Revista Científica Ciencia y Método | Vol.04 | Núm.02 | Abr–Jun | 2026 | www.revistacym.com pág. 478
Competencias docentes para integrar inteligencia
artificial con criterios éticos e inclusivos
Teaching competencies for integrating artificial intelligence with
ethical and inclusive standards
Arboleda-Barzola, Angie Katherine
1
Rocafuerte-Arteaga, Cindy Rebeca
2
https://orcid.org/0009-0005-8020-2968
https://orcid.org/0009-0009-8637-8998
angie.arboleda@docentes.educacion.edu.ec
rebecac.arteaga@docentes.educacion.edu.ec
Unidad Educativa Ventanas, Ecuador, Quevedo.
Unidad Educativa Ventanas, Ecuador, Quevedo.
Rocafuerte-Arteaga, Ruth Damaris
3
Pazmiño-Camacho, Luis Alberto
4
https://orcid.org/0009-0005-2323-5202
https://orcid.org/0009-0000-3433-4314
ruth.rocafuerte@docentes.educacion.edu.ec
luisa.pazminoc@docentes.educacion.edu.ec
Unidad Educativa Manuel Córdoba Galarza,
Ecuador, Quevedo.
Unidad Educativa Ventanas, Ecuador, Quevedo.
Gavilánez-Galarza, Orlyns Stalin
5
https://orcid.org/0009-0008-6757-4996
orlyns.gavilanez@docentes.educacion.edu.ec
Unidad Educativa Ventanas, Ecuador, Quevedo.
Autor de correspondencia
1
DOI / URL: https://doi.org/10.55813/gaea/rcym/v4/n2/206
Resumen: El artículo analiza las competencias docentes necesarias
para integrar la inteligencia artificial en educación desde criterios
éticos e inclusivos, partiendo del reconocimiento de que estas
tecnologías ya inciden en la planificación, retroalimentación,
evaluación y personalización del aprendizaje. El estudio se desarrolló
mediante una revisión bibliográfica exploratoria, basada en
publicaciones académicas, libros, informes institucionales y marcos
de referencia publicados preferentemente entre 2017 y 2025. La
información fue organizada mediante una matriz de análisis y
examinada a través de una síntesis narrativa y temática. Los
resultados identifican tres dimensiones centrales: alfabetización
docente en inteligencia artificial, competencia ética para el uso
responsable de datos, sesgos, privacidad y autoría, y competencia
inclusiva orientada al diseño de experiencias accesibles, equitativas
y sensibles a la diversidad. Se evidencia que la inteligencia artificial
puede fortalecer los procesos educativos cuando se utiliza con
intencionalidad pedagógica, supervisión humana y criterios de
justicia educativa, pero también puede profundizar desigualdades si
se adopta de manera acrítica. Se concluye que la formación docente
debe superar el entrenamiento técnico y promover una integración
crítica, ética, inclusiva y humanizadora de la inteligencia artificial.
Palabras clave: inteligencia artificial educativa; competencias
docentes; ética digital; inclusión educativa; alfabetización en
inteligencia artificial.
Artículo Científico
Received: 02/Abr/2026
Accepted: 28/Abr/2026
Published: 26/May/2026
Cita: Arboleda-Barzola, A. K., Rocafuerte-
Arteaga, C. R., Rocafuerte-Arteaga, R. D.,
Pazmiño-Camacho, L. A., & Gavilánez-
Galarza, O. S. (2026). Competencias docentes
para integrar inteligencia artificial con criterios
éticos e inclusivos. Revista Científica Ciencia Y
Método, 4(2), 478-
494. https://doi.org/10.55813/gaea/rcym/v4/n2
/206
Revista Científica Ciencia y Método (RCyM)
https://revistacym.com
revistacym@editorialgrupo-aea.com
info@editoriagrupo-aea.com
© 2026. Este artículo es un documento de
acceso abierto distribuido bajo los términos y
condiciones de la Licencia Creative
Commons, Atribución-NoComercial 4.0
Internacional.
Revista Científica Ciencia y Método | Vol.04 | Núm.02 | Abr–Jun | 2026 | www.revistacym.com pág. 479
Artículo Científico
Abstract:
This article analyzes the teaching competencies required to integrate artificial
intelligence in education through ethical and inclusive criteria, recognizing that these
technologies increasingly influence planning, feedback, assessment, and learning
personalization. The study was developed as an exploratory literature review, based
on academic publications, books, institutional reports, and reference frameworks
preferably published between 2017 and 2025. The information was organized through
an analytical matrix and examined using narrative and thematic synthesis. The findings
identify three central dimensions: teacher literacy in artificial intelligence, ethical
competence for the responsible use of data, bias prevention, privacy protection, and
academic authorship, and inclusive competence aimed at designing accessible,
equitable, and diversity-sensitive learning experiences. The review shows that artificial
intelligence can strengthen educational processes when used with pedagogical
intentionality, human supervision, and educational justice criteria; however, it may also
deepen inequalities if adopted uncritically. It is concluded that teacher training must
move beyond technical instruction and promote a critical, ethical, inclusive, and
human-centered integration of artificial intelligence.
Keywords: educational artificial intelligence; teaching competencies; digital ethics;
inclusive education; artificial intelligence literacy.
1. Introducción
La integración de la inteligencia artificial en la educación ha dejado de ser una
posibilidad futura para convertirse en una práctica cotidiana que interpela
directamente al trabajo docente. En este escenario, el problema central no reside solo
en disponer de herramientas digitales, sino en contar con competencias profesionales
para usarlas con sentido pedagógico, responsabilidad ética e inclusión efectiva (Miao
& Holmes, 2023; Miao & Cukurova, 2024).
La inteligencia artificial puede apoyar la personalización, la retroalimentación, el
análisis de datos de aprendizaje y la automatización de tareas; sin embargo, estos
beneficios dependen de decisiones docentes informadas (Cacao-Baque et al., 2025).
Cuando se adopta sin criterios pedagógicos, puede reforzar prácticas instrumentales,
trasladar el control didáctico a sistemas opacos y debilitar la agencia profesional del
profesorado (Holmes et al., 2022; Zawacki-Richter et al., 2019).
A ello se suman afectaciones éticas vinculadas con privacidad, vigilancia, sesgos
algorítmicos, explicabilidad, autonomía del estudiante y uso responsable de datos
educativos (Ayala-Chavez et al., 2025). La literatura advierte que la inteligencia
artificial en educación no es neutral, porque sus resultados dependen de datos,
diseños, intereses institucionales y condiciones sociotécnicas que pueden producir
Revista Científica Ciencia y Método | Vol.04 | Núm.02 | Abr–Jun | 2026 | www.revistacym.com pág. 480
Artículo Científico
desigualdades si no se gobiernan críticamente (Nguyen et al., 2023; Holmes et al.,
2022).
Desde una perspectiva inclusiva, el desafío es aún mayor, pues la IA puede ampliar
apoyos para estudiantes con diversas necesidades, pero también excluir a quienes
carecen de conectividad, accesibilidad, alfabetización digital o representación justa en
los datos. Por ello, el diseño universal para el aprendizaje y la accesibilidad deben
articularse con la evaluación ética de herramientas inteligentes (CAST, 2024; Miao &
Cukurova, 2024).
En consecuencia, las competencias docentes requeridas superan el dominio técnico
de plataformas. Incluyen comprensión básica del funcionamiento de la IA, evaluación
crítica de resultados, protección de datos, diseño de actividades significativas,
prevención de sesgos, adaptación a la diversidad y promoción de la participación
estudiantil (Redecker, 2017; European Commission, 2022).
No obstante, la revisión de la literatura muestra una brecha persistente: gran parte de
la investigación se ha concentrado en aplicaciones, rendimiento o automatización,
mientras que el rol docente, sus decisiones pedagógicas y sus competencias éticas
aparecen menos desarrollados (Alvear-Diaz et al., 2025). Esta omisión limita la
comprensión de cómo integrar IA sin reducir la enseñanza a eficiencia tecnológica
(Zawacki-Richter et al., 2019; Allen & Kendeou, 2024).
La justificación de esta revisión bibliográfica se sostiene en su relevancia social,
teórica y metodológica. Socialmente, contribuye a orientar prácticas docentes que
eviten nuevas formas de exclusión; teóricamente, integra marcos de competencia
digital, alfabetización en IA y ética educativa; metodológicamente, permite organizar
evidencia dispersa para identificar dimensiones analíticas comparables (Ng et al.,
2021; Nguyen et al., 2023).
La viabilidad del estudio se fundamenta en la disponibilidad de literatura científica,
marcos internacionales y guías institucionales recientes sobre IA educativa, ética,
inclusión y competencias docentes (Quiñonez-Cabeza et al., 2025). Al tratarse de una
revisión bibliográfica, su desarrollo puede realizarse mediante búsqueda, selección y
análisis crítico de documentos académicos y normativos, sin intervención directa
sobre participantes humanos (European Commission, 2022; Miao & Holmes, 2023).
En este marco, la revisión tiene como objetivo general analizar las competencias
docentes necesarias para integrar inteligencia artificial con criterios éticos e inclusivos
(Torres, 2025). De manera específica, busca describir marcos conceptuales vigentes,
identificar riesgos éticos e inclusivos, comparar dimensiones de competencia docente
y proponer criterios orientadores para una integración pedagógica responsable (Miao
& Cukurova, 2024; Allen & Kendeou, 2024).
Así, el aporte esperado consiste en articular una mirada crítica que no presente la IA
como sustituto del profesorado, sino como tecnología mediada por juicio pedagógico,
justicia educativa y responsabilidad profesional. La originalidad de esta revisión radica
Revista Científica Ciencia y Método | Vol.04 | Núm.02 | Abr–Jun | 2026 | www.revistacym.com pág. 481
Artículo Científico
en conectar competencias docentes, ética e inclusión como ejes inseparables para
orientar decisiones educativas en contextos crecientemente algorítmicos (Holmes et
al., 2022; CAST, 2024).
2. Materiales y métodos
El presente artículo se desarrolló como una revisión bibliográfica de carácter
exploratorio, orientada a examinar el estado del conocimiento sobre las competencias
docentes necesarias para integrar inteligencia artificial con criterios éticos e inclusivos.
Este tipo de revisión resulta pertinente cuando el campo de estudio se encuentra en
expansión, presenta enfoques diversos y requiere organizar conceptos, tensiones y
vacíos antes de avanzar hacia revisiones sistemáticas o estudios empíricos de mayor
alcance.
La unidad de análisis estuvo constituida por publicaciones académicas, informes
técnicos y marcos institucionales relacionados con inteligencia artificial en educación,
competencias docentes, ética digital, inclusión educativa, alfabetización en
inteligencia artificial y diseño universal para el aprendizaje. En coherencia con el
propósito exploratorio, se priorizaron documentos que permitieran identificar
dimensiones conceptuales, criterios pedagógicos y orientaciones aplicables al
ejercicio docente, sin limitar la revisión a una sola disciplina o nivel educativo. Para
mejorar la recuperación de literatura pertinente, se combinaron descriptores en
español e inglés, tales como “competencias docentes”, “inteligencia artificial en
educación”, “ética de la IA”, “inclusión educativa”, “AI literacy”, “teacher competencies”,
“artificial intelligence in education” y “inclusive education”.
Los criterios de inclusión contemplaron documentos publicados preferentemente entre
2017 y 2025, textos revisados por pares, libros académicos, informes institucionales
reconocidos y marcos de referencia que abordaran de manera explícita la relación
entre inteligencia artificial, docencia, ética e inclusión. Se excluyeron publicaciones
duplicadas, textos sin autoría identificable, documentos centrados únicamente en
aspectos técnicos de programación y fuentes que no aportaran elementos
conceptuales o pedagógicos al objetivo de la revisión.
El proceso de selección se organizó en tres momentos: identificación inicial de
fuentes, revisión de títulos y resúmenes, y lectura analítica de los documentos
considerados relevantes. Posteriormente, la información se sistematizó mediante una
matriz de análisis que permitió registrar autoría, año, tipo de documento, objetivo,
categorías principales, aportes sobre competencias docentes, consideraciones éticas,
criterios de inclusión y vacíos señalados por la literatura.
El análisis se realizó mediante una síntesis narrativa y temática, adecuada para
integrar evidencia heterogénea y construir categorías interpretativas a partir de los
hallazgos revisados. Las categorías preliminares se organizaron en torno a
alfabetización en inteligencia artificial, diseño pedagógico, evaluación crítica de
Revista Científica Ciencia y Método | Vol.04 | Núm.02 | Abr–Jun | 2026 | www.revistacym.com pág. 482
Artículo Científico
herramientas, protección de datos, sesgos algorítmicos, accesibilidad, equidad,
autonomía docente y participación estudiantil.
Para fortalecer la coherencia del análisis, se contrastaron los aportes de la literatura
científica con guías internacionales sobre inteligencia artificial, competencia digital
docente y educación inclusiva. Este procedimiento permitió vincular los desarrollos
académicos con orientaciones institucionales aplicables a contextos educativos
reales, evitando una lectura exclusivamente tecnológica del fenómeno y priorizando
su dimensión pedagógica, ética y social.
Finalmente, al tratarse de una revisión bibliográfica, no se trabajó con participantes
humanos ni se recopilaron datos personales, por lo que no se requirió consentimiento
informado. No obstante, se consideraron principios de integridad académica,
trazabilidad de fuentes, uso responsable de la información y respeto por la autoría
intelectual, aspectos indispensables para garantizar transparencia, reproducibilidad y
rigor en estudios de revisión.
3. Resultados
3.1. Competencias docentes para integrar la inteligencia artificial con criterios
éticos e inclusivos
La literatura reciente permite sostener que la integración educativa de la inteligencia
artificial exige una reconceptualización profunda de la competencia docente: no basta
con saber operar aplicaciones, generar materiales o automatizar tareas, sino que
resulta necesario articular comprensión técnica, intencionalidad pedagógica,
deliberación ética y compromiso inclusivo (Puyol-Cortez & Mina-Bone, 2022). En este
sentido, la competencia docente ante la IA debe entenderse como una capacidad
profesional situada, porque cada decisión tecnológica depende del nivel educativo, los
objetivos de aprendizaje, las características del estudiantado, los riesgos de los datos
y las condiciones institucionales de uso (Holmes et al., 2022; Miao & Cukurova, 2024).
Asimismo, la IA no debe concebirse como un agente sustituto del profesorado, sino
como una mediación algorítmica cuya pertinencia depende del juicio humano. Cuando
el docente conserva la dirección pedagógica, la IA puede apoyar la planificación, la
retroalimentación, la adaptación de recursos y la exploración de información; sin
embargo, cuando se adopta de forma acrítica, puede reforzar dependencia
tecnológica, sesgos, superficialidad cognitiva y decisiones poco transparentes sobre
el aprendizaje (Holmes et al., 2019; Zawacki-Richter et al., 2019).
3.1.1. Alfabetización docente en inteligencia artificial
La alfabetización docente en inteligencia artificial constituye la competencia
fundacional, porque habilita al profesorado para comprender qué es la IA, cómo opera
de manera general, qué tipo de datos utiliza y cuáles son sus límites epistémicos. Esta
alfabetización no implica convertir al docente en programador, sino dotarlo de criterios
Revista Científica Ciencia y Método | Vol.04 | Núm.02 | Abr–Jun | 2026 | www.revistacym.com pág. 483
Artículo Científico
para reconocer que los sistemas inteligentes producen inferencias, predicciones o
textos probabilísticos, por lo que sus respuestas requieren verificación,
contextualización y contraste con fuentes confiables (Long & Magerko, 2020; Ng et al.,
2021).
Desde esta perspectiva, un docente alfabetizado en IA distingue entre usar una
herramienta y comprender críticamente sus condiciones de funcionamiento. Tal
distinción es decisiva porque muchas aplicaciones educativas presentan sus
resultados con apariencia de precisión, aunque pueden contener errores, omisiones,
sesgos o afirmaciones no verificadas; por ello, la competencia docente incluye
formular instrucciones adecuadas, evaluar la calidad de las respuestas, contrastar
información y explicar al estudiantado que la fluidez lingüística de una IA no equivale
necesariamente a validez científica (Miao & Holmes, 2023; Ng et al., 2021).
La siguiente tabla presenta una síntesis ampliada sobre la alfabetización docente en
inteligencia artificial, entendida no solo como la capacidad de utilizar herramientas
digitales, sino como una competencia crítica que permite analizar su funcionamiento,
evaluar sus respuestas y reconocer sus posibles limitaciones. En el contexto
educativo, esta alfabetización resulta fundamental porque las aplicaciones de IA
pueden generar contenidos aparentemente precisos, pero no siempre verificados,
libres de sesgos o científicamente válidos. Por ello, el docente cumple un papel
esencial como mediador, orientador y evaluador del uso pedagógico de estas
tecnologías.
Tabla 1
Alfabetización docente en inteligencia artificial: competencias críticas para su uso
educativo
Perspectiva central
Aspectos clave
Implicación para la práctica
docente
Alfabetización
docente en
inteligencia artificial
La alfabetización en IA no se limita al
manejo técnico de una aplicación, sino
que implica comprender de manera crítica
cómo opera, qué tipo de datos utiliza y
cuáles son sus posibles limitaciones.
El docente debe usar la IA como
apoyo pedagógico, pero sin asumir
que sus respuestas son
automáticamente correctas,
completas o científicamente válidas.
Diferencia entre uso
instrumental y
comprensión crítica
Usar una herramienta de IA significa
aplicarla para resolver una tarea;
comprenderla críticamente implica
analizar sus condiciones de
funcionamiento, sus alcances, sus riesgos
y sus posibles efectos en el aprendizaje.
El profesorado debe enseñar que la
IA puede facilitar procesos
educativos, pero también requiere
supervisión, análisis y criterio
profesional.
Apariencia de
precisión en las
respuestas
Muchas herramientas de IA generan
textos fluidos, coherentes y seguros en su
redacción, aunque pueden contener
errores conceptuales, datos inexactos,
omisiones o interpretaciones poco
fundamentadas.
El docente debe evitar que el
estudiantado confunda una
respuesta bien escrita con una
respuesta verdadera o
académicamente válida.
Identificación de
errores y sesgos
Las respuestas producidas por IA pueden
reproducir sesgos culturales, sociales,
lingüísticos o científicos presentes en los
datos con los que fueron entrenadas.
Es necesario revisar críticamente los
contenidos generados y promover
actividades donde los estudiantes
identifiquen errores, contradicciones
o afirmaciones problemáticas.
Revista Científica Ciencia y Método | Vol.04 | Núm.02 | Abr–Jun | 2026 | www.revistacym.com pág. 484
Artículo Científico
Perspectiva central
Aspectos clave
Implicación para la práctica
docente
Formulación
adecuada de
instrucciones
La calidad de las respuestas de una IA
depende en gran medida de la claridad,
precisión y contextualización de las
instrucciones que recibe.
El docente debe aprender a formular
preguntas completas, indicar el
propósito de la tarea, delimitar el
nivel académico y solicitar criterios
de verificación.
Evaluación de la
calidad de las
respuestas
La competencia docente incluye valorar si
una respuesta es pertinente, coherente,
actualizada, verificable y adecuada para
los objetivos de aprendizaje.
Antes de usar un contenido
generado por IA en clase, el docente
debe revisarlo, ajustarlo y
contrastarlo con fuentes académicas
confiables.
Contraste con
fuentes confiables
La información generada por IA no debe
aceptarse de manera automática; debe
compararse con libros, artículos
científicos, documentos oficiales u otras
fuentes verificadas.
El aula debe convertirse en un
espacio donde la IA sea utilizada
como punto de partida para
investigar, no como fuente definitiva
de conocimiento.
Desarrollo del
pensamiento crítico
estudiantil
El uso educativo de la IA debe
acompañarse de una formación crítica que
permita al estudiantado cuestionar,
verificar y argumentar frente a la
información recibida.
El docente debe orientar a los
estudiantes para que analicen las
respuestas de IA, identifiquen sus
debilidades y construyan
conclusiones propias.
Responsabilidad
pedagógica del
docente
Aunque la IA puede apoyar la enseñanza,
la responsabilidad de seleccionar, validar
y contextualizar los contenidos continúa
siendo del docente.
El profesorado debe mantener un rol
activo como mediador del
aprendizaje, evitando delegar
completamente la explicación,
evaluación o toma de decisiones a la
tecnología.
Uso ético y reflexivo
de la IA
La integración de IA en educación debe
realizarse con criterios de transparencia,
responsabilidad, inclusión y respeto por la
calidad académica.
El docente debe explicar cuándo y
cómo se utiliza la IA, cuáles son sus
límites y qué criterios deben seguirse
para emplearla de forma
responsable en el aprendizaje.
Nota: La tabla destaca que el uso de la inteligencia artificial en el aula debe estar acompañado de
pensamiento crítico, verificación de información y responsabilidad pedagógica, evitando asumir que
toda respuesta generada por IA es correcta solo por estar redactada de forma clara o coherente
(Autores, 2026).
En términos pedagógicos, la alfabetización en IA también exige que el profesorado
relacione la herramienta con los objetivos de aprendizaje y no al contrario. La pregunta
central no debería ser qué IA está disponible, sino qué problema didáctico se busca
resolver, qué proceso cognitivo se pretende fortalecer y qué tipo de evidencia permitirá
valorar el aprendizaje; de lo contrario, la innovación se reduce a novedad instrumental
y pierde densidad formativa (Celik, 2023; Zawacki-Richter et al., 2019).
Esta competencia, además, introduce una dimensión metacognitiva: el docente debe
enseñar a los estudiantes a dialogar con la IA sin delegar en ella el pensamiento. Ello
supone promover preguntas más precisas, comparación de respuestas, identificación
de alucinaciones, evaluación de fuentes, reconocimiento de supuestos y revisión
argumentada de los productos generados; así, la IA se convierte en un apoyo para
pensar mejor, no en un mecanismo para evitar el esfuerzo intelectual (Long &
Magerko, 2020; Holmes et al., 2019).
Revista Científica Ciencia y Método | Vol.04 | Núm.02 | Abr–Jun | 2026 | www.revistacym.com pág. 485
Artículo Científico
De igual manera, la alfabetización docente en IA debe integrarse con marcos previos
de conocimiento pedagógico-tecnológico, pero ampliándolos hacia problemas propios
de los sistemas algorítmicos. El aporte de propuestas como el Intelligent-TPACK
radica en mostrar que la integración de IA requiere saber disciplinar, saber
pedagógico, comprensión tecnológica y sensibilidad ética, porque una herramienta
inteligente puede modificar la forma de explicar, evaluar, retroalimentar y acompañar
el aprendizaje (Celik, 2023).
Por consiguiente, alfabetizar al profesorado en IA no consiste en ofrecer
capacitaciones aisladas sobre plataformas de moda, sino en desarrollar una cultura
profesional de indagación, prueba, evaluación y mejora. Esta cultura demanda que el
docente pueda seleccionar herramientas según criterios de seguridad, pertinencia
curricular, accesibilidad, trazabilidad y calidad cognitiva, evitando que la adopción
tecnológica sea definida exclusivamente por la presión del mercado o por discursos
de eficiencia (Miao & Cukurova, 2024; European Commission, 2022).
3.1.2. Competencia ética para el uso responsable de la IA
La competencia ética para el uso responsable de la IA se fundamenta en la idea de
que toda tecnología educativa incorpora valores, supuestos y consecuencias. Por ello,
el profesorado debe evaluar no solo si una herramienta “funciona”, sino también qué
datos recopila, cómo produce resultados, qué decisiones automatiza, qué riesgos
introduce y qué formas de relación pedagógica promueve o debilita (Holmes et al.,
2022; Nguyen et al., 2023).
Uno de los núcleos de esta competencia es la protección de la privacidad y de los
datos educativos. En la práctica, ello implica evitar cargar información sensible del
estudiantado en sistemas no verificados, revisar políticas de uso, aplicar minimización
de datos, transparentar finalidades y promover acuerdos institucionales sobre
plataformas permitidas; de lo contrario, la innovación puede convertirse en exposición
indebida de información personal o académica (European Commission, 2022; Nguyen
et al., 2023).
La dimensión ética también exige reconocer que los sistemas de IA pueden reproducir
desigualdades presentes en los datos con los que fueron entrenados. En educación,
este riesgo es especialmente delicado porque puede afectar recomendaciones,
evaluaciones, diagnósticos, retroalimentaciones o expectativas sobre el desempeño
de los estudiantes; por ello, el docente debe mantener una postura de sospecha
razonada frente a resultados automatizados y evitar que la IA funcione como autoridad
incuestionable (Cajamarca-Correa et al., 2024; Holmes et al., 2022).
Además, la competencia ética supone preservar la agencia humana en las decisiones
pedagógicas. La IA puede sugerir rutas, generar retroalimentación preliminar o apoyar
el análisis de evidencias, pero no debe reemplazar la responsabilidad profesional del
docente en asuntos como evaluación, promoción, acompañamiento socioemocional o
identificación de necesidades educativas; en estos casos, la decisión requiere juicio
Revista Científica Ciencia y Método | Vol.04 | Núm.02 | Abr–Jun | 2026 | www.revistacym.com pág. 486
Artículo Científico
contextual, sensibilidad humana y comprensión integral del estudiante (Miao &
Holmes, 2023; Holmes et al., 2022).
En el plano de la evaluación, el uso responsable de IA demanda reglas explícitas sobre
autoría, ayuda permitida, trazabilidad del proceso y criterios de originalidad. Más que
prohibir de manera indiscriminada, el profesorado necesita diseñar tareas que hagan
visible el razonamiento: borradores, bitácoras, defensas orales, análisis comparativos,
reflexión sobre prompts y justificación de decisiones; así, la evaluación se desplaza
del producto final hacia la calidad del proceso cognitivo (Miao & Holmes, 2023;
European Commission, 2022).
La ética docente frente a la IA también incluye una dimensión formativa: enseñar al
estudiantado a usar estas tecnologías con honestidad académica, responsabilidad
social y conciencia de sus límites. En este sentido, la competencia ética no se reduce
a vigilar el plagio o sancionar usos indebidos, sino que busca formar sujetos capaces
de decidir cuándo la IA es un apoyo legítimo, cuándo distorsiona el aprendizaje y
cuándo vulnera principios de equidad, privacidad o autoría intelectual (Nguyen et al.,
2023).
De este modo, la responsabilidad ética se convierte en una práctica deliberativa y no
en un simple cumplimiento normativo. El docente competente analiza consecuencias,
anticipa daños, comunica criterios, documenta decisiones y somete la herramienta a
evaluación pedagógica permanente; por tanto, la IA se integra como recurso
condicionado por valores educativos, y no como fuerza autónoma que define por sí
misma el sentido de la enseñanza (Holmes et al., 2022; Miao & Cukurova, 2024).
Figura 1
Fundamentos de la Responsabilidad Ética en la Educación con IA
Nota: La tabla destaca que el uso de la inteligencia artificial en el aula debe estar acompañado de
pensamiento crítico, verificación de información y responsabilidad pedagógica, evitando asumir que
toda respuesta generada por IA es correcta solo por estar redactada de forma clara o coherente
(Autores, 2026).
Revista Científica Ciencia y Método | Vol.04 | Núm.02 | Abr–Jun | 2026 | www.revistacym.com pág. 487
Artículo Científico
3.1.3. Competencia inclusiva para diseñar experiencias educativas con IA
La competencia inclusiva para diseñar experiencias educativas con IA implica que el
docente pueda utilizar tecnologías inteligentes para ampliar la participación y reducir
barreras, sin producir nuevas formas de segregación. La inclusión, en este marco, no
significa ofrecer el mismo recurso para todos, sino garantizar que cada estudiante
disponga de condiciones justas para acceder, comprender, expresar y participar en el
aprendizaje (CAST, 2024; Florian & Black-Hawkins, 2011).
La IA puede contribuir a este propósito mediante apoyos como adaptación de
materiales, traducción, lectura asistida, generación de ejemplos graduados,
retroalimentación inmediata, síntesis multimodal y acompañamiento personalizado.
Sin embargo, estos beneficios solo son inclusivos si el docente verifica su
accesibilidad, pertinencia cultural, claridad lingüística y adecuación al nivel de
desarrollo del estudiantado; de lo contrario, la personalización puede transformarse
en una clasificación opaca que limita oportunidades (Miao & Cukurova, 2024; CAST,
2024).
En este punto, el diseño universal para el aprendizaje ofrece una base conceptual
relevante, porque propone anticipar la diversidad desde la planificación y no
reaccionar a ella como excepción. Aplicado a la IA, esto significa seleccionar
herramientas que permitan múltiples formas de representación, acción, expresión y
participación, además de ofrecer alternativas no algorítmicas cuando existan barreras
de conectividad, accesibilidad, idioma, discapacidad o privacidad (CAST, 2024; Meyer
et al., 2014).
La competencia inclusiva también exige problematizar la brecha digital. En contextos
donde el acceso a dispositivos, conectividad o alfabetización tecnológica es desigual,
la incorporación de IA puede beneficiar más a quienes ya poseen ventajas previas;
por ello, el docente debe prever estrategias de acompañamiento, recursos
equivalentes, trabajo colaborativo, uso institucional seguro y criterios de equidad en la
disponibilidad de herramientas (Zawacki-Richter et al., 2019; Miao & Holmes, 2023).
Desde una mirada pedagógica más profunda, la inclusión no debe limitarse a adaptar
tareas para estudiantes considerados “diferentes”, sino que debe transformar el
diseño de la experiencia educativa para que la diversidad sea asumida como
condición ordinaria del aula (Puyol-Cortez & Mina-Bone, 2022). En consecuencia, una
IA inclusiva no es aquella que etiqueta tempranamente a los estudiantes, sino aquella
que, bajo dirección docente, permite diversificar rutas, enriquecer mediaciones y
sostener expectativas altas para todos (Florian & Black-Hawkins, 2011; CAST, 2024).
También es necesario advertir que la IA puede invisibilizar diferencias culturales,
lingüísticas o cognitivas cuando sus modelos responden desde patrones mayoritarios.
Por esta razón, el profesorado debe revisar si los ejemplos generados reproducen
estereotipos, si los materiales son comprensibles para estudiantes multilingües, si las
interfaces son accesibles y si las recomendaciones algorítmicas no restringen el
Revista Científica Ciencia y Método | Vol.04 | Núm.02 | Abr–Jun | 2026 | www.revistacym.com pág. 488
Artículo Científico
currículo al desempeño previo del estudiante (Holmes et al., 2022; Nguyen et al.,
2023).
En consecuencia, diseñar experiencias educativas con IA exige combinar creatividad
didáctica y justicia educativa. El docente puede emplear IA para generar andamiajes,
enriquecer explicaciones, ofrecer retroalimentación diferenciada y diversificar
productos de aprendizaje; pero debe hacerlo sin renunciar a la interacción humana, al
diálogo, a la evaluación contextual y al acompañamiento afectivo que sostienen la
experiencia educativa como práctica social (Holmes et al., 2019; Miao & Cukurova,
2024).
En síntesis, las competencias docentes para integrar IA con criterios éticos e
inclusivos conforman un entramado interdependiente: la alfabetización en IA permite
comprender y cuestionar la herramienta; la competencia ética establece límites,
responsabilidades y condiciones de uso; y la competencia inclusiva orienta el diseño
hacia la participación equitativa. Por ello, la calidad de la integración de la IA no
depende únicamente de la sofisticación tecnológica, sino de la capacidad docente
para convertirla en una mediación pedagógica crítica, responsable y socialmente justa
(Long & Magerko, 2020; Holmes et al., 2022; Miao & Cukurova, 2024).
4. Discusión
Los hallazgos de esta revisión permiten sostener que las competencias docentes para
integrar inteligencia artificial con criterios éticos e inclusivos configuran un entramado
profesional complejo, no una simple ampliación de la competencia digital. En efecto,
la evidencia revisada indica que la IA educativa exige articular alfabetización
tecnológica, juicio pedagógico, responsabilidad ética y sensibilidad inclusiva, porque
su incorporación modifica las formas de planificar, mediar, evaluar y acompañar el
aprendizaje (Holmes et al., 2022; Miao & Cukurova, 2024). Esta interpretación
coincide con la preocupación planteada por Zawacki-Richter et al. (2019), quienes
advierten que muchas investigaciones sobre IA en educación superior han privilegiado
las aplicaciones técnicas y han dejado en segundo plano la centralidad del
profesorado como agente pedagógico.
Desde esta perspectiva, la alfabetización docente en inteligencia artificial emerge
como una condición epistémica indispensable para evitar usos acríticos, dependientes
o meramente instrumentales (Córdova-Alvarado et al., 2025). No se trata de que el
profesorado domine lenguajes de programación o arquitecturas computacionales
avanzadas, sino de que comprenda los principios básicos de funcionamiento de los
sistemas algorítmicos, sus márgenes de error, sus sesgos potenciales y sus límites
frente a la interpretación humana (Long & Magerko, 2020; Ng et al., 2021). En
consecuencia, un docente alfabetizado en IA no acepta las respuestas automatizadas
como verdades concluyentes, sino que las somete a contraste, contextualización y
evaluación didáctica, especialmente cuando se emplean en procesos de búsqueda,
Revista Científica Ciencia y Método | Vol.04 | Núm.02 | Abr–Jun | 2026 | www.revistacym.com pág. 489
Artículo Científico
retroalimentación, escritura académica o generación de materiales (Miao & Holmes,
2023).
Este punto resulta particularmente relevante porque la fluidez lingüística de los
sistemas generativos puede producir una ilusión de autoridad cognitiva. La discusión
derivada de la literatura sugiere que el riesgo no reside únicamente en que la IA
cometa errores, sino en que estudiantes y docentes atribuyan a sus productos un
estatuto de objetividad que no poseen (Holmes et al., 2019; Ng et al., 2021). Por ello,
la alfabetización docente debe incorporar prácticas de verificación, análisis de fuentes,
formulación crítica de instrucciones y evaluación de la pertinencia curricular, de modo
que la IA se convierta en un recurso para profundizar el pensamiento y no en un atajo
que sustituya la comprensión (Long & Magerko, 2020; Miao & Holmes, 2023).
Asimismo, la competencia ética se revela como el eje que delimita las condiciones
legítimas de uso de la IA en entornos educativos (Roman-Lainez et al., 2025). Los
principios de privacidad, transparencia, equidad, rendición de cuentas y supervisión
humana no pueden permanecer como declaraciones abstractas, pues adquieren
concreción en decisiones ordinarias: qué herramienta se utiliza, qué datos se
introducen, quién interpreta los resultados, cómo se comunica su uso al estudiantado
y qué consecuencias produce en la evaluación (European Commission, 2022; Holmes
et al., 2022; Nguyen et al., 2023). Por tanto, la ética de la IA en educación no debe
entenderse como un complemento externo a la innovación, sino como una
racionalidad transversal que condiciona su pertinencia pedagógica (Tamayo-
Verdezoto, 2025).
En esta línea, la discusión permite cuestionar la idea de que la eficiencia tecnológica
sea, por sí misma, un indicador de mejora educativa. Una herramienta puede acelerar
la producción de retroalimentaciones, clasificar desempeños o generar materiales
personalizados, pero ello no garantiza justicia, comprensión ni calidad formativa si el
proceso permanece opaco o si desplaza el juicio profesional del docente (Holmes et
al., 2022). De ahí que la competencia ética implique preservar la agencia humana,
especialmente en tareas sensibles como evaluación, orientación, identificación de
necesidades educativas y toma de decisiones que afectan trayectorias académicas
(European Commission, 2022; Miao & Holmes, 2023).
La competencia inclusiva, por su parte, amplía la discusión hacia la justicia educativa,
al recordar que la IA puede tanto reducir como intensificar desigualdades (Quinga-
Villa et al., 2025). Su potencial para adaptar materiales, ofrecer apoyos multimodales,
facilitar traducciones, generar andamiajes o diversificar formas de expresión resulta
pedagógicamente valioso; sin embargo, estos beneficios solo se materializan cuando
el docente analiza las barreras de acceso, conectividad, discapacidad, lengua, cultura
y capital digital que atraviesan al estudiantado (CAST, 2024; Meyer et al., 2014). En
consecuencia, la inclusión no puede reducirse a incorporar herramientas inteligentes,
sino que exige diseñar experiencias flexibles, accesibles y sensibles a la diversidad
real del aula (Florian & Black-Hawkins, 2011).
Revista Científica Ciencia y Método | Vol.04 | Núm.02 | Abr–Jun | 2026 | www.revistacym.com pág. 490
Artículo Científico
Esta revisión también permite advertir una tensión relevante: la personalización
algorítmica no siempre equivale a inclusión. Si los sistemas de IA recomiendan
contenidos, rutas o apoyos con base en datos incompletos, sesgados o
descontextualizados, pueden terminar reforzando expectativas limitadas sobre ciertos
estudiantes o reproduciendo inequidades previas bajo una apariencia de neutralidad
técnica (Holmes et al., 2022; Nguyen et al., 2023). Frente a ello, el enfoque del diseño
universal para el aprendizaje ofrece un contrapeso conceptual, porque desplaza la
mirada desde el déficit individual hacia la eliminación de barreras en el entorno
educativo (CAST, 2024; Meyer et al., 2014).
Los resultados revisados sugieren, además, que la formación docente debe superar
los cursos fragmentados sobre herramientas específicas y avanzar hacia modelos de
desarrollo profesional sostenidos, reflexivos e interdisciplinares. El marco Intelligent-
TPACK propuesto por Celik (2023) resulta pertinente porque integra conocimiento
tecnológico, pedagógico, disciplinar y ético, mostrando que la integración de IA exige
algo más que destreza operativa. En convergencia con ello, el marco de competencias
docentes en IA de UNESCO propone desarrollar conocimientos, habilidades y valores
para orientar la formación del profesorado en un contexto donde la IA se vuelve
progresivamente ubicua (Miao & Cukurova, 2024).
En términos de implicaciones para la práctica, la discusión conduce a afirmar que el
docente debe ser reposicionado como mediador crítico de la IA y no como usuario
subordinado a la lógica de la automatización. Su función consiste en decidir cuándo
la IA aporta valor pedagógico, cuándo conviene limitarla, cómo transparentar su uso,
qué criterios de evaluación deben modificarse y qué alternativas deben ofrecerse para
no excluir a quienes enfrentan barreras tecnológicas o cognitivas (Miao & Holmes,
2023; Redecker, 2017). Así, la integración responsable de IA no depende solamente
de la disponibilidad de plataformas, sino de una cultura institucional que respalde la
deliberación ética, la formación continua y la innovación con sentido educativo
(European Commission, 2022).
No obstante, al tratarse de una revisión bibliográfica exploratoria, los hallazgos deben
interpretarse como una organización analítica del campo y no como una verificación
empírica de competencias docentes en contextos específicos. Esta limitación abre una
agenda de investigación orientada a estudiar cómo el profesorado comprende, adapta
y tensiona la IA en aulas concretas, especialmente en sistemas educativos con
brechas digitales, diversidad lingüística, desigualdad socioeconómica o marcos
normativos incipientes (Zawacki-Richter et al., 2019; Holmes et al., 2022). En ese
sentido, futuras investigaciones podrían comparar niveles educativos, disciplinas,
regiones y modelos institucionales para determinar qué competencias resultan
prioritarias en cada escenario (Lucio-Ramos, 2025).
En síntesis, la discusión confirma que la alfabetización en IA, la competencia ética y
la competencia inclusiva no deben abordarse como dimensiones aisladas, sino como
componentes interdependientes de una profesionalidad docente renovada. La
Revista Científica Ciencia y Método | Vol.04 | Núm.02 | Abr–Jun | 2026 | www.revistacym.com pág. 491
Artículo Científico
alfabetización permite comprender y cuestionar la herramienta; la ética establece
límites, responsabilidades y condiciones de legitimidad; y la inclusión orienta la
innovación hacia la participación equitativa y la eliminación de barreras (Long &
Magerko, 2020; Holmes et al., 2022; CAST, 2024). Por ello, el aporte principal de esta
revisión radica en afirmar que la IA educativa solo adquiere valor formativo cuando es
mediada por docentes capaces de subordinar la tecnología a fines pedagógicos,
democráticos y humanizadores (Miao & Cukurova, 2024).
5. Conclusiones
La revisión bibliográfica desarrollada permite concluir que la integración de la
inteligencia artificial en la educación exige una transformación profunda de las
competencias docentes. No se trata únicamente de incorporar herramientas digitales
al aula, sino de comprender sus implicaciones pedagógicas, éticas e inclusivas para
orientar su uso de manera crítica, responsable y contextualizada. En este sentido, el
profesorado conserva un papel central como mediador del aprendizaje, ya que la IA
solo adquiere valor educativo cuando está subordinada a objetivos formativos claros
y a decisiones pedagógicas fundamentadas.
Asimismo, se concluye que la alfabetización docente en inteligencia artificial
constituye una competencia indispensable para evitar usos superficiales o acríticos.
El docente necesita comprender los alcances, limitaciones y riesgos de los sistemas
algorítmicos, especialmente cuando estos intervienen en la producción de
información, la retroalimentación, la evaluación o la personalización del aprendizaje.
Esta alfabetización no implica dominar conocimientos técnicos especializados, sino
desarrollar criterios suficientes para seleccionar, interpretar, verificar y adaptar las
herramientas de IA según las necesidades reales del proceso educativo.
De igual manera, la competencia ética emerge como una condición imprescindible
para garantizar un uso responsable de la inteligencia artificial en contextos educativos.
La privacidad de los datos, la transparencia en el uso de plataformas, la prevención
de sesgos, la protección de la autoría académica y la supervisión humana de las
decisiones automatizadas deben formar parte de la práctica docente cotidiana. Por
ello, la ética no debe entenderse como un componente accesorio, sino como un
principio transversal que regula la legitimidad pedagógica de toda innovación basada
en IA.
También se concluye que la integración inclusiva de la inteligencia artificial requiere
superar la visión tecnológica centrada en la eficiencia y avanzar hacia una perspectiva
orientada a la equidad. La IA puede favorecer la accesibilidad, la diversificación de
recursos, la adaptación de materiales y la participación de estudiantes con distintas
necesidades; sin embargo, estos beneficios no son automáticos. Su potencial
inclusivo depende de que el docente identifique barreras, anticipe desigualdades y
Revista Científica Ciencia y Método | Vol.04 | Núm.02 | Abr–Jun | 2026 | www.revistacym.com pág. 492
Artículo Científico
diseñe experiencias flexibles que no excluyan a quienes enfrentan limitaciones de
conectividad, accesibilidad, idioma, discapacidad o alfabetización digital.
En conjunto, la revisión permite afirmar que las competencias docentes para integrar
inteligencia artificial con criterios éticos e inclusivos conforman una competencia
profesional compleja e interdependiente. La alfabetización en IA permite comprender
la herramienta; la competencia ética orienta sus límites y responsabilidades; y la
competencia inclusiva garantiza que su uso contribuya a ampliar oportunidades de
aprendizaje. Por tanto, la calidad de la integración de la IA no depende principalmente
de la sofisticación tecnológica disponible, sino de la capacidad docente para
convertirla en una mediación pedagógica crítica, humana y socialmente justa.
Finalmente, este artículo evidencia la necesidad de fortalecer la formación docente
inicial y continua en inteligencia artificial desde enfoques integrales. Las instituciones
educativas deben promover espacios de actualización que no se limiten al
entrenamiento técnico, sino que incorporen reflexión pedagógica, análisis ético,
criterios de inclusión y evaluación crítica de herramientas. De este modo, la
inteligencia artificial podrá ser incorporada como un recurso de apoyo al aprendizaje
y no como un sustituto del juicio docente, preservando la dimensión humana,
democrática y formativa de la educación.
CONFLICTO DE INTERESES
“Los autores declaran no tener ningún conflicto de intereses”.
Referencias Bibliográficas
Allen, L. K., & Kendeou, P. (2024). ED-AI Lit: An interdisciplinary framework for AI
literacy in education. Policy Insights from the Behavioral and Brain Sciences,
11(1), 3–10. https://doi.org/10.1177/23727322231220339
Alvear-Diaz, O. L., Caicedo-Villamarin, S. D., Chuquimarca-Llulluna, M. M., Quishpe-
Quishpe, M. D. C., & Pico-Cantos, V. O. (2025). Tecnologías digitales en la
educación inicial: Percepciones docentes y su aplicación en el aprendizaje de
lectoescritura. Revista Científica Ciencia Y Método, 3(3), 309-321.
https://doi.org/10.55813/gaea/rcym/v3/n3/78
Ayala-Chavez, N. E., Lino-Garces, C. J., Zambrano-Zambrano, F. M. A., & Gonzalez-
Segovia, L. A. (2025). Percepciones estudiantiles sobre la educación virtual
implementada en el nivel secundario. Revista Científica Ciencia Y Método, 3(2),
88-101. https://doi.org/10.55813/gaea/rcym/v3/n2/57
Cacao-Baque, K. D., Morales-Castro, I. J., Morales-Castro, A. G., Alvarado-Rodríguez,
M. A., & Florez-Rodriguez, I. D. C. (2025). El juego como mediador del
desarrollo de habilidades socioemocionales en la lectura de textos literarios en
estudiantes de secundaria. Revista Científica Zambos, 4(3), 138-150.
https://doi.org/10.69484/rcz/v4/n3/137
Revista Científica Ciencia y Método | Vol.04 | Núm.02 | Abr–Jun | 2026 | www.revistacym.com pág. 493
Artículo Científico
Cajamarca-Correa, M. A., Cangas-Cadena, A. L., Sánchez-Simbaña, S. E., & Pérez-
Guillermo, A. G. (2024). Nuevas tendencias en el uso de recursos y
herramientas de la tecnología educativa para la educación universitaria. Journal
of Economic and Social Science Research, 4(3), 127–150.
https://doi.org/10.55813/gaea/jessr/v4/n3/124
CAST. (2024). Universal Design for Learning Guidelines. CAST.
https://udlguidelines.cast.org/
Celik, I. (2023). Towards Intelligent-TPACK: An empirical study on teachers’
professional knowledge to ethically integrate artificial intelligence (AI)-based
tools into education. Computers in Human Behavior, 138, 107468.
https://doi.org/10.1016/j.chb.2022.107468
Córdova-Alvarado, J. J., Giron-Sotomayor, J. C., Bastidas-Andradez, M. J., Imba-
Chango, A. L., & Conejo-Muenala, F. G. (2025). El rol del juego estructurado en
el fortalecimiento de la autorregulación emocional en niños de educación inicial.
Revista Científica Zambos, 4(3), 122-137.
https://doi.org/10.69484/rcz/v4/n3/136
European Commission, Directorate-General for Education, Youth, Sport and Culture.
(2022). Ethical guidelines on the use of artificial intelligence (AI) and data in
teaching and learning for educators. Publications Office of the European Union.
https://doi.org/10.2766/153756
Florian, L., & Black-Hawkins, K. (2011). Exploring inclusive pedagogy. British
Educational Research Journal, 37(5), 813–828.
https://doi.org/10.1080/01411926.2010.501096
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/
Holmes, W., Porayska-Pomsta, K., Holstein, K., Sutherland, E., Baker, T., Shum, S.
B., Santos, O. C., Rodrigo, M. T., Cukurova, M., Bittencourt, I. I., & Koedinger,
K. R. (2022). Ethics of AI in education: Towards a community-wide framework.
International Journal of Artificial Intelligence in Education, 32, 504–526.
https://doi.org/10.1007/s40593-021-00239-1
Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design
considerations. En Proceedings of the 2020 CHI Conference on Human Factors
in Computing Systems (pp. 1–16). Association for Computing Machinery.
https://doi.org/10.1145/3313831.3376727
Lucio-Ramos, Y. J. (2025). Evaluación de modelos pedagógicos basados en
neurodidáctica en facultades de educación. Journal of Economic and Social
Science Research, 5(1), 107–118.
https://doi.org/10.55813/gaea/jessr/v5/n1/163
Meyer, A., Rose, D. H., & Gordon, D. (2014). Universal design for learning: Theory and
practice. CAST Professional Publishing. https://www.cast.org/resources/tips-
articles/universal-design-for-learning-theory-practice/
Revista Científica Ciencia y Método | Vol.04 | Núm.02 | Abr–Jun | 2026 | www.revistacym.com pág. 494
Artículo Científico
Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO.
https://unesdoc.unesco.org/ark:/48223/pf0000391104
Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research.
UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000386693
Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing AI
literacy: An exploratory review. Computers and Education: Artificial Intelligence,
2, 100041. https://doi.org/10.1016/j.caeai.2021.100041
Nguyen, A., Ngo, H. N., Hong, Y., Dang, B., & Nguyen, B. P. T. (2023). Ethical
principles for artificial intelligence in education. Education and Information
Technologies, 28, 4221–4241. https://doi.org/10.1007/s10639-022-11316-w
Puyol-Cortez, J. L., & Mina-Bone, S. G. (2022). Explorando el liderazgo de los
profesores en la educación superior: Un enfoque en la UTELVT Santo
Domingo. Journal of Economic and Social Science Research, 2(2), 16–28.
https://doi.org/10.55813/gaea/jessr/v2/n2/49
Quinga-Villa, C. A., Cabrera-Suarez, C. X., Medina-León, A., & Maqueira-Caraballo,
G. de la C. (2025). Entornos virtuales de aprendizaje con recursos pedagógicos
para la inclusión de estudiantes con discapacidad física. Journal of Economic
and Social Science Research, 5(4), 72-86.
https://doi.org/10.55813/gaea/jessr/v5/n4/218
Quiñonez-Cabeza, B. M., Custode-Quiñonez, J., Bedoya-Flores, M. C., & Salgado-
Ortiz, P. J. (2025). Neuromanagement y su influencia en la productividad
organizacional. Revista Científica Ciencia Y Método, 3(1), 44-56.
https://doi.org/10.55813/gaea/rcym/v3/n1/35
Redecker, C. (2017). European framework for the digital competence of educators:
DigCompEdu. Publications Office of the European Union.
https://doi.org/10.2760/159770
Roman-Lainez, F. R., Chalén-Del-Pezo, V. M., Caiza-Maiza, V. del R., Chuquimarca-
Llulluna, S. D., & Flores-Flores, F. A. (2025). La planificación docente como
fundamento del diseño de estrategias pedagógicas efectivas en la educación
secundaria. Revista Científica Zambos, 4(3), 151-165.
https://doi.org/10.69484/rcz/v4/n3/138
Tamayo-Verdezoto, J. J. (2025). Los rezagos de la educación tradicional en los
momentos actuales en el Ecuador: Una educación carcelaria dentro de las
instituciones educativas. Journal of Economic and Social Science Research,
5(1), 131–145. https://doi.org/10.55813/gaea/jessr/v5/n1/165
Torres Roberto, M. A. (2025). Estrategias de aprendizaje y factores emocionales en
Cálculo Diferencial: Experiencias del estudiantado de ingeniería en Colombia.
Revista Actualidades Investigativas en Educación, 25(2), 1-34.
https://doi.org/10.15517/aie.v25i2.62607
Zawacki-Richter, O., Marín, 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, Article 39. https://doi.org/10.1186/s41239-019-0171-0