ARTÍCULO DE INVESTIGACIÓN
Estudio de caso: Impacto del uso de inteligencia
artificial en el proceso de enseñanza-aprendizaje en la
Unidad Educativa Coronel Emilio Suárez
Case study: Impact of the use of artificial intelligence on the teaching-
learning process at the Coronel Emilio Suárez Educational Unit
Recibido: 28/01/2025, Revisado: 15/06/2025, Aceptado: 23/06/2025, Publicado: 25/06/2025
Para citar este trabajo:
Encarnación Maldonado, S. M, y Saa Zamora, M. J. (2025). Estudio de caso: Impacto del uso de
inteligencia artificial en el proceso de enseñanza-aprendizaje en la Unidad Educativa Coronel Emilio
Suárez. DISCE. Revista Científica Educativa Y Social, 2(1), 216-230. https://doi.org/10.69821/DISCE.v2i1.46
Autores
Sonia Margarita Encarnación Maldonado
1
Unidad Educativa Coronel Emilio Suárez
sonia.encarnacion@educacion.gob.ec
https://orcid.org/0009-0008-3425-4523
Mercy de Jesús Saa Zamora
2
Unidad Educativa Coronel Emilio Suárez
moranlitardor@gmail.com
https://orcid.org/0009-0002-8647-8250
1
Licenciada en Administración Ejecutiva. Magister en Educación Básica.
2
Licenciada en Ciencias de la Educación Básica. Magister en Educación Básica.
pág. 217
Resumen
Este estudio de caso analiza el impacto del uso de herramientas de inteligencia artificial (IA)
en el proceso de enseñanza-aprendizaje en la Unidad Educativa Coronel Emilio Suárez,
durante un periodo de tres meses del periodo escolar 2024-2025. Se abordó un caso único de
carácter instrumental con múltiples fuentes de evidencia: observaciones de aula, entrevistas
semiestructuradas a docentes y estudiantes, análisis de productos de aprendizaje y revisión
de documentos institucionales. Los hallazgos muestran mejoras en la personalización de la
retroalimentación, mayor autorregulación estudiantil y diversificación de estrategias de
evaluación, junto con tensiones relacionadas con la integridad académica, la carga de trabajo
docente y la brecha de acceso y competencias digitales. La triangulación de datos indicó que
los efectos positivos fueron más visibles cuando la IA se integró con criterios pedagógicos
claros (andamiaje, evaluación formativa, tareas auténticas) y acompañamiento docente. Se
discuten implicaciones para el desarrollo profesional, la ética de uso, la política escolar y el
diseño curricular. El estudio aporta evidencia situada para orientar decisiones
institucionales sobre IA educativa en contextos escolares latinoamericanos y propone un
conjunto de recomendaciones prácticas y un marco de implementación escalonada sensible
a desafíos de equidad.
Palabras claves: Inteligencia artificial; Tecnología educativa; Aprendizaje; Evaluación;
Ética.
Abstract
This case study analyzes the impact of the use of artificial intelligence (AI) tools on the
teaching-learning process at the Coronel Emilio Suárez Educational Unit during a three-
month period of the 2024-2025 school year. A single case study was conducted using
multiple sources of evidence: classroom observations, semi-structured interviews with
teachers and students, analysis of learning products, and review of institutional documents.
The findings show improvements in the personalization of feedback, greater student self-
regulation, and diversification of assessment strategies, along with tensions related to
academic integrity, teacher workload, and the digital access and skills gap. Data
triangulation indicated that positive effects were most visible when AI was integrated with
clear pedagogical criteria (scaffolding, formative assessment, authentic tasks) and teacher
support. Implications for professional development, ethics of use, school policy, and
curriculum design are discussed. The study provides situated evidence to guide
institutional decisions about educational AI in Latin American school contexts and proposes
a set of practical recommendations and a phased implementation framework sensitive.
Keywords: Artificial intelligence; Educational technology; Learning; Assessment; Ethics.
pág. 218
Artículo de investigación
Estudio de caso: Impacto del uso de inteligencia artificial en el proceso de
enseñanza-aprendizaje en la Unidad Educativa Coronel Emilio Suárez
INTRODUCCIÓN
La irrupción de la inteligencia artificial (IA) en la educación ha transformado
conversaciones y prácticas pedagógicas en todo el mundo. Desde tutores inteligentes hasta
asistentes de escritura y analítica de aprendizaje, las aplicaciones de IA prometen
personalizar itinerarios, ofrecer retroalimentación inmediata y apoyar la toma de decisiones
pedagógicas basada en datos (Luckin et al., 2016; Woolf, 2010). Al mismo tiempo, la
emergencia de modelos generativos ha intensificado debates sobre la integridad académica,
el sesgo algorítmico y la privacidad de los datos, especialmente en contextos escolares con
brechas de infraestructura y de competencias digitales (Holmes et al., 2019; UNESCO, 2021,
2023).
En América Latina, los sistemas educativos enfrentan el doble desafío de innovar
con tecnología y atender desigualdades persistentes que se hicieron más visibles durante y
después de la pandemia (CEPAL-UNESCO, 2020). En Ecuador, la priorización curricular y
los esfuerzos por fortalecer la competencia digital docente y estudiantil han sido ejes clave
de las respuestas educativas recientes (Ministerio de Educación del Ecuador, 2020). Aunque
se ha incrementado el interés por la IA aplicada al aprendizaje, las evidencias situadas a
nivel escolar aún son incipientes, y el tránsito de la retórica de la innovación hacia prácticas
sostenibles exige estudios que documenten efectos, condiciones y límites en escenarios
concretos.
Diversas revisiones sistemáticas señalan que la IA puede contribuir a la
personalización, al reconocimiento de patrones de aprendizaje y a la supervisión de
progresos, pero advierten que sus beneficios dependen de la alineación con propuestas
pedagógicas robustas y de la formación docente (Zawacki-Richter et al., 2019; Baker y
Inventado, 2014). La evaluación formativa y la retroalimentación focalizada, por ejemplo,
son mecanismos de alto impacto cuando combinan analítica con criterios de calidad,
oportunidad y claridad (Shute, 2008; Hattie, 2009). No obstante, la disponibilidad de
herramientas no garantiza mejores aprendizajes si se mantienen tareas poco auténticas o si
pág. 219
Artículo de investigación
Estudio de caso: Impacto del uso de inteligencia artificial en el proceso de
enseñanza-aprendizaje en la Unidad Educativa Coronel Emilio Suárez
se delega acríticamente a la IA procesos que requieren juicio profesional (Selwyn, 2019;
Cabero-Almenara y Ruiz-Palmero, 2018).
En los últimos dos años, los modelos de lenguaje de gran tamaño han ampliado el
repertorio de usos educativos generación de borradores, co-diseño de rúbricas, creación de
guías de estudio, tutoría conversacional , a la vez que han multiplicado los dilemas sobre
plagio, alucinaciones y dependencia tecnológica (Kasneci et al., 2023; Cotton et al., 2023).
Organismos internacionales han emitido orientaciones que ponen el acento en el diseño
ético, la transparencia, el resguardo de datos y la alfabetización en IA para estudiantes y
docentes (UNESCO, 2021, 2023; OECD, 2021). En el ámbito hispanohablante, la discusión
converge en que la competencia digital docente es condición de posibilidad para usos
didácticos de calidad y para la reducción de brechas (INTEF, 2017; García-Peñalvo, 2021;
Salinas, 2012; Area-Moreira, 2012).
En este marco, el presente artículo reporta un estudio de caso realizado en la Unidad
Educativa Coronel Emilio Suárez con el objetivo de comprender el impacto del uso de IA en
el proceso de enseñanza-aprendizaje en educación básica y bachillerato, así como las
condiciones institucionales, pedagógicas y éticas que median dicho impacto. Se asume un
caso único instrumental: el interés no radica sólo en describir qué pasó en un plantel, sino
en iluminar fenómenos generales integración pedagógica, evaluación, equidad, ética a
través de un caso particular (Stake, 1999; Yin, 2014).
El problema que orienta la indagación se puede enunciar así: ¿cómo y bajo qué
condiciones la incorporación de herramientas de IA (generativas y de analítica de
aprendizaje) incide en la calidad de la enseñanza, la participación estudiantil, la evaluación
y la autorregulación del aprendizaje en un contexto escolar ecuatoriano con recursos
heterogéneos? La literatura sugiere que la IA puede apoyar la diferenciación pedagógica, la
metacognición y la retroalimentación, pero también plantea riesgos de externalización
cognitiva, homogeneización de tareas y aumento de brechas cuando la infraestructura o las
competencias son dispares (Holmes et al., 2019; Zawacki-Richter et al., 2019; Selwyn, 2019;
pág. 220
Artículo de investigación
Estudio de caso: Impacto del uso de inteligencia artificial en el proceso de
enseñanza-aprendizaje en la Unidad Educativa Coronel Emilio Suárez
UNESCO, 2023). En escuelas con diversidad socioeconómica, estas tensiones se entrelazan
con la disponibilidad de dispositivos, conectividad y acompañamiento familiar, factores que
condicionan las experiencias de aprendizaje (CEPAL-UNESCO, 2020; Ministerio de
Educación del Ecuador, 2020).
Así la investigación se articula en tres ejes: (1) IA y aprendizaje tutores inteligentes,
analítica, modelos generativos , con sus promesas y limitaciones (Luckin et al., 2016; Woolf,
2010; Baker y Inventado, 2014; Zawacki-Richter et al., 2019; Kasneci et al., 2023); (2)
evaluación formativa y retroalimentación como prácticas de alto impacto que pueden
potenciarse con IA si se preserva la calidad del feedback y la transparencia de criterios
(Shute, 2008; Hattie, 2009; Holmes et al., 2019); y (3) competencia digital y condiciones de
equidad como mediadores críticos de cualquier innovación tecnológica (INTEF, 2017;
García-Peñalvo, 2021; Salinas, 2012; Area-Moreira, 2012; Cabero-Almenara y Ruiz-Palmero,
2018; UNESCO, 2021, 2023; OECD, 2021; CEPAL-UNESCO, 2020; Ministerio de Educación
del Ecuador, 2020).
Desde esta perspectiva, el caso analizado permite explorar cómo una escuela
concreta configura su ecología de aprendizaje con IA: qué herramientas se priorizan, cómo
se alinean con el currículo priorizado, qué arreglos institucionales se crean (protocolos,
orientación ética, acompañamiento), y qué transformaciones se observan en aula en tareas,
andamiajes, formas de colaboración, evaluación. Los hallazgos que se presentan a
continuación dialogan con la evidencia internacional y con aportes de la literatura
iberoamericana sobre innovación pedagógica con tecnología, a fin de construir un
conocimiento útil para otras instituciones con perfiles y restricciones similares (Salinas,
2012; García-Peñalvo, 2021; Area-Moreira, 2012; INTEF, 2017; UNESCO, 2023; Luckin et al.,
2016).
pág. 221
Artículo de investigación
Estudio de caso: Impacto del uso de inteligencia artificial en el proceso de
enseñanza-aprendizaje en la Unidad Educativa Coronel Emilio Suárez
METODOLOGÍA
Se adoptó un diseño de estudio de caso de carácter instrumental (Stake, 1999),
orientado a comprender en profundidad prácticas, percepciones y efectos de la IA en un
contexto escolar específico y a generar lecciones transferibles a situaciones afines. La unidad
de análisis fue la Unidad Educativa Coronel Emilio Suárez. El caso abarcó la interacción de
actores (docentes, estudiantes, directivos), herramientas de IA (generativas y de analítica),
currículo y normas institucionales durante el periodo escolar de 2024-2025.
Se utilizaron múltiples fuentes de evidencia y técnicas de triangulación
metodológica (Yin, 2014): (a) observación de aula no participante en 12 sesiones de Lengua
y Literatura, Ciencias Naturales y Matemática, con guías centradas en tareas, andamiaje,
retroalimentación y uso de IA; (b) entrevistas semiestructuradas a 6 docentes y 18
estudiantes (muestreo intencional por variación máxima), enfocadas en usos, beneficios,
dificultades y consideraciones éticas; (c) análisis de documentos (planes de clase, rúbricas,
protocolos institucionales, evidencias de aprendizaje) para identificar cambios atribuibles a
la integración de IA; y (d) grupos focales (2 con docentes, 2 con estudiantes) para contrastar
hallazgos preliminares y refinar categorías.
El procedimiento analítico combinó codificación temática y construcción de
explicaciones (pattern matching). Tras transcripción y anonimización, se realizó una
codificación abierta inicial para identificar unidades significativas; luego, una codificación
axial permitió agrupar categorías (p. ej., retroalimentación, autorregulación, integridad,
carga docente, equidad). Se elaboraron matrices de convergencia por fuente y por
asignatura para triangular patrones y detectar discrepancias. La validez se fortaleció
mediante triangulación de datos, revisión por pares (co-análisis entre dos investigadores) y
verificación de participantes (member checking) con síntesis devolutiva en cada foco. La
fiabilidad se atendió con un protocolo de observación y entrevistas, y una bitácora de
decisiones analíticas.
pág. 222
Artículo de investigación
Estudio de caso: Impacto del uso de inteligencia artificial en el proceso de
enseñanza-aprendizaje en la Unidad Educativa Coronel Emilio Suárez
Los criterios éticos se basaron en consentimiento informado, confidencialidad,
minimización de riesgos y transparencia sobre el uso responsable de IA en las actividades
observadas. Se cuidó la no recolección de datos personales sensibles y el uso de
herramientas con opciones de privacidad reforzada, cuando fue posible. El rol del
investigador combinó observación con postura reflexiva para mitigar sesgos y preservar el
juicio pedagógico de los docentes (Hernández Sampieri et al., 2018).
La limitación principal del diseño es la no generalización estadística; en cambio, se
busca transferibilidad a través de descripciones densas del contexto, la cadena de evidencias
y la coherencia entre datos e inferencias (Yin, 2014; Stake, 1999). Asimismo, la rápida
evolución de herramientas de IA obliga a considerar que los hallazgos se sitúan en un
momento tecnológico determinado.
RESULTADOS Y DISCUSIONES
Este apartado presenta los hallazgos del estudio de caso a partir de la triangulación
de observaciones de aula, entrevistas y grupos focales con docentes y estudiantes, análisis
de productos de aprendizaje y revisión de documentos institucionales. Para organizar la
evidencia, los resultados se estructuran en cinco ejes interrelacionados: (i) retroalimentación
y evaluación formativa mediadas por IA; (ii) autorregulación y metacognición; (iii)
integridad académica y diseño de tareas auténticas; (iv) carga de trabajo docente y
desarrollo profesional; y (v) equidad, acceso y condiciones institucionales. La interpretación
se apoya en matrices de convergencia por fuente y asignatura y en pattern matching con
categorías teóricas (p. ej., andamiaje, claridad de criterios, trazabilidad), privilegiando
descripciones densas y explicaciones plausibles sobre causalidad.
1) Retroalimentación y evaluación formativa mediadas por IA
En las tres asignaturas observadas, los docentes emplearon asistentes de IA para
proponer ejemplos, generar preguntas graduadas y sintetizar criterios de rúbrica.
Estudiantes reportaron recibir retroalimentación más frecuente y oportunidades de
pág. 223
Artículo de investigación
Estudio de caso: Impacto del uso de inteligencia artificial en el proceso de
enseñanza-aprendizaje en la Unidad Educativa Coronel Emilio Suárez
reescritura guiadas por sugerencias de IA, especialmente en textos argumentativos y
resolución paso a paso de problemas. La calidad del feedback fue mejor cuando el docente
revisó, contextualizó y explicitó criterios, evitando respuestas genéricas. Este patrón
coincide con la literatura que subraya que la IA potencia, pero no sustituye la evaluación
formativa efectiva (Shute, 2008; Hattie, 2009; Holmes et al., 2019; UNESCO, 2021). En
Matemática, la generación de pistas graduales (hints) se asoció con mayor persistencia ante
errores, práctica que se alinea con hallazgos de tutores inteligentes y entornos adaptativos
(Woolf, 2010; Baker y Inventado, 2014; Zawacki-Richter et al., 2019).
2) Autorregulación y metacognición
Los estudiantes valoraron resúmenes, planificadores de estudio y listas de
verificación producidos con IA. Las entrevistas describen mejoras en planificación de tareas
y revisión de borradores. Sin embargo, cuando las consignas eran vagas, la IA promovió
respuestas-plantilla con menor elaboración personal. La evidencia internacional sugiere que
la IA favorece la andamiación metacognitiva si se diseña con metas claras y tareas
auténticas, pero puede reducir el esfuerzo cognitivo si reemplaza procesos de síntesis y
evaluación crítica (Luckin et al., 2016; Kasneci et al., 2023; Tlili et al., 2023). En el caso
analizado, la explicitación de expectativas (criterios, ejemplos, contraejemplos) mitigó la
dependencia.
3) Integridad académica y tareas auténticas
Docentes identificaron riesgos de plagio y delegación excesiva de la escritura a la IA.
Las respuestas institucionales incluyeron reformulación de tareas (mayor énfasis en
argumentación situada, oralidad, proyectos con datos locales) y declaraciones de autoría.
Este enfoque coincide con recomendaciones recientes que privilegian evaluaciones
auténticas y transparencia sobre el uso de IA por encima de prohibiciones difíciles de
fiscalizar (Cotton et al., 2023; UNESCO, 2023; Selwyn, 2019).
pág. 224
Artículo de investigación
Estudio de caso: Impacto del uso de inteligencia artificial en el proceso de
enseñanza-aprendizaje en la Unidad Educativa Coronel Emilio Suárez
4) Carga de trabajo docente y desarrollo profesional
La IA ahorró tiempo en tareas de diseño (borradores de rúbricas, bancos de
preguntas, adaptaciones), pero aumentó el tiempo de curaduría y verificación de respuestas.
Aquellos docentes con mayor competencia digital reportaron beneficios más netos,
coherente con estudios que señalan la formación continua como condición habilitadora
(INTEF, 2017; García-Peñalvo, 2021; Salinas, 2012; Cabero-Almenara y Ruiz-Palmero, 2018).
La co-planificación entre pares y el intercambio de prompts didácticos se consolidaron como
prácticas valiosas.
5) Equidad, acceso y condiciones institucionales
Se observaron diferencias de acceso a dispositivos y conectividad fuera de la escuela.
Para mitigar, se priorizó el uso guiado en aula, con estaciones compartidas y tiempos
protegidos. A nivel de política escolar, se elaboraron protocolos de uso responsable y se
promovió la alfabetización en IA con estudiantes y familias. Estos dispositivos
institucionales dialogan con orientaciones internacionales sobre uso ético, transparencia y
protección de datos (UNESCO, 2021, 2023; OECD, 2021) y con la necesidad de acciones
contextualizadas en sistemas con brechas (CEPAL-UNESCO, 2020; Ministerio de Educación
del Ecuador, 2020).
6) Síntesis interpretativa
La integración de IA potenció la personalización de la retroalimentación y la
autorregulación cuando se articuló con diseño instruccional claro, evaluación formativa y
tareas auténticas. Los riesgos más salientes integridad académica, sesgos, alucinaciones,
sobrecarga docente y desigualdad de acceso se moderaron con protocolos éticos, desarrollo
profesional, curaduría pedagógica y ajustes de evaluación. En consonancia con la literatura,
el juicio profesional docente emerge como mediador central del valor educativo de la IA
(Holmes et al., 2019; Selwyn, 2019; UNESCO, 2023; Luckin et al., 2016).
En conjunto, la evidencia indica que la IA potencia la personalización del feedback,
la autorregulación del alumnado y la calidad de los productos cuando su uso se integra con
pág. 225
Artículo de investigación
Estudio de caso: Impacto del uso de inteligencia artificial en el proceso de
enseñanza-aprendizaje en la Unidad Educativa Coronel Emilio Suárez
intención didáctica, criterios explícitos y tareas auténticas curadas por el docente; en
contraste, los beneficios se diluyen cuando opera como sustituto acrítico de la enseñanza.
Las tensiones observadas: integridad académica, sobrecarga de curaduría, brechas de acceso
y competencias digitales, se atenúan mediante protocolos éticos, ajustes de evaluación
centrados en procesos y formación situada del profesorado. Estos patrones, consistentes a
través de fuentes y áreas, constituyen una base para orientar decisiones institucionales y
delinear fases de implementación que resguarden la equidad y el juicio pedagógico,
preparando la discusión sobre implicaciones y recomendaciones.
CONCLUSIONES
Este estudio de caso muestra que la IA puede agregar valor pedagógico cuando se
integra con intencionalidad didáctica, criterios claros de evaluación y acompañamiento
docente. En el caso analizado, la retroalimentación personalizada, la andamiación de tareas
y el apoyo a la autorregulación fueron los aportes más consistentes, observables en la
calidad de borradores, en la persistencia ante la dificultad y en la claridad con que
estudiantes comprendieron expectativas de desempeño. A la vez, los riesgos y tensiones
integridad académica, sobrecarga de curaduría, brechas de acceso y competencias
persistieron cuando faltó diseño de tareas auténticas, tiempo para revisar respuestas
generadas o acuerdos institucionales sobre uso responsable.
Cuatro principios se desprenden para una implementación escalonada:
1. Pedagogía primero: la IA no sustituye el juicio docente ni compensa tareas pobres.
Iniciar por secuencias donde la IA aporte andamiajes o feedback sin borrar la autoría
estudiantil.
2. Evaluación auténtica y transparente: diversificar evidencias (orales, procesuales,
proyectos con datos locales), exigir declaraciones de uso de IA y co-construir
rúbricas con estudiantes.
pág. 226
Artículo de investigación
Estudio de caso: Impacto del uso de inteligencia artificial en el proceso de
enseñanza-aprendizaje en la Unidad Educativa Coronel Emilio Suárez
3. Ética y cuidado: pautas de uso responsable, protección de datos, atención a sesgos
y accesibilidad. La alfabetización en IA de estudiantes y familias es parte de la
ecuación.
4. Desarrollo profesional y comunidades de práctica: formación situada, intercambio
de prompts y artefactos didácticos, co-planificación y acompañamiento entre pares.
A nivel institucional, la escuela se beneficia de contar con protocolos claros, espacios
de experimentación y evaluación interna de prácticas. Se recomienda un plan por fases: (a)
sensibilización y elaboración participativa de orientaciones; (b) pilotos controlados en
asignaturas estratégicas; (c) ampliación gradual con seguimiento de métricas pedagógicas;
(d) revisión anual de prácticas a la luz de avances tecnológicos y necesidades del contexto.
Es crucial invertir en infraestructura mínima suficiente, con esquemas que prioricen el uso
en aula y reduzcan la dependencia del acceso domiciliario.
Para la política educativa, los hallazgos invitan a alinear la IA con competencias del
currículo, fortalecer la formación docente y promover repositorios abiertos de secuencias
didácticas verificadas. En investigación, se requieren estudios que combinen métodos
cualitativos y cuantitativos para estimar efectos en aprendizajes y para comprender cómo
la IA reconfigura prácticas de enseñanza en distintos niveles y áreas. Finalmente, la IA debe
entenderse como tecnología al servicio de fines educativos y de justicia social; su valor
depende de cómo ayuda a que más estudiantes aprendan con sentido, ejerzan pensamiento
crítico y desarrollen autonomía en contextos reales. El caso de la Unidad Educativa Coronel
Emilio Suárez sugiere que es posible avanzar en esa dirección cuando la innovación
tecnológica se inscribe en comunidades pedagógicas reflexivas, con una visión ética
compartida y con un liderazgo que prioriza el aprendizaje por encima del entusiasmo
tecnologicista.
pág. 227
Artículo de investigación
Estudio de caso: Impacto del uso de inteligencia artificial en el proceso de
enseñanza-aprendizaje en la Unidad Educativa Coronel Emilio Suárez
REFERENCIAS BIBLIOGRÁFICAS
Baker, R. S., y Inventado, P. S. (2014). Educational data mining and learning
analytics. En J. A. Larusson y B. White (Eds.), Learning Analytics: From
Research to Practice (pp. 61–75). Springer. https://doi.org/10.1007/978-1-4614-
3305-7_4
Baker, R. S., y Siemens, G. (2014). Learning analytics and educational data mining.
En R. K. Sawyer (Ed.), The Cambridge Handbook of the Learning Sciences
(2.ª ed.). Cambridge University Press.
https://doi.org/10.1017/CBO9781139519526.016
Barroso-Osuna, J., y Cabero-Almenara, J. (2021). El profesorado universitario ante la
inteligencia artificial: percepciones y retos. Educación XX1, 24(2), 145–168.
https://doi.org/10.5944/educxx1.26911
Cabero-Almenara, J., y Ruiz-Palmero, J. (2018). Las tecnologías de la información y
comunicación y la formación docente. Revista Iberoamericana de Educación
a Distancia, 21(1). https://doi.org/10.5944/ried.21.1.18816
CEPAL y UNESCO. (2020). La educación en tiempos de la pandemia de COVID-19.
https://www.cepal.org/es/publicaciones/45904-educacion-tiempos-la-
pandemia-covid-19
Dempere, J., et al. (2023). The impact of ChatGPT on higher education. Frontiers in
Education, 8, 1206936. https://doi.org/10.3389/feduc.2023.1206936
Fontanillas, T. R., y cols. (2023). Desafíos de la inteligencia artificial generativa en
Educación Superior. RIED.
https://revistas.uned.es/index.php/ried/article/view/43535
Hattie, J. (2009). Visible Learning: A Synthesis of Over 800 Meta-Analyses Relating
to Achievement. Routledge. https://doi.org/10.4324/9780203887332
INTEF. (2017). Marco Común de Competencia Digital Docente. Ministerio de
Educación y Formación Profesional (España).
https://aprende.intef.es/sites/default/files/2018-05/2017_1020_Marco-
Com%C3%BAn-de-Competencia-Digital-Docente.pdf
Jiménez-García, E., y cols. (2024). Inteligencia artificial y chatbots para una
educación superior centrada en el estudiante: revisión bibliométrica. RIED.
https://revistas.uned.es/index.php/ried/article/view/43240
pág. 228
Artículo de investigación
Estudio de caso: Impacto del uso de inteligencia artificial en el proceso de
enseñanza-aprendizaje en la Unidad Educativa Coronel Emilio Suárez
Kasneci, E., Seßler, K., Küchemann, S., et al. (2023). ChatGPT for good? On
opportunities and challenges of large language models for education.
Computers y Education: Artificial Intelligence, 5, 100179.
https://doi.org/10.1016/j.caeai.2023.100179
Luckin, R., Holmes, W., Griffiths, M., y Forcier, L. B. (2016). Intelligence Unleashed:
An Argument for AI in Education. Pearson. https://oro.open.ac.uk/50104/
Ministerio de Educación del Ecuador. (2020). Currículo priorizado para la
emergencia sanitaria. https://educacion.gob.ec/wp-
content/uploads/downloads/2020/06/Curriculo-Priorizado-Emergencia.pdf
Moreno-Guerrero, A.-J., López-Belmonte, J., Pozo-Sánchez, S., y López-Núñez, J.-A.
(2021). Usabilidad y prospectiva del aprendizaje a distancia en Formación
Profesional determinado por la competencia digital. Aula Abierta, 50(1), 471–
480. https://doi.org/10.17811/rifie.50.1.2021.471-480
OECD. (2019). Artificial Intelligence in Society. OECD Publishing.
https://doi.org/10.1787/eedfee77-en
Panaqué, C. R. (2024). La inteligencia artificial en la educación del siglo XXI: avances,
desafíos y oportunidades (Presentación). Educación, 33(64), 5–7.
https://www.redalyc.org/journal/7178/717877776001/html/
Pozo, J. I., y Monereo, C. (1999). El aprendizaje estratégico. Madrid: Aula
XXI/Santillana. https://www.agapea.com/libros/El-aprendizaje-estrategico-
9788429414640-i.htm
Rahman, M. M., et al. (2023). ChatGPT for education and research: Opportunities
and challenges. Applied Sciences, 13(9), 5783. https://www.mdpi.com/2076-
3417/13/9/5783
Salinas, J. (2012). Innovación docente y uso de las TIC en la enseñanza universitaria.
Revista de Universidad y Sociedad del Conocimiento (RUSC), 9(1), 27–34.
https://doi.org/10.7238/rusc.v9i1.1249
Selwyn, N. (2019). Should Robots Replace Teachers? AI and the Future of Education.
Polity. https://politybooks.com/bookdetail/?isbn=9781509528950
Shute, V. J. (2008). Focus on formative feedback. Review of Educational Research,
78(1), 153–189. https://doi.org/10.3102/0034654307313795
pág. 229
Artículo de investigación
Estudio de caso: Impacto del uso de inteligencia artificial en el proceso de
enseñanza-aprendizaje en la Unidad Educativa Coronel Emilio Suárez
Spector, J. M. (2014). Conceptualizing the emerging field of smart learning
environments. Smart Learning Environments, 1(2).
https://doi.org/10.1186/s40561-014-0002-7
Stake, R. E. (1999). Investigación con estudio de casos. Madrid: Morata.
https://biblat.unam.mx/hevila/Revistacomplutensedeeducacion/1999/vol10/
no2/22.pdf
Tlili, A., Shehata, B., Adarkwah, M. A., et al. (2023). What if the devil is my guardian
angel: ChatGPT as a case study of using chatbots in education. Smart
Learning Environments, 10, 15. https://doi.org/10.1186/s40561-023-00237-x
UNESCO. (2021). IA y educación: Orientaciones para los responsables de las
políticas (versión en español). https://intef.es/wp-
content/uploads/2021/04/IA-y-educacion.-Orientaciones-para-los-
responsables-de-politicas-UNESCO-2021.pdf
UNESCO. (2023). Orientaciones para la inteligencia artificial generativa en la
educación y la investigación (versión en español).
https://unesdoc.unesco.org/ark:/48223/pf0000386118_spa
U.S. Department of Education, Office of Educational Technology. (2023). Artificial
Intelligence and the Future of Teaching and Learning: Insights and
Recommendations. https://www.ed.gov/sites/ed/files/documents/ai-
report/ai-report.pdf
Woolf, B. P. (2008). Building Intelligent Interactive Tutors: Student-Centered
Strategies for Revolutionizing E-Learning. Elsevier.
https://shop.elsevier.com/books/building-intelligent-interactive-
tutors/woolf/978-0-12-373594-2
Zawacki-Richter, O., Marín, V. I., Bond, M., y Gouverneur, F. (2019). Systematic
review of research on AI applications in higher education Where are the
educators? International Journal of Educational Technology in Higher
Education, 16, 39. https://doi.org/10.1186/s41239-019-0171-0
pág. 230
Conflicto de intereses
El autor (o los autores) declara(n) que esta investigación no tiene conflicto de intereses y,
por tanto, acepta(n) las normativas de publicación de esta revista.
Financiación
El autor (o los autores) declara(n) que esta investigación no fue financiada por alguna
institución.
Declaración de contribución de los autores/as
Sonia Margarita Encarnación Maldonado: Conceptualización; Metodología;
Administración del proyecto; Supervisión; Redacción – borrador original; Redacción –
revisión y edición.
Mercy De Jesus Saa Zamora: Investigación; Curación de datos; Análisis formal;
Visualización; Validación; Gestión de referencias bibliográficas; Redacción – revisión y
edición.
