploran los desafíos éticos planteados por internet y las re=
des
sociales en entornos educativos, constituyendo una base sólida para
comprender la necesidad del pensamiento crítico aplicado al
ámbito digital (Saúde et al., 202=
4).
La primitiva aplicación de la IAG en las instituciones académicas destaca ta=
nto su
capacidad para adaptar las experiencias educativas como las preocupaciones
inmediatas asociadas con la integridad académica. Sin embargo, estas
investigaciones iniciales consideran que el IAG=
es
predominantemente un instrumento auxiliar o se concentran principalmente en=
sus
dimensiones técnicas, lo que crea una laguna considerable en nuestra
comprensión de cómo estas tecnologías alteran radicalm=
ente
los principios mismos de la alfabetización digital crítica (<=
span
class=3DSpellE>Walczak & Cellary, 20=
23).
Esta brecha se manifiesta en la falta de comprensión sistemát=
ica
sobre cómo la IAG desafía nociones
establecidas de autoría, credibilidad y procesos cognitivos en el
ámbito educativo.
La identificación de esta brecha concep=
tual
resulta significativa, ya que limita la capacidad de las instituciones
educativas para desarrollar estrategias efectivas de integración
tecnológica. Sin una comprensión profunda de estas
transformaciones estructurales, las respuestas institucionales pueden reduc=
irse
a medidas reactivas y punitivas, desaprovechando la oportunidad de incorpor=
ar
pedagógicamente la IAG para fomentar for=
mas de
pensamiento crítico más sofisticadas y adaptadas a la realidad
tecnológica contemporánea. Esta situación hace imperat=
iva
la generación de un análisis que trascienda el catálog=
o de
usos para explorar la relación dialéctica entre la
tecnología y el desarrollo competencial.
El objetivo de este estudio consiste en una
revisión sistemática que permita analizar el impacto de la
Inteligencia Artificial Generativa en el desarrollo y práctica de la
alfabetización digital crítica en educación superior. =
Esta
aproximación se orienta específicamente a identificar,
categorizar y discutir los desafíos y oportunidades emergentes de es=
ta
interacción, con el propósito de proporcionar una visió=
;n
integral y fundamentada del fenómeno.
METODOLOGÍA
Este estudio se desarrollará bajo un
enfoque metodológico de revisión sistemática integrado=
ra,
adecuado para sintetizar evidencia proveniente de diversas fuentes y
diseños de investigación. El proceso seguirá las direc=
trices
PRISMA (Preferred Reportin=
g
Items for Systematic Reviews and Me=
ta-Analyses), garantizando transparencia y replicabilida=
d. La
revisión integrará hallazgos de estudios cualitativos,
cuantitativos y teóricos para proporcionar una comprensión co=
mprehensiva
del fenómeno de estudio, permitiendo capturar tanto la evidencia
empírica como los desarrollos conceptuales en este campo emergente (=
Page
et al., 2021).
Se implementará una estrategia de
búsqueda exhaustiva en bases de datos académicas especializad=
as (Scopus, Web of Science y Google Scholar)=
y
repositorios institucionales relevantes. La ecuación de búsqu=
eda
combinará términos controlados y naturales relacionados con
"inteligencia artificial generativa", "alfabetización
digital crítica", "educación superior" y
"pensamiento crítico", adaptándose a la sintaxis
específica de cada base. El criterio de inclusión
considerará documentos publicados entre 2019-2024, en español=
e
inglés, que abordan explícitamente la intersección ent=
re
IA generativa y desarrollo de competencias críticas en educaci&oacut=
e;n
superior.
El proceso de selección se realizar&aac=
ute;
en dos fases: screening de títulos y resúmenes, seguido de
lectura completa de textos preseleccionados. De un total de 335
artículos identificados en bases de datos como =
Scopus,
Web of Science y Go=
ogle Scholar, se aplicaron criterios estrictos de
inclusión/exclusión para validar 21 estudios relevantes. Se
incluyeron artículos publicados entre 2019-2024, en inglés o
español, que abordan explícitamente el uso de la inteligencia
artificial generativa y la alfabetización digital crítica en =
la
educación superior. Se excluyeron 314 artículos por: (1) enfo=
que
teórico sin aplicación práctica, (2) estudios duplicad=
os o
sin revisión por pares, (3) herramientas no basadas en IA, o (4) fal=
ta
de acceso al texto completo.
Se diseñará un formulario de
extracción estandarizado que capturará información sob=
re
características metodológicas, participantes, intervenciones,
resultados y hallazgos principales. La síntesis seguirá un
método de análisis temático configurativo, identifican=
do
temas recurrentes y patrones en los datos mediante codificación abie=
rta
y axial. Este proceso permitirá mapear sistemáticamente los
desafíos y oportunidades reportados en la literatura, así como
las relaciones entre ellos, utilizando el software ATL=
AS.ti
para apoyar el análisis cualitativo.
Posteriormente, se realizará un
análisis crítico de brechas para identificar áreas
insuficientemente investigadas y contradicciones en la literatura existente.
Sobre esta base, se desarrollará un marco conceptual preliminar que
integre los hallazgos, utilizando como referencia teorías establecid=
as
de alfabetización digital crítica y fram=
eworks
emergentes de competencia en IA. Este marco buscará explicar las
relaciones entre los distintos factores identificados y proponer directrices
para la integración efectiva de la IA generativa en la educaci&oacut=
e;n
superior.
El rigor metodológico se asegurar&aacut=
e;
mediante triangulación de investigadores, búsqueda de casos
negativos y validación con expertos externos. Se mantendrá un
diario de investigación que documente las decisiones
metodológicas y sus fundamentos. Entre las limitaciones reconocidas =
se
encuentra el posible sesgo de publicación y la rápida
evolución del campo, que puede dejar obsoleta parte de la literatura
incluida. Para mitigar esto, se establecerán alertas de
publicación durante el periodo de estudio y se incluirán preprints en la revisión cuando cumplan los
criterios de calidad.
RESULTADOS
Figura 1
<=
!--[if gte vml 1]>
![](3D"1653_Zapa_archivos/image006.gif=)
Visualizaci&oac=
ute;n
de red palabras clave utilizadas
Fuente: elaboración propia ATLAS.ti
La integración de la IA Generativa en el
ámbito de la educación superior representa una
transformación profunda en las experiencias de enseñanza-
aprendizaje. Autores como Quiroz (2025) y Zhang (2025) destacan que herrami=
entas
como los chatbots y sistemas basados en ChatGPT no son neutrales, sino que configuran nuevas
ecologías de aprendizaje. Estos investigadores argumentan que estas
tecnologías facilitan un aprendizaje más interactivo y
personalizado, pero a la vez exigen una reevaluación crítica =
de
los métodos pedagógicos tradicionales, impulsando a docentes y
estudiantes hacia un uso más reflexivo de los recursos digitales.
Sin embargo, la facilidad de acceso a la IA
generativa puede comprometer la integridad académica, planteando ser=
ios
dilemas éticos en torno a su uso. Romeu Fontanillas et al. (2025), e=
n su
revisión sistemática sobre IA en educación, ya alertab=
an
sobre los riesgos de dependencia y la falta de transparencia. Es fundamenta=
l,
como señala Radhwan (2025) en su enfoque
pedagógico, evaluar críticamente no solo la fiabilidad de la
información generada, sino también las limitaciones inherente=
s a
estas tecnologías y sus fines educativos.
Frente a estos retos, surge la imperiosa neces=
idad
de fortalecer la alfabetización digital crítica entre los
miembros de la comunidad universitaria. Romaniuk
& Łukasiewicz-Wieleba (2024) abogan
específicamente por un enfoque que vaya más allá de la
mera competencia técnica, promoviendo una comprensión profund=
a de
la política, la economía y la ética de las plataformas
digitales. Los docentes deben adquirir las competencias necesarias para gui=
ar a
los estudiantes en el uso responsable, analizando los efectos e implicacion=
es
de la IA en la formación académica y en la sociedad.
El impacto de la IA generativa en la
educación superior es dual, ofreciendo benefits=
notables mientras exige enfrentar sus desafíos con responsabilidad. =
Como
sintetiza Bobula (2024), nos encontramos en un =
punto
de inflexión que requiere una pedagogía de la "coexisten=
cia"
con la IA. La integración exitosa de estas herramientas depender&aac=
ute;
de un enfoque equilibrado que, tal como propone la alfabetización
digital crítica, promueva tanto la innovación como el juicio
ético, asegurando que la tecnología sirva para enriquecer el =
desarrollo
intelectual y ético de los futuros profesionales.
Desafíos y oportunidades de la IA
generativa en la alfabetización digital crítica
La IAG plantea
desafíos fundamentales para la alfabetización digital
crítica, al erosionar las bases tradicionales de la evaluació=
n de
información. La capacidad de estas herramientas para producir conten=
ido
verosímil, coherente y aparentemente bien fundamentado obliga a
replantear cómo enseñamos a discernir lo verdadero de lo fals=
o.
El principal reto reside en desarrollar el escepticismo necesario sin caer =
en
la desconfianza absoluta, y en aprender a identificar las limitaciones y se=
sgos
de estos sistemas, como sus "alucinaciones" o la reproducci&oacut=
e;n
de estereotipos presentes en sus datos de entrenamiento. La alfabetizaci&oa=
cute;n
ya no puede centrarse solo en la credibilidad de la fuente, sino que debe
incorporar la capacidad de cuestionar la propia autoría y procedencia
del contenido (Quiroz, 2025).
Frente a estos desafíos, la IA generati=
va
también presenta oportunidades sin precedentes para revolucionar la
enseñanza de las competencias digitales. Estas herramientas se
convierten en laboratorios vivos donde los estudiantes pueden experimentar =
de
primera mano cómo se construye y manipula la información. A
través del "prompt engineering",
aprenden a formular preguntas críticas, a analizar respuestas
contradictorias y a refinar su capacidad de indagación. La oportunid=
ad
radica en transformar a los usuarios de consumidores pasivos en interlocuto=
res
activos que comprenden los mecanismos detrás de la creación de
contenido, fomentando una relación más consciente y menos ing=
enua
con la tecnología.
El futuro de la alfabetización digital
crítica dependerá de nuestra capacidad para integrar el
entendimiento de la IA en los procesos educativos, formando ciudadanos que =
no
solo sepan usar estas herramientas, sino que comprendan sus principios de
funcionamiento, sus riesgos y su impacto social. Esto implica cultivar una
mentalidad que valore la verificación, reconozca el contexto y mante=
nga
el juicio humano como elemento central en un ecosistema informativo cada vez
más automatizado, equilibrando el aprovechamiento del potencial de l=
a IA
con la preservación del pensamiento crítico autónomo
(Barrios Sánchez & Carazas Durand, 2025).
Tabla 1
Artículos analizados sobre el impacto d=
e la
IA generativa en la alfabetización digital crítica
|
Tema |
Autores |
Características metodológicas<= o:p> |
Resultados |
Hallazgos principales |
|
Evaluación
del uso de la inteligencia artificial generativa en la universidad
técnica de Machala: beneficios y riesgos |
(Chica
Elizalde et al., 2025) |
El
estudio emplea una metodología mixta que integra una revisió=
;n
sistemática de literatura (SLR) bajo l=
as
directrices PRISMA 2020 y un análisis empírico. Dicho
análisis se basa en encuestas e entrevi=
stas a
estudiantes y docentes de la Universidad Técnica de Machala. El
objetivo es recopilar percepciones sobre el uso, beneficios y riesgos de =
las
herramientas de IA generativa en la educación. |
El
uso de herramientas de IAG, especialmente |
El
estudio identifica a ChatGPT como la herramie=
nta de
IA más usada en la universidad, valorada por mejorar la
comprensión y eficiencia educativa. Sin embargo, también re=
vela
riesgos éticos como plagio, dependencia cognitiva y problemas de
privacidad. Se concluye que es necesario establecer políticas
institucionales y rediseñar las evaluaciones para un uso ét=
ico
y efectivo. |
|
Alfabetización
crítica en IA: Recursos educativos para una pedagogía de la=
descajanegrización. |
(Artopoulos y Lliteras, =
2024) |
El
estudio utiliza una encuesta semiestructurada aplicada a 62 estudiantes de
informática de la UNLP para analizar la
adopción y percepción de la IA generativa. Se complementa c=
on
un análisis conceptual y teórico sobre alfabetización
crítica en IA, sesgos y alucinaciones. La propuesta
metodológica incluye el diseño de recursos educativos abier=
tos
y descajanegrizados para fomentar la
comprensión crítica de la IA. |
La
investigación revela que los estudiantes adoptan masivamente ChatGPT y perciben que mejora su aprendizaje, pero =
la
mayoría desconoce cómo detectar sesgos y alucinaciones en la
práctica. Se identifica una fuerte demanda de que los docentes
guíen el uso crítico y ético de la IA. Se concluye q=
ue
es esencial desarrollar recursos educativos abiertos y "descajanegrizados" para enseñar a detec=
tar
estos riesgos y fomentar el pensamiento crítico. |
Los estudiantes usan masivamente ChatGPT y recono= cen su valor para el aprendizaje, pero carecen de habilidades prácticas p= ara identificar sesgos y alucinaciones. Existe una demanda explícita de que los docantes guíen un uso cr&iacut= e;tico y ético de estas herramientas. El estudio concluye que es urgente desarrollar recursos educativos abiertos y "des= cajanegrizados" que permitan comprender y cuestionar el funcionamiento interno de la IA.<= o:p> |
|
Alfabetización
desde la inteligencia artificial en universitarios: un artículo de
revisión sistemática. |
(Barrios
Sánchez & Carazas Durand, 2025) |
Este
estudio es una revisión sistemática que sigue la
metodología PRISMA, analizando 24 artículos científi=
cos
seleccionados de 537 identificados en Scopus.=
Los
criterios de inclusión consideraron publicaciones entre 2023 y 202=
5 en
inglés y español, centrándose en alfabetizació=
;n
en IA en estudiantes universitarios. El análisis se enfocó =
en
sintetizar evidencia sobre implicancias, factores favorecedores y estrate=
gias
para desarrollar la alfabetización en IA. |
La
investigación concluye que la alfabetización en IA requiere
comprensión técnica, habilidades de implementación,
evaluación crítica y consideraciones éticas. Factores
como el empoderamiento, los aspectos afectivos y la gamificación
favorecen su desarrollo. Su importancia radica en fomentar el pensamiento
crítico, guiar el uso ético de IA generativa y mejorar la
experiencia de aprendizaje en la educación superior. |
La
alfabetización en IA se conceptualiza en cuatro dimensiones:
comprensión técnica, implementación, evaluació=
;n
crítica y ética. Factores como el empoderamiento
psicológico y la gamificación son clave para su desarrollo
efectivo. Su importancia radica en fomentar el pensamiento crítico,
combatir la desinformación y garantizar un uso responsable de
herramientas como ChatGPT en la educaci&oacut=
e;n
superior. |
|
Artificial Intelligence integration in higher education: Enhancing
academic processes and leadership dynamics. |
(Kabanda, 2025) |
La
investigación se sustenta en una revisión sistemátic=
a de
literatura realizada en cinco bases de datos académicas de prestig=
io (Scopus, WoS, Google |
La
investigación identifica que la inteligencia artificial mejora
significativamente los procesos académicos, como la evaluaci&oacut=
e;n
automatizada, la tutorización inteligente y la personalizaci&oacut=
e;n
del aprendizaje, así como la eficiencia administrativa. Sin embarg=
o,
también surgen desafíos importantes en materia de integridad
académica, ética y privacidad de datos. |
La
IA mejora la educación mediante la personalización del
aprendizaje, la automatización de tareas y la retroalimentaci&oacu=
te;n
inmediata, optimizando tanto la experiencia del estudiante como la eficie=
ncia
administrativa. Sin embargo, su integración plantea retos
críticos en materia de integridad académica, ética,
privacidad de datos y equidad, exacerbando la brecha digital. |
|
Asistencia
de la inteligencia artificial generativa como herramienta pedagógi=
ca
en la educación superior. |
(Díaz
Vera et al., 2024) |
El
estudio emplea un diseño de campo no experimental transversal con
enfoque cuantitativo, aplicando un cuestionario estructurado a una muestra
estratificada de 334 docentes de la Universidad de Guayaquil. Se utilizan
análisis estadísticos descriptivos, ANOVA y correlaciones p=
ara
examinar el uso, beneficios y desafíos de las herramientas de IAG en la práctica docente. La
investigación incluye también una revisión de litera=
tura
para contextualizar los hallazgos empíricos. |
ChatGPT es la herramienta de I=
AG
más utilizada por los docentes, especialmente en la preparaci&oacu=
te;n
de contenidos y elaboración de materiales didácticos. Existe
una variabilidad significativa en su adopción entre facultades y u=
na
menor integración en actividades de evaluación y
retroalimentación. Los resultados destacan la necesidad de
capacitación continua y políticas institucionales para un u=
so
ético y pedagógico efectivo. |
ChatGPT es la herramienta de IA generativa má=
;s
adoptada por los docentes, especialmente para la preparación de
contenidos y materiales didácticos. Se identifican diferencias
significativas en su uso entre facultades y una aplicación menor en
evaluación y retroalimentación. El estudio revela la necesi=
dad
de mayor formación docente y políticas claras para una
integración ética y pedagógica efectiva. |
|
Challenges and opportunities of Generative AI for higher education=
as
explained by ChatGPT. |
(Michel-Villarreal
et al., 2023) |
Se
empleó etnografía de objetos, tratando a ChatGPT
como un "sujeto" para captar su perspectiva única. Los d=
atos
se recolectaron mediante entrevistas semiestructuradas que exploraron su
visión sobre educación superior. El análisis se
realizó con análisis temático, identificando patrone=
s y
contrastándolos con la literatura existente. |
ChatGPT identificó tanto oportunidades (como
tutorías personalizadas y apoyo 24/7) como desafíos (riesgo=
s de
integridad académica y calidad de la información).
Reconoció barreras clave para su adopción, incluyendo falta=
de
conciencia, recursos limitados y preocupaciones éticas. Propuso
estrategias de mitigación como desarrollo de políticas,
educación en IA y supervisión humana continua. |
ChatGPT ofrece oportunidades educativas como
tutorías y apoyo 24/7, pero plantea riesgos de integridad
académica y confiabilidad informativa. Su
integración enfrenta barreras como resistencia al cambio y
preocupaciones éticas, requiriendo políticas claras y
supervisión humana. La "etnografía de objetos"
demostró ser útil para obtener perspectivas valiosas
directamente de la IA sobre su propio impacto. |
|
Desafíos
de la Inteligencia Artificial generativa en educación superior:
fomentando su uso crítico en el estudiantado. |
(Romeu
Fontanillas et al., 2025) |
Se
utilizó un enfoque metodológico mixto, integrando datos
cuantitativos y cualitativos mediante un cuestionario en línea apl=
icado
a más de 900 estudiantes universitarios. Se realizó un
diseño comparativo entre dos grupos: uno sin acceso a un recurso
educativo sobre IAG y otro que sí lo
utilizó y participó en un debate reflexivo. El análi=
sis
cualitativo incluyó codificación axial de respuestas abiert=
as,
triangulada entre investigadores, dando lugar a siete categorías
éticas emergentes. |
La
formación específica en Inteligencia Artificial Generativa =
(IAG) aumentó significativamente el conocimie=
nto autopercibido de los estudiantes, redujo la
preocupación por aspectos como la desinformación y
potenció la conciencia sobre la honestidad académica y el u=
so
de la IAG como complemento al aprendizaje, si=
n que
variables como la edad o el nivel formativo previo influyeran de manera
relevante. |
La
formación específica en IAG mej=
ora
significativamente el conocimiento de los estudiantes y modifica su
percepción sobre los aspectos éticos, fomentando una mayor
conciencia crítica sobre su uso como complemento al aprendizaje, la
honestidad académica y la verificación de la
información, siendo el área de estudio y no la edad o
formación previa la variable que más influye en dicho
conocimiento. |
|
El
impacto de la inteligencia artificial generativa en la educación
superior: una mirada desde la ética y la integridad académi=
ca |
(Gallent Torres et al., 2023) |
El
estudio se basa en una revisión bibliográfica narrativa de
literatura académica reciente, consultando bases de datos como Sci=
elo,
Redalyc, Web of Science<=
/span> y
Scopus, sin aplicar una metodología
sistemática. Su enfoque es cualitativo-reflexivo y analiza el impa=
cto
de la IAG desde una triple perspectiva:
estudiantado, profesorado e instituciones, con especial atención a=
los
desafíos éticos y de integridad académica. |
La
IAG presenta tanto oportunidades como riesgos
significativos en la educación superior: favorece la
personalización del aprendizaje y la automatización de tare=
as,
pero también incrementa el riesgo de plagio, reduce el desarrollo =
del
pensamiento crítico y plantea desafíos éticos en cua=
nto
a autoría, transparencia, privacidad y equidad, afectando de manera
diferenciada a estudiantes, docentes e instituciones. |
La
IAG representa una transformación
ambivalente en la educación superior: mientras optimiza procesos de
enseñanza y aprendizaje, también amenaza la integridad
académica al facilitar el plagio, reducir la reflexión
crítica y plantear dilemas éticos sobre autoría,
transparencia y privacidad, lo que exige marcos regulatorios y
formación específica para su uso responsable. |
|
Generative Artificial Intelligence (AI) in higher education: a
comprehensive review of challenges, opportunities, and implications |
(Bobula, 2024). |
Este
estudio se basa en una revisión sistemática y exhaustiva de=
la
literatura académica reciente para analizar el impacto de la Intel=
igencia
Artificial Generativa, especialmente los modelos de lenguaje grande (LLMs) como ChatGPT, en =
la
educación superior. La metodología es cualitativa y
exploratoria, centrada en identificar desafíos, oportunidades e
implicaciones a partir de fuentes publicadas, sin recolección de d=
atos
empíricos primarios. |
La
IAG presenta tanto oportunidades
(personalización del aprendizaje, desarrollo de habilidades, mejor=
a de
la empleabilidad) como desafíos significativos en educación
superior, entre ellos amenazas a la integridad académica, sesgos en
los modelos, desinformación, problemas de privacidad y derechos de
autor, lo que exige actualizar políticas de evaluación,
fomentar la alfabetización AI y revisa=
r las
prácticas educativas. |
IAG
representa una dualidad transformadora para la educación superior:
ofrece oportunidades para personalizar el aprendizaje y desarrollar
habilidades clave, pero simultáneamente plantea riesgos profundos =
para
la integridad académica, la equidad y la veracidad de la
información, lo que exige una adaptación urgente de las
políticas institucionales, los métodos de evaluación=
y
la formación de toda la comunidad universitaria. |
|
Generative Artificial Intelligence in Higher Education: Challenges, Opportunities and Pedagogical Implications |
(Vieira
& Mesquita, 2025) |
El
estudio emplea una revisión de literatura sistemática,
utilizando la base de datos SCOPUS y las pala=
bras
clave "gai" AND "education",
limitada a publicaciones entre 2024 y 2025. Se seleccionaron 18
artículos, que fueron analizados cualitativamente para identificar
beneficios, desafíos, percepciones de estudiantes y docentes, y
medidas preventivas relacionadas con el uso de la Inteligencia Artificial
Generativa en la educación superior. |
La
IAG mejora la productividad, la
participación estudiantil y la personalización del aprendiz=
aje,
pero genera preocupaciones sobre integridad académica, dependencia
excesiva y posibles sesgos. Tanto estudiantes como docentes perciben
positivamente su utilidad, aunque exigen políticas claras,
capacitación continua y regulaciones éticas para una
integración responsable que complemente, sin reemplazar, el rol hu=
mano
en la educación. |
La
IAG ofrece ventajas como la personalizaci&oac=
ute;n
del aprendizaje, mayor eficiencia y motivación estudiantil, pero
también plantea riesgos significativos como la dependencia
tecnológica, la pérdida de habilidades de pensamiento
crítico y desafíos éticos relacionados con la integr=
idad
académica. Se destaca la necesidad urgente de políticas
institucionales claras, capacitación docente y estrategias de
evaluación renovadas para una integración equilibrada y
responsable. |
|
The Impact of Generative Artificial Intelligence on University Inf=
ormation
Literacy Education: A Systematic Review from Challenges to Changes |
(Li
& Balinas, 2025) |
El
estudio emplea una revisión sistemática basada en la
metodología PRISMA, analizando 49 artículos de
investigación publicados entre 2020 y 2024, obtenidos de las bases=
de
datos Web of Science, Scopus y ERIC. Se utilizó análisis
temático para examinar las aplicaciones, impactos y cambios
pedagógicos de la Inteligencia Artificial Generativa en la
educación universitaria sobre alfabetización informacional,=
con
criterios estrictos de inclusión y exclusión para garantiza=
r la
relevancia y calidad de los estudios seleccionados. |
La
IAG se aplica principalmente en apoyo al
aprendizaje, asistencia en investigación y escritura académ=
ica,
y desarrollo de habilidades de alfabetización informacional. Si bi=
en
mejora la eficiencia, personalización y motivación del
estudiante, también genera riesgos como la dependencia excesiva, el
debilitamiento del pensamiento crítico y desafíos
éticos. Además, impulsa cambios en el diseño curricu=
lar,
métodos de enseñanza y el rol del docente, quien pasa de ser
transmisor de conocimiento a facilitador del aprendizaje. |
La
IAG mejora el acceso a la información,
personaliza el aprendizaje y desarrolla habilidades de investigació=
;n,
pero su uso excesivo puede reducir el pensamiento crítico y la
evaluación de fuentes. Además, impulsa cambios pedagó=
;gicos
significativos, como la integración de la ingeniería de |
|
Generative AI in Higher Education: Teachers’ and Students=
217; Perspectives on Support, Replacement, and Digital Literacy |
(Haroud & Saqri, 202=
5) |
El
estudio emplea un enfoque de métodos mixtos, combinando un
cuestionario cuantitativo con escala Likert aplicado a 130 docentes y 156
estudiantes marroquíes, con análisis cualitativo de comenta=
rios
abiertos mediante el marco de análisis de contenido de Bardin. Se utilizaron los modelos teóricos <=
span
class=3DSpellE>SAMR y UTAUT para anali=
zar la
integración y aceptación de la IA generativa, con un muestr=
eo
por conveniencia y participación desde seis facultades diferentes =
para
asegurar diversidad disciplinaria. |
Los
estudiantes valoran la IA por su accesibilidad, retroalimentación
inmediata y mejora del rendimiento, mientras que los docentes muestran
escepticismo ante su posible impacto negativo en habilidades blandas como=
el
pensamiento crítico y la colaboración. Ambos grupos coincid=
en
en que la IA no puede reemplazar el rol humano del docente, especialmente=
en
el apoyo emocional y la adaptación pedagógica, y enfatizan =
la
necesidad de desarrollar alfabetización digital para un uso
ético y efectivo. |
Los
estudiantes perciben la IA como una herramienta útil para la
autonomía y la creatividad, mientras que los docentes temen que af=
ecte
el desarrollo de habilidades socioemocionales y el pensamiento
crítico. Ambos grupos coinciden en que la IA no sustituye la
interacción humana en la educación, y subrayan la necesidad=
de
políticas de integración balanceadas y formación en
alfabetización digital para un uso responsable. |
|
Impacts of Generative Artificial Intelligence in Higher Education:=
Research Trends and Students’ Perceptions |
(Saúde et al., 2024) |
El
estudio emplea un enfoque exploratorio mixto, combinando un anális=
is
bibliométrico y una revisión sistemática de literatu=
ra
de 64 publicaciones de SCOPUS y Web of Science, con una enc=
uesta
aplicada a 112 estudiantes de informática de dos instituciones de
educación superior. Se utilizó VOSview=
er
para identificar tendencias temáticas y se realizó un
análisis de contenido para categorizar las percepciones estudianti=
les
sobre los efectos positivos y negativos de la IA generativa en el
ámbito académico. |
La
IA generativa tiene un impacto disruptivo en la educación superior,
especialmente en los aspectos pedagógicos y de evaluación. =
Los
estudiantes perciben mayoritariamente efectos positivos, como apoyo al
aprendizaje, autonomía y agilización de tareas acadé=
micas,
pero también reconocen riesgos como la dependencia, el plagio y la
reducción del pensamiento crítico. La literatura coincide e=
n la
necesidad de adaptar las metodologías educativas, fortalecer la
alfabetización digital y establecer políticas éticas
para una integración responsable. |
Los
principales hallazgos revelan que la IA generativa transforma la
educación superior al potenciar el aprendizaje autónomo y
agilizar tareas académicas, pero simultáneamente amenaza
habilidades como el pensamiento crítico y fomenta el plagio. Los
estudiantes valoran su utilidad, pero exigen formación en su uso
ético. Se concluye que es indispensable una guía
pedagógica clara, políticas institucionales y el desarrollo=
de
competencias digitales para integrar la IA de manera responsable sin
reemplazar el rol humano. |
|
Implementing generative AI (GenAI) in =
higher
education: A systematic review of case studies |
(Belkina et al., 2025) |
La
investigación se caracteriza por ser una revisión
sistemática de estudios de caso empíricos sobre la
implementación de GenAI en educaci&oac=
ute;n
superior, siguiendo la declaración PRISMA. Se analizaron 21 estudi=
os
publicados entre 2023 y 2024, utilizando una combinación de
métodos mixtos (cualitativos y cuantitativos) predominantes, e
incluyendo encuestas, entrevistas, diseños cu=
asi-experimentales
y observaciones. Los estudios fueron clasificados mediante marcos
pedagógicos como el LCF, SAMR
y TPACK para evaluar la integración y =
el
impacto educativo de la GenAI. |
La
GenAI se implementa en diversas disciplinas, =
especialmente
en idiomas e ingeniería, utilizando principalmente métodos
mixtos. Su integración abarca desde la sustitución de
herramientas tradicionales hasta la redefinición de tareas de
aprendizaje, mejorando habilidades como la resolución de problemas=
y
el pensamiento crítico. Se desarrolló un marco GenAI-TPACK para guiar a los educadores en una
implementación efectiva y ética, aunque se identificaron
limitaciones como tamaños de muestra pequeños y la necesida=
d de
estudios a largo plazo. |
La
GenAI se integra con mayor frecuencia en idio=
mas e
ingeniería, logrando desde mejoras incrementales hasta la
transformación de las prácticas educativas mediante los niv=
eles
del modelo SAMR. Los marcos LCF
y TPACK demostraron ser útiles para
categorizar y guiar su implementación efectiva, destacando su
potencial para desarrollar el pensamiento crítico y la
colaboración. Sin embargo, se identificaron desafíos como la
falta de habilidades en ingeniería de prompts=
y la necesidad de abordar consideraciones éticas y de equidad. |
|
Integrating Generative AI in Higher Education: Practical Applications and Institutional Guidelines |
(Zhang,
2025) |
La
investigación se caracteriza por el desarrollo y evaluación=
de
un asistente de enseñanza basado en IA generativa (DS-ASST),
utilizando la tecnología RAG para inte=
grar
materiales específicos del curso de Ciencia de Datos. La
metodología incluyó el diseño sistemático de =
prompts y experimentos para optimizar la relevancia
pedagógica y mitigar las alucinaciones. La evaluación se
realizó mediante una evaluación formativa que analizó=
; la
eficiencia en la preparación docente, el apoyo al aprendizaje acti=
vo,
la mejora en el análisis de datos y la promoción de activid=
ades
de aprendizaje avanzado. |
El
asistente de IA mejoró significativamente la eficiencia docente,
reduciendo el tiempo de preparación en un 30-40%, y favoreci&oacut=
e;
el aprendizaje activo al ofrecer a los estudiantes aclaraciones inmediata=
s,
guías personalizadas y apoyo en el análisis de datos.
Además, la herramienta demostró ser efectiva para promover
actividades de aprendizaje avanzado, como el pensamiento crítico y=
la razonamiento ético, aunque se identificaron
limitaciones en la evaluación de trabajos creativos y la necesidad=
de
actualizaciones continuas. |
Los
principales hallazgos revelan que la integración de un asistente d=
e IA
con tecnología RAG en educación
superior mejora significativamente la eficiencia docente y fomenta el
aprendizaje activo y personalizado. La herramienta demostró ser
efectiva para desarrollar pensamiento crítico y habilidades de
análisis de datos, aunque se destaca la importancia de combinar la=
IA
con la instrucción humana para mantener la inteligencia emocional =
y la
motivación. Además, se evidencia la necesidad de directrices
éticas claras y de abordar desafíos técnicos como las
alucinaciones y la privacidad de datos. |
|
Inteligencia
Artificial Generativa (IA Gen) en la Transformación Digital de la
Educación Superior una Revisión Sistemática de
Literatura |
(Quiroz
Martínez, 2025) |
La
investigación se caracteriza por ser una revisión
sistemática de literatura que sigue la metodología PRISMA,
analizando 129 estudios publicados entre 2019 y 2024 en bases de datos co=
mo Scopus, ProQuest, Science
Direct y EBSCO. Se empleó el marco PICO para definir la
población, intervención, comparación y resultados, y=
se
clasificaron los hallazgos en cuatro categorías principales:
personalización del aprendizaje, eficiencia educativa, innovaciones
pedagógicas y desafíos éticos. El enfoque
metodológico priorizó la transparencia, replicabilidad y ri=
gor
en la selección y análisis de estudios empíricos y
teóricos. |
La
IA Generativa personaliza efectivamente el aprendizaje mediante sistemas
adaptativos y retroalimentación individualizada, mejora la eficien=
cia
educativa al automatizar tareas administrativas y docentes, e impulsa
innovaciones pedagógicas como chatbots
educativos y evaluación automatizada. Sin embargo, también =
se
identifican desafíos éticos significativos, como la privaci=
dad
de datos, los sesgos algorítmicos, la dependencia tecnológi=
ca y
problemas de propiedad intelectual, que requieren marcos regulatorios y
estrategias de implementación responsables. |
Los
principales hallazgos revelan que la IA Generativa transforma la
educación superior al permitir una personalización del
aprendizaje sin precedentes, optimizar la eficiencia administrativa y
docente, y fomentar habilidades clave como el pensamiento crítico =
y la
colaboración. Sin embargo, su integración enfrenta retos
éticos críticos, como la privacidad de datos, los sesgos
algorítmicos, la dependencia tecnológica y cuestiones de
propiedad intelectual, lo que exige el desarrollo de marcos regulatorios y
una formación docente adecuada para un uso responsable y equitativ=
o. |
|
Generative Artifificial Intelligence in
Higher Education: Mediating Learning
for Literacy Development |
(ICN Business School et al., 2025) |
El
estudio emplea una metodología de estudio de caso cualitativo en u=
na
escuela de negocios francesa, analizando dos asignaciones distintas que
integran ChatGPT para la generación de=
ideas
de negocio. Se recolectaron y analizaron cualitativamente 45 informes
grupales de estudiantes mediante análisis temático y
codificación abductiva, con una confiabilidad entre codificadores =
del
92%, para explorar cómo la IA generativa media el aprendizaje y
desarrolla la alfabetización en IA. |
Los
resultados mostraron que el uso de ChatGPT
medió el aprendizaje al ayudar a los estudiantes a superar brechas=
de
conocimiento, generar modelos de negocio sólidos y aumentar su
confianza. La herramienta demostró ser un apoyo escalable y motiva=
dor,
aunque los estudiantes destacaron la irreemplazable =
value
de la interacción humana para el feedback
emocional y ético. Además, la experiencia práctica
fomentó la alfabetización en IA Generativa, desarrollando
habilidades como la ingeniería de prompts y
la evaluación crítica de los resultados de la IA. |
Los
hallazgos principales revelan que la IA Generativa, como ChatGPT,
media efectivamente el aprendizaje en la educación superior al cer=
rar
brechas de conocimiento, permitir un aprendizaje adaptativo y escalable, y
fomentar la alfabetización en IA Generativa mediante una experienc=
ia
práctica. Sin embargo, se destaca que el rol del docente es
indispensable para guiar la reflexión crítica, proporcionar
perspectivas éticas y ofrecer un feedback
emocional y cultural que la IA no puede suplir. |
|
Generative Artificial Intelligence in the teaching activities of academic teachers and students |
(Romaniuk & Łukasiewic=
z-Wieleba,
2024) |
La
investigación empleó un método de encuesta
diagnóstica con cuestionarios originales aplicados a 58 profesores=
y
139 estudiantes de una universidad polaca, recolectando datos entre dicie=
mbre
de 2023 y febrero de 2024. El estudio buscó conocer las experienci=
as y
opiniones sobre el uso de la inteligencia artificial en la educació=
;n
superior, analizando cualitativamente las respuestas abiertas para
identificar los propósitos, preocupaciones y discrepancias en la
adopción de la IA entre ambos grupos. |
Los
resultados revelan que un número significativo de profesores no
utiliza la IA y algunos expresan abierta desaprobación por sus rie=
sgos
éticos y para la verificación del aprendizaje. Quienes la u=
san,
lo hacen principalmente para buscar o crear materiales didácticos.
Entre los estudiantes, muchos declaran no usar la IA, a menudo por temor =
a su
imprecisión, mientras que los que sí la utilizan la emplean
para buscar información, simplificar/ corregir trabajos y crear nu=
evos
materiales, existiendo una clara discrepancia entre los objetivos de uso =
de
ambos grupos. |
El
principal hallazgo es la fuerte resistencia y desaprobación hacia =
la
IA por parte de una parte significativa de los profesores, motivada por
riesgos éticos y para la evaluación, junto a un uso estudia=
ntil
limitado por temor a su imprecisión. Existe una clara
desconexión: los docentes que la usan la ven como un apoyo para la
enseñanza con recelo, mientras que los estudiantes la utilizan como
una herramienta práctica para agilizar tareas. Esto evidencia la u=
rgente
necesidad de formación en el uso ético y efectivo de la IA =
para
ambas partes. |
|
Generative Artificial Intelligence: Implications and Consideration=
s for Higher Educatio=
n Practice |
(Farrelly & Baker, 2023) |
Este
artículo adopta una metodología de revisión narrativ=
a o
comentario, basada en una búsqueda bibliográfica no
sistemática en bases de datos como Google Sch=
olar
y EBSCO, utilizando términos relacionados con IA Generativa y
educación superior. Los autores, como expertos en el área,
analizan y sintetizan la literatura existente hasta septiembre de 2023 pa=
ra
explorar los impactos de la IA Generativa, con un enfoque crítico y
propositivo dirigido a las implicaciones para los estudiantes internacion=
ales
y la necesidad de alfabetización en IA. |
Los
resultados destacan que la IA Generativa plantea graves riesgos de equida=
d,
ya que los detectores de texto con IA presentan sesgos contra escritores =
no
nativos del inglés, lo que puede llevar a acusaciones falsas contra
estudiantes internacionales. Simultáneamente, se identifican
beneficios potenciales significativos, como actuar como tutor de idiomas o
herramienta de accesibilidad. El estudio concluye que es esencial prioriz=
ar
la alfabetización en IA y desarrollar marcos éticos para
aprovechar su potencial de forma segura y equitativa. |
Los
principales hallazgos revelan la naturaleza dual de la IA Generativa: por=
un
lado, agrava riesgos de inequidad, ya que los detectores de IA son propen=
sos
a acusar falsamente a estudiantes internacionales y no nativos de
inglés debido a sesgos algorítmicos; por otro lado, posee un
potencial transformador como tutor de idiomas personalizado y herramienta=
de
apoyo accesible. La investigación enfatiza que el desafío
central no es técnico, sino ético y formativo, subrayando la
necesidad crítica de desarrollar alfabetización en IA y mar=
cos
culturalmente competentes para garantizar un uso justo y beneficioso para
todos los estudiantes. |
|
Inteligencia
artificial generativa y educación: Un análisis desde
múltiples perspectivas |
(García-Peñalvo,
2024) |
El
estudio emplea una metodología mixta y transversal, combinando
revisiones de literatura, entrevistas, encuestas, sesiones de
formación y observaciones directas realizadas durante 2023 y 2024,
para analizar las percepciones y el impacto de la Inteligencia Artificial
Generativa en educación desde la perspectiva de cuatro actores cla=
ve:
profesorado, estudiantado, tomadores de decisiones e ingenieros de softwa=
re. |
Los
resultados de la investigación indican que la Inteligencia Artific=
ial
Generativa (IAGen) es percibida como una
herramienta de gran impacto en educación, capaz de enriquecer
contenidos, fomentar la creatividad y mejorar la eficiencia administrativ=
a.
No obstante, también se identifican riesgos como la deshonestidad
académica, la despersonalización del aprendizaje, la
dependencia tecnológica y problemas de equidad. La conclusió=
;n
subraya la necesidad de una integración ética y colaborativ=
a,
con formación continua y marcos regulatorios, para aprovechar su
potencial de forma responsable. |
Los
hallazgos principales revelan que la Inteligencia Artificial Generativa (=
IAGen) presenta un potencial transformador para la
educación, ofreciendo oportunidades como la personalización=
del
aprendizaje y la mejora de la productividad. Sin embargo, también
genera desconfianza y riesgos significativos, como problemas de equidad,
éticos, de seguridad y ambientales. Su implementación exito=
sa
requiere un enfoque colaborativo entre todos los actores del ecosistema
educativo para maximizar sus beneficios y mitigar sus desafíos. |
|
Transformando
el pensamiento crítico y creativo: el impacto de la inteligencia
artificial generativa en la educación universitaria |
(Noblecilla
Olaya & Chéquer Bajaña, 202=
5) |
El
estudio emplea una metodología mixta, combinando una revisió=
;n
sistemática de literatura en bases de datos indexadas (2019-2024) =
con
un análisis cuantitativo basado en encuestas aplicadas a 350 docen=
tes
y 500 estudiantes de universidades latinoamericanas. Se utilizó un
muestreo no probabilístico por conveniencia, un cuestionario valid=
ado
con alta confiabilidad (α=3D0.89) y análisis estadísti=
co con
SPSS para comparar percepciones entre los grupos. |
Los
resultados indican que la Inteligencia Artificial Generativa (IAG) es percibida positivamente por estudiantes (85=
%) y
docentes (78%) para personalizar el aprendizaje y mejorar la
retroalimentación. Sin embargo, los docentes muestran mayor
preocupación por la dependencia tecnológica (81%) y la nece=
sidad
de una regulación más estricta (74%). Se identificó =
que
la IAG favorece el pensamiento crítico=
y
creativo, pero también plantea riesgos éticos, de privacida=
d y
posibles sesgos algorítmicos. |
Los hallazgos principales revelan que la Inteligencia Artificial Generativa (= IAG) es una herramienta transformadora en la educación superior, capaz de personalizar el aprendizaje, mejorar = la retroalimentación formativa y fomentar el pensamiento críti= co y creativo. Sin embargo, su implementación enfrenta desafíos significativos como la dependencia tecnológica, la superficialidad= del análisis estudiantil, y riesgos éticos relacionados con ses= gos algorítmicos y la privacidad de los datos, lo que exige una regulación adecuada y formación docente específica.<= o:p> |
Fuente: elaboración propia.
La tabla 1 presenta una revisión exhaus=
tiva
sobre el impacto de la inteligencia artificial generativa (IAG)
en la alfabetización digital crítica dentro de la
educación superior, destacando tanto sus oportunidades como sus
desafíos. Entre los beneficios más citados se encuentra la
capacidad de la IAG para personalizar el aprend=
izaje,
optimizar tareas administrativas y académicas, y ofrecer
retroalimentación inmediata, lo que mejora la eficiencia y la
motivación estudiantil. Herramientas como ChatG=
PT
son ampliamente adoptadas por docentes y estudiantes para la preparaci&oacu=
te;n
de materiales, apoyo en la investigación y generación de idea=
s.
Sin embargo, esta adopción masiva no está exenta de riesgos, =
como
la dependencia tecnológica, la superficialidad en el análisis=
y
la reducción del pensamiento crítico.
Uno de los hallazgos más recurrentes es=
la
brecha entre la percepción estudiantil y la docente respecto al uso =
de
la IAG. Mientras los estudiantes valoran su
accesibilidad y utilidad para agilizar tareas, los docentes muestran
escepticismo ante su potencial efecto negativo en habilidades socioemociona=
les
y en la capacidad de reflexión profunda. Esta divergencia subraya la
necesidad de un enfoque pedagógico balanceado que integre la IAG sin reemplazar la interacción humana, as&i=
acute;
como la urgencia de formar a ambos grupos en el uso ético y
crítico de estas herramientas.
En el ámbito ético, la IAG plantea desafíos significativos relacionad=
os con
la integridad académica, como el plagio, la autoría de conten=
idos
y la veracidad de la información. Además, se identifican ries=
gos
asociados a la privacidad de los datos, los sesgos algorítmicos y la
equidad, especialmente para estudiantes no nativos o de contextos
desfavorecidos. La revisión señala que, sin una guía
adecuada, estas herramientas pueden exacerbar las desigualdades y socavar la
confianza en los procesos educativos.
Frente a estos retos, múltiples estudios
coinciden en la necesidad de desarrollar políticas institucionales
claras, actualizar los métodos de evaluación y promover la
alfabetización digital crítica. Esto implica no solo
enseñar a usar las herramientas, sino también a cuestionar su
funcionamiento, identificar sesgos y entender sus limitaciones. La
formación en ingeniería de prompts y la
evaluación crítica de los resultados de la IAG
se perfilan como competencias esenciales para un uso responsable.
La IAG representa =
una
fuerza transformadora con un potencial significativo para enriquecer la
educación superior, pero su integración debe ser guiada por u=
n marco
ético sólido y un enfoque colaborativo entre todos los actores
del ecosistema educativo. La alfabetización digital crítica
emerge como un pilar fundamental para aprovechar las oportunidades que ofre=
ce
la IAG, al tiempo que se mitigan sus riesgos, g=
arantizando
que su implementación contribuya a una educación más
inclusiva, reflexiva y adaptada a las demandas del siglo XXI.
DISCUSIÓN
La integración de la Inteligencia
Artificial Generativa (IAG) en la educaci&oacut=
e;n
superior representa una transformación paradigmática que rede=
fine
los contornos de la alfabetización digital crítica. Los halla=
zgos
de esta revisión sistemática, en consonancia con estudios pre=
vios
(Bobula, 2024; Vieira & Mesquita,
2025), confirman que herramientas como ChatGPT
ofrecen oportunidades significativas para personalizar el aprendizaje,
optimizar tareas administrativas y proporcionar retroalimentación
inmediata. Sin embargo, esta investigación va más allá=
del
catálogo de funcionalidades para destacar que estas herramientas no =
son
neutrales, sino que configuran nuevas ecologías de aprendizaje que
exigen una reevaluación fundamental de las competencias digitales
requeridas por los ciudadanos del siglo XXI (Quiroz Martínez, 2025;
Zhang, 2025).
Un hallazgo crucial que emerge de la
síntesis de la literatura es la marcada brecha de percepción
entre estudiantes y docentes respecto al uso de la IAG=
.
Mientras los estudiantes valoran predominantemente su accesibilidad y utili=
dad
para agilizar tareas (Haroud & Saqri, 2025; Saúde=
et al.,
2024), el profesorado manifiesta un escepticismo sustancial, preocupado por=
el
posible detrimento de habilidades socioemocionales y del pensamiento
crítico (Romaniuk & Łukasiewicz-Wieleba,
2024). Esta divergencia no es meramente actitudinal; señala una
desconexión pedagógica crítica que, si no se aborda, p=
uede
obstaculizar la integración efectiva de la IAG<=
/span>
y perpetuar un uso superficial o contraproducente de la tecnología e=
n el
ámbito académico.
En el ámbito ético, la
revisión identifica un consenso sobre los riesgos profundos que la <=
span
class=3DSpellE>IAG introduce en la educación superior. Cuesti=
ones
como la integridad académica, la autoría de los contenidos, la
veracidad de la información y la privacidad de los datos se erigen c=
omo
desafíos centrales (Gallent Torres et al=
.,
2023; García-Peñalvo, 2024). Además, se subraya que es=
tos
riesgos no se distribuyen equitativamente, ya que los sesgos
algorítmicos inherentes a las IAG y a los
detectores de texto pueden perjudicar desproporcionadamente a estudiantes
internacionales y no nativos, exacerbando las desigualdades existentes (
Frente a esta dualidad de oportunidades y
desafíos, la revisión concluye que el desarrollo de la
alfabetización digital crítica es el pilar indispensable para=
una
integración responsable. Esto implica trascender la mera competencia
operativa para fomentar una comprensión profunda de los mecanismos,
limitaciones e implicaciones socioéticas=
de la
IAG (Artopoulos y <=
span
class=3DSpellE>Lliteras, 2024; Barrios Sánchez & Carazas
Durand, 2025). Competencias específicas como la ingeniería de=
prompts, la evaluación crítica de las s=
alidas
de la IA para identificar sesgos y alucinaciones, y la reflexión sob=
re
la autoría compartida con sistemas no humanos, se perfilan como
componentes curriculares emergentes y necesarios (Li & Balinas,
2025; Romeu Fontanillas et al., 2025).
La transición hacia este nuevo paradigma
exige, a su vez, una evolución en el rol docente y en las
políticas institucionales. Los educadores deben pasar de ser
transmisores de conocimiento a facilitadores que guíen a los estudia=
ntes
en la navegación crítica de los ecosistemas de IA (Belkina et al., 2025). Para apoyar esta transici&oacu=
te;n,
las instituciones de educación superior deben desarrollar marcos
regulatorios claros, actualizar los métodos de evaluación para
que sean a prueba de IAG y ofrecer formaci&oacu=
te;n
continua tanto a docentes como a estudiantes (Chica Elizalde et al., 2025;
Noblecilla Olaya & Chéquer Baja&ntil=
de;a,
2025). La implementación de marcos como GenAI-T=
PACK
o SAMR puede proporcionar una guía
estructurada para esta integración (Belkina et
al., 2025; Zhang, 2025).
Esta revisión sistemática demues=
tra
que la Inteligencia Artificial Generativa no es simplemente una herramienta
más, sino una fuerza transformadora que redefine la
alfabetización digital crítica en la educación superio=
r.
Su integración exitosa no dependerá únicamente de avan=
ces
tecnológicos, sino de la capacidad de la comunidad educativa para
fomentar un enfoque pedagógico colaborativo, ético y
crítico. El futuro de la educación superior en la era de la <=
span
class=3DSpellE>IAG dependerá de nuestra habilidad colectiva p=
ara
equilibrar la innovación con la responsabilidad, asegurando que estas
poderosas herramientas sirvan para empoderar a los estudiantes como pensado=
res
críticos y ciudadanos éticos en un mundo digital complejo.
CONCLUSIONES
La Inteligencia Artificial Generativa no es una
herramienta más en el ecosistema digital, sino un parteaguas que exi=
ge
evolucionar desde una alfabetización centrada en el consumo de
información hacia una enfocada en la interrogación y co-creación con sistemas inteligentes. La
competencia crítica ya no radica solo en discernir la veracidad de un
contenido, sino en evaluar la lógica de un modelo, la potencialidad =
de
sus sesgos y la ética de su uso, transformando al usuario de un rece=
ptor
pasivo en un interlocutor activo y exigente con la tecnología.
La divergencia de percepciones entre docentes y
estudiantes sobre la IAG es síntoma de u=
na
desconexión más profunda en los modelos de enseñanza.
Mientras los estudiantes, como nativos digitales, adoptan la herramienta con
una lógica pragmática de eficiencia, el profesorado percibe u=
na
amenaza a los fundamentos mismos de la evaluación y el desarrollo
cognitivo. Esta brecha no se salvará solo con capacitación
técnica, sino requiriendo una reinvención de los contratos
pedagógicos, los métodos de evaluación auténtic=
a y
la propia noción de autoría y aprendizaje.
Los riesgos de la IAG
(plagio, sesgos, inequidad, privacidad) demuestran que el principal
desafío no es de naturaleza tecnológica, sino ética y
humana. Por lo tanto, la formación en ética digital deja de s=
er
un complemento para convertirse en un pilar transversal y fundamental del
currículum en educación superior. Las instituciones deben
integrar de manera explícita y práctica la discusión s=
obre
las implicaciones sociales, la justicia algorítmica y la responsabil=
idad
en el uso de la IA en todas las disciplinas.
Lejos de hacer obsoletos a los docentes, la
REFERENCIAS
Artopoulos, A. y Lliteras,
A. (2024). Alfabetización crítica en IA: Recursos educativos =
para
una pedagogía de la descajanegrización.
Trayectorias Universitarias, 10 (19), 168. https://=
doi.org/10.24215/24690090e168
Barrios Sánchez, F., & Carazas Dura=
nd,
CR (2025). Alfabetización desde la inteligencia artificial en
universitarios: un artículo de revisión sistemática. <=
/span>https://doi.org/10.5281/ZENODO.14934489
Belkina<=
/span>, M., Daniel, S=
.,
Nikolic, S., Haque, R., Lyden, S., Neal, P., Gr=
undy,
S., & Hassan, G. M. (2025). Implementing generative AI (GenAI)
in higher education: A systematic review of case studies. Computers and
Education: Artificial Intelligence, 8(100407), 100407. https://doi.org/10.1016/j.caeai.2025.100407
Bobula, M. (2024). Inteligencia artificial
generativa (IA) en la educación superior: una revisión exhaus=
tiva
de desafíos, oportunidades e implicaciones. Revista de desarrollo del
aprendizaje en la educación superior , 30=
. https://=
doi.org/10.47408/jldhe.vi30.1137
Chica Elizalde, A. F., Go=
nzalez
Ramirez, O. C., Loján Cueva, E. L., &
Rivas Asanza, W. B. (2025). Evaluación del Uso de la Inteligencia
Artificial Generativa en la Universidad Técnica de Machala: Benefici=
os y
Riesgos. Estudios y Perspectivas Revista Científica y Académi=
ca,
5(2), 1207–1235. https://doi.org/10.61384/r.c.a..v5i2.1200
Díaz Vera, J. P., Molina Izurieta, R.,
Bayas Jaramillo, C. M., & Ruiz Ramírez, A. K. (2024). Asistencia=
de
la inteligencia artificial generativa como herramienta pedagógica en=
la
educación superior. Revista de Investigación en
Tecnologías de la Información, 12(26), 61–76.
Farrelly=
, T., & Bak=
er,
N. (2023). Generative Artificial Intelligence: Implications and considerati=
ons
for higher education practice. Education Sciences, 13(11), 1109. https://=
doi.org/10.3390/educsci13111109
Gallent Torres, C., Zapata González, A.,
& Ortego Hernando, J. L. (2023). El impacto=
de la
inteligencia artificial generativa en educación superior: una mirada
desde la ética y la integridad académica. RELIEVE - Revista
Electrónica de Investigación y Evaluación Educativa,
29(2). https://doi.org/10.30827/relieve.=
v29i2.29134
García-Peñalvo, F. J. (2024).
Inteligencia artificial generativa y educación: Un análisis d=
esde
múltiples perspectivas. Education in the Knowledge Society (EKS), 25, e31942. =
https://doi.org/10.14201/eks.3194=
2
Haroud, S., &
ICN Business Schoo=
l, Honigsberg, S., Watkowski=
, L.,
University of Bayreuth & Branch Business and Information Systems
Engineering of the Fraunhofer FIT, Drechsler, A., & Victoria University=
of
Wellington. (2025). Generative artificial intelligence in higher education:
Mediating learning for literacy development. Communications of the Associat=
ion
for Information Systems, 56, 1044–1076. https://doi.org/10.17705/1cais.05=
640
Kabanda<=
/span>, M. (2025).
Artificial Intelligence integration in higher education: Enhancing academic
processes and leadership dynamics. EIKI Journal=
of
Effective Teaching Methods, 3(1). https://doi.org/10.59652/jetm.v3i1.404
Li, H., & Balinas,
E. S. (2025). The impact of generative artificial intelligence on university
information literacy education: A systematic review from challenges to chan=
ges.
International Journal of Latest Technology in Engineering Management &
Applied Science, 14(2), 25–38. https://=
doi.org/10.51583/ijltemas.2025.1402004
Michel-Villarreal, R., Vilalta-Perdomo, E.,
Salinas-Navarro, D. E., Thierry-Aguilera, R., & Ge=
rardou,
F. S. (2023). Challenges and opportunities of Generative AI for higher education as
explained by ChatGPT. Education Sciences, 13(9)=
, 856.
https://doi.org/10.3390/educsci13090856
Noblecilla Olaya, A. J., & Chéqu=
er
Bajaña, D. I. C. B. (2025). Transforming
critical and creative thinking: the impact of generative artificial
intelligence on higher education. Salud Ciencia y Tecnología, 5,
1763. <=
span
lang=3DEN-US style=3D'mso-bidi-font-family:Calibri;color:windowtext;mso-ans=
i-language:
EN-US;text-decoration:none;text-underline:none'>https://doi.org/10.56294/
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, =
I.,
Hoffmann, T. C., Mulrow, C. D., Shamseer, L., <=
span
class=3DSpellE>Tetzlaff, J. M., Akl, E. =
A.,
Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson,
A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., ̷=
0; Alonso-Fern&aac=
ute;ndez,
S. (2021). Declaración PRISMA 2020: una guía actualizada para=
la
publicación de revisiones sistemáticas. Revista españo=
la
de cardiología, 74(9), 790–799. https://=
doi.org/10.1016/j.recesp.2021.06.016
Quiroz Martínez, M. R. (2025). Intelige=
ncia
Artificial Generativa (IA Gen) en la Transformación Digital de la
Educación Superior una Revisión Sistemática de Literat=
ura.
Ciencia Latina Revista Científica Multidisciplinar, 9(2),
6339–6378. https://doi.org/10.37811/cl_rcm.v=
9i2.17370
Radhwan<=
/span>, M. G. (2025).
Opportunities, challenges, and strategies for integrating generative Artifi=
cial
Intelligence in teaching and learning in higher education. En
Advances in Computational Intelligence and Robotics (pp. 103–124).
Romaniuk, M. W., & Łukasiewicz-Wieleba,
J. (2024). Generative Artificial Intelligence in the teaching activities of
academic teachers and students. International Journal of Electronics and
Telecommunications, 1043–1048. https://doi.org/10.24425/ijet.2024.152092
Romeu Fontanillas, T., Romero Carbonell, M., <=
span
class=3DSpellE>Guitert Catasús, M=
., &
Baztán Quemada, P. (2025). Desafíos de la Inteligencia Artifi=
cial
generativa en educación superior: fomentando su uso crítico e=
n el
estudiantado. RIED Revista Iberoamericana de Educación a Distancia,
28(2).
Saúde, S., Barros, J.
P., & Almeida, I. (2024). Impacts of generative artificial intelligen=
ce
in higher education: Research trends and students’ perceptions. Social
Sciences (Basel, Switzerland), 13(8), 410. https://doi.org/10.3390/socsci13080410
Vashishth, T. K., Sharma,
V., Sharma, K. K., & Kumar, B. (2024). Enhancing literacy education in
higher institutions with AI opportunities and challenges. En
Advances in Educational Technologies and Instructional Design (pp.
198–215). IGI Global. https://doi.org/10.4018/979-8-369=
3-2728-9.ch009
Vieira, A., & Mesquita, A. (2025).
Generative Artificial Intelligence in Higher Education: Challenges,
opportunities and pedagogical implications. Journal of Technologies Informa=
tion
and Communication, 5(1), 36578. https://doi.org/10.55267/rtic/16675
Walczak, K., & Cel=
lary,
W. (2023). Challenges for higher education in the era of widespread access =
to
generative AI. Economics and Business Review, 9(2). https://doi.org/10.18559/ebr.2023.2.743
Zhang, Z. (2025). Integrating Generative AI=
in
higher education: Practical applications and institutional guidelines. Education Journal, 14(3), 88–102. https://=
doi.org/10.11648/j.edu.20251403.12
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"1653_Zapa_archivos/image007.jpg")
.
LATAM Revista Latinoamericana =
de
Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, enero, 2026, Volumen VI,
Número 6 p 3033.
=
![](3D"1653_Zapa_archivos/image002.jpg")