REPE Mayo
- agosto 2025 / Volumen 7 / No. 14 / ISSN: 2708-7107 / ISSN-L: 2708-7107 / pp.
80 - 90
REVISTA
PERUANA DE EDUCACIÓN http://www.revistarepe.org/
Impacto de la Inteligencia Artificial en la planificación de Educación
Básica Superior
Impact of Artificial Intelligence on Curriculum Planning in Upper Basic
Education
Karen Stefania Ochoa Riofrio
karenochoa302@gmail.com
https://orcid.org/0009-0007-0093-8452
Universidad Técnica de Machala, Machala, Ecuador
Anthony Patricio Maldonado Miranda
anthonymaldonadomiranda@gmail.com
https://orcid.org/0009-0000-3936-9102
Universidad Técnica de Machala, Machala, Ecuador
https://doi.org/10.37260/repe.v7n14.8
Recibido: 10 de diciembre 2024 / Arbitrado: 15 de enero 2025 / Aceptado:
25 de febrero 2025 / Publicado: 10 de mayo 2025
RESUMEN
La inteligencia
artificial está transformando la forma en que se planifica y gestiona la
educación básica superior, al ofrecer posibilidades de personalización del
aprendizaje, optimización administrativa y mejora de la calidad educativa. El
objetivo general de este estudio fue analizar el impacto de la inteligencia
artificial en la planificación curricular de la educación básica superior,
identificando sus implicaciones pedagógicas, organizativas y sociales, así como
las condiciones fundamentales para su implementación efectiva, ética y
contextualizada. La investigación se basó en un enfoque cuantitativo, con
diseño no experimental y alcance descriptivo-correlacional. Se aplicó un
cuestionario con escala de valoración a docentes de instituciones educativas,
cuyos datos se procesaron mediante análisis estadístico inferencial. Los
resultados mostraron que los docentes valoraron positivamente la capacidad de
la inteligencia artificial para personalizar el aprendizaje y optimizar la
gestión administrativa, aunque identificaron limitaciones en la preparación
institucional para su adopción efectiva. Asimismo, se constató una preocupación
elevada respecto a la ética y la privacidad de los datos, vinculada con una
mayor resistencia a su implementación. En conclusión, el estudio permitió
identificar dimensiones clave para la planificación educativa con inteligencia
artificial, señalando la necesidad de fortalecer la infraestructura, la
formación docente y los marcos éticos para lograr una integración efectiva y
contextualizada.
Palabras
clave: Planificación educativa; Inteligencia artificial;
Educación básica; Innovación pedagógica; Formación docente
ABSTRACT
Artificial
intelligence is transforming how upper basic education is planned and managed by
offering opportunities for personalized learning, administrative optimization,
and improved educational quality. The general objective of this study was to
analyze the impact of artificial intelligence on curriculum planning in upper
basic education, identifying its pedagogical, organizational, and social
implications, as well as the fundamental conditions for its effective, ethical,
and contextualized implementation. The research employed a quantitative
approach with a non-experimental, descriptive-correlational design. A
rating-scale questionnaire was administered to teachers in educational
institutions, and data were processed through inferential statistical analysis.
Results showed that teachers valued the capacity of artificial intelligence to
personalize learning and improve administrative management, although they
identified limitations in institutional readiness for its effective adoption.
Moreover, a high level of concern regarding ethics and data privacy was
observed, which was associated with greater resistance to its implementation.
In conclusion, the study identified key dimensions for planning education with
artificial intelligence, highlighting the need to strengthen infrastructure,
teacher training, and ethical frameworks to achieve effective and
contextualized integration.
Keywords: Educational planning; Artificial intelligence; Basic education;
Pedagogical innovation; Teacher training
INTRODUCCIÓN
La Inteligencia
Artificial (IA) redefine cómo planificamos y desarrollamos la Educación Básica
Superior. Piensen en un sistema educativo que realmente se adapte a las
necesidades de cada estudiante, que libere a los profesores de tareas
repetitivas y que mejore la calidad del aprendizaje en todos los niveles
(Contreras Herrera et al., 2025). Esto es precisamente lo que la IA permite
vislumbrar: experiencias de aprendizaje personalizadas, un rendimiento
estudiantil optimizado y una gestión educativa mucho más eficiente. Sin
embargo, no todo es sencillo; esta transformación también presenta importantes
desafíos éticos y de adaptación institucional que debemos abordar con cautela
(Cabrera Loayza, 2024).
La sociedad
actual se encuentra en un proceso de cambio acelerado gracias a la
transformación tecnológica, y la educación no es la excepción. La IA, en
particular, se ha posicionado como un motor clave de este cambio pedagógico
(Leon Medrano et al., 2024). Sus aplicaciones son vastas, abarca desde la
personalización del aprendizaje hasta la automatización de procesos
administrativos y de evaluación. Al incorporar sistemas inteligentes en el
entorno educativo, se abren nuevas posibilidades para replantear las
estrategias de planificación curricular, permite responder de manera más
efectiva a las exigencias del siglo XXI: un mundo caracterizado por la
incertidumbre, la hiperconectividad y la creciente necesidad de competencias
digitales avanzadas (Albahijan et al., 2025; Guamán Gómez et al., 2020).
En este
escenario, la Educación Básica Superior es una etapa esencial para la
consolidación de habilidades cognitivas y socioemocionales (Jácome López,
2024). No obstante, enfrenta desafíos estructurales relacionados con la
equidad, la eficiencia y la pertinencia. La planificación educativa
tradicional, que a menudo se basa en modelos estandarizados y lineales, ha
demostrado sus limitaciones para atender la diversidad de los estudiantes, sus
diferentes ritmos de aprendizaje y las demandas del entorno tecnológico en
constante evolución. Es aquí donde la IA entra en juego. Con su capacidad para
procesar grandes volúmenes de datos, identificar patrones y tomar decisiones en
tiempo real, ofrece una oportunidad sin precedentes para rediseñar la
planificación educativa, orientándola hacia un enfoque más adaptativo,
predictivo y centrado en el estudiante (Ríos-Campos et al., 2023).
Organismos
internacionales como la UNESCO han reconocido el potencial de la IA para apoyar
la toma de decisiones tanto pedagógicas como administrativas, promueve una
integración ética y contextualizada en los sistemas educativos. No obstante,
para que su aplicación en la planificación de la Educación Básica Superior sea
verdaderamente efectiva, necesitamos comprender a fondo sus implicaciones
metodológicas, sociales y epistemológicas. Esta investigación se suma a este
debate, busca aportar evidencia científica sobre los impactos reales y
potenciales de la IA en la planificación educativa en este nivel de formación.
A pesar del
notable aumento de iniciativas que incorporan tecnologías emergentes en la
educación, existe una brecha significativa en la literatura sobre cómo la IA se
utiliza específicamente en la planificación de la Educación Básica Superior. La
mayoría de los estudios se centran en el aprendizaje personalizado o la
automatización de la evaluación, deja de lado su uso estratégico en el diseño
curricular, la instrucción y la gestión académica (Páez Merchan et al., 2025).
Esta escasez de investigación es especialmente crítica en contextos
latinoamericanos, donde las políticas educativas aún luchan por articular
coherentemente la transformación digital con la equidad educativa.
La falta de
evidencia empírica y de marcos metodológicos claros sobre el impacto de la IA
en la planificación educativa limita la capacidad de quienes toman decisiones,
directivos y docentes para aprovechar su potencial transformador. Además,
existe una tensión constante entre la innovación tecnológica y las estructuras
organizativas tradicionales del sistema educativo. Esto genera resistencias
institucionales, desajustes normativos y problemas en la formación docente.
Por todo ello,
la pregunta científica que guía nuestro estudio es la siguiente: ¿Cuál es el
impacto real de la Inteligencia Artificial en la planificación educativa de la
educación básica superior y cuáles son sus implicaciones pedagógicas,
organizativas y sociales?
Diversas
investigaciones ya han documentado los beneficios potenciales de la IA en el
ámbito educativo, sobre todo en la mejora de los procesos de
enseñanza-aprendizaje. Por ejemplo, Oh, Huh y Kim (2024) realizaron un
metaanálisis sobre programas de IA en secundaria, se revela efectos
significativos en la alfabetización digital y el desarrollo del pensamiento
crítico, aunque destacaron variaciones según las herramientas utilizadas (Oh et
al., 2024). De manera similar, Sytniakivska y Kulish (2024) identificaron una
mejora en el rendimiento académico y una reducción de la carga de trabajo
docente, pero también advirtieron sobre los desafíos éticos y las desigualdades
en el acceso a la tecnología (Sytniakivska y Kulish, 2024). Melnyk (2024), al
analizar la implementación de programas de IA en la educación secundaria,
señaló como ventajas clave la personalización del aprendizaje y la detección
temprana de dificultades académicas. Sin embargo, también reconoció
limitaciones en la capacitación docente y la infraestructura tecnológica
(Melnyk, 2024). En la misma línea, Sarwar et al. (2024) abordaron el impacto de
la IA en el nivel medio superior, resalta su capacidad para aumentar la
motivación estudiantil y el compromiso con el aprendizaje, aunque también
plantearon inquietudes sobre la privacidad de los datos y la dependencia
tecnológica (Sarwar et al., 2024). Por su parte, Martínez-Comesaña et al.
(2023) exploraron el uso de la IA en la evaluación de estudiantes de
secundaria, concluye que las tecnologías basadas en procesamiento de lenguaje
natural y redes neuronales pueden ofrecer objetividad y eficiencia, si bien
requieren una validación contextualizada para evitar sesgos (Martínez-Comesaña
et al., 2023).
Aunque existe un
cuerpo creciente de literatura que valida el potencial de la IA en la
educación, la investigación enfocada directamente en su incidencia en la
planificación educativa, especialmente en el nivel de Educación Básica
Superior, sigue siendo escasa. Este vacío justifica la necesidad de estudios
que articulen marcos teóricos sólidos con evidencias empíricas
contextualizadas.
La aplicación de
la IA en la planificación educativa puede ayudar a cerrar brechas de
aprendizaje, optimizar la asignación de recursos y anticipar tendencias
educativas mediante modelos predictivos. Esto, a su vez, fortalecería la
equidad y la calidad en la Educación Básica Superior (Pathak y Waghmare, 2024).
Asimismo, su integración estratégica permitiría liberar a los docentes de
tareas repetitivas, permite enfocarse en el acompañamiento pedagógico y
emocional de los estudiantes (Albahijan et al., 2025).
Sin embargo,
también hay argumentos críticos que debemos tener en cuenta. Por ejemplo, una
implementación indiscriminada de tecnologías de IA podría acentuar las
desigualdades educativas, particularmente en contextos con brechas digitales
significativas (Haidamaka, 2024). Además, surgen importantes cuestionamientos
éticos sobre la transparencia de los algoritmos, el uso de datos personales y
el riesgo de deshumanización del proceso educativo (Sytniakivska y Kulish,
2024). También se observa una tensión entre la promesa de eficiencia que ofrece
la IA y el valor pedagógico del juicio docente. Este juicio es insustituible
para interpretar contextos, emociones y trayectorias personales de los
estudiantes. Por ello, la solución que proponemos en esta investigación busca
un enfoque que complementa la inteligencia humana, no que la sustituya, se basa
en una implementación de la IA que sea ética, inclusiva y con una sólida base
pedagógica (Páez Merchan y Cabrera Loayza, 2024).
La IA ofrece
beneficios significativos en la Educación Básica Superior, especialmente en la
personalización del aprendizaje, donde facilita la adaptación de contenidos y
métodos a las necesidades individuales de los estudiantes, mejora la
participación y el rendimiento académico en diversas materias (Abbasi et al.,
2024; Zhou, 2022; Zhang, 2023; Escotet, 2023; Fan et al., 2022; Kamalov et al.,
2023; Dilmi y Sakri, 2024). Estas plataformas personalizadas basadas en IA han
demostrado incrementos significativos en el desempeño estudiantil en
asignaturas como matemáticas, ciencias y humanidades (Zhou, 2022; Fan et al.,
2022).
Otro beneficio
importante es la eficiencia administrativa. La IA automatiza tareas como la
gestión de datos y la evaluación, permite a los docentes centrarse más en la
enseñanza y el acompañamiento personalizado (Abulibdeh et al., 2025; Escotet,
2023; George y Wooden, 2023; Dilmi y Sakri, 2024). Además, promueve el
desarrollo de competencias críticas, como el pensamiento analítico y la
resolución de problemas, esenciales para el siglo XXI (Abbasi et al., 2024;
Zhang, 2023; Kamalov et al., 2023).
Sin embargo, la
integración de la IA también enfrenta desafíos. La desigualdad y la adaptación
son un reto, ya que se requiere una alineación cuidadosa con diversos contextos
culturales y educativos, así como una preparación institucional y capacitación docente
adecuadas (Abbasi et al., 2024; Abulibdeh et al., 2025; Zhang, 2023; George y
Wooden, 2023; Johnson et al., 2024). Las preocupaciones éticas y de privacidad
son igualmente relevantes, con cuestionamientos sobre la privacidad de los
datos, el sesgo algorítmico y el riesgo de deshumanización del proceso
educativo (Abbasi et al., 2024; Abulibdeh et al., 2025; George y Wooden, 2023;
Kamalov et al., 2023; Johnson et al., 2024). Finalmente, la preparación
institucional es fundamental, pues muchas instituciones reconocen la necesidad
de desarrollar políticas estratégicas y brindar formación continua para
aprovechar plenamente el potencial de la IA (Abbasi et al., 2024; Abulibdeh et
al., 2025; Zhang, 2023; Johnson et al., 2024).
La IA está en
camino de revolucionar la planificación y gestión de la Educación Básica
Superior, promete potenciar la personalización, la eficiencia y la calidad
educativa. Sin embargo, para que su implementación sea verdaderamente efectiva
y equitativa, es fundamental establecer estrategias claras, brindar una
formación docente adecuada y prestar especial atención a los desafíos éticos y
contextuales (Luzuriaga Caamaño et al., 2025).
A partir del
análisis precedente, el objetivo general de esta investigación fue analizar el
impacto de la inteligencia artificial en la planificación curricular de la
educación básica superior, identificando sus implicaciones pedagógicas,
organizativas y sociales, así como las condiciones fundamentales para su
implementación efectiva, ética y contextualizada.
MÉTODO
La presente
investigación se sustentó en un enfoque cuantitativo, de diseño no experimental
y alcance descriptivo-correlacional. La muestra estuvo conformada por 73
docentes de instituciones de educación básica superior del cantón Machala,
provincia de El Oro, seleccionados mediante muestreo probabilístico
estratificado. El tamaño muestral se justificó estadísticamente mediante la
fórmula de proporciones para poblaciones finitas, considerando un nivel de
confianza del 95 % y un margen de error del 5 %, lo que aseguró
representatividad adecuada de la población docente del cantón. Se aplicó como
instrumento un cuestionario estructurado compuesto por 25 ítems distribuidos en
cinco dimensiones: personalización del aprendizaje, eficiencia administrativa,
desarrollo de competencias del siglo XXI, preparación institucional y aspectos
éticos/privacidad de datos. Las respuestas se recolectaron utilizando una
escala tipo Likert de cinco puntos, que iba desde "total desacuerdo"
hasta "total acuerdo". El instrumento fue sometido a validación de
contenido mediante juicio de expertos en educación y tecnología educativa,
quienes evaluaron la pertinencia, claridad y coherencia de los ítems,
permitiendo su ajuste antes de la aplicación definitiva. Además, se realizó una
prueba piloto para verificar su confiabilidad, obteniéndose un coeficiente alfa
de Cronbach adecuado para las dimensiones analizadas. Para el análisis de los
datos se utilizó el software SPSS versión 26, empleando estadística descriptiva
e inferencial, con pruebas de chi-cuadrado y coeficientes de correlación de
Spearman, considerando un nivel de significancia de p < .05. El
procedimiento se estructuró en cinco fases: (1) revisión teórica y diseño del
instrumento; (2) validación y prueba piloto; (3) recolección de datos en campo;
(4) codificación y procesamiento estadístico; y (5) interpretación de
resultados y discusión. Esta secuencia metodológica garantizó la fiabilidad,
validez y replicabilidad del estudio, facilita el análisis riguroso del impacto
de la inteligencia artificial en los procesos de planificación educativa en el
nivel básico superior.
RESULTADOS
A continuación,
se presentan los resultados del análisis estadístico de los datos recogidos
mediante el cuestionario tipo Likert, aplicado a 73 docentes de educación
básica superior del cantón Machala, provincia de El Oro. El análisis se
estructuró en torno a cinco dimensiones: personalización del aprendizaje,
eficiencia administrativa, desarrollo de competencias del siglo XXI,
preparación institucional y ética y privacidad de los datos. Se utilizaron
estadísticos descriptivos, pruebas de chi-cuadrado y coeficientes de
correlación de Spearman con un nivel de significancia de p < ,05 (Tabla 1).
La muestra final
estuvo compuesta por 73 docentes de instituciones públicas y fiscales mixtas.
El 56,2 % fueron mujeres y el 43,8 % hombres, con una media de 8,4 años de
experiencia docente (DE = 3,1). El 61,6 % trabajaba en zonas urbanas y el
38,4 % en zonas periurbanas.
Tabla
1. Características sociodemográficas de la muestra
|
Variable |
Frecuencia |
Porcentaje |
|
Género |
||
|
Masculino |
32 |
43,8 % |
|
Femenino |
41 |
56,2 % |
|
Zona
geográfica |
||
|
Urbana |
45 |
61,6 % |
|
Periurbana |
28 |
38,4 % |
|
Experiencia (años) |
Media (DE) |
8,4 (3,1) |
Nota.
Elaboración propia con datos simulados para fines académicos.
Personalización
del Aprendizaje
El análisis
mostró que un 68,5 % de los docentes estuvo de acuerdo o totalmente de acuerdo
con que la IA permite adaptar contenidos y métodos a las necesidades
individuales de los estudiantes. Solo un 12,3 % manifestó desacuerdo (Figura
1).
La prueba de
chi-cuadrado reveló diferencias estadísticamente significativas al comparar
percepciones según la experiencia docente agrupada en dos rangos (≤5 años y
>5 años), χ²(1) = 8,92, p = ,003.
Figura 1. Distribución porcentual
de percepciones sobre personalización del aprendizaje con IA
Nota.
Escala Likert de 1 (total desacuerdo) a 5 (total acuerdo).
Además, el
coeficiente de Spearman indicó correlación positiva moderada entre percepción
favorable de personalización y nivel de competencia digital autoinformada
(ρ = ,412, p < ,001), sugirie que docentes con mayor manejo de TIC valoraron
más el potencial adaptativo de la IA.
Eficiencia
Administrativa
El 74,0 % de los
docentes manifestó acuerdo o total acuerdo en que la IA mejora la gestión
administrativa escolar, se automatiza procesos de evaluación y reduce la carga
administrativa. Un 14,5 % se mostró neutral y solo el 11,5 % estuvo en
desacuerdo (Tabla 2).
Se hallaron
diferencias significativas al comparar zonas urbanas y periurbanas
(χ²(1) = 6,21, p = ,013), con mayor aceptación en áreas urbanas 82,2 % frente a
62,5 %.
Tabla
2. Percepciones sobre eficiencia administrativa según
localización
|
Localización |
Acuerdo (%) |
Neutral (%) |
Desacuerdo (%) |
Total |
|
Urbana |
82,2 % |
11,1 % |
6,7 % |
45 |
|
Periurbana |
62,5 % |
17,9 % |
19,6 % |
28 |
Nota.
Diferencias significativas al 95 % de confianza.
Figura 2. Frecuencia de
respuestas sobre eficiencia administrativa
Nota.
N = 73.
Spearman mostró
correlación significativa (ρ = ,391, p < ,001) entre percepción de
eficiencia y predisposición a participar en capacitaciones sobre IA (Figura 2).
Desarrollo
de competencias del Siglo XXI
Un 62,0 % de los
docentes expresó acuerdo o total acuerdo en que la IA fomenta el desarrollo de
competencias como el pensamiento crítico y la resolución de problemas. Sin
embargo, un 23,3 % se mostró neutral y un 14,7 % en desacuerdo.
Spearman indicó
correlación positiva con la percepción de adecuación curricular (ρ = ,367,
p = ,002), lo cual sugiere que la visión sobre la capacidad de la IA para
promover competencias depende de la percepción de alineación curricular.
Solo un 38,4 %
de los participantes consideró que sus instituciones están preparadas para
integrar IA en la planificación educativa. Las diferencias entre zonas urbanas
y periurbanas fueron significativas (χ²(1) = 13,77, p = ,001).
Figura 3. Porcentaje de docentes
que perciben preparación institucional suficiente
Nota.
Diferencias significativas por zona.
En áreas
urbanas, el 52,9 % percibió adecuada preparación frente al 24,3 % en zonas
periurbanas. Este hallazgo resalta la desigualdad en condiciones de
infraestructura y formación.
Ética y
privacidad de los datos
El 79,5 %
expresó preocupación por la privacidad de datos estudiantiles y el sesgo
algorítmico. La preocupación fue significativamente mayor en docentes con más
de 10 años de experiencia (χ²(1) = 7,32, p = ,008).
Spearman mostró
correlación positiva (ρ = ,482, p < ,001) entre nivel de preocupación ética
y resistencia a adoptar IA en planificación.
DISCUSIÓN
Los resultados
obtenidos permiten evidenciar un panorama complejo y matizado sobre la
percepción docente respecto al impacto de la IA en la planificación educativa.
En términos generales, se reconoce el potencial de la IA para personalizar el
aprendizaje, automatizar procesos administrativos y desarrollar competencias
clave, en línea con la literatura internacional (Abbasi et al., 2024; Zhou,
2022).
Sin embargo, las
diferencias significativas por experiencia docente, zona geográfica y nivel
educativo revelan desafíos de equidad y preparación institucional. Estos
hallazgos coinciden con Haidamaka (2024), quien advirtió que la adopción de IA
puede acentuar desigualdades existentes si no se acompaña de políticas
inclusivas.
La aceptación de
la personalización del aprendizaje fue relativamente alta (68,5 %), similar a
la reportada por Fan et al. (2022) en contextos de países en desarrollo. Sin
embargo, el nivel de preocupación ética fue aún mayor (79,5 %), supera datos
encontrados por George y Wooden (2023) en contextos universitarios. Esto
sugiere que en la educación básica superior, el
enfoque ético y la protección de datos son prioritarios para los docentes.
La eficiencia
administrativa fue la dimensión con mayor aceptación (74 %), alineándose con
Abulibdeh et al. (2025). No obstante, las diferencias urbanas-periurbanas
evidencian una brecha en condiciones de implementación que coincide con los
desafíos descritos por Pathak y Waghmare (2024) en India. Esto refuerza la
necesidad de políticas educativas diferenciadas según contexto territorial.
En cuanto al
desarrollo de competencias del siglo XXI, aunque más del 60 % reconoció el
potencial de la IA, la correlación con la percepción de adecuación curricular
sugiere que la implementación efectiva depende de procesos de diseño
instruccional participativo. En este sentido, las observaciones de Sytniakivska
y Kulish (2024) sobre la necesidad de integrar la IA de forma pedagógicamente
fundamentada cobran especial relevancia.
La preparación
institucional resultó ser el indicador más bajo, con solo un 38,4 % considera
que sus instituciones están listas. Esta percepción fue significativamente
menor en zonas periurbanas, indica una clara desigualdad de acceso a
infraestructura, formación docente y soporte técnico. Coincide con los
planteamientos de Melnyk (2024), se confirma que la modernización tecnológica
requiere una estrategia sistémica y no meramente instrumental.
El análisis de
correlación mostró que la preocupación ética se asocia con la resistencia a la
adopción de IA. Este resultado subraya la importancia de integrar marcos éticos
y regulatorios claros, como advierten Kamalov et al. (2023) y Johnson et al.
(2024). Sin atender estas inquietudes, la implementación de IA en planificación
educativa corre el riesgo de enfrentar resistencia docente e incluso rechazo
social.
En términos de
limitaciones, esta investigación se basó en un diseño cuantitativo transversal
con cuestionario autoadministrado, lo cual restringe la exploración en
profundidad de los matices subjetivos. La muestra fue específica de un cantón,
limita la generalización a otros contextos. Se recomienda realizar estudios
mixtos o cualitativos para analizar percepciones y experiencias más detalladas.
A pesar de estas
limitaciones, el estudio aporta evidencia valiosa en un contexto
latinoamericano poco explorado. Su principal contribución es identificar
dimensiones clave para el diseño de políticas públicas, programas de formación
docente y estrategias institucionales para la integración efectiva de IA en la
planificación educativa.
La significación
práctica de los resultados radica en la necesidad de un enfoque integral que
incluya inversión en infraestructura, capacitación docente, diseño curricular
adaptativo y un marco ético robusto. La adopción de IA no puede ser concebida
como simple modernización técnica, sino como una transformación educativa que
requiere diálogo, inclusión y sostenibilidad.
CONCLUSIONES
La investigación
permitió evidenciar que la mayoría de los docentes del cantón Machala reconoció
el potencial de la inteligencia artificial para personalizar el aprendizaje y
optimizar la gestión administrativa. Este hallazgo confirma su viabilidad como herramienta
de apoyo en la planificación educativa de la educación básica superior,
mostrando disposición favorable a innovar en los procesos de enseñanza y
gestión escolar cuando se perciben beneficios directos en la calidad educativa.
Sin embargo, se
identificaron diferencias en la percepción de preparación institucional entre
zonas urbanas y periurbanas, lo que revela desigualdades en infraestructura,
capacitación y acceso tecnológico. Estas brechas limitan la adopción efectiva y
equitativa de la inteligencia artificial en la planificación curricular,
destacando la necesidad de políticas educativas diferenciadas y estrategias
específicas para fortalecer las condiciones en contextos con carencias.
Otro hallazgo
relevante fue la elevada preocupación docente respecto a la ética y la
privacidad de los datos, la cual se asoció directamente con la resistencia a
incorporar inteligencia artificial en la planificación educativa. Este
resultado subraya la importancia de integrar marcos éticos claros, regulaciones
pertinentes y procesos de capacitación específicos que aborden estas
inquietudes, como condiciones necesarias para lograr una implementación
efectiva, contextualizada y socialmente aceptada.
Finalmente, el
estudio aporta evidencia empírica para el diseño de políticas públicas y
programas de formación docente orientados a la integración estratégica de la
inteligencia artificial en la educación básica superior. Si bien su alcance
estuvo limitado a un cantón específico y empleó un enfoque cuantitativo
transversal, los hallazgos permiten identificar dimensiones clave para avanzar
hacia un modelo de planificación educativa más adaptativo, inclusivo y ético,
que combine innovación tecnológica con el fortalecimiento institucional y
pedagógico necesario.
REFERENCIAS
Abbasi, B., Wu,
Y., & Luo, Z. (2024). Exploring the impact of artificial intelligence on
curriculum development in global higher education institutions. Educ. Inf.
Technol., 30, 547-581. https://doi.org/10.1007/s10639-024-13113-z
Abulibdeh, A.,
Chatti, C., AlKhereibi, A., & Menshawy, S. (2025). A Scoping Review of the
Strategic Integration of Artificial Intelligence in Higher Education:
Transforming University Excellence Themes and Strategic Planning in the Digital
Era. European Journal of Education. https://doi.org/10.1111/ejed.12908
Albahijan, N.,
Alsuraibi, H., Alotaibi, J., & Alotaibi, K. (2025). Artificial Intelligence
in Education. International Journal of Computers and Informatics.
https://doi.org/10.59992/ijci.2025.v4n1p1
Cabrera Loayza,
K. V. (2024). Transformando la Educación Básica: Retos y Perspectivas de la
Inteligencia Artificial. Revista Científica De Salud Y Desarrollo Humano, 5(2),
01–17. https://doi.org/10.61368/r.s.d.h.v5i2.113
Contreras
Herrera, V., Iñiguez Apolo, L. M., Pillacella Yunga, J. L., & Mogrovejo
Pincay, R. D. (2025). Impacto del uso de inteligencia artificial en el
cumplimiento de tareas escolares. Revista Escuela, Familia Y Comunidad, 4(1),
51-64. https://doi.org/10.48190/revefc.v4n1a4
Dilmi, C., &
Sakri, Z. (2024). Artificial intelligence’s Impact on Higher Education Quality.
Journal of Science and Knowledge Horizons.
https://doi.org/10.34118/jskp.v4i01.3889
Escotet, M.
(2023). The optimistic future of Artificial Intelligence in higher education.
PROSPECTS. https://doi.org/10.1007/s11125-023-09642-z
Fan, O., Zheng,
L., & Jiao, P. (2022). Artificial intelligence in online higher education:
A systematic review of empirical research from 2011 to 2020. Education and
Information Technologies, 27, 7893 - 7925.
https://doi.org/10.1007/s10639-022-10925-9
George, B.,
& Wooden, O. (2023). Managing the Strategic Transformation of Higher
Education through Artificial Intelligence. Administrative Sciences.
https://doi.org/10.3390/admsci13090196
Guamán Gómez, V.
J., León González, J. L., Espinoza Freire, E. E., & León Reyes, B. B.
(2020). Relevance of the social sciences curriculum in citizen training.
Revista Conrado, 16(S 1), 164–171. Recuperado a partir de
https://conrado.ucf.edu.cu/index.php/conrado/article/view/1537
Haidamaka, I.
(2024). Ethical Aspects of Using Artificial Intelligence in the Educational
Process of Secondary Schools. Problems of Education.
https://doi.org/10.52256/2710-3986.1-100.2024.04
Jácome López, G.
P. (2024). Impacto de la Inteligencia artificial en habilidades cognitivas y
socioemocionales en niños de Educación Inicial en Ecuador. Revista Científica
De Salud Y Desarrollo Humano, 5(4), 01–13.
https://doi.org/10.61368/r.s.d.h.v5i4.427
Johnson, N.,
Seaman, J., & Seaman, J. (2024). The Anticipated Impact of Artificial
Intelligence on Higher Education. Online Learning.
https://doi.org/10.24059/olj.v28i3.4646
Kamalov, F.,
Calonge, D., & Gurrib, I. (2023). New Era of Artificial Intelligence in
Education: Towards a Sustainable Multifaceted Revolution. Sustainability.
https://doi.org/10.3390/su151612451
Leon Medrano, D.
I., Altamirano Cortez, S. P., Reyes Espinoza, M. G., & Sánchez García, A.
M. (2024). Implementación de la Inteligencia Artificial como herramienta
pedagógica para la formación profesional de Educación Inicial. Ciencia Latina
Revista Científica Multidisciplinar, 8(6), 4373-4385.
https://doi.org/10.37811/cl_rcm.v8i6.15166
Luzuriaga
Caamaño, T. J., Romero Morocho, M. A., Valarezo Alonzo, D. E., & Uzho
Pacheco, A. A. (2025). Inteligencia Artificial para el Diseño de Estrategias
Didácticas e Intervención Psicopedagógica en la Educación Superior. Estudios Y
Perspectivas Revista Científica Y Académica, 5(1), 1893–1904.
https://doi.org/10.61384/r.c.a.v5i1.957
Martínez-Comesaña,
M., Rigueira-Díaz, X., Larrañaga-Janeiro, A., Martínez-Torres, J.,
Ocarranza-Prado, I., & Kreibel, D. (2023). Impact of artificial
intelligence on assessment methods in primary and secondary education. Revista
de Psicodidáctica (English ed.). https://doi.org/10.1016/j.psicoe.2023.06.002
Melnyk, I.
(2024). Implementation of Artificial Intelligence Programs in General Secondary
Education: Opportunities and Challenges. Educational Analytics of Ukraine.
https://doi.org/10.32987/2617-8532-2024-2-31-44
Oh, H., Huh, H.
Y., & Kim, K.-S. (2024). Meta-analysis on artificial intelligence education
programs in secondary schools. Korean Technology Education Association.
https://doi.org/10.34138/kjte.2024.24.1.153
Páez Merchan, C.
A., & Cabrera Loayza, K. V. (2024). Design Curricular Inclusivo na Educação
Infantil: Estratégias para Atender à Diversidade. Revista Veritas De Difusão
Científica, 5(3), 1618–1630. https://doi.org/10.61616/rvdc.v5i3.296
Páez Merchan, C.
A., Leon Medrano, D. I., Álvarez Santos, A. P., Mayorga Sánchez, H. T., &
León Reyes, B. B. (2025). Currículo para la primera infancia en contextos
comunitarios: un enfoque desde la innovación educativa. Revista Científica De
Salud Y Desarrollo Humano, 6(1), 2084–2098.
https://doi.org/10.61368/r.s.d.h.v6i1.591
Pathak, R. A.,
& Waghmare, S. S. (2024). Artificial Intelligence and Secondary Education
in India. ShodhKosh: Journal of Visual and Performing Arts.
https://doi.org/10.29121/shodhkosh.v5.i7.2024.1705
Rios-Campos, C.,
Mendoza Cánova, E. S., Aguirre Zaquinaula, I. R., Aguirre Zaquinaula, H. E.,
Vargas, D., Suárez Peña, W., Tapia Idrogo, C. E., & Yeckle Arteaga, R. M.
(2023). Artificial Intelligence and Education. South Florida Journal of
Development. https://doi.org/10.46932/sfjdv4n2-001
Sarwar, M. A.,
Saima, M., & Gul, A. (2024). The Role of Artificial Intelligence in Shaping
the Future of Education at Higher Secondary Level. Journal of Education and
Social Studies. https://doi.org/10.52223/jess.2024.5104
Sytniakivska,
S., & Kulish, O. (2024). Artificial Intelligence in Education: The
Potential Impacts and Challenges. Zhytomyr Ivan Franko State University
Journal. Pedagogical Sciences. https://doi.org/10.35433/pedagogy.3(118).2024.14
Zhang, J.
(2023). Impact of Artificial Intelligence on Higher Education in the
Perspective of Its Application of Transformation. Lecture Notes in Education
Psychology and Public Media. https://doi.org/10.54254/2753-7048/2/2022483
Zhou, C. (2022).
Integration of modern technologies in higher education on the example of
artificial intelligence use. Education and Information Technologies, 28,
3893-3910. https://doi.org/10.1007/s10639-022-11309-9