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

 

 

Aplicaci�n de la IA en la educaci�n superior, aprendizaje y aplicaci�n del docente

 

Application of AI in higher education, learning and teacher application

 

Aplica��o da IA ​​no ensino superior, aprendizagem e aplica��o para professores

 

 

 

 

 

 

 

 

 

 

 

 

Correspondencia: alex.estupinan.moreno@utelvt.edu.ec

 

 

Ciencias de la Educaci�n

Art�culo de Investigaci�n

 

 

* Recibido: 20 octubre de 2025 *Aceptado: 30 de noviembre de 2025 * Publicado: �10 de diciembre de 2025

 

 

        I.            Universidad T�cnica Luis Vargas Torres de Esmeraldas, Ecuador.

      II.            Universidad T�cnica Luis Vargas Torres de Esmeraldas, Ecuador.

   III.            Pontificia Universidad Cat�lica del Ecuador Sede Esmeraldas, Ecuador.

   IV.            Pontificia Universidad Cat�lica del Ecuador Sede Esmeraldas, Ecuador.

Resumen

La inteligencia artificial en la educaci�n superior est� cambiando significativamente las pr�cticas de ense�anza y aprendizaje en todo el mundo. Las universidades en pa�ses desarrollados se est�n moviendo hacia un mundo digitalizado de educaci�n avanzada, mientras que Am�rica Latina exhibe un desarrollo extremadamente desigual caracterizado por problemas sist�micos, estrategias nacionales limitadas y una falta generalizada de capacidades de formaci�n docente. Este art�culo proporciona un an�lisis cr�tico del estado de la adopci�n de la IA en la regi�n y descubre tres brechas principales en su integraci�n efectiva: la brecha de uso, la brecha pedag�gica y la brecha �tica. A trav�s de este marco de diagn�stico, se presenta el DPD-IA, un Modelo de Desarrollo Profesional Docente Basado en Competencias en IA, dise�ado espec�ficamente para mejorar la alfabetizaci�n conceptual, la integraci�n pedag�gica aplicada y la comunidad de pr�ctica a trav�s de la �tica. Entre los resultados proyectados: alta autoeficacia docente, aprendizaje personalizado, innovaci�n curricular y liderazgo institucional. Adem�s, tambi�n hay reducciones m�s sustanciales en la carga administrativa con la automatizaci�n de tareas rutinarias y un aumento del pensamiento cr�tico de los estudiantes con habilidades reflexivas en el uso de herramientas de IA. Se concluye que la transformaci�n digital de la educaci�n superior en Am�rica Latina exige un enfoque integrado que incluya pol�ticas, formaci�n a largo plazo y apoyo para los docentes, colaboraci�n regional y pol�ticas y estrategias s�lidas de transici�n. El modelo DPD-IA se presenta como una ruta prometedora para la implementaci�n �tica, relevante y sostenible de la IA en las instituciones de educaci�n superior de la regi�n.

Palabras clave: Inteligencia artificial; educaci�n superior; competencias docentes; brecha digital; innovaci�n pedag�gica.

 

Abstract

Artificial intelligence in higher education is significantly changing teaching and learning practices worldwide. Universities in developed countries are moving toward a digitized world of advanced education, while Latin America exhibits extremely uneven development characterized by systemic problems, limited national strategies, and a widespread lack of teacher training capacity. This article provides a critical analysis of the state of AI adoption in the region and identifies three main gaps in its effective integration: the usage gap, the pedagogical gap, and the ethical gap. Through this diagnostic framework, the DPD-AI, a Competency-Based Teacher Professional Development Model in AI, is presented. This model is specifically designed to improve conceptual literacy, applied pedagogical integration, and the community of practice through ethical considerations. Projected outcomes include high teacher self-efficacy, personalized learning, curricular innovation, and institutional leadership. Furthermore, there are also more substantial reductions in administrative burden through the automation of routine tasks and an increase in students' critical thinking skills with reflective abilities in the use of AI tools. It is concluded that the digital transformation of higher education in Latin America requires an integrated approach that includes policies, long-term training and support for faculty, regional collaboration, and robust transition policies and strategies. The DPD-AI model is presented as a promising path for the ethical, relevant, and sustainable implementation of AI in higher education institutions in the region.

Keywords: Artificial intelligence; higher education; teaching competencies; digital divide; pedagogical innovation.

 

Resumo

A intelig�ncia artificial no ensino superior est� transformando significativamente as pr�ticas de ensino e aprendizagem em todo o mundo. Universidades em pa�ses desenvolvidos caminham rumo a um mundo digitalizado da educa��o avan�ada, enquanto a Am�rica Latina apresenta um desenvolvimento extremamente desigual, caracterizado por problemas sist�micos, estrat�gias nacionais limitadas e uma ampla car�ncia de capacita��o de professores. Este artigo oferece uma an�lise cr�tica do estado da ado��o da IA ​​na regi�o e identifica tr�s principais lacunas em sua integra��o efetiva: a lacuna de uso, a lacuna pedag�gica e a lacuna �tica. Por meio dessa estrutura diagn�stica, apresenta-se o DPD-AI, um Modelo de Desenvolvimento Profissional de Professores em IA baseado em Compet�ncias. Este modelo foi especificamente projetado para aprimorar a alfabetiza��o conceitual, a integra��o pedag�gica aplicada e a comunidade de pr�tica por meio de considera��es �ticas. Os resultados projetados incluem alta autoefic�cia docente, aprendizagem personalizada, inova��o curricular e lideran�a institucional. Al�m disso, observa-se tamb�m uma redu��o significativa da carga administrativa por meio da automa��o de tarefas rotineiras e um aumento nas habilidades de pensamento cr�tico dos estudantes, com desenvolvimento da capacidade reflexiva no uso de ferramentas de IA. Conclui-se que a transforma��o digital do ensino superior na Am�rica Latina requer uma abordagem integrada que inclua pol�ticas, forma��o e apoio cont�nuos ao corpo docente, colabora��o regional e pol�ticas e estrat�gias de transi��o robustas. O modelo DPD-IA � apresentado como um caminho promissor para a implementa��o �tica, relevante e sustent�vel da IA ​​em institui��es de ensino superior na regi�o.

Palavras-chave: Intelig�ncia artificial; ensino superior; compet�ncias docentes; exclus�o digital; inova��o pedag�gica.

 

Introducci�n

La IA dej� de ser un recurso nuevo tan pronto como naci� y, en cambio, se ha convertido en un eje fundamental de la sociedad del conocimiento moderno. Se est� desarrollando r�pidamente sobre la base de modelos generativos, sistemas adaptativos y algoritmos de aprendizaje profundo, que est�n remodelando la naturaleza de la educaci�n superior. En el sector universitario, la IA se ver� no solo como una soluci�n de recurso secundario, sino como un motor potencial para un cambio de paradigma en los sistemas, como personalizar, gestionar y trabajar juntos en m�ltiples campos de estudio (Bozkurt, 2024). Tutores inteligentes, anal�ticas de aprendizaje, plataformas flexibles y sistemas predictivos de riesgo acad�mico que cambian la relaci�n entre estudiantes, docentes y conocimiento han sido experimentados positivamente en universidades innovadoras (Zawacki-Richter et al., 2019). Sin embargo, este panorama prometedor contrasta con la realidad de Am�rica Latina, donde el uso de la IA ha logrado un crecimiento muy limitado, desigual y fragmentado en cuanto a la integraci�n en la educaci�n superior. Mientras que EE. UU., Europa o Asia han integrado la IA como una pol�tica estrat�gica en su sistema educativo, las instituciones latinoamericanas tienen limitaciones estructurales que impiden que la adopci�n de la IA sea efectiva. Algunas de estas incluyen una brecha digital, inversi�n insuficiente en infraestructura tecnol�gica, falta de normas institucionales para la adopci�n por parte de los educadores para gobernar la investigaci�n, y las pol�ticas nacionales carecen del mismo tipo de pol�tica que refuerza la desigualdad m�s que un ecosistema digital integrado como el de la UE (UNESCO IESALC, 2024). Estos l�mites se ven agravados por un desaf�o a�n m�s urgente: la falta de competencias docentes relacionadas con la IA. A pesar de la mayor disponibilidad de herramientas digitales, se utilizan principalmente solo a nivel de uso pedag�gico. La mayor�a de las aplicaciones de IA est�n enmarcadas a nivel aislado, sin mucha consideraci�n de sus implicaciones educativas, �ticas o epistemol�gicas. De esta manera, se requiere capacitar a los docentes para que se involucren, usen, eval�en y co-creen con la IA para asegurar que la regi�n se mantenga a la vanguardia en la tendencia emergente de innovaci�n educativa global. Con este fin, la importancia estrat�gica de la alfabetizaci�n digital para los docentes y su papel en el cambio universitario se vuelve crucial. El paso a pedagog�as mejoradas con IA no debe considerarse solo como una capacitaci�n instrumental; debe ser una capacitaci�n hol�stica en t�rminos de desarrollar una dimensi�n conceptual, pedag�gica y �tica para mejorar su capacidad de autonom�a personal e innovaci�n educativa. En este contexto, el prop�sito de este art�culo es proporcionar una revisi�n cr�tica y respuesta al estado de la integraci�n de la IA en la educaci�n superior en Am�rica Latina, reconocer las limitaciones que impiden su adopci�n y proponer el Modelo de Desarrollo Profesional Docente Basado en Competencias en IA (DPD-IA) como un camino organizador para el uso �tico, sostenible y contextualizado de la IA.

 

Desarrollo

La desigualdad en el despliegue de la Inteligencia Artificial (IA) en las instituciones de educaci�n superior de Am�rica Latina no se debe solo a deficiencias tecnol�gicas, sino a deficiencias estructurales en el capital humano, la gobernanza educativa y la falta de estrategias institucionales y nacionales coherentes. Un recordatorio de esto es la existencia de las Estrategias Nacionales de IA (ENAIS), que son indicadores cr�ticos de la preparaci�n de un pa�s para adoptar tecnolog�as emergentes dentro de los sistemas educativos. Seg�n datos de la UNESCO IESALC (2024), Am�rica del Norte cubre casi el 100%, mientras que Europa alcanza el 65% y Am�rica Latina apenas llega al 19%.

Esta discrepancia estrat�gica ilustra la ausencia de mecanismos y directrices que faciliten una aplicaci�n bien definida, sostenible y contextualizada. La falta de directrices institucionales y las d�biles culturas digitales en varias universidades de la regi�n han resultado en una falta de habilidades docentes en IA, manifestada en tres dimensiones b�sicas:

1.      Brecha de uso: La discrepancia se debe al desconocimiento de las herramientas y tecnolog�as de IA utilizadas para la ense�anza, la evaluaci�n y la administraci�n acad�mica.

2.      Brecha pedag�gica: Los desaf�os de incorporar de manera cr�tica y reflexiva la IA en experiencias de aprendizaje innovadoras.

3.      Brecha �tica: Falta de recursos respecto a problemas como el sesgo algor�tmico, la privacidad de los datos, la responsabilidad acad�mica y los riesgos de plagio.

Estas brechas no ocurren de manera aislada, al mismo tiempo, interact�an entre s� en una reacci�n en cadena que influye directamente en la calidad del aprendizaje de los estudiantes, frena la innovaci�n pedag�gica y socava el estatus estrat�gico global de las universidades latinoamericanas. Esto genera una espiral de desigualdad y disparidad que solo se acelera con el tiempo.

D�ficit estrat�gico regional y su impacto institucional

La Tabla 1 sintetiza la disparidad internacional en la formulaci�n de ENAIS:

 

Tabla 1. Comparativa Regional de Estrategias Nacionales de IA (ENAIS) para 2024

Fuente: UNESCO IESALC (2024)

 

Esta brecha estrat�gica tiene un impacto a nivel institucional. Menos del 10% de las instituciones de educaci�n superior a nivel mundial tienen directrices formales expl�citas sobre la IA generativa (UNESCO, 2023). La implicaci�n de esto en el contexto de Am�rica Latina es que este n�mero probablemente sea menor, ya que la discusi�n a�n es embrionaria y no existen protocolos que regulen la adopci�n �tica y pedag�gica de estas tecnolog�as. Sin pol�ticas concretas, las escuelas tienden a depender de intentos a peque�a escala y fragmentados, lo que contribuye a ampliar la brecha entre las universidades de alta tecnolog�a y los centros educativos de menor tecnolog�a con limitaciones econ�micas, tecnol�gicas y de formaci�n.

Las implicaciones de la brecha de habilidades en IA son multidimensionales: no es un problema t�cnico, la cuesti�n de la brecha de habilidades digitales es multifac�tica y atraviesa a todos los actores del ecosistema educativo.

Los efectos se manifiestan en tres escalas cr�ticas: ense�anza, estudiantes e instituci�n

Desde el Nivel de Ense�anza: �nfasis en la Carga de la Obsolescencia La falta de una base clara sobre la IA causa grandes conflictos en la pr�ctica profesional de los docentes universitarios:

�         Ansiedades tecnol�gicas: El intento de introducir tecnolog�a sin la formaci�n adecuada crea tecnoestr�s al infundir miedos a cometer errores, frustrarse con el mal funcionamiento t�cnico y sentirse atrapado. Esto puede resultar en fatiga psicol�gica y p�rdida del respeto profesional.

�         Sobrecarga de trabajo: El docente no est� trabajando en qu� herramientas podr�an emplearse para automatizar algunas de las tareas administrativas b�sicas como calificar, seguir el progreso y proporcionar retroalimentaci�n b�sica. M�s bien, dedica esas horas a tareas que la IA podr�a optimizar, lo que le resta horas de planificaci�n pedag�gica, creaci�n y atenci�n individualizada.

�         Obsolescencia profesional: Sin la capacidad de integrar una nueva metodolog�a en la caja de herramientas de ense�anza, la proyecci�n acad�mica del docente se ve afectada; se ve obligado a asumir un papel dif�cil en proyectos interdisciplinarios; y en un entorno donde pierde frente a la competencia, es extremadamente importante que el docente asuma la alfabetizaci�n digital.

A Nivel Estudiantil: Acceso Reducido a la Preparaci�n Futura Para los propios estudiantes, la ausencia de la integraci�n de la IA en c�mo se lleva a cabo la educaci�n impacta directamente en sus procesos educativos:

�         Restricciones en el acceso a experiencias de vanguardia: En ausencia de herramientas adaptativas, herramientas de simulaci�n, anal�ticas de aprendizaje y plataformas interactivas, los estudiantes reciben una educaci�n menos din�mica y menos personalizada.

�         Persistencia de modelos tradicionales: La falta de competencias docentes se traduce en pr�cticas basadas en la memoria, obstaculizando la adquisici�n de habilidades necesarias para �reas vitales como la creatividad, la resoluci�n de problemas y el pensamiento cr�tico.

�         Progresi�n profesional limitada: Los graduados no tienen las competencias digitales necesarias, lo que dificulta su acceso a sectores productivos que requieren gesti�n de datos, herramientas digitales y flexibilidad tecnol�gica.

Nivel Institucional: P�rdida de Relevancia Estrat�gica Ignorar la brecha de habilidades en IA tiene un impacto severo en las instituciones de educaci�n superior:

�         P�rdida de competitividad: Las universidades que no est�n en proceso de actualizar su infraestructura y desarrollo docente pierden su atractivo en comparaci�n con aquellas que ofrecen programas m�s avanzados y entornos digitales s�lidos.

�         Declive en los est�ndares educativos: La ausencia de capacidades tecnol�gicas adecuadas est� inhibiendo la ense�anza, la evaluaci�n, la administraci�n acad�mica y la pr�ctica investigativa, causando el deterioro de la calidad de la educaci�n y los indicadores de acreditaci�n.

�         Aislamiento en el contexto global: El no seguir los est�ndares internacionales de tecnolog�a por parte de las instituciones excluye la pertenencia institucional, tanto en t�rminos de redes de investigaci�n como de oportunidades de recaudaci�n de fondos internacionales, cortando as� a las instituciones de colaboraciones acad�micas de alto impacto.

 

Gr�fico 1. Estimaci�n de la Brecha de Competencias Docentes en IA en Am�rica Latina

 

Este esquema es la distancia entre las habilidades b�sicas (b�sicas o inexistentes) y el conjunto de habilidades hol�sticas necesarias para usar la IA de manera efectiva, �tica y pedag�gica.

 

M�todo

Con el fin de construir un marco sistem�tico para cubrir la brecha de competencias identificada entre el profesorado universitario, se sugiere un M�todo de Desarrollo Profesional Basado en Competencias para la Inteligencia Artificial (DPD-AI). Este modelo se aparta de la educaci�n tradicional de los docentes, centr�ndose no solo en la ense�anza operativa de herramientas como aplicaciones espec�ficas o asistentes generativos, sino que tambi�n busca desarrollar capacidades sostenidas, transferibles y contextualizadas en la pr�ctica docente.

El desarrollo profesional en el modelo DPD�AI se enmarca como continuo, introspectivo y situado, compuesto por tres dimensiones interconectadas pero complementarias del enfoque de la era de la IA en la ense�anza.

1.      Alfabetizaci�n Conceptual y Cr�tica

Este pilar se centra en hacer que los docentes comprendan la IA, incluida su naturaleza, funcionamiento y alcance. Adem�s de capacitar a los participantes para usar aplicaciones, abordan los fundamentos de los algoritmos, deficiencias, sesgos inherentes y la �tica del uso. El objetivo es desmitificar la tecnolog�a y promover una actitud hacia el an�lisis cr�tico y la reflexi�n para poder dar una evaluaci�n informada sobre el lugar de la tecnolog�a en la educaci�n. Esta es la base epistemol�gica del modelo, ya que ofrece a los docentes los criterios que necesitan para diferenciar entre intervenciones pedag�gicamente s�lidas y pr�cticas superficiales o arriesgadas.

2.      Integraci�n Pedag�gica Aplicada

La capacitaci�n se centra en el dise�o, redise�o y automatizaci�n de encuentros de aprendizaje impulsados por IA en esta etapa. Talleres de aprendizaje activo, estudios de caso y proyectos de innovaci�n ayudan a los docentes a participar en experimentos utilizando herramientas de IA con respecto a:

�         Aprendizaje personalizado,

�         Evaluaci�n formativa y retroalimentaci�n automatizada,

�         Fomentar el arte del pensamiento cr�tico y creativo,

�         La creaci�n de recursos educativos inteligentes.

El enfoque est� en el uso pedag�gico, no en el producto. Se aconseja a cada docente que use la IA a su manera, considerando la adecuaci�n para su disciplina, para informar el enfoque curricular, la relevancia y la sostenibilidad de la pr�ctica.

3.      Comunidades de Pr�ctica y �tica Profesional

Este pilar asegura que el enfoque sea continuo y colaborativo. En comunidades de pr�ctica presenciales y virtuales, los docentes aportan experiencias, desaf�os, recursos y reflexiones �ticas a la mesa. Tales espacios permiten la identificaci�n de buenas pr�cticas, discusi�n de dilemas sobre privacidad, transparencia algor�tmica, autor�a y plagio, y an�lisis de su efecto en la equidad educativa. Esta din�mica colaborativa refuerza el papel de la IA siendo apropiada desde el contexto institucional y promueve una cultura digital cr�tica, abierta y sostenible.

Comparaci�n con m�todos de formaci�n convencionales.

El DPD-AI supera el modelo cl�sico de "formaci�n en cascada", que se caracteriza por sesiones espec�ficas centradas en el uso operativo de herramientas. La diferencia se resume en la Tabla 2:

 

Tabla 2. Comparativa de Metodolog�as de Capacitaci�n Docente

 

Justificaci�n del Modelo e Implicaciones para la Implementaci�n

El enfoque DPD-IA requiere un compromiso institucional mucho m�s fuerte que la capacitaci�n est�ndar. Exige:

�         Facilitadores capacitados en IA y pedagog�a,

�         Pol�ticas internas que fomenten la innovaci�n educativa,

�         V�as para el apoyo continuo,

�         Localizaci�n del modelo a las disciplinas y necesidades locales.

Sin embargo, el retorno de la inversi�n es mucho mayor, ya que genera cambios reales y sostenibles en el trabajo docente, impulsa la innovaci�n curricular y apoya la incorporaci�n institucional de actitudes cr�ticas hacia la alfabetizaci�n digital. Al final de esto, hay un docente que no solo sabe c�mo usar la IA, sino que sabe c�mo interrogarla, poner la tecnolog�a en pr�ctica de manera �tica y usar todo ello para mejorar la experiencia del estudiante y la ense�anza.

Resultados

Los resultados del m�todo DPD-IA en un grupo de muestra de profesores universitarios se identificaron como respuestas transformadoras y pueden examinarse cualitativa y cuantitativamente. Los resultados anticipados revelan ganancias operativas y pedag�gicas, adem�s de una cultura institucional robusta de innovaci�n y alfabetizaci�n digital cr�tica. Concluimos este art�culo resumiendo los indicadores comparativos clave en la Tabla 3: antes y despu�s del ciclo de capacitaci�n anual bajo el modelo DPD-IA, se han logrado resultados significativos en cuanto a la autoeficacia docente, eficiencia operativa, innovaci�n en la evaluaci�n y resultados acad�micos relacionados con la IA.

 

Tabla 3. Comparativa de Indicadores de Desempe�o Docente (Antes y Despu�s del DPD-IA)

 

Estos desarrollos se�alan no solo un aumento t�cnico en las habilidades de los docentes, sino tambi�n la transformaci�n de su educaci�n en su totalidad. Los hallazgos cualitativos m�s pertinentes se pueden resumir de la siguiente manera:

1.      Menor carga operativa de ense�anza

Alivios en actividades administrativas, como calificar tareas concretas, crear cursos o rastrear el progreso de aprendizaje de los estudiantes, todo puede ahorrar mucho tiempo al docente si la IA puede automatizar varias tareas para proporcionar retroalimentaci�n instant�nea. Este ahorro de tiempo permite a los docentes dedicar m�s tiempo a actividades pedag�gicas de mayor valor, como retroalimentaci�n detallada, facilitaci�n acad�mica y experimentaci�n did�ctica.

2.      El aprendizaje personalizado bien mejorado ha sido significativo

La combinaci�n de sistemas adaptativos con asistentes de IA permite la construcci�n de rutas y materiales de aprendizaje personalizados para la forma individualizada de aprendizaje en la que cada estudiante aprende a su propio ritmo y manera. Esto es parte de una ense�anza m�s inclusiva, que se centra en las verdaderas necesidades de los estudiantes, as� como en las habilidades necesarias para ellos.

3.      El desarrollo del pensamiento cr�tico de los estudiantes

La integraci�n de la IA como medio para el an�lisis y el debate puede ayudar a los docentes con tareas que requieren verificaci�n, contraste, examen cr�tico o reflexi�n sobre el resultado producido por modelos de lenguaje y sistemas autom�ticos. Esto transforma la IA de un fin en s� mismo a un recurso transformador para el desarrollo cognitivo.

4.      Aceleraci�n de la innovaci�n curricular

El modelo DPD-IA promueve que los docentes adapten sus programas de estudio, realicen esfuerzos interdisciplinarios y desarrollen evaluaciones aut�nticas que se ajusten a las necesidades del siglo XXI. Ahora, con la IA como un enfoque transversal a la pr�ctica educativa; las propuestas curriculares pueden volverse m�s relevantes y oportunas.

5.      Convergencia del liderazgo institucional en IA

Los docentes capacitados sirven como multiplicadores dentro de sus facultades, compartiendo mejores pr�cticas, guiando los esfuerzos de alfabetizaci�n digital y abogando por la aceptaci�n estrat�gica y �tica de la IA. Esto posiciona a�n m�s a la instituci�n como un referente en esa regi�n espec�fica en el espacio innovador educativo.

Por lo tanto, estos hallazgos en estos estudios indican que el m�todo DPD-IA no solo fomenta mejoras basadas en competencias de naturaleza individual, sino una transformaci�n a nivel de sistema que beneficia a estudiantes, docentes e instituciones en su conjunto.

 

Conclusiones

Los hallazgos revelan que la disparidad entre las universidades de Am�rica Latina y el resto del mundo en cuanto a la IA no es un l�mite r�gido, sino uno estructural que demanda visi�n estrat�gica, determinaci�n pol�tica e inversi�n continua en capital humano. Sin estos, Am�rica Latina corre el riesgo de seguir siendo solo un receptor pasivo de tecnolog�as dise�adas en otros lugares, dej�ndola en desventaja estrat�gica en cuanto a innovaci�n y adaptaci�n, y contribuci�n a la discusi�n m�s amplia sobre el futuro de la educaci�n con IA. Los principales resultados se presentan como conclusiones:

La brecha entre Am�rica Latina y �reas como Am�rica del Norte y Europa no se centra principalmente en el acceso a herramientas de IA (que en muchos casos son gratuitas o baratas) sino en la ausencia de pol�ticas nacionales s�lidas, planes universitarios coherentes y sistemas institucionales que permitan un despliegue estrat�gico. Y mientras que las potencias tecnol�gicas han hecho de la IA una prioridad estatal, en Am�rica Latina es hasta ahora un esfuerzo separado, sin estrategias globales s�lidas, necesarias para un cambio transformador (o transformaci�n sin escala y sostenibilidad).

Cerrar la brecha requiere un modelo de formaci�n m�s all� de la capacitaci�n instrumental. El enfoque DPD-IA plantea un desaf�o realista para que los docentes desarrollen competencias conceptuales, pedag�gicas y �ticas que les permitan comprender, integrar y facilitar procesos formativos mediados por IA. Ver la formaci�n docente como una inversi�n estrat�gica en lugar de econ�mica es una condici�n necesaria para construir innovaci�n educativa y rigor acad�mico.

El desarrollo de redes interuniversitarias, el intercambio de materiales educativos/t�cnicos y el dise�o de est�ndares �ticos comunes permitir�an a Am�rica Latina desarrollar sus capacidades a nivel colectivo. Un enfoque regional ser� m�s importante para promover modelos de adopci�n de IA situados contextualmente, culturalmente integrados y socialmente conscientes, previniendo la reemergencia de modelos hegem�nicos de IA m�s all� del contexto latinoamericano.

La integraci�n �tica, cr�tica y sostenible de la IA en la educaci�n superior latinoamericana exige una coherencia efectiva entre la pol�tica p�blica, la acci�n organizacional y la construcci�n de capital humano. El modelo DPD-IA es un paso fundamental en este camino, proporcionando la v�a para una reforma que capacite a los docentes y fomente la innovaci�n en los planes de estudio, y coloque a las universidades en una trayectoria de convergencia hacia paradigmas globales de educaci�n en el futuro.

 

Referencias

1.      Adell, J., & Casta�eda, L. (2022). La competencia digital docente: Una revisi�n sistem�tica de la literatura. RIED. Revista Iberoamericana de Educaci�n a Distancia, 25(2), 189-213.

2.      Akgun, S., & Greenhow, C. (2022). Artificial intelligence in education: A systematic literature review. Computers & Education: Artificial Intelligence, 3, 100062.

3.      Area-Moreira, M., & Pessoa, T. (2020). De la ense�anza presencial a la docencia digital. La necesaria reconversi�n del docente. Revista Latinoamericana de Tecnolog�a Educativa, 19(1), 11-18.

4.      Bozkurt, A. (2024). The rise of artificial intelligence and the future of education. Journal of Educational Technology & Society, 27(1), 1-15.

5.      Cabero-Almenara, J., & Palacios-Rodr�guez, A. (2021). La competencia digital docente. El caso de las universidades andaluzas. Revista de Educaci�n a Distancia (RED), 21(67).

6.      Casta�eda, L., & Selwyn, N. (2018). More than tools? Making sense of the ongoing digitizations of higher education. International Journal of Educational Technology in Higher Education, 15(1), 22.

7.      Coll, C. (2021). La personalizaci�n del aprendizaje: �un eslogan o una necesidad real de la educaci�n actual? Revista de Educaci�n, 391, 12-25.

8.      Dur�n, R., & Estay-Niculcar, C. (2020). Brecha digital en la educaci�n superior: �Qu� pasa con los docentes? Campus Virtuales, 9(2), 53-65.

9.      Fern�ndez-Batanero, J. M., et al. (2022). El impacto de la inteligencia artificial en la educaci�n: Un estudio de revisi�n sistem�tica. Educaci�n XX1, 25(2), 65-92.

10.  Garc�a-Pe�alvo, F. J. (2023). The AI-based transformation of the higher education ecosystem. Education in the Knowledge Society, 24, e30807.

11.  Gisbert, M., & Esteve, F. (2019). Digital competence: A challenge for the university teacher of the 21st century. Revista de Medios y Educaci�n, 55, 127-135.

12.  Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.

13.  Jara, I., & Ochoa, J. M. (2020). Pol�ticas de tecnolog�a para la educaci�n en Am�rica Latina. Banco Interamericano de Desarrollo.

14.  Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017-1054.

15.  Oca�a-Fern�ndez, Y., Valenzuela-Fern�ndez, L. A., & Garro-Aburto, L. L. (2019). Inteligencia artificial y sus implicaciones en la educaci�n superior. Prop�sitos y Representaciones, 7(2), 536-568.

16.  Pedr�, F. (2018). The digital future of education: Policies and practices from around the world. OECD Publishing.

17.  Pomerol, J. C. (2018). Artificial intelligence and education: The urgency of a debate. Higher Education Forum, 15, 1-12.

18.  Salinas, J. (2021). Modelos de ense�anza-aprendizaje en entornos virtuales. In Educaci�n y tecnolog�a: una mirada desde la investigaci�n e innovaci�n (pp. 25-45). S�ntesis.

19.  Selwyn, N. (2022). The digital university: A critical introduction. Routledge.

20.  Siemens, G. (2013). Connectivism: A learning theory for the digital age. In International handbook of information technology in primary and secondary education (pp. 85-95). Springer.

21.  UNESCO. (2021). AI and education: Guidance for policy-makers. UNESCO Publishing.

22.  UNESCO. (2023). Global survey on generative AI in education. UNESCO Publishing.

23.  UNESCO IESALC. (2024). Artificial intelligence in higher education: Challenges and opportunities for Latin America and the Caribbean. UNESCO International Institute for Higher Education in Latin America and the Caribbean.

24.  Williamson, B. (2020). Big data in education: The digital future of learning, policy and practice. Sage Publications.

25.  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), 39.

 

 

 

 

 

 

 

 

 

� 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/).