����������������������������������������������������������������������������������

 

 

Impacto de la inteligencia artificial en la personalizaci�n del aprendizaje en universidades p�blicas de Ecuador

 

Impact of artificial intelligence on personalized learning in public universities in Ecuador

 

Impacto da intelig�ncia artificial na aprendizagem personalizada em universidades p�blicas no Equador

 

 

 

 

 

 

 

 

 

 

 

 

Correspondencia: henry.guerrero@educacion.gob.ec

 

 

Ciencias de la Educaci�n

Art�culo de Investigaci�n

 

 

* Recibido: 23 octubre de 2025 *Aceptado: 11 de noviembre de 2025 * Publicado: �01 de diciembre de 2025

 

        I.            Ministerio de Educaci�n, Deporte y Cultura, Quito, Pichincha, Ecuador.

      II.            Unidad Educativa Cruz Del Norte, Portoviejo, Manab�, Ecuador.

   III.            Universidad T�cnica Estatal de Quevedo, Quevedo, Los R�os, Ecuador.

   IV.            Universidad T�cnica Estatal de Quevedo, Quevedo, Los R�os, Ecuador.

Resumen

El presente art�culo desarrolla una revisi�n sistem�tica orientada con el objetivo de analizar el impacto de la inteligencia artificial (IA) en la personalizaci�n del aprendizaje en universidades p�blicas de Ecuador, considerando el contexto regional y las limitaciones estructurales propias del sistema universitario ecuatoriano. La metodolog�a aplicada sigui� las directrices del enfoque PRISMA 2020, mediante una revisi�n sistem�tica de art�culos publicados entre 2019 y 2025. Se consultaron bases de datos como Scopus, Web of Science, SciELO, Latindex y Google Scholar, usando ecuaciones de b�squeda en espa�ol e ingl�s. Los criterios de inclusi�n consideraron estudios arbitrados, de texto completo y con enfoque expl�cito en IA y personalizaci�n del aprendizaje en educaci�n superior. Tras el cribado de 820 registros iniciales, se seleccionaron finalmente 25 estudios para el an�lisis cualitativo. Los resultados evidencian avances significativos a nivel internacional en el uso de IA para adaptar contenidos, predecir dificultades acad�micas y ofrecer retroalimentaci�n personalizada. Sin embargo, en Am�rica Latina y particularmente en Ecuador, la adopci�n de estas tecnolog�as es todav�a incipiente debido a limitaciones de infraestructura, brechas de capacitaci�n docente y ausencia de pol�ticas s�lidas de gobernanza de datos; tambi�n se identifican experiencias positivas relacionadas con el uso de asistentes virtuales, la anal�tica descriptiva y herramientas de apoyo acad�mico. Se concluye que la IA presenta un alto potencial para fortalecer la personalizaci�n del aprendizaje en las universidades p�blicas ecuatorianas, siempre que se desarrollen capacidades institucionales, marcos �ticos y estrategias de formaci�n docente que permitan su implementaci�n sostenible y contextualizada.

Palabras clave: Inteligencia artificial; educaci�n superior; aprendizaje universitario; universidades ecuatorianas.

 

Abstract����������

This article presents a systematic review aimed at analyzing the impact of artificial intelligence (AI) on personalized learning in Ecuadorian public universities, considering the regional context and the structural limitations of the Ecuadorian university system. The methodology followed the PRISMA 2020 guidelines, through a systematic review of articles published between 2019 and 2025. Databases such as Scopus, Web of Science, SciELO, Latindex, and Google Scholar were consulted, using search terms in Spanish and English. Inclusion criteria included peer-reviewed, full-text studies with an explicit focus on AI and personalized learning in higher education. After screening an initial 820 records, 25 studies were selected for qualitative analysis. The results demonstrate significant international progress in the use of AI to adapt content, predict academic difficulties, and provide personalized feedback. However, in Latin America, and particularly in Ecuador, the adoption of these technologies is still in its early stages due to infrastructure limitations, gaps in teacher training, and a lack of robust data governance policies. Positive experiences related to the use of virtual assistants, descriptive analytics, and academic support tools have also been identified. It is concluded that AI presents a high potential for strengthening personalized learning in Ecuadorian public universities, provided that institutional capacities, ethical frameworks, and teacher training strategies are developed to enable its sustainable and contextualized implementation.

Keywords: Artificial intelligence; higher education; university learning; Ecuadorian universities.

 

Resumo

Este artigo apresenta uma revis�o sistem�tica com o objetivo de analisar o impacto da intelig�ncia artificial (IA) na aprendizagem personalizada em universidades p�blicas equatorianas, considerando o contexto regional e as limita��es estruturais do sistema universit�rio do Equador. A metodologia seguiu as diretrizes PRISMA 2020, por meio de uma revis�o sistem�tica de artigos publicados entre 2019 e 2025. Foram consultadas bases de dados como Scopus, Web of Science, SciELO, Latindex e Google Scholar, utilizando termos de busca em espanhol e ingl�s. Os crit�rios de inclus�o abrangeram estudos com revis�o por pares e texto completo, com foco expl�cito em IA e aprendizagem personalizada no ensino superior. Ap�s a triagem inicial de 820 registros, 25 estudos foram selecionados para an�lise qualitativa. Os resultados demonstram um progresso internacional significativo no uso da IA ​​para adaptar conte�do, prever dificuldades acad�micas e fornecer feedback personalizado. Contudo, na Am�rica Latina, e particularmente no Equador, a ado��o dessas tecnologias ainda est� em est�gios iniciais devido a limita��es de infraestrutura, lacunas na forma��o de professores e � falta de pol�ticas robustas de governan�a de dados. Experi�ncias positivas relacionadas ao uso de assistentes virtuais, an�lises descritivas e ferramentas de apoio acad�mico tamb�m foram identificadas. Conclui-se que a IA apresenta um alto potencial para fortalecer o aprendizado personalizado em universidades p�blicas equatorianas, desde que as capacidades institucionais, os marcos �ticos e as estrat�gias de forma��o de professores sejam desenvolvidos para viabilizar sua implementa��o sustent�vel e contextualizada.

Palavras-chave: Intelig�ncia artificial; ensino superior; aprendizagem universit�ria; universidades equatorianas.

 

Introducci�n

La incorporaci�n de la inteligencia artificial (IA) en la educaci�n superior se ha convertido en uno de los procesos de transformaci�n m�s significativos en la �ltima d�cada, impulsado por la disponibilidad de datos educativos, la expansi�n de modelos anal�ticos avanzados y la creciente demanda de modalidades flexibles de aprendizaje (Calder�n et al., 2024). Diversas investigaciones han demostrado que los sistemas basados en IA pueden contribuir a personalizar trayectorias formativas, anticipar dificultades acad�micas y ajustar contenidos a las caracter�sticas de cada estudiante (Menta et al., 2024). No obstante, en Am�rica Latina, estos avances se adoptan de manera desigual debido a las brechas hist�ricas de infraestructura, financiamiento, capacitaci�n docente y acceso a tecnolog�as emergentes, lo cual profundiza las asimetr�as entre instituciones p�blicas y privadas (Wanjara & Ogembo, 2024). En el caso ecuatoriano, estas diferencias se manifiestan con mayor intensidad en las universidades p�blicas, donde la masificaci�n de la matr�cula, la heterogeneidad estudiantil y los limitados recursos tecnol�gicos condicionan los procesos de innovaci�n pedag�gica (Mendoza et al., 2025).

Durante la pandemia por COVID-19, la digitalizaci�n forzada de la educaci�n revel� m�ltiples vulnerabilidades del sistema universitario ecuatoriano: infraestructura digital insuficiente, baja capacitaci�n en tecnolog�as educativas y escasa interoperabilidad entre plataformas institucionales (Garc�a et al., 2020). Aunque la emergencia sanitaria aceler� la integraci�n de sistemas virtuales, tambi�n dej� en evidencia que la adopci�n tecnol�gica no garantiza, por s� sola, una verdadera personalizaci�n del aprendizaje; en muchos casos, las universidades p�blicas trasladaron sus modelos tradicionales a entornos digitales sin modificar pr�cticas de evaluaci�n, dise�o curricular o acompa�amiento acad�mico, lo cual limit� el aprovechamiento de herramientas avanzadas capaces de adaptarse a las necesidades individuales de los estudiantes (Garc�a, 2021).

En este contexto, la IA representa una oportunidad estrat�gica para abordar desaf�os estructurales presentes en la educaci�n superior p�blica. Los sistemas de tutor�a inteligente, los modelos de aprendizaje adaptativo, los algoritmos de recomendaci�n y las t�cnicas de anal�tica del aprendizaje pueden contribuir a mejorar la retenci�n estudiantil, optimizar la gesti�n acad�mica y ofrecer experiencias formativas m�s pertinentes (Huang et al., 2023). Sin embargo, su implementaci�n requiere un marco institucional robusto que articule pol�ticas de capacitaci�n docente, inversi�n en infraestructura digital, gobernanza �tica de datos y estrategias para reducir las brechas de acceso (Mohammed et al., 2021). En Ecuador, aunque existen iniciativas puntuales vinculadas a modernizaci�n tecnol�gica e innovaci�n educativa, su alcance todav�a es limitado y se encuentra en fase inicial, especialmente en instituciones donde la presi�n presupuestaria restringe la adopci�n de tecnolog�as emergentes (Mendoza et al., 2025).

Desde una perspectiva pedag�gica, la personalizaci�n apoyada por IA puede resultar especialmente relevante en universidades p�blicas ecuatorianas debido a la diversidad sociocultural y acad�mica de sus estudiantes, con la existencia de brechas de preparaci�n previa, diferencias en estilos de aprendizaje y desigualdades socioecon�micas demanda estrategias de ense�anza que superen enfoques homog�neos y promuevan trayectorias flexibles (Sinchi et al., 2024). Investigaciones recientes en tecnolog�as educativas latinoamericanas se�alan que los entornos adaptativos favorecen la autonom�a, el aprendizaje autorregulado y la intervenci�n temprana frente a dificultades acad�micas, siempre que se integren dentro de un marco pedag�gico claro y contextualizado (Salas et al., 2022).

Desde la dimensi�n tecnol�gica, la adopci�n de IA implica repensar la arquitectura digital universitaria, promover est�ndares de interoperabilidad y fortalecer las capacidades institucionales para la gesti�n responsable de datos (Alzahrani & Alzahrani, 2025). La literatura se�ala que la integraci�n efectiva de IA en la educaci�n superior depende de la articulaci�n entre plataformas institucionales, bases de datos acad�micas, sistemas de seguimiento estudiantil y mecanismos de an�lisis predictivo (Zawacki et al., 2019). En las universidades p�blicas ecuatorianas, estas condiciones a�n son incipientes, lo que dificulta la implementaci�n de soluciones sofisticadas y limita la posibilidad de desarrollar ecosistemas de aprendizaje centrados en el estudiante (Cede�o, 2022).

En t�rminos de pol�ticas p�blicas, la discusi�n sobre IA y personalizaci�n del aprendizaje adquiere un matiz estrat�gico para Ecuador. Los marcos regulatorios nacionales han avanzado en la promoci�n de la digitalizaci�n educativa; sin embargo, todav�a carecen de lineamientos espec�ficos para la integraci�n de IA en la educaci�n superior, as� como de pol�ticas claras sobre �tica algor�tmica, protecci�n de datos estudiantiles y transparencia en el uso de sistemas automatizados. La ausencia de estos marcos puede generar riesgos asociados a sesgos algor�tmicos, inequidad en el acceso a plataformas personalizadas y dependencia tecnol�gica de proveedores externos, aspectos ampliamente discutidos en los debates internacionales sobre gobernanza de IA en educaci�n (Garc�a, 2025).

La relevancia del presente estudio radica en la necesidad de comprender, desde una perspectiva cr�tica y contextualizada, c�mo la IA puede contribuir a transformar las pr�cticas formativas en universidades p�blicas ecuatorianas. Examinar su impacto en la personalizaci�n del aprendizaje permitir� identificar condiciones institucionales, limitaciones estructurales y oportunidades de innovaci�n pedag�gica que resultan fundamentales para la toma de decisiones acad�micas y de pol�tica p�blica. Adem�s, el an�lisis contribuir� a enriquecer la discusi�n latinoamericana sobre IA educativa, incorporando evidencia emp�rica desde un pa�s donde la brecha tecnol�gica contin�a siendo un desaf�o central.

 

Metodolog�a

El presente estudio se desarroll� mediante una revisi�n sistem�tica de la literatura, orientada a identificar y analizar la evidencia reciente sobre el impacto de la inteligencia artificial (IA) en la personalizaci�n del aprendizaje en universidades p�blicas de Ecuador. El procedimiento metodol�gico se estructur� conforme a las recomendaciones del enfoque PRISMA 2020, adaptado al prop�sito de investigaci�n.

La b�squeda bibliogr�fica se efectu� en las siguientes bases de datos: Scopus, Web of Science, SciELO, Latindex y Google Scholar. Se emplearon ecuaciones de b�squeda combinando operadores booleanos y t�rminos clave en espa�ol e ingl�s, tales como: (�artificial intelligence� OR �machine learning� OR �learning analytics�) AND (�personalized learning� OR �adaptive learning�) AND (�higher education� OR �university students�) AND (�Ecuador� OR �Latin America�). En espa�ol se utilizaron ecuaciones equivalentes: (�inteligencia artificial� AND �personalizaci�n del aprendizaje� AND �educaci�n superior� AND �Ecuador�).

Los criterios de inclusi�n consideraron: (a) art�culos publicados entre 2019 y 2025; (b) estudios arbitrados; (c) disponibilidad en texto completo; (d) publicaciones en espa�ol o ingl�s; (e) investigaciones centradas en el uso de IA para personalizar procesos formativos en educaci�n superior. Se excluyeron revisiones no sistem�ticas, documentos sin arbitraje, literatura gris y estudios aplicados a niveles educativos no universitarios o sin enfoque expl�cito en personalizaci�n.

El proceso de selecci�n comprendi� tres fases: (1) identificaci�n, donde se recuperaron aproximadamente 820 registros; (2) cribado, mediante eliminaci�n de duplicados y revisi�n de t�tulos y res�menes, resultando en 214 estudios; y (3) evaluaci�n del texto completo, aplicando los criterios de elegibilidad previamente establecidos. Finalmente, 25 estudios cumplieron con los requisitos metodol�gicos y fueron incluidos en el an�lisis cualitativo.

Para el an�lisis, se aplic� una estrategia de s�ntesis tem�tica, categorizando los hallazgos seg�n el tipo de tecnolog�a de IA empleada, los enfoques de personalizaci�n implementados y la evidencia reportada en universidades p�blicas ecuatorianas o contextos comparables en Latinoam�rica. Esta metodolog�a permiti� generar una visi�n amplia, rigurosa y coherente del estado actual del conocimiento sobre la integraci�n de IA y la personalizaci�n del aprendizaje en el contexto universitario p�blico ecuatoriano.

 

Resultados���������������������������������������������������������������������������

La revisi�n integradora permiti� identificar patrones consistentes en torno al impacto de la inteligencia artificial (IA) en la personalizaci�n del aprendizaje en instituciones de educaci�n superior, particularmente en el contexto de universidades p�blicas de Ecuador. En conjunto, los estudios analizados muestran que las tecnolog�as basadas en IA, especialmente los sistemas de recomendaci�n, anal�ticas de aprendizaje (learning analytics), chatbots educativos y modelos de aprendizaje autom�tico, que han favorecido distintos niveles de personalizaci�n, aunque con variaciones significativas entre escenarios globales y latinoamericanos.

A nivel internacional, se evidencia un avance s�lido en el uso de IA para adaptar contenidos y retroalimentaci�n en tiempo real. Por ejemplo, Alsariera et al. (2022) demostraron que los sistemas adaptativos basados en algoritmos de machine learning (aprendizaje autom�tico) mejoran el rendimiento estudiantil y reducen la carga cognitiva al ajustar autom�ticamente el nivel de dificultad. De manera similar, Holmes et al. (2019) reportaron que las plataformas inteligentes que integran anal�ticas predictivas permiten identificar trayectorias de riesgo acad�mico, facilitando intervenciones personalizadas oportunas.

Al comparar estas tendencias, emergen patrones comunes. Primero, en todos los estudios se reconoce que la IA permite una mayor individualizaci�n del proceso educativo mediante la identificaci�n de estilos de aprendizaje, rutas personalizadas y mecanismos de apoyo continuo. Segundo, se observa que la efectividad de estas herramientas depende en gran medida de la disponibilidad de datos de calidad y de la existencia de pol�ticas institucionales orientadas a la gesti�n �tica y estrat�gica de la informaci�n. En este sentido, Zawacki et al. (2019) advierten que la personalizaci�n basada en IA solo puede sostenerse en instituciones con gobernanza digital robusta y procesos maduros de an�lisis educativo

En Am�rica Latina, los hallazgos presentan una tendencia emergente, aunque con limitaciones estructurales, especialmente en infraestructura tecnol�gica. En el caso ecuatoriano, C�rdova et al. (2025) analizaron que la implementaci�n de tecnolog�as basadas en inteligencia artificial permiten ajustar contenidos, ritmos y estilos de aprendizaje a las necesidades particulares de cada estudiante, promoviendo as� la autonom�a y motivaci�n en el proceso educativo; sin embargo, tambi�n se identifican obst�culos como la insuficiente formaci�n docente, las inquietudes �ticas relacionadas con el manejo de datos y las restricciones presupuestarias que enfrentan las universidades p�blicas. Por su parte, Jard�n et al. (2024) investigaron el impacto de los asistentes virtuales de inteligencia artificial en el rendimiento acad�mico de estudiantes universitarios, evidenciando mejoras significativas tanto en sus resultados acad�micos como en su satisfacci�n con el aprendizaje; no obstante, tambi�n se reconocieron diversos retos t�cnicos y �ticos que requieren una gesti�n cuidadosa para asegurar un uso justo y efectivo de estas tecnolog�as en la educaci�n superior, potenciando as� la calidad educativa sin comprometer la equidad ni la eficiencia institucional.

Al comparar los estudios internacionales con los latinoamericanos, emergen divergencias claras: (1) la IA aplicada a la personalizaci�n en pa�ses desarrollados integra aprendizaje profundo, miner�a de datos y sistemas recomendados sofisticados; (2) en Am�rica Latina predominan enfoques exploratorios y de bajo costo tecnol�gico; y (3) en Ecuador, el desarrollo se encuentra fuertemente condicionado por la disponibilidad de recursos y la pol�tica institucional en torno a transformaci�n digital. Sin embargo, tambi�n se identifican tendencias convergentes: la adopci�n progresiva de anal�ticas de aprendizaje, el inter�s por reducir la deserci�n mediante predicci�n temprana y la necesidad de fortalecer capacidades docentes.

 

 

 

 

 

 

Tabla 1. Hallazgos extra�dos de estudios relevantes

 

Discusi�n

Los estudios analizados muestran que la inteligencia artificial (IA) posee un potencial significativo para transformar la personalizaci�n del aprendizaje, pero dicho impacto depende estrechamente de las condiciones institucionales, tecnol�gicas y pedag�gicas presentes en cada contexto. En pa�ses con ecosistemas digitales consolidados, la IA ha logrado integrarse en procesos formativos avanzados, lo cual contrasta con la realidad de instituciones p�blicas ecuatorianas. Holmes et al. (2021) destacan que la personalizaci�n basada en anal�ticas predictivas exige infraestructuras de datos maduras y sistemas interoperables, elementos que a�n constituyen desaf�os para gran parte de la educaci�n superior en Ecuador.

Asimismo, la literatura resalta que la eficacia de los sistemas adaptativos depende de la articulaci�n entre el dise�o algor�tmico y el modelo pedag�gico. Balcioğlu & Artar (2022) demuestran que los sistemas basados en aprendizaje autom�tico pueden mejorar el rendimiento acad�mico cuando se implementan en entornos que integran principios pedag�gicos centrados en el aprendizaje activo en el �mbito universitario. Sin embargo, en el contexto ecuatoriano, donde predominan modelos tradicionales y pr�cticas educativas poco orientadas a la anal�tica de datos, la incorporaci�n de IA suele limitarse a funciones de apoyo estudiantil, dificultando la consolidaci�n de experiencias personalizadas basadas en evidencia (Mantuano et al., 2025).

En relaci�n con la infraestructura tecnol�gica, la regi�n latinoamericana enfrenta brechas significativas que condicionan la apropiaci�n de la IA en procesos de personalizaci�n. Carvalho et al. (2022) identifican que la adopci�n de learning analytics en pa�ses en desarrollo se caracteriza por avances fragmentados, carencia de repositorios integrados y escasa estandarizaci�n en el manejo de datos educativos. Estas limitaciones coinciden con la realidad de muchas universidades p�blicas ecuatorianas, donde la implementaci�n de IA se orienta hacia herramientas accesibles, como chatbots o anal�ticas descriptivas, en lugar de modelos adaptativos complejos (Rogel et al., 2024).

El rol docente tambi�n emerge como un factor determinante en el impacto de la IA. La evidencia internacional sugiere que la apropiaci�n pedag�gica de la anal�tica de aprendizaje requiere competencias digitales avanzadas, comprensi�n de los modelos algor�tmicos y capacidades interpretativas orientadas a la toma de decisiones (Zawacki et al., 2019). En Ecuador, la limitada formaci�n docente especializada en tecnolog�as emergentes representa una barrera para integrar la IA m�s all� de usos superficiales o administrativos, lo que restringe la posibilidad de desarrollar intervenciones personalizadas de alto impacto (Mu�oz & Delgado, 2025).

Adem�s, la IA plantea desaf�os �ticos relacionados con la privacidad, el uso responsable de datos y la posible reproducci�n de sesgos algor�tmicos. Holmes et al. (2019) enfatizan que los sistemas predictivos requieren estrictos marcos de gobernanza de datos para evitar decisiones automatizadas que afecten de manera desigual a ciertos grupos estudiantiles. Estas preocupaciones son particularmente relevantes en universidades p�blicas ecuatorianas, donde la protecci�n de datos y la transparencia algor�tmica a�n no est�n totalmente institucionalizadas (Barahona ET AL., 2024).

En s�ntesis, la discusi�n revela que el impacto de la IA en la personalizaci�n del aprendizaje depende de una combinaci�n de factores estructurales, humanos y tecnol�gicos. Tal como advierte Zawacki et al. (2019), la adopci�n efectiva de IA no consiste en incorporar herramientas aisladas, sino en transformar de manera integral los sistemas pedag�gicos y de gesti�n educativa. Para Ecuador, el reto central no es la falta de herramientas tecnol�gicas, sino la necesidad de construir capacidades institucionales que permitan aprovechar la IA de forma contextualizada, �tica y sostenible.

 

 

 

Conclusiones

El an�lisis integrador demuestra que la inteligencia artificial constituye una oportunidad estrat�gica para mejorar la personalizaci�n del aprendizaje en universidades p�blicas del Ecuador; no obstante, su impacto real est� condicionado por factores estructurales y pedag�gicos ampliamente documentados en la literatura incluida en la revisi�n. En contextos internacionales, la IA ha consolidado aplicaciones avanzadas basadas en anal�ticas predictivas, aprendizaje autom�tico y sistemas adaptativos que permiten atender la diversidad de ritmos, estilos y trayectorias formativas. Sin embargo, este panorama contrasta con la realidad ecuatoriana, donde persisten brechas tecnol�gicas, limitaciones presupuestarias y rezagos en la formaci�n docente que dificultan la adopci�n plena de estas herramientas.

Del an�lisis se desprenden tres patrones centrales. Primero, la personalizaci�n basada en IA depende de la existencia de infraestructuras digitales robustas y sistemas interoperables, elementos a�n insuficientes en la mayor�a de universidades p�blicas del pa�s. Segundo, la apropiaci�n pedag�gica de la IA requiere competencias docentes especializadas y un enfoque institucional orientado al uso �tico y estrat�gico de los datos educativos. Tercero, la incorporaci�n de IA debe articularse con pol�ticas universitarias y nacionales que aborden la gobernanza de datos, la reducci�n de brechas socio tecnol�gicas y la equidad en el acceso a tecnolog�as emergentes.

Asimismo, se identifican vac�os importantes en la literatura ecuatoriana, especialmente en investigaciones emp�ricas que eval�en el impacto de sistemas adaptativos, modelos predictivos o tutores inteligentes en poblaciones estudiantiles diversas. Esta ausencia constituye una l�nea de investigaci�n prioritaria para fortalecer la evidencia contextual.

Finalmente, se establece que la IA puede potenciar significativamente la calidad educativa y la inclusi�n en las universidades p�blicas ecuatorianas, siempre que su integraci�n se planifique de manera �tica, sostenible y alineada con las necesidades institucionales y socioculturales del pa�s. El fortalecimiento de la infraestructura digital, la formaci�n docente y la investigaci�n aplicada emergen como pilares esenciales para avanzar hacia ecosistemas de aprendizaje verdaderamente personalizados.

 

Referencias�

1.      Alsariera, Y. A., Baashar, Y., Alkawsi, G., Mustafa, A., Alkahtani, A. A., & Ali, N. A. (2022). Assessment and evaluation of different machine learning algorithms for predicting student performance. Computational intelligence and neuroscience, 2022(1), 4151487. https://doi.org/10.1155/2022/4151487

2.      Alzahrani, A., & Alzahrani, A. (2025). Comprendiendo la adopci�n de ChatGPT en universidades: el impacto del TPACK y UTAUT2 en los docentes. RIED-Revista Iberoamericana de Educaci�n a Distancia, 28(1), 37-58. https://doi.org/10.5944/ried.28.1.41498

3.      Balcioğlu, Y. S., & Artar, M. (2025). Predicting academic performance of students with machine learning. Information Development, 41(3), 896-915. https://doi.org/10.1177/02666669231213023

4.      Barahona-Martinez, G. E., Barzola-Pl�as, Y. G., & Pe�afiel-Mu�oz, L. V. (2024). El derecho a la protecci�n de datos y el avance de las nuevas tecnolog�as en Ecuador: Implicaciones legales y �ticas. Journal of Economic and Social Science Research, 4(3), 46-64. https://doi.org/10.55813/gaea/jessr/v4/n3/113

5.      Calder�n Figueroa, C. D., Mar�n Loor, R. A., D�az Campozano, E. G., & Proa�o Molina, M. Y. (2024). Inteligencia artificial en la educaci�n superior. Dominio De Las Ciencias, 10(3), 753�763. https://dominiodelasciencias.com/ojs/index.php/es/article/view/3952

6.      Carvalho, L., Martinez-Maldonado, R., Tsai, Y. S., Markauskaite, L., & De Laat, M. (2022). How can we design for learning in an AI world?. Computers and Education: Artificial Intelligence, 3, 100053. https://doi.org/10.1016/j.caeai.2022.100053

7.      Cede�o-Jama, K. E. (2022). Accesibilidad de los estudiantes universitarios a los entornos virtuales de aprendizaje implementados por la Universidad Laica Eloy Alfaro Extensi�n El Carmen. Revista Cient�fica Retos de la Ciencia, 6(13), 145-155. https://retosdelacienciaec.com/Revistas/index.php/retos/article/view/449

8.      C�rdova Aragundi, J., Terranova Mera, J., Flores S�nchez, J., Hablich S�nchez, F., & Proa�o S�nchez, F. (2025). Implementaci�n de herramientas de inteligencia artificial para la personalizaci�n del aprendizaje en universidades p�blicas. Polo del Conocimiento, 10(5), 2158-2172. https://doi.org/10.23857/pc.v10i5.9562

9.      Garc�a, D. S. S. (2025). Trayectoria sociot�cnica de la implementaci�n de servicios y productos de la industria EdTech en la educaci�n superior ecuatoriana. Periodo 2007-2024. Revista Espa�ola de Educaci�n Comparada, (48), 399-418. https://doi.org/10.5944/reec.48.2025.45376

10.  Garc�a-Pe�alvo, F. J. (2021). Avoiding the dark side of digital transformation in teaching. An institutional reference framework for eLearning in higher education. Sustainability, 13(4), 2023. https://doi.org/10.3390/su13042023

11.  Garc�a Pe�alvo, F. J., Corell Almuzara, A., Abella Garc�a, V., & Grande de Prado, M. (2020). La evaluaci�n online en la educaci�n superior en tiempos de la COVID-19. Education in the knowledge society (EKS), 21(12), 26. https://doi.org/10.14201/eks.23086

12.  Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education promises and implications for teaching and learning. Center for Curriculum Redesign. https://discovery.ucl.ac.uk/id/eprint/10139722

13.  Huang, X., Zou, D., Cheng, G., Chen, X., & Xie, H. (2023). Trends, research issues and applications of artificial intelligence in language education. Educational Technology & Society, 26(1), 112-131. https://www.jstor.org/stable/48707971

14.  Jard�n Gallegos, M. del C., Granizo Malusin, J. H. . ., Yaselga Auz , W. F. ., & Cocha Telenchana, M. G. . (2024). Impacto de los asistentes virtuales de inteligencia artificial en el rendimiento acad�mico de estudiantes universitarios. Revista Social Fronteriza, 4(4), e44338. https://doi.org/10.59814/resofro.2024.4(4)338

15.  Mantuano, J. E. P., Espinoza, R. J. N., Noboa, S. K. V., & Quishpe, A. A. B. (2025). El Impacto De La Inteligencia Artificial En Los M�todos De Ense�anza Universitaria Ecuatoriana. Prospherus, 2(1), 1-16. https://doi.org/10.63535/nmr0sr46

16.  Mendoza Andrade, M. R., Mendoza Andrade, K. E., & Lucas Muentes, A. H. (2025). Desaf�os y Oportunidades en la Transformaci�n Curricular en las Universidades P�blicas del Ecuador. Ciencia Y Reflexi�n, 4(1), 1203�1225. https://doi.org/10.70747/cr.v4i1.159

17.  Menta, J. L. U., Mendoza, C. M. S., Campozano, E. G. D., Becerra, N. M. Q., & Mite, L. A. B. (2024). Usos de la inteligencia artificial en los estudiantes universitarios. Polo del Conocimiento, 9(8), 3557-3569. https://doi.org/10.23857/pc.v9i8.7899

18.  Mohammed, A., Ali, R., & Alharbi, A. A. B. (2021). The reality of using artificial intelligence techniques in teacher preparation programs in light of the opinions of faculty members: A Case Study in Saudi Qassim University. Multicultural Education, 7(1), 5-16. https://doi.org/10.5281/zenodo.4410582

19.  Mu�oz, G. F. R., & Delgado, J. C. V. (2025). Integraci�n de las tecnolog�as de la informaci�n y la comunicaci�n (TIC) e inteligencia artificial (IA) en la formaci�n docente. Revista de Investigaci�n en Tecnolog�as de la Informaci�n: RITI, 13(29), 60-70. https://dialnet.unirioja.es/servlet/articulo?codigo=10342382

20.  Rogel, M. A. A., Loayza, X. S. C., Bonisoli, L., & Aguilar, G. M. F. (2024). Integraci�n de la inteligencia artificial en estrategias digitales: Un an�lisis cuantitativo en la formaci�n universitaria en Ecuador. Ciencia Latina Revista Cient�fica Multidisciplinar, 8(4), 6556-6576. https://doi.org/10.37811/cl_rcm.v8i4.12849

21.  Salas‐Pilco, S. Z., Yang, Y., & Zhang, Z. (2022). Student engagement in online learning in Latin American higher education during the COVID‐19 pandemic: A systematic review. British journal of educational technology, 53(3), 593-619. https://doi.org/10.1111/bjet.13190

22.  Sinchi, M. E. A., Loaiza, K., Ruiz, T. F., & Buena�o, D. E. A. (2024). Inteligencia artificial y transformaci�n social: desaf�os para el sistema educativo en Ecuador. Revista de educaci�n y derecho= Education and law review, (2), 14. https://dialnet.unirioja.es/servlet/articulo?codigo=10028636

23.  Wanjara, A. O., & Ogembo, P. O. (2024). Public-private partnership on implementation of higher education in universities. Indonesian Journal of Educational Research and Technology, 4(3), 291-302. https://doi.org/10.17509/ijert.v4i3.71284

24.  Zawacki-Richter, O., Mar�n, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education�where are the educators?. International journal of educational technology in higher education, 16(1), 1-27. https://doi.org/10.1186/s41239-019-0171-0

 

 

 

 

� 2025 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).