Envía por correo este artículo 
Artificial intelligence as a pedagogical ally: experiences and projections in Ecuadorian high school
A inteligncia artificial como aliada pedaggica: experincias e projees no ensino mdio equatoriano
Correspondencia: lisbeth.figueroa@educacion.gob.ec
Ciencias de la Educacin
Artculo de Investigacin
* Recibido: 07 agosto de 2025 *Aceptado: 13 de septiembre de 2025 * Publicado: 14 de octubre de 2025
I. Unidad Educativa Fiscal Lcda. gueda Gonzlez Quionez, Atacames, Esmeraldas, Ecuador.
II. Unidad Educativa Luis Tello Ripalda, Esmeraldas, Ecuador.
III. Unidad Educativa Tarqui en Viche, Quinind Esmeraldas, Ecuador.
IV. Unidad Educativa Tarqui en Viche, Quinind Esmeraldas, Ecuador.
Resumen
La Inteligencia Artificial (IA) se convierte en una prioridad estratgica para la revolucin educativa global. Este documento examina el poder y la perspectiva de la IA como un aliado pedaggico aplicado al caso del Bachillerato Ecuatoriano. Se describen los fundamentos tericos en primer lugar, principalmente la IA Centrada en el Ser Humano (HCAI) y el Anlisis del Aprendizaje (LA) como ejes ticos y metodolgicos para llevar a cabo este tipo de estudios.
Mediante el examen de experiencias locales similares, como las implicaciones para la personalizacin en los MOOCs para profesionales ecuatorianos y las polticas de habilitacin docente, y criticando la confiabilidad de la IA generativa, se identifican principios bsicos para implementar de manera efectiva. Los resultados empricos destacan la importancia de dicha inversin en el diseo "mobile-first" y la inversin de dos niveles en la alfabetizacin digital docente, ya que la edad afecta el rendimiento en lo digital.
El cierre destaca la necesidad urgente de solidificar una base de tica de datos de acuerdo con HCAI, as como la integracin curricular de la Alfabetizacin en IA, para que la tecnologa pueda mejorar, pero no reemplazar la intervencin pedaggica humana.
Palabras clave: Inteligencia artificial; bachillerato ecuatoriano; anlisis del aprendizaje; personalizacin; HCAI.
Abstract
Artificial Intelligence (AI) is becoming a strategic priority for the global
educational revolution. This paper examines the power and perspective of AI as
a pedagogical ally applied to the case of Ecuadorian high school. The
theoretical foundations are described first, primarily Human-Centered AI (HCAI)
and Learning Analytics (LA) as ethical and methodological pillars for
conducting these types of studies. By examining similar local experiences, such
as the implications for personalization in MOOCs for Ecuadorian professionals
and teacher qualification policies, and critiquing the reliability of
generative AI, basic principles for effective implementation are identified.
The empirical results highlight the importance of such an investment in "mobile-first"
design and a two-tiered investment in teacher digital literacy, as age affects
digital performance. The closure highlights the urgent need to solidify a data
ethics foundation in accordance with the HCAI, as well as the curricular
integration of AI Literacy, so that the technology can enhance, but not
replace, human pedagogical intervention.
Keywords: Artificial intelligence; Ecuadorian high school; learning analytics; personalization; HCAI.
Resumo
A Inteligncia Artificial (IA) est se tornando uma prioridade estratgica para a revoluo educacional global. Este artigo examina o poder e a perspectiva da IA como aliada pedaggica aplicada ao caso do ensino mdio equatoriano. Os fundamentos tericos so descritos inicialmente, principalmente a IA Centrada no Homem (IACH) e a Anlise de Aprendizagem (AA) como pilares ticos e metodolgicos para a conduo desses tipos de estudos.
Ao examinar experincias locais semelhantes, como as implicaes da personalizao em MOOCs para profissionais equatorianos e polticas de qualificao de professores, e ao criticar a confiabilidade da IA generativa, so identificados os princpios bsicos para uma implementao eficaz. Os resultados empricos destacam a importncia de tal investimento em design "mobile-first" e de um investimento em dois nveis na alfabetizao digital dos professores, visto que a idade afeta o desempenho digital.
A concluso destaca a necessidade urgente de solidificar uma base de tica de dados em conformidade com a IACH, bem como a integrao curricular da Alfabetizao em IA, para que a tecnologia possa aprimorar, mas no substituir, a interveno pedaggica humana.
Palavras-chave: Inteligncia artificial; ensino mdio equatoriano; anlise de aprendizagem; personalizao; IACH.
Introduccin
La Inteligencia Artificial (IA) ha transformado la educacin en el mundo. La educacin de una sesin se ha entendido tradicionalmente como dos cuestiones relativas a la masificacin que obstaculizan la interaccin pedaggica personalizada. La IA se ve cada vez ms no como un asistente para apoyar el trabajo, sino como un activo estratgico con el poder decisivo para personalizar el aprendizaje a gran escala.
En el caso de los sistemas educativos en desarrollo, como el de Ecuador, la IA puede ser un medio para ayudar a cerrar algunas de las brechas entre la educacin de alta y baja calidad utilizando al mximo los recursos humanos y tecnolgicos disponibles. La utilizacin de estas herramientas es importante para facilitar el desarrollo de habilidades de alfabetizacin digital que los graduados de bachillerato necesitarn en el siglo XXI.
El Bachillerato en Ecuador se desarrolla dentro de un ecosistema que, a pesar de las limitaciones de infraestructura existentes, demuestra una clara voluntad poltica de reforzar la calidad de la educacin y la profesionalizacin docente. Una evidencia de este sesgo institucional es la iniciativa VALIDATEC, del Viceministerio de Educacin Superior. El programa permite a 475 profesores de bachillerato obtener un ttulo completo del tercer ciclo.
De hecho, la poltica de facilitacin docente corresponde a una gran inversin por parte del Estado, pagando el 100% del costo del proceso de los beneficiarios (USD $88.47) o el 9.4% del valor total de la carrera. Tal inversin directa en la mejora de la capacidad docente forma una base central para cmo se integrar la IA a futuro. Obtener un ttulo a nivel de tercer grado es adquirir nuevas metodologas pedaggicas y mayores habilidades digitales, lo que podra hacer que este grupo de enseanza sea ms susceptible a la implementacin completa de dispositivos tecnolgicos avanzados como la IA.
Este enfoque estatal es fundamental, ya que el rendimiento de la IA como socio pedaggico depende en ltima instancia de cmo los docentes interpretarn y actuarn sobre los datos producidos utilizando estos sistemas. No obstante, la introduccin de la informtica en las escuelas de Bachillerato ha llevado a una imagen mixta en lo que respecta a los diagnsticos iniciales sobre digitalizacin. Las evaluaciones formativas preliminares indican que la infraestructura o la adopcin de tecnologa no es universal y vara en gran medida en porcentaje (por ejemplo, en una pregunta sobre infraestructura: tasa de respuesta positiva del 77.2%, tasa de respuesta negativa del 22.8%), lo que destaca la importancia de hacer un diagnstico integral respecto a la inclusin de infraestructura tecnolgica y la frecuencia de uso de dispositivos en las aulas.
Por lo tanto, cualquier plan de implementacin de IA debe tener en cuenta estas barreras de infraestructura para el acceso y uso.
El enfoque de presentar la IA como un "aliado pedaggico" consiste en racionalizar que esta tecnologa es capaz de aumentar el rendimiento del docente con la automatizacin de diversas actividades diarias de gestin y evaluacin, personalizando trayectorias de aprendizaje para los estudiantes. La IA no reemplaza el contacto humano, lo complementa: "As, el docente puede centrarse en estas mediaciones cognitivas ms complejas y este aspecto relacional".
Por lo tanto, el propsito de este documento es evaluar las oportunidades y proyecciones de la IA como un soporte pedaggico en el caso del Bachillerato Ecuatoriano.
Metodologa de Revisin y Proyeccin
El presente estudio se ha derivado de un anlisis extenso y sistemtico de la literatura especializada, aadiendo el examen de experiencias empricas extranjeras similares a la ecuatoriana para suministrar una serie de sugerencias de polticas educativas adecuadas para la educacin secundaria.
La metodologa consisti en tres etapas:
Etapa 1: Teora: Se llev a cabo una revisin exhaustiva de los marcos conceptuales clave donde la IA y la educacin se intersectan, seleccionando la Inteligencia Artificial Centrada en el Humano (HCAI) y el Anlisis de Aprendizaje (LA) como temas.
Anlisis de Contexto a partir de Estudios de Caso: Analizando la implementacin digital en Ecuador, aunque no especficamente secundaria, involucrando los compromisos asociados enfrentados en aparatos y personal, como la experiencia de los MOOCs Personalizados (Bustamante-Len et al., 2025) y la investigacin en polticas de profesionalizacin docente (Viceministerio de Educacin Superior).
Crticas (Proyeccin y tica): En la misma lnea, basndonos en la literatura internacional acerca de la confiabilidad de la IA generativa en campos altamente sensibles (por ejemplo, medicina, vase Trell et al., 2025), podemos usar los hallazgos como base para evaluar qu riesgos y estndares ticos necesitan establecerse para el diseo de IA centrada en la equidad y transparencia en trminos del funcionamiento del sistema de secundaria.
El objetivo subyacente es pasar de la descripcin de herramientas a presentar un modelo para la implementacin de IA a la luz de la prctica del sistema educativo ecuatoriano y los dilemas morales adaptados a l.
Resultados
La Coherencia Conceptual: Inteligencia Artificial Centrada en el Humano (HCAI) + Anlisis de Aprendizaje (LA)
La integracin efectiva de la IA en la educacin requiere un marco terico que priorice las relaciones simbiticas entre humanos y algoritmos. Este enfoque se conoce como Inteligencia Artificial Centrada en el Humano (HCAI). HCAI es una disciplina acadmica dedicada a garantizar que cada sistema de IA est diseado para que su trabajo contribuya a la productividad humana en lugar de reemplazarla.
En el centro de esta visin est el Anlisis de Aprendizaje (LA), que busca ayudar a profesores y estudiantes a identificar sus entornos de aprendizaje con una extraordinaria precisin. Involucra la medicin, recoleccin, anlisis y presentacin de datos sobre los estudiantes y sus contextos para influir en el camino del aprendizaje.
Para ser ticos y efectivos, LA e IA deben adherirse a los principios de HCAI. Este enfoque metodolgico permite que el sistema educativo ecuatoriano avance ms all de describir simplemente las herramientas tecnolgicas actuales y aborde el imperativo tico de la equidad. La IA debe ser diseada para que sea transparente, comprensible y auditable, y no puede ser una "caja negra" que tome decisiones algortmicas sin permitir la agencia de profesores y estudiantes. Al hacerlo, la IA sirve como una fuerza para la equidad en la secundaria, ofreciendo retroalimentacin personalizada que de otro modo no podra darse.
La IA educativa tiene muchos tipos diferentes. Los sistemas de IA predictiva, basados en LA, son esenciales para analizar grandes volmenes de datos acadmicos y de comportamiento, generando alertas tempranas sobre estudiantes en riesgo de abandonar o tener un bajo rendimiento.
Por otro lado, la IA generativa, incluidos los modelos de lenguaje a gran escala, se puede usar para crear rpidamente materiales educativos personalizados, simulaciones de escenarios interactivos y tutoras con chatbots.
Modelos de Personalizacin Adaptativa y Tutora Inteligente
En el corazn de la IA pedaggica est su potencial para modelos de personalizacin adaptativa. Estos sistemas utilizan datos recolectados a travs de LA para ajustar dinmicamente varios aspectos de la instruccin: dificultad del contenido, ritmo de aprendizaje, formato de presentacin y el tipo de retroalimentacin proporcionada.
La literatura especializada enfatiza que una alta personalizacin mejora significativamente el rendimiento y la participacin del estudiante. Esto se debe a que la IA puede discernir las preferencias de estilo de aprendizaje de los estudiantes y las reas donde necesitan ayuda a tiempo para intervenir. A travs de estos ejercicios enfocados, la IA establece conocimientos bsicos, liberando a los profesores para realizar actividades de orden superior que dependen directamente del toque humano y el pensamiento crtico.
Problemas Insolubles Iluminan: Experiencias Prcticas y Lecciones de la Digitalizacin en el Contexto Ecuatoriano
Si queremos entender si la IA puede ser usada en las escuelas secundarias en Ecuador, debemos examinar lo que ha sucedido en el pasado en la nacin. El estudio de Bustamante-Len muestra que cuando se trat de MOOCs diseados especficamente para estudiantes de tratamiento de agua, no solo no hubo experiencia en este campo toda la literatura se centraba en la recoleccin de agua de lluvia y otros temas generales de suministro de agua domstico sino tambin muy poca oportunidad para la comparacin entre prcticas existentes. Fue necesario comenzar desde cero.
Estudio de Caso Ecuatoriano: El Impacto de la Alta Personalizacin en los MOOCs
Una versin de un Curso Abierto Masivo en Lnea (MOOC) fue altamente personalizada (MOOC++), mientras que otra (MOOC+) lo fue menos. Los participantes del estudio son operadores de plantas de agua con caractersticas demogrficas especficas: acceso domstico a Internet y computadoras personales; nivel educativo de escuela secundaria; preferencia por mtodos de aprendizaje flexibles y prcticos.
Los resultados de la investigacin muestran que un alto nivel de personalizacin (MOOC++) puede traer beneficios significativos tanto en el uso por personal capacitado como en su satisfaccin con el sistema. La principal personalizacin en esta encuesta radica en el ajuste del contenido de formato: bajo MOOC++, se mostr el elemento emocional (testimonios) en formato de video, correspondiendo a la preferencia por material audiovisual expresada por los participantes. En contraste, MOOC+ utilizaba textos de lectura breve para estos materiales. Esta confirmacin emprica de los efectos positivos de la personalizacin sugiere que los usuarios pasivos de Internet en Ecuador deberan enfocarse en sus mecanismos de entrega de contenido.
Problemas estructurales
Brecha digital y factores demogrficos
El estudio de los MOOCs tambin seal las dificultades encontradas cuando se puso en prctica esta educacin digital en todo el pas. Algunos participantes, por ejemplo, experimentaron problemas tcnicos iniciales y fue necesario esperar hasta la segunda o tercera semana para que se conectaran.
Retiro Corporativo Extravagante
Dos participantes que participaron dijeron que comenzaron a ir demasiado rpido en mdulos anteriores; esto podra afectar sus puntuaciones.
El juicio requiere tal situacin: es imposible limitar la introduccin de la IA a un problema de software, sino que tambin debe proporcionar un desembolso sustancial inicial para la capacitacin de personal e inversin inicial en equipo.
La Reciente Experiencia Importa en la Operacin
Cuanta mayor sea la edad, peor ser el rendimiento, los resultados aqu sugieren algunos problemas potenciales reales para los estudiantes mayores o profesionales en entornos de aprendizaje digital complejos. Es algo particular para ellos, aunque; una persona ms joven no encuentra tipos de contenido equivalentes de otro modo (como esto en lnea o boletn de noticias por correo electrnico) tan fcilmente como lo hace su mentor.
Las instituciones de investigacin y el gobierno local reconocen esto y estn haciendo grandes esfuerzos para encontrar formas de conseguir que los trabajadores de mediana edad o mayores se conecten en lnea, aunque tpicamente sin pensar demasiado sobre qu capacidad existir una vez que estas personas estn finalmente a una situacin que debera poner fin al sueo platnico de Harvard de una universidad completamente en lnea (el aprendizaje electrnico tampoco funcion). Esta conclusin es bsica para la poltica educativa de secundaria:
- A pesar de los intentos del gobierno por mejorar las calificaciones de los profesores a travs de programas como VALIDATEC, ser necesario que los planes de capacitacin en IA tomen en cuenta las diferencias en antecedentes y experiencia. Los recursos deben ser enviados para ayudar a los grupos de edad que tienen una brecha tecnolgica, llevndolos suavemente a travs del puente de la educacin asistida por mquina y as nunca excluir a grandes segmentos de su personal docente con giros bruscos a la izquierda.
- En India, esta dispensa se describe generalmente como "enseanza mediante produccin multimedia", que en la prctica mejora las habilidades del docente.
- En China, la atencin se est centrando en enriquecer la experiencia del estudiante con una gama ms amplia de materiales multimedia.
El Papel de la Movilidad y el Aprendizaje Asistido por Dispositivos (MALL)
Un hallazgo que debera tener implicaciones inmediatas para el diseo de IA en la secundaria ecuatoriana fue el mejor rendimiento de los usuarios capacitados con telfonos mviles. Esta teora es coherente con la idea de que el uso de tecnologas de medios flexibles y familiares mejora el acceso y el rendimiento del aprendizaje; especialmente en entornos operativos donde la infraestructura digital puede no funcionar tan bien.
Los resultados establecen un principio de diseo inconfundible:
- Cualquier herramienta de IA en las escuelas secundarias ecuatorianas debe ser "primero mvil."
- El aliado pedaggico debera estar all en el bolsillo del estudiante.
Esta afirmacin se ve respaldada por la investigacin que ha encontrado que el uso de telfonos inteligentes en el aula digital trae los mayores beneficios potenciales para los estudiantes; por ejemplo, en el Aprendizaje de Idiomas Asistido por Mvil (MALL), donde los dispositivos ayudan con el aprendizaje de gramtica e idiomas (Clorion et al., 2025). La IA podra apoyar la educacin MALL a travs de la adaptabilidad lingstica instantnea y la retroalimentacin. Aqu hay una tabla con la historia interna. Esos anlogos se transforman en principios de diseo para la inteligencia artificial en aulas universitarias:
Tabla 1. Sntesis de Experiencias Ecuatorianas Anlogas y Proyecciones de Diseo de IA
|
Hallazgo Emprico Clave (Contexto Ecuador) |
Referencia |
Leccin Crucial para la IA en el Bachillerato |
|
Mayor rendimiento y engagement con personalizacin elevada (MOOC++). |
Bustamante-Len et al. (2025) |
La IA debe ofrecer rutas de aprendizaje variables y adaptar los formatos (ej., multimedia, video) basndose en las preferencias y el desempeo del alumno. |
|
Rendimiento superior en usuarios de telfonos mviles. |
Bustamante-Len et al. (2025) |
Priorizar el diseo "Mobile-First" y garantizar la accesibilidad a travs del dispositivo ms comn para asegurar la equidad. |
|
Correlacin negativa entre edad y desempeo; barreras tcnicas iniciales. |
Bustamante-Len et al. (2025) |
Se requieren programas de alfabetizacin digital diferenciados y soporte tcnico robusto, especialmente para mitigar la resistencia o la brecha tecnolgica en docentes de mayor edad. |
|
Potencial del uso de smartphones en el aprendizaje de sintaxis y lenguas. |
Clorion et al. (2025) |
Integrar herramientas de IA conversacional y gamificacin accesibles va mvil para el soporte en materias como Lenguaje e Ingls. |
Proyecciones de la IA hasta ahora en 'Escuela Secundaria Ecuatoriana': Gestin Inteligente de la Academia
En las escuelas secundarias, la inteligencia artificial no solo debe utilizarse en el aula, sino tambin para todas las formas de gestin acadmica y administrativa. Para que cualquier iniciativa tecnolgica pueda mantenerse en funcionamiento, las decisiones desde el nivel sistmico siempre deben contar con un respaldo integral de big data y deben utilizar anlisis predictivo para demostrar su importancia de manera concreta.
Papel del BI y la IA en la Gestin Acadmica
Cuando la Inteligencia de Negocios (BI) y el Anlisis de Datos se introducen en el rea de gestin acadmica, permiten a las instituciones tomar decisiones estratgicas relevantes. Este es un requisito fundamental para las escuelas tambin, que deben ofrecer servicios similares en muchos aspectos a las empresas. Si bien existe un nmero significativo de estudios sobre el uso del BI en la educacin superior (Correa-Peralta et al., 2025), la metodologa en s se puede aplicar directamente a la gestin de la Escuela Secundaria. Desde el nivel del distrito escolar hasta todos los niveles de administracin (zonal y dems), su modelo es aplicable. Correa-Peralta et al. (2025) analizan la evolucin y los mtodos del BI en la Administracin Acadmica, proporcionando un ejemplo tpico de cmo la recopilacin y anlisis de datos pueden optimizar tanto los procesos operativos como los estratgicos.
De esta manera, las escuelas secundarias pueden utilizar dichos principios de la IA y el BI al asignar recursos de manera eficiente; ahora ser posible planificar el currculo teniendo en cuenta las necesidades identificadas. La escuela tambin puede detectar con un bajo nivel de detalle mdico cmo emergen patrones que conducen al abandono, que antes simplemente se etiquetaban como "el sistema eficaz no indujo ms resultados" y luego se olvidaban. Tan pronto como eso se complete y los mtodos se pongan en lnea, las instituciones que ofrecen educacin secundaria podran alimentar modelos de IA ms confiables y cercanos a los hechos para s mismos, gracias a grandes y buenos conjuntos de datos sobre el rendimiento de sus estudiantes. Su correcta aplicacin del enfoque sigue siendo de gran importancia; al usar tal mtodo para crear datos de alta calidad, la escuela puede alimentar modelos estadsticos de IA ms precisos sobre el rendimiento estudiantil, lo que a su vez produce una mejor retroalimentacin pedaggica individualizada de sus sistemas de tutora inteligente.
Modelos de IA impartidos ldicamente a todos los profesores de la escuela
La IA puede cambiar las metodologas de enseanza y aprendizaje directamente mediante su aplicacin en clase. Una de las aplicaciones ms prometedoras a este respecto son los sistemas de tutora inteligentes, o ITS por sus siglas en ingls. En materias que requieren prctica estructurada como Matemticas, Fsica y Lengua, estos sistemas de software son capaces de servir como tutor virtual las 24 horas del da. Basado en los hallazgos de Bustamante-Len et al. (2025), este modelo descriptivo describe un tutor que es capaz de cambiar la dificultad y el formato de la explicacin (por ejemplo, de texto a video) segn el progreso y el estado de nimo del estudiante. El otro modelo importante es la Evaluacin Formativa Asistida por IA. Con la capacidad de calificar rpidamente grandes volmenes de tareas y exmenes de formato abierto o cerrado, la IA produce evaluaciones formativas rpidas y constructivas. Esta automatizacin es el "compaero" del maestro. Lo libera de la carga administrativa de calificar y al mismo tiempo interpreta el aprendizaje estudiantil a un nivel superior para que lo use en su enseanza. Como resultado, se puede usar ms tiempo en interacciones pedaggicas de alto valor que solo los seres humanos proporcionan, como la discusin de conceptos complejos y la mentora socioemocional con experiencia humana, o el desarrollo del pensamiento crtico de acuerdo con las ideas de la HCAI.
tica de la IA y Educacin en IA
La educacin secundaria donde la IA entra en el campo de la menor edad, como la escuela secundaria o preparatoria, necesita un anlisis crtico y tico estricto, especialmente en lo que respecta a la autenticidad o confiabilidad de las herramientas generativas y el manejo de datos.
La Confiabilidad Insegura de la IA Generativa: Perspectivas desde la Persuasin Mdica
Los modelos de IA generativa como ChatGPT-4 estn siendo cada vez ms utilizados por los estudiantes de secundaria para la produccin de contenido y la resolucin de tareas. Pero su confiabilidad no es definitiva. La investigacin que se ha llevado a cabo en contextos de alta sensibilidad, como la salud mdica, puede realmente ser un modelo de referencia para la educacin. Como han demostrado su estudio de las mtricas de calidad de la informacin, como el de Cherrez-Ojeda, Faytong-Haro et al. (2025), se evalu la precisin y calidad de las respuestas producidas por ChatGPT-4 en la gestin de la urticaria crnica (CU). El estudio tena como objetivo juzgar la calidad y confiabilidad, legibilidad, de las respuestas de ChatGPT-4. Segn este profundo examen, aunque ChatGPT-4 parece tener potencial en la creacin de contenido mdico, su valor de confiabilidad es inestable. Al usar informacin mdica generada por IA, los autores enfatizan la importancia de la precaucin y confirmacin. Esta conclusin sobre la estabilidad plantea directamente desafos pedaggicos a la escuela secundaria: si un modelo de IA de alto nivel muestra inconsistencias o una disposicin inexacta de un campo clnico especializado, cuando no est supervisado, contiene a los estudiantes y al maestro en la educacin general para absorber grandes cantidades de informacin factual incorrecta o sesgada. La alfabetizacin en IA es la medida necesaria para evitar esta circunstancia. Los estudiantes de secundaria deben ser enseados a evaluar crticamente las fuentes generadas por IA, a verificar la informacin, a comprender las limitaciones del modelo y a determinar la indispensabilidad de la intervencin humana. Como intermediario, el maestro se convierte en un filtro tico y factual esencial.
Desafos ticos de los Analticos de Aprendizaje (LA) en Menores
Usar LA y BI para llevar a cabo la personalizacin en la gestin acadmica significa recopilar, procesar, almacenar y analizar datos sensibles sobre el rendimiento y comportamiento de los estudiantes. Muchos de estos "estudiantes" resultan ser menores de edad. La HCAI debe ser as en la Secundaria: cualquier sistema de IA que se introduzca como parte del currculo debe ofrecer transparencia del algoritmo y proteccin de la privacidad de los datos. El Ministerio de Educacin debe elaborar regulaciones operativas detalladas de modo que: (1) el consentimiento informado de los estudiantes y padres est asegurado en el uso de sus datos de aprendizaje; (2) el diseo y operacin de los algoritmos responsables de la toma de decisiones (por ejemplo, prediccin de abandono) sean transparentes y abiertos; y (3) las bases de datos recopiladas se mantengan firmemente en seguridad. Sin un buen marco tico, LA podra convertirse fcilmente en vigilancia masiva o incluso perpetuar sesgos algortmicos, socavando as los objetivos de equidad del sistema educativo.
Conclusiones
La inteligencia artificial es una herramienta muy poderosa para transformar el sistema de Escuela Secundaria de Ecuador, una con el potencial de personalizar su administracin educativa y acadmica. Pero si tiene xito o no depende de cmo se implementa, poniendo la IA al servicio teniendo en cuenta tanto los entornos digitales locales como las limitaciones humanas nativas. Al analizar experiencias similares en Ecuador, encontramos que el efecto de la IA como aliado educativo est bsicamente asociado a cmo se puede personalizar (ej. Bustamante-Len et al., 2025). El diseo debe centrarse en la accesibilidad y las instalaciones tcnicas que sean fciles de usar. El dispositivo mvil es simplemente el mtodo de comunicacin ms conveniente disponible para los seres humanos. Tericamente, esta implementacin debe basarse en los principios de Inteligencia Artificial Centrada en el Humano (Riordan Alfredo & Echeverria, 2024). Estratgicamente, debe adoptar metodologas de gestin de datos inspiradas por la Inteligencia de Negocios (Correa-Peralta et al., 2025). Por otra razn, la confiabilidad de IA generativa se ha vuelto menos estable: las mquinas se estn rompiendo cada vez ms. Necesitamos actuar sobre este problema incorporando la educacin en IA en nuestro currculo de escuela secundaria. Por consiguiente, con base en estas conclusiones, se hacen las siguientes recomendaciones estratgicas al Ministerio de Educacin (MINEDUC):
1. El diseo Mobile-First debe ser priorizado en las Plataformas de IA: El Ministerio de Educacin (MINEDUC) debera exigir que todos los nuevos sistemas y aplicaciones pedaggicos de IA diseados o adquiridos para las escuelas secundarias en el futuro estn optimizados para dispositivos mviles. Esta medida sigue el patrn de uso exitosamente probado descubierto por nuestros estudios locales y garantiza el acceso equitativo a las personas que de otro modo solo tienen un dispositivo Android en sus manos.
2. Inversin a gran escala en Capacitacin Docente Ejemplar: Se sugiere que los sistemas de calificacin existentes sean explotados y extendidos, como el programa VALIDATEC. Debe haber algunos cambios aqu para crear mdulos especiales para maestros en pedagoga de IA y alfabetizacin digital avanzada. Estos programas de capacitacin deben tomar medidas drsticas para remediar el dficit en grupos mayores y garantizar que todo nuestro personal docente pueda usar la IA como aliado.
3. La Alfabetizacin en IA debera ser una Materia Obligatoria: Como respuesta al problema de "confiabilidad inestable" planteado por la IA generativa, se necesita introducir el estudio de la IA en el currculo de la escuela secundaria. Es necesario cultivar una habilidad para evaluar crticamente el contenido creado por IA y desarrollar un sentido de pensamiento algortmico. La competencia en esta rea debe permitir a los estudiantes detectar fuentes y apreciar los lmites ticos de la tecnologa.
Desarrollo de un Marco tico de Datos Local: Normas claras y especficas para recopilar, procesar y usar los datos de Anlisis de Aprendizaje (LA) de menores deben ser establecidas urgentemente. Un marco como este garantizar la privacidad, la transparencia algortmica y el consentimiento, directamente alineados con los principios de la Inteligencia Artificial Centrada en el Humano.
Referencias
1. Alfredo, R., Echeverria, V., Jin, Y., Yan, L., Swiecki, Z., Gaević, D., & Martinez-Maldonado, R. (2024). Human-centred learning analytics and AI in education: A systematic literature review. Computers and Education: Artificial Intelligence, 6, 100215. doi:https://doi.org/10.1016/j.caeai.2024.100215
2. Bora, G., Kumar, R., & Joseph, A. (2024). Early identification of potentially low performing community health workers using an ensemble classification model. International Journal of Productivity and Performance Management, 74(6), 2053-2070. doi:https://doi.org/10.1108/IJPPM-02-2024-0116
3. Bravo-Moncayo, L., Lucio-Naranjo, J., Chvez, M., Pavn-Garca, I., & Garzn, C. (2019). A machine learning approach for traffic-noise annoyance assessment. Applied Acoustics, 156, 262-270. doi:https://doi.org/10.1016/j.apacoust.2019.07.010
4. Bustamante-Len, M., Herrera, P., Domnguez-Granda, L., Garca-Angulo, A. C., De Cock, A., Schellens, T., . . . Valcke, M. (2025). From screens to streams: Can personalized MOOCs enhance drinking water operations? - A pilot study in Ecuador. Environmental Challenges, 20, 101252. doi:https://doi.org/10.1016/j.envc.2025.101252
5. Cherrez-Ojeda, I., Faytong-Haro, M., Alvarez-Muoz, P., Larco, J. I., de Arruda Chaves, E., Rojo, I., . . . Robles-Velasco, K. (2025). How accurate are ChatGPT-4 responses in chronic urticaria? A critical analysis with information quality metrics. World Allergy Organization Journal, 18(7), 101071. doi:https://doi.org/10.1016/j.waojou.2025.101071
6. Clorion, F. D. D., Fuentes, J. O., Suicano, D. J. B., Estigoy, E. B., Serdenia, J. R. C., Alejandrino, P., . . . Alieto, E. O. (2025). Smartphones and Syntax: A Quantitative Study on Harnessing the Role of Mobile-Assisted Language Learning in the Digital Classroom and Applications for Language Learning. Procedia Computer Science, 257, 7-14. doi:https://doi.org/10.1016/j.procs.2025.03.004
7. Correa-Peralta, M., Vinueza-Martnez, J., & Castillo-Heredia, L. (2025). Evolution, topics and relevant research methodologies in business intelligence and data analysis in the academic management of higher education institutions. A literature review. Results in Engineering, 25, 103782. doi:https://doi.org/10.1016/j.rineng.2024.103782
8. EDUCATION. (2023). Laboratory Investigation, 103(3, Supplement), 100086. doi:https://doi.org/10.1016/j.labinv.2023.100086
9. Griesi, J. M., Bernardes, J. M., Alonso, M., Gmez-Salgado, J., Ruiz-Frutos, C., Fagundo-Rivera, J., . . . Dias, A. (2024). Risk perception of healthcare workers in the first wave of the COVID-19 pandemic in Brazil. Heliyon, 10(3), e25297. doi:https://doi.org/10.1016/j.heliyon.2024.e25297
10. Herrera-Franco, G., Pea-Villacreses, G., & Bravo-Montero, L. (2025). Women's participation in the research development of a country. International Journal of Educational Research Open, 8, 100413. doi:https://doi.org/10.1016/j.ijedro.2024.100413
11. Ibarra-Torres, F., Caiza, G., Garca, M. V., & Barona-Pico, V. (2024). Use of basic programming tools to foster programming logic in university students with school preparation other than computer science. Procedia Computer Science, 237, 413-419. doi:https://doi.org/10.1016/j.procs.2024.05.122
12. Malki, A., Atlam, E.-S., Hassanien, A. E., Ewis, A., Dagnew, G., & Gad, I. (2022). SARIMA model-based forecasting required number of COVID-19 vaccines globally and empirical analysis of peoples view towards the vaccines. Alexandria Engineering Journal, 61(12), 12091-12110. doi:https://doi.org/10.1016/j.aej.2022.05.051
13. McCausland, H. C., Nasser, J. A., & LaFata, E. M. (2026). A narrative review of public and expert perceptions of ultra-processed foods: Knowledge, opinions, and educational directions. Appetite, 216, 108273. doi:https://doi.org/10.1016/j.appet.2025.108273
14. Melo, G. L. R., Santo, R. E., Mas Clavel, E., Bosque Prous, M., Koehler, K., Vidal-Alaball, J., . . . Agostinis-Sobrinho, C. (2025). Digital dietary interventions for healthy adolescents: A systematic review of behavior change techniques, engagement strategies, and adherence. Clinical Nutrition, 45, 176-192. doi:https://doi.org/10.1016/j.clnu.2025.01.012
15. Messner, W. (2025). Quantification of cultural practices and diversity: An empirical experiment with generative artificial intelligence. Journal of World Business, 60(3), 101622. doi:https://doi.org/10.1016/j.jwb.2025.101622
16. Mohammadi, M., Tajik, E., Martinez-Maldonado, R., Sadiq, S., Tomaszewski, W., & Khosravi, H. (2025). Artificial intelligence in multimodal learning analytics: A systematic literature review. Computers and Education: Artificial Intelligence, 8, 100426. doi:https://doi.org/10.1016/j.caeai.2025.100426
17. Monlezun, D. J. (2023). Chapter 9 - The futures (AI) thinking healthcare system: blueprint, roadmap, and DNA. In D. J. Monlezun (Ed.), The Thinking Healthcare System (pp. 263-303): Academic Press.
18. Natalia, P.-Z., Elena, V., & Roberto, B.-G. (2024). Gamification in technology and design areas: A teaching innovation project in a fully online environment. Entertainment Computing, 51, 100728. doi:https://doi.org/10.1016/j.entcom.2024.100728
19. Ordoez-Avila, R., Salgado Reyes, N., Meza, J., & Ventura, S. (2023). Data mining techniques for predicting teacher evaluation in higher education: A systematic literature review. Heliyon, 9(3), e13939. doi:https://doi.org/10.1016/j.heliyon.2023.e13939
20. Sapre, M., Elaiho, C. R., Brar Prayaga, R., Prayaga, R., Constable, J., & Vangeepuram, N. (2024). The Development of a Text Messaging Platform to Enhance a Youth Diabetes Prevention Program: Observational Process Study. JMIR Formative Research, 8. doi:https://doi.org/10.2196/45561
21. Senna, D. A., Moreira, V. R., Amaral, M. C. S., de Paula, E. C., Pereira, L. P., Batista, R. M. G., . . . Rezende, S. (2023). Industry 4.0 as a strategy to contribute to the water supply universalization in developing countries. Journal of Environmental Chemical Engineering, 11(6), 111198. doi:https://doi.org/10.1016/j.jece.2023.111198
22. Solberg, M. (2018). Can the implementation of aerospace science in elementary school help girls maintain their confidence and engagement in science as they transition to middle school? Acta Astronautica, 147, 462-472. doi:https://doi.org/10.1016/j.actaastro.2018.03.043
23. Tadesse, M. D., Gebresenbet, G., Ljungberg, D., & Tavasszy, L. (2025). The technology acceptance model for digitalised logistics in low-income countries: The case of Ethiopia. Research in Transportation Business & Management, 63, 101507. doi:https://doi.org/10.1016/j.rtbm.2025.101507
24. Ticona, J. J., Nonato, L. G., Silva, C. T., & Gomez-Nieto, E. (2025). SDR-Explorer: A user-friendly visual tool to support preventing student dropouts in higher education. Computers & Graphics, 132, 104375. doi:https://doi.org/10.1016/j.cag.2025.104375
25. Vera, C. H. R., Quinez, B. F. C., Cevallos, F. J. Q., & Tambaco, R. M. L. (2024). Influencia de la transformacin digital en la educacin superior del Ecuador. Maestro y Sociedad, 21(2), 861-865.
26. Webb, D., Olaru, D., & Rastin, C. (2025). Unlocking motivation for energy saving: A study of German electricity consumer segments. Energy Research & Social Science, 125, 104082. doi:https://doi.org/10.1016/j.erss.2025.104082
2025 por los autores. Este artculo es de acceso abierto y distribuido segn los trminos y condiciones de la licencia Creative Commons Atribucin-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
(https://creativecommons.org/licenses/by-nc-sa/4.0/).
Enlaces de Referencia
- Por el momento, no existen enlaces de referencia
Polo del Conocimiento
Revista Científico-Académica Multidisciplinaria
ISSN: 2550-682X
Casa Editora del Polo
Manta - Ecuador
Dirección: Ciudadela El Palmar, II Etapa, Manta - Manabí - Ecuador.
Código Postal: 130801
Teléfonos: 056051775/0991871420
Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com
URL: https://www.polodelconocimiento.com/
