South American Research Journal, 5(1), 13-25  
https://www.sa-rj.net//index.php/sarj/article/view/69  
tencionada, formación docente técnica y ética, mar-  
cos regulatorios claros y metodologías activas que  
promuevan la agencia cognitiva del estudiante.  
Palabras clave: inteligencia artificial, educa-  
ción secundaria, docentes, ética educativa, autono-  
mía profesional, tecnología educativa.  
Entre la innovación y la cautela:  
voces docentes sobre la inteligencia  
artificial en la educación secundaria  
Between Innovation and Caution:  
Teachers’ Voices on Artificial Intelli-  
gence in Secondary Education  
ABSTRACT  
This interpretative qualitative study explores  
the perceptions, experiences, expectations, fears,  
and ethical stances of high school teachers in the  
city of Cuenca, Ecuador, regarding the integration  
of artificial intelligence (AI) in secondary educa-  
tion. Based on ten in-depth interviews, the study  
analyzes teachers’ representations of AI use, its im-  
pact on lesson planning, professional autonomy,  
the educational relationship with students, and the  
institutional challenges to its implementation. The  
findings reveal that while most teachers value AI  
for its immediate functional benefits — such as the  
optimization of planning, personalized learning,  
and increased student motivation — these percep-  
tions contrast with recent scientific evidence warn-  
ing of significant risks, including the decline of  
critical thinking, erosion of autonomy, technologi-  
cal dependence, and limited effects on actual aca-  
demic performance. Furthermore, the study identi-  
fies a marked structural gap between teachers’ in-  
dividual capacities and the limited institutional,  
regulatory, and training conditions for a critical and  
equitable integration of AI. It concludes that the  
pedagogical use of these technologies requires in-  
tentional planning, technical and ethical teacher  
training, clear regulatory frameworks, and active  
methodologies that promote students’ cognitive  
agency.  
Nelly Márquez-Márquez1 , Isabel Guamán-Villa1  
y Ruth Peñafiel-Jurado1  
1
Unidad Educativa Miguel Moreno Ordóñez, cantón  
Cuenca, provincia del Azuay, Ecuador.  
Correspondence: nrmarquez1989@yahoo.com  
Recepción: 16 de mayo de 2025 – Aceptación: 9 de  
junio de 2025 – Publicación: 13 de junio de 2025.  
RESUMEN  
Este estudio cualitativo interpretativo explora  
las percepciones, experiencias, expectativas, temo-  
res y posicionamientos éticos de docentes de bachi-  
llerato en la ciudad de Cuenca, Ecuador, frente a la  
integración de la inteligencia artificial (IA) en la  
educación secundaria. A partir de diez entrevistas  
en profundidad, se analizan las representaciones  
docentes sobre el uso de la IA, su impacto en la pla-  
nificación, la autonomía profesional, la relación  
educativa con los estudiantes y los desafíos institu-  
cionales para su implementación. Los hallazgos  
muestran que, si bien la mayoría de los docentes  
valora la IA por sus beneficios funcionales inme-  
diatos —como la optimización de la planificación,  
la personalización del aprendizaje y la motivación  
estudiantil—, estas percepciones contrastan con  
evidencia científica reciente que alerta sobre ries-  
gos significativos, como la disminución del pensa-  
miento crítico, la erosión de la autonomía, la de-  
pendencia tecnológica y efectos limitados en el ren-  
dimiento académico real. Además, se identifica una  
brecha estructural marcada entre las capacidades  
individuales de los docentes y las limitadas condi-  
ciones institucionales, normativas y formativas  
para una integración crítica y equitativa de la IA.  
Se concluye que el aprovechamiento pedagógico  
de estas tecnologías requiere una planificación in-  
Keywords: artificial intelligence, secondary  
education, teachers, educational ethics, profes-  
sional autonomy, educational technology.  
INTRODUCCIÓN  
En los últimos años, la IA ha irrumpido con  
fuerza en el ámbito educativo, posicionándose  
como una de las tecnologías más prometedoras  
para transformar los procesos de enseñanza y  
aprendizaje. Su aplicación en la educación secun-  
daria plantea una reconfiguración profunda de las  
prácticas pedagógicas, tanto desde el punto de vista  
https://doi.org/10.5281/zenodo.15659239  
13  
South American Research Journal, 5(1), 13-25  
https://www.sa-rj.net//index.php/sarj/article/view/69  
técnico como epistemológico. Las herramientas ba-  
sadas en IA —tales como los sistemas de tutoría in-  
teligente, los algoritmos de personalización, los  
modelos de análisis predictivo o los chatbots con-  
versacionales como ChatGPT— han comenzado a  
integrarse en las aulas, habilitando nuevas formas  
de diseñar contenidos, evaluar aprendizajes y asis-  
tir a los docentes en sus tareas cotidianas (Chounta  
et al., 2021; Kim y Kim, 2022).  
qué dilemas emergen respecto a la autonomía do-  
cente, la equidad digital y la dimensión ética de la  
enseñanza mediada tecnológicamente.  
Ofrecemos una lectura interpretativa de las vo-  
ces del magisterio ecuatoriano, que permita orien-  
tar futuras estrategias de formación, generar políti-  
cas educativas con pertinencia local y contribuir a  
la discusión global sobre los límites y potencialida-  
des de la IA en la educación.  
No obstante, esta incorporación no se produce  
sin tensiones. Mientras algunos estudios subrayan  
los beneficios de la IA en términos de personaliza-  
ción del aprendizaje, automatización de procesos  
administrativos y mejora en la accesibilidad educa-  
tiva (Pratama et al., 2023; Sumakul et al., 2022),  
otros ponen el foco en los desafíos que implica su  
implementación: escasez de formación docente,  
deficiente infraestructura tecnológica, sesgos algo-  
rítmicos y preocupaciones éticas vinculadas a la  
privacidad y el control pedagógico (McGrath et al.,  
METODOLOGÍA  
Este estudio se sustenta en un enfoque cualita-  
tivo de carácter interpretativo, orientado a com-  
prender las percepciones, valoraciones y experien-  
cias de docentes de bachillerato en torno a la IA en  
contextos educativos. Desde esta perspectiva, se re-  
conoce, con Leal y Herrera (2009), que el conoci-  
miento se construye a partir de las significaciones  
que los actores sociales otorgan a los fenómenos  
que experimentan. El propósito central de esta in-  
vestigación fue reconstruir, desde los discursos do-  
centes, los sentidos atribuidos a la IA como tecno-  
logía emergente en la educación secundaria, consi-  
derando tanto sus potencialidades como sus ries-  
gos, límites y condiciones de apropiación pedagó-  
gica.  
El abordaje se sustentó en un diseño de estudio  
de caso, centrado en un grupo de docentes de ba-  
chillerato de la ciudad de Cuenca, Ecuador, que  
desarrollan su actividad profesional en diversas  
instituciones educativas. El caso se define aquí  
como un entramado de prácticas, saberes y discur-  
sos situados, que permiten comprender cómo se  
vive, se representa y se reflexiona la incorporación  
de la IA en el trabajo docente cotidiano (Avello Sáez  
et al., 2024).  
La técnica de producción de información utili-  
zada fue la entrevista semiestructurada, lo que per-  
mitió combinar la sistematicidad de una guía temá-  
tica con la apertura a la expresión espontánea y re-  
flexiva de los participantes. Se llevaron a cabo un  
total de diez entrevistas individuales en profundi-  
dad, todas realizadas a docentes en ejercicio, selec-  
cionados mediante muestreo intencionado. Los cri-  
terios de inclusión contemplaron la diversidad de  
áreas de enseñanza, trayectorias profesionales, eda-  
des, y niveles de familiaridad tecnológica, con el  
fin de capturar una pluralidad de voces y puntos de  
vista en relación con el objeto de estudio. Las en-  
trevistas se realizaron en entornos previamente  
2
2
023; Akgun y Greenhow, 2022; Nazaretsky et al.,  
022). Estos contrastes revelan que la IA no puede  
ser comprendida únicamente como una solución  
técnica, sino como un campo en disputa, atravesado  
por múltiples dimensiones sociales, políticas y pe-  
dagógicas.  
En el caso específico de Ecuador, la integra-  
ción de estas tecnologías en el sistema educativo  
presenta particularidades asociadas al rezago en in-  
fraestructura, la desigualdad en el acceso digital en-  
tre zonas urbanas y rurales, y las limitaciones insti-  
tucionales para desarrollar programas de formación  
continua (Morocho-Cevallos et al., 2023; Apolo et  
al., 2024). En este contexto, las percepciones de los  
docentes se vuelven un insumo clave para com-  
prender los modos en que la IA está siendo apro-  
piada —o resistida— desde la práctica cotidiana.  
Tal como sugiere la revisión sistemática de Peña-  
fiel et al. (2024), el éxito de estas tecnologías de-  
pende menos de su diseño técnico y más de la ca-  
pacidad de los actores escolares para integrarlas éti-  
camente, reconociendo las condiciones materiales  
y culturales de su entorno.  
Este artículo presenta los resultados de una in-  
vestigación cualitativa realizada con docentes de  
bachillerato en la ciudad de Cuenca, Ecuador, cuyo  
objetivo fue explorar sus representaciones, temores  
y expectativas frente a la implementación de la IA  
en el ámbito educativo. A través del análisis de diez  
entrevistas se indaga en cómo estos actores perci-  
ben el rol de la IA en su labor pedagógica, qué  
oportunidades visualizan para su uso en el aula, y  
https://doi.org/10.5281/zenodo.15659239  
14  
South American Research Journal, 5(1), 13-25  
https://www.sa-rj.net//index.php/sarj/article/view/69  
acordados, bajo condiciones de privacidad, y tuvie-  
ron una duración promedio de dos horas. Todas  
fueron grabadas, transcritas de manera íntegra y  
analizadas confidencialmente.  
utilidad inmediata, pero también una actitud crí-  
tica ante su uso no reflexionado.  
Las representaciones positivas se vinculan al  
potencial de modernización tecnológica en el aula.  
El docente E asocia la IA con “el futuro de los es-  
tudiantes” y H la describe con términos como “au-  
tomatización, innovación, avance”, en línea con  
Talan (2021), quien señala que los discursos do-  
centes sobre IA giran alrededor de la eficiencia, el  
progreso y la adaptación. Sin embargo, este opti-  
mismo no es ingenuo: los docentes destacan que  
la IA debe ser complementaria, no autónoma.  
Esta dualidad entre fascinación y cautela es  
recurrente. F y H valoran que la IA “facilita la en-  
señanza” y “permite personalizar contenidos”,  
pero también recalcan que la enseñanza incluye  
dimensiones emocionales, éticas y humanas insus-  
tituibles. Trisnawati et al. (2023) respaldan esta  
visión al señalar que, si bien la IA puede desarro-  
llar habilidades del siglo XXI, su uso excesivo  
puede mermar la autonomía del estudiante y el rol  
formativo del docente.  
El análisis de la información se realizó me-  
diante codificación temática, abordando el corpus  
desde una lectura hermenéutica-interpretativa que  
permitió identificar categorías emergentes y pa-  
trones discursivos significativos. El proceso ana-  
lítico implicó una lectura de las transcripciones, la  
identificación de unidades de sentido relevantes,  
la agrupación de fragmentos en categorías tentati-  
vas y la posterior integración en núcleos temáticos  
que articulan los hallazgos de la investigación.  
En cuanto a las consideraciones éticas, todos  
los participantes fueron debidamente informados  
sobre los objetivos del estudio, la voluntariedad de  
su participación y el uso exclusivo de los datos con  
fines académicos. Se garantizó la confidencialidad  
mediante la asignación de seudónimos y la supre-  
sión de cualquier dato que pudiera permitir su  
identificación.  
Es relevante que, sin formación técnica espe-  
cífica, los docentes logren construir representacio-  
nes complejas de la IA, abarcando aspectos éticos,  
pedagógicos y culturales. Choi et al. (2022) sos-  
tienen que docentes con orientación constructi-  
vista conciben la IA como herramienta de media-  
ción cognitiva, aunque esta función requiere su-  
pervisión. En el caso de estudiantes de secundaria,  
que aún no desarrollan plenamente su capacidad  
de abstracción, esa mediación no puede dejarse en  
manos de una tecnología sin el juicio profesional  
docente. Así, aunque la IA facilite el acceso a con-  
tenidos, no sustituye la mediación reflexiva del  
educador. Esta tensión también se observa en los  
testimonios: algunos docentes perciben la IA  
como oportunidad para enriquecer su labor, mien-  
tras otros temen que debilite su criterio profesio-  
nal o genere dependencia tecnológica.  
ANÁLISIS Y DISCUSIÓN DE  
RESULTADOS  
Representaciones y significados sobre la IA en  
la educación  
Las representaciones construidas por los do-  
centes entrevistados en torno a la IA articulan no-  
ciones de automatización, innovación, eficiencia  
y, simultáneamente, una preocupación por conser-  
var el componente humano en la enseñanza. La  
mayoría entiende la IA como una tecnología que  
simula procesos propios de la inteligencia humana  
—
como el análisis de datos, la generación auto-  
matizada de respuestas y la adaptación— a partir  
de una familiaridad práctica con herramientas  
como chatbots, plataformas generativas de texto o  
sistemas de planificación, más que desde un cono-  
cimiento técnico especializado.  
Los docentes A, B y C coinciden en que la IA  
reproduce” procesos mentales humanos sin re-  
emplazarlos, funcionando como un sistema para  
adaptar contenidos”, “resolver problemas” o  
Finalmente, los significados atribuidos a la IA  
están fuertemente influenciados por la experiencia  
previa. Quienes han usado herramientas como  
ChatGPT o sistemas de corrección automatizada  
tienden a una visión más instrumental. El docente  
B afirma que “la IA me ayuda a mejorar mis pla-  
nificaciones y materiales”, mientras G señala que  
“
“
“
apoyar la planificación”, aunque su lógica in-  
“
la IA no piensa, solo responde”. Estas posturas  
terna se percibe como opaca. Esta perspectiva  
coincide con Zawacki-Richter et al. (2019), quie-  
nes advierten que los docentes enfrentan una “caja  
negra” tecnológica que genera confianza por su  
sugieren que las representaciones docentes se for-  
man a partir de la práctica directa, la experimenta-  
ción y el contraste con las dinámicas reales del  
aula.  
https://doi.org/10.5281/zenodo.15659239  
15  
South American Research Journal, 5(1), 13-25  
https://www.sa-rj.net//index.php/sarj/article/view/69  
Experiencias y expectativas sobre la IA en la  
práctica docente  
mentada por Sanusi et al. (2022) y Morocho Ceva-  
llos et al. (2023), quienes alertan sobre cómo estas  
brechas restringen la equidad tecnológica y conso-  
lidan un acceso desigual a los beneficios potencia-  
les de la IA. No obstante, este “potencial transfor-  
mador” no garantiza una mejora automática del  
aprendizaje. Su eficacia depende de su articulación  
con prácticas educativas contextualizadas, éticas y  
pedagógicamente pertinentes.  
Los docentes I y J complementan el espectro  
de experiencias. El primero utiliza IA generativa  
para crear ejercicios diferenciados y captar el inte-  
rés de estudiantes con bajo rendimiento, aunque  
aclara que la motivación sostenida depende del  
acompañamiento docente, la claridad conceptual y  
la comprensión. Por su parte, el docente J usa IA  
como asistente de escritura académica tanto con sus  
estudiantes como en el diseño curricular, señalando  
que, aunque inicialmente tuvo desconfianza, ahora  
la considera una “segunda mente” útil bajo su cri-  
terio profesional.  
Las expectativas docentes también muestran  
una dimensión aspiracional: varios esperan que la  
IA evolucione hacia una integración más profunda  
con plataformas educativas, favoreciendo la retro-  
alimentación automática y el monitoreo del rendi-  
miento. Esta proyección coincide con lo señalado  
por Feng y Law (2021), quienes identifican a los  
sistemas de tutoría inteligente y el análisis predic-  
tivo como aplicaciones esperadas de la IA educa-  
tiva.  
Sin embargo, persiste una tensión entre la uti-  
lidad presente y las expectativas futuras, muchas  
veces frustradas por la falta de políticas institucio-  
nales claras. Aunque algunos docentes han explo-  
rado el uso de IA individualmente, sus instituciones  
no han proporcionado directrices, formación ni  
acompañamiento suficiente para una integración  
coherente. Esta característica estructural también  
fue documentada por Antonenko y Abramowitz  
(2023), quienes afirman que los esfuerzos aislados  
no garantizan transformaciones sostenidas si no es-  
tán respaldados por un entorno organizacional y  
normativo adecuado.  
Las experiencias de los docentes entrevistados  
reflejan una etapa de transición en la que la IA em-  
pieza a incorporarse gradualmente en las prácticas  
pedagógicas. La mayoría ha utilizado herramientas  
como ChatGPT para elaborar recursos didácticos,  
disminuir la carga administrativa y facilitar la com-  
prensión de contenidos, aunque dichas experien-  
cias están mediadas por distintos niveles de forma-  
ción, acceso tecnológico y seguridad en su aplica-  
ción pedagógica.  
El docente A señala que ha empleado IA para  
generar gráficos, contenidos y videos que comple-  
mentan sus clases; el docente B valora su utilidad  
para adaptar temas complejos al nivel de los estu-  
diantes, facilitando su contextualización. Este uso  
instrumental coincide con lo planteado por Pratama  
et al. (2023), quienes destacan la capacidad de la IA  
para sugerir recursos ajustados a distintos niveles  
de dificultad y estilos de aprendizaje. Más que ofre-  
cer contenidos diferenciados por perfil cognitivo, la  
IA permite seleccionar, clasificar o adaptar mate-  
riales según variables observables como el desem-  
peño previo o la naturaleza de la tarea, funcionando  
como mediación entre el contenido disciplinar y las  
habilidades individuales del estudiante.  
Otros docentes, como C y F, destacan el ahorro  
de tiempo que ofrece la IA al automatizar tareas  
como la planificación o selección de objetivos, per-  
cepción coherente con estudios de Nazaretsky et al.  
(2022) y ElSayary (2023), quienes reconocen que  
la IA puede asumir tareas administrativas de baja  
complejidad, permitiendo al docente enfocarse en  
aspectos estratégicos.  
No obstante, esta adopción no está exenta de  
reservas. El docente D reconoce que sus estudian-  
tes usan IA para resolver preguntas difíciles, pero  
muestra desconocimiento sobre sus aplicaciones  
más allá de ChatGPT, evidenciando la necesidad de  
una formación más estructurada. Esto ya fue adver-  
tido por Chounta et al. (2021), quienes señalaron  
que la falta de competencias digitales es una barrera  
crítica para la integración efectiva de la IA en el  
aula.  
Las respuestas de los docentes G y H reflejan  
desigualdad en el uso de la IA, influida por la bre-  
cha generacional y las diferencias entre contextos  
urbanos y rurales. Esta limitación, asociada a la in-  
fraestructura tecnológica deficiente, ha sido docu-  
Temores y barreras percibidas respecto a la IA  
en la educación  
Aunque la mayoría de los entrevistados reco-  
noce el potencial pedagógico de la IA, también  
emergen preocupaciones sobre su impacto en la  
https://doi.org/10.5281/zenodo.15659239  
16  
South American Research Journal, 5(1), 13-25  
https://www.sa-rj.net//index.php/sarj/article/view/69  
profesión docente, los riesgos pedagógicos, las li-  
mitaciones institucionales y la desigualdad en el ac-  
ceso.  
inadecuados. El docente A menciona como obs-  
táculos transversales la seguridad, el acceso de-  
sigual y la resistencia al cambio. Sanusi et al.  
(2022) documentan cómo estas carencias tecnoló-  
gicas impiden un acceso equitativo a la IA, sobre  
todo en contextos rurales. A esto se suma la expe-  
riencia de la pandemia, que el docente D recuerda  
como evidencia del fracaso estructural del sistema  
educativo.  
Se destaca además una desigualdad sociotéc-  
nica entre docentes. El docente B nota que los más  
jóvenes dominan la tecnología, mientras G percibe  
que sus estrategias tradicionales no compiten con  
los recursos visuales generados por IA. I considera  
que la IA ha ampliado la brecha entre quienes se  
forman en innovación y quienes permanecen en  
modelos analógicos. Sumakul et al. (2022) advier-  
ten que esta brecha también afecta a los docentes,  
creando un sistema de dos velocidades que im-  
pacta la equidad educativa.  
Este debate sobre el equilibrio entre lo digital  
y lo analógico no es exclusivo de la región. En  
Suecia, tras años de priorizar lo digital, el go-  
bierno invirtió €104 millones para reintroducir li-  
bros impresos ante preocupaciones por la caída en  
comprensión lectora y el aumento de distracciones  
(Díaz et al., 2024). En la misma línea, Inger Enk-  
vist critica el exceso de pantallas por fragmentar  
el conocimiento y debilitar hábitos de estudio  
(Calvo Hernández, 2024). Estas experiencias in-  
ternacionales refuerzan la importancia de equili-  
brar tecnología e instrumentos tradicionales que  
han probado su efectividad en el aprendizaje.  
La resistencia generacional también es perci-  
bida como una barrera. Los docentes F y H seña-  
lan que los más veteranos enfrentan mayores difi-  
cultades de adaptación. Joshi et al. (2021) sostie-  
nen que esta resistencia se debe tanto a la falta de  
familiaridad tecnológica como a creencias peda-  
gógicas que entran en conflicto con la lógica algo-  
rítmica.  
Por último, los docentes J y H alertan sobre la  
falta de políticas públicas claras. La ausencia de  
lineamientos ministeriales deja la responsabilidad  
de la integración y control de la IA en manos de  
cada docente, lo que impide una implementación  
ética y coherente. Esta preocupación es compar-  
tida por Delgado de Frutos et al. (2024), quienes  
advierten sobre los riesgos de delegar a los docen-  
tes el manejo de tecnologías disruptivas sin res-  
paldo normativo.  
Uno de los principales temores es que la IA  
reemplace o minimice el rol docente. Si bien la  
mayoría descarta esta posibilidad, insisten en pre-  
servar al educador como mediador esencial entre  
conocimiento y estudiante, no solo como guía  
emocional o ético. El docente A subraya que la IA  
debe mejorar la eficiencia sin sustituir al docente,  
mientras que B enfatiza que siempre debe haber  
“
una persona pensante detrás”. En contraste, la do-  
cente E plantea que “sí se podría reemplazar al do-  
cente”, revelando cierta ansiedad ante la automa-  
tización y la necesidad de fortalecer la identidad  
profesional. Estos temores coinciden con  
McGrath et al. (2023), quienes alertan sobre una  
posible deshumanización de la enseñanza por el  
uso acrítico de la IA. Chounta et al. (2021) tam-  
bién advierten que la opacidad de los algoritmos  
aumenta la incertidumbre docente ante una tecno-  
logía que aún no dominan.  
Otro riesgo señalado es la dependencia tecno-  
lógica de los estudiantes. El docente D teme que  
se vuelvan “autómatas” sin pensamiento crítico; H  
detecta un deterioro argumentativo en Lengua y  
Literatura; y G alerta sobre el acceso no regulado  
a contenidos inadecuados. Trisnawati et al. (2023)  
coinciden en que el uso excesivo de IA puede li-  
mitar la autonomía estudiantil. No obstante, se  
subraya que el pensamiento crítico no depende  
solo de la herramienta, sino de la mediación do-  
cente. La evidencia educativa muestra que, in-  
cluso sin IA, la falta de conexión entre enseñanza,  
dominio disciplinar y cultura general produce re-  
sultados bajos en comprensión y razonamiento.  
Así, con o sin IA, el desarrollo del pensamiento  
crítico dependerá de la calidad del acto pedagó-  
gico y del docente como mediador del conoci-  
miento.  
La insuficiente preparación del profesorado  
constituye otro problema. Todos los entrevistados  
coinciden en que la capacitación es deficiente. El  
docente B estima que menos del 20% está prepa-  
rado; C indica que la formación depende de la ini-  
ciativa individual; y H señala que “conocemos,  
pero no manejamos”. Según Antonenko y Abra-  
mowitz (2023), esta disparidad en la preparación  
docente obstaculiza la adopción efectiva de la IA.  
También persisten barreras estructurales. Los  
docentes identifican problemas como conectivi-  
dad limitada, falta de computadoras y entornos  
https://doi.org/10.5281/zenodo.15659239  
17  
South American Research Journal, 5(1), 13-25  
https://www.sa-rj.net//index.php/sarj/article/view/69  
Impacto en la autonomía docente y la toma de  
decisiones pedagógicas  
dría desdibujar la figura del docente, lo cual coin-  
cide con Choi et al. (2022), quienes sostienen que  
la mediación activa es clave para que la IA aporte  
valor educativo.  
Los docentes coinciden en que la IA puede for-  
talecer su autonomía profesional al facilitar el ac-  
ceso a información, sistematizar datos del aprendi-  
zaje, sugerir estrategias y ahorrar tiempo en tareas  
repetitivas. La docente A señala que esto le permite  
tomar decisiones fundamentadas, y docentes como  
B, C, F y H consideran que la IA respalda la plani-  
ficación y fortalece la confianza en la enseñanza.  
Estas opiniones se alinean con Kim y Kim (2022),  
quienes destacan que la IA, bien usada, potencia la  
agencia profesional cuando está mediada por juicio  
pedagógico.  
No obstante, esta potencialidad depende de un  
uso crítico. El docente C enfatiza que “el docente  
tiene que darle la última lectura” a los contenidos  
generados por IA, recordando que el criterio hu-  
mano debe prevalecer. En la misma línea, McGrath  
et al. (2023) advierten que delegar decisiones a sis-  
temas algorítmicos puede erosionar la capacidad  
crítica del educador.  
Consultados sobre su autopercepción, la ma-  
yoría expresa motivación y disposición al cambio.  
B se siente “invitado a reinventarse”, y F afirma te-  
ner “mayor seguridad”. Esto refleja una identidad  
profesional fortalecida ante las tecnologías emer-  
gentes. Según Antonenko y Abramowitz (2023), la  
IA puede revalorizar el rol docente si se entiende  
como extensión cognitiva y no como sustituto.  
Finalmente, ante las sugerencias pedagógicas  
de la IA basadas en datos, los docentes exigen cri-  
terios claros. A pide que sean “efectivas, relevantes  
y justas”, mientras D y H resaltan la importancia  
del contexto, el conocimiento del grupo y la expe-  
riencia. Estas posturas muestran una resistencia  
epistemológica saludable, que reafirma la autono-  
mía docente frente a lo algorítmico.  
Percepción de riesgos y dilemas éticos en el uso  
de IA  
En términos de creatividad, varios docentes  
(
B, E, F y H) afirman que la IA ha abierto nuevas  
Una de las preocupaciones más recurrentes en  
las entrevistas es la vulneración de la privacidad de  
los datos. Todos los docentes reconocen los riesgos  
del tratamiento automatizado de la información  
personal estudiantil. La docente A exige transpa-  
rencia institucional, el docente C alerta contra el  
uso comercial de los datos y G menciona peligros  
como el ciberacoso o la exposición a contenidos  
inapropiados. Akgun y Greenhow (2022) destaca-  
ban la urgencia de proteger los datos personales,  
especialmente en contextos sin protocolos sólidos  
de ciberseguridad.  
Otra inquietud se relaciona con la imparciali-  
dad de los algoritmos de evaluación. Aunque algu-  
nos, como el docente A, creen que podrían progra-  
marse para garantizar objetividad, la mayoría —en-  
tre ellos B, D, G y H— duda de su capacidad para  
captar dimensiones emocionales y contextuales del  
aprendizaje. Esta crítica coincide con Chen et al.  
(2020), quienes advierten que, sin supervisión ade-  
cuada, la IA puede amplificar sesgos preexistentes  
y perjudicar a estudiantes vulnerables.  
posibilidades al liberar tiempo para diseñar estrate-  
gias innovadoras, como juegos didácticos o videos.  
Esta idea se vincula con Pratama et al. (2023), quie-  
nes indican que la IA puede inspirar innovación pe-  
dagógica si se usa como estímulo creativo y no  
como receta fija.  
Sin embargo, también se expresan preocupa-  
ciones. El docente D advierte que depender dema-  
siado de la IA en la planificación es riesgoso ante  
imprevistos como fallas de conectividad. Trisna-  
wati et al. (2023) coinciden en que una dependencia  
excesiva puede afectar la capacidad docente de im-  
provisar o adaptarse en tiempo real.  
Respecto a la planificación, se mencionan be-  
neficios como eficiencia, personalización y dina-  
mismo. El docente A habla de “más eficiencia y  
creatividad”, y C destaca que el ahorro de tiempo  
se refleja en clases más elaboradas. Pero también  
hay posturas más escépticas: la docente H admite  
no haber integrado aún la IA, y G muestra desco-  
nocimiento, lo que evidencia una apropiación de-  
sigual.  
Sobre el rol docente como mediador, las opi-  
niones oscilan. Para B y F, la IA refuerza la función  
docente al mejorar la comprensión e interacción.  
En cambio, H advierte que un uso inadecuado po-  
Respecto a la desigualdad, varios docentes se-  
ñalan que la IA puede profundizar brechas ya exis-  
tentes. El docente C advierte que los estudiantes sin  
acceso serán “considerados como un simple dato”,  
y G indica que quienes están en instituciones con  
más recursos tienen ventajas estructurales. Esto  
https://doi.org/10.5281/zenodo.15659239  
18  
South American Research Journal, 5(1), 13-25  
https://www.sa-rj.net//index.php/sarj/article/view/69  
concuerda con Sumakul et al. (2022), quienes do-  
cumentan cómo la IA tiende a reproducir desigual-  
dades estructurales en contextos con brechas digi-  
tales.  
perspectiva se alinea con Ghamrawi et al. (2024),  
quienes sostienen que un uso eficiente de la IA per-  
mite fortalecer el vínculo docente-estudiante.  
Otros docentes, como A, F y H, afirman que la  
IA favorece la personalización de la enseñanza, an-  
ticipa necesidades de aprendizaje y ofrece retroali-  
mentación individualizada. Estas afirmaciones  
coinciden con Ahmad et al. (2022) y Feng y Law  
(2021), quienes destacan que la IA puede ampliar  
la capacidad docente para atender la diversidad,  
siempre que se aplique con criterios pedagógicos y  
éticos.  
Aunque algunos estudios, como el de Xu  
(2024), han encontrado una correlación positiva en-  
tre el uso de IA y mejoras en el rendimiento acadé-  
mico, estos beneficios no son automáticos. Su efec-  
tividad depende de una integración pedagógica  
adecuada y del acompañamiento docente. Como  
señala la UNESCO, la IA debe complementar, no  
sustituir, el rol educativo del maestro.  
Sobre la evaluación, la mayoría de los docen-  
tes considera inaceptable reemplazar el juicio hu-  
mano. A, B y H subrayan la necesidad de conside-  
rar aspectos contextuales y cualitativos, mientras  
que C acepta su uso solo como complemento. Esta  
postura dialoga con Nazaretsky et al. (2022), quie-  
nes reconocen el valor de la evaluación asistida por  
IA, siempre bajo la deliberación docente.  
Asimismo, se identifican zonas donde la IA no  
debe intervenir: el desarrollo socioemocional, los  
dilemas éticos o la educación afectiva. El docente  
D sostiene que “la IA no puede intervenir en reali-  
dades de la vida”, y G se opone a su uso en temas  
controversiales como política o aborto. Estas posi-  
ciones coinciden con Choi et al. (2022), quienes ad-  
vierten que la IA no puede reemplazar el juicio hu-  
mano ni la empatía en la educación.  
Finalmente, los docentes proponen mecanis-  
mos para un uso ético de la IA. El docente A re-  
sume siete ejes: normas, supervisión, transparen-  
cia, privacidad, formación, participación comunita-  
ria y evaluación. Otros, como B y H, enfatizan la  
necesidad de lineamientos que impidan usos inde-  
bidos o acríticos. Esta demanda por regulaciones  
éticas está respaldada por Antonenko y Abramo-  
witz (2023), quienes señalan que la falta de políti-  
cas claras debilita la confianza docente y dificulta  
una integración responsable de la IA en el sistema  
escolar.  
Sin embargo, también se advierten riesgos si se  
delega en exceso la gestión de clase a la IA. El do-  
cente C advierte que esto puede “resquebrajar la re-  
lación” pedagógica, y D insiste en que el diálogo  
educativo requiere mediación humana. Esta preo-  
cupación coincide con Cukurova et al. (2019),  
quienes advierten que una automatización excesiva  
puede disminuir la calidad de la interacción al res-  
tar empatía, juicio situacional e improvisación.  
En relación con la autoridad docente, B alerta  
que algunos estudiantes podrían percibir que “la IA  
sabe más que el docente”, lo cual debilitaría su rol  
si no se mantiene una postura crítica y capacitada.  
Choi et al. (2022) sostienen que la autoridad do-  
cente se mantiene cuando el maestro integra la tec-  
nología desde una posición activa. A su vez, el do-  
cente F enfatiza que la autoridad se fortalece  
cuando el educador domina su disciplina y se mues-  
tra seguro, lo que respalda lo señalado por Kaplan-  
Rakowski et al. (2023) sobre el liderazgo pedagó-  
gico basado en conocimiento profundo, ética y es-  
trategias significativas.  
En cuanto a la motivación y autonomía estu-  
diantil, los testimonios muestran que la IA puede  
actuar como catalizador si se usa de manera con-  
textualizada. La docente D afirma que sus estudian-  
tes se “enganchan” al sentirse más capaces, mien-  
tras C destaca que la motivación crece cuando los  
alumnos crean historias personalizadas. Estas ob-  
servaciones coinciden con Ahmad et al. (2021) y  
Kim (2023), quienes afirman que la IA puede fo-  
mentar el compromiso si hay una guía pedagógica  
estructurada.  
IA y la relación docente-estudiante  
La mayoría de los docentes coincide en que la  
IA puede transformar la interacción educativa al fa-  
cilitar procesos, optimizar el tiempo y permitir una  
mayor dedicación al acompañamiento emocional y  
formativo. El docente B señala que gracias a la IA  
puede dedicar “los minutos restantes” a conversar  
con sus estudiantes, destacando un uso estratégico  
que refuerza, sin sustituir, el contacto humano. Esta  
No obstante, también emergen riesgos de des-  
vinculación afectiva y sobredependencia. El do-  
cente E menciona que algunos estudiantes podrían  
“aburrirse” sin conexión personal, y F subraya que  
“siempre se necesitará del docente para sentirse  
motivado”. Estas advertencias coinciden con Chiu  
https://doi.org/10.5281/zenodo.15659239  
19  
South American Research Journal, 5(1), 13-25  
https://www.sa-rj.net//index.php/sarj/article/view/69  
et al. (2022), quienes indican que, aunque la IA per-  
sonalice contenidos, no garantiza un entorno afec-  
tivamente estimulante.  
(2024), quienes advierten que la falta de marcos ge-  
nera incertidumbre y deja el uso de la IA a criterio  
individual, sin protocolos ni límites éticos.  
Respecto al pensamiento crítico, las posturas  
son ambivalentes. B y C ven en la IA un aliado para  
promover debates si se orienta adecuadamente,  
pero D advierte que los estudiantes “se limitan a re-  
petir” y F teme una reducción del pensamiento ana-  
lítico. Estas tensiones se agravan en contextos  
como el latinoamericano, donde los bajos niveles  
de comprensión lectora y vocabulario dificultan el  
pensamiento crítico. Así lo subrayan Celik (2023)  
y Chen et al. (2020), quienes advierten que evitar  
la pasividad cognitiva requiere mediación experta  
y formación en argumentación y juicio crítico.  
Finalmente, en cuanto a la conexión emocio-  
nal, la mayoría coincide en que no debe perderse.  
El docente B afirma que un uso excesivo de la IA  
A nivel nacional, los docentes coinciden en  
que las políticas educativas no han abordado ade-  
cuadamente la integración de la IA. El docente E  
critica que la IA fue introducida sin respaldo peda-  
gógico, y F reconoce avances desde 2021 que, sin  
embargo, considera insuficientes. Estas percepcio-  
nes coinciden con Apolo et al. (2024), quienes sos-  
tienen que en Ecuador aún no existe una política  
pública articulada sobre IA en la educación.  
En este contexto, los docentes afirman que el  
magisterio debe tener un rol activo en la formula-  
ción de políticas. El docente B lo resume diciendo  
que “somos los docentes quienes palpamos las  
realidades”, mientras que F sostiene que el maestro  
es quien puede discernir “qué está bien o mal”. Es-  
tas ideas respaldan lo planteado por Chounta et al.  
(2021), quienes proponen integrar a los docentes  
como co-diseñadores de las estrategias de IA.  
Respecto a la formación, los docentes propo-  
nen una capacitación integral que no solo abarque  
herramientas digitales, sino también dimensiones  
éticas, legales y pedagógicas. H enfatiza la necesi-  
dad de enseñar análisis crítico de la información, y  
C reclama programas nacionales con enfoque prác-  
tico. Estas propuestas coinciden con Celik (2023),  
quien sostiene que la alfabetización en IA debe in-  
cluir reflexión ética y crítica contextualizada.  
Finalmente, sobre cómo implementar la IA en  
las escuelas, los docentes proponen modelos gra-  
duales, planificados y normados. El docente A su-  
giere una ruta con objetivos claros, formación, mo-  
nitoreo y evaluación ética. B y G enfatizan la nece-  
sidad de establecer límites. Estas recomendaciones  
coinciden con Feng y Law (2021), quienes abogan  
por marcos de implementación progresiva adapta-  
dos a las capacidades institucionales y los contex-  
tos socioculturales.  
“vuelve fría la educación”, y E enfatiza que “una  
máquina no puede motivar”.  
Condiciones institucionales y políticas para la  
integración de IA  
Ante la pregunta sobre si sus instituciones es-  
tán preparadas para integrar la IA en la enseñanza,  
la mayoría de los docentes responde negativa-  
mente. Alegan falta de infraestructura, escasa capa-  
citación, ausencia de normativas claras y desigual-  
dad de acceso. Las docentes F y H indican que no  
cuentan ni con laboratorios ni con conectividad bá-  
sica. El docente D denuncia la distancia entre el dis-  
curso innovador y la realidad material. Sanusi et al.  
(2022) destacan que en países en desarrollo el prin-  
cipal obstáculo es la desigualdad en infraestructura  
y recursos humanos.  
Frente a esta situación, los docentes demandan  
apoyo institucional continuo. Señalan como priori-  
tarios la formación docente permanente (A, B, C,  
H), inversión tecnológica y apoyo técnico especia-  
lizado (F). Estas demandas coinciden con Akgun y  
Greenhow (2022), quienes resaltan que integrar IA  
exige desarrollo de capacidades y entornos habili-  
tantes en infraestructura, soporte y acompaña-  
miento pedagógico.  
Contraste entre las perspectivas de los docentes  
entrevistados y la evidencia científica reciente  
sobre riesgos de la IA en la educación  
Un problema central es la ausencia de norma-  
tivas específicas. El docente G menciona que solo  
se aplican criterios de plagio, pero no hay regla-  
mentos claros. C y H reconocen que el tema aún no  
se ha regulado. Esta carencia normativa también ha  
sido documentada por Delgado de Frutos et al.  
Aunque los docentes entrevistados destacan  
diversas ventajas del uso de la IA en el aula, la lite-  
ratura científica publicada en los últimos años  
ofrece una mirada más crítica. Estudios experimen-  
tales, longitudinales y meta-analíticos revelan efec-  
tos potencialmente contraproducentes en distintas  
https://doi.org/10.5281/zenodo.15659239  
20  
South American Research Journal, 5(1), 13-25  
https://www.sa-rj.net//index.php/sarj/article/view/69  
dimensiones del aprendizaje, cuestionando directa-  
mente estas valoraciones optimistas.  
riesgo ético: la IA puede facilitar prácticas de des-  
honestidad académica, como trampas o plagio, lo  
que distorsiona las calificaciones sin reflejar un  
aprendizaje genuino (Vieriu y Petrea, 2025). En  
consecuencia, sin una integración pedagógica cui-  
dadosa, el uso de IA no solo puede fracasar en me-  
jorar el rendimiento, sino también socavar la cali-  
dad y validez del aprendizaje.  
En primer lugar, la creencia de que la IA agi-  
liza la planificación y reduce la carga laboral do-  
cente no siempre se confirma en la práctica. Al-  
Zahrani (2024) señalan que muchos profesores no  
han experimentado una disminución significativa  
en su carga de trabajo tras incorporar herramientas  
de IA. Por el contrario, solo una minoría percibe  
beneficios claros, ya que su integración exige  
tiempo adicional para aprender a usarlas y verificar  
la calidad de los contenidos generados. Además,  
estas plataformas pueden producir información  
inexacta o sesgada —conocida como “alucinacio-  
nes”—, que los docentes deben revisar cuidadosa-  
mente, lo que reduce la eficiencia esperada. A esto  
se suman los riesgos de fiabilidad técnica: fallos de  
funcionamiento o interrupciones del sistema pue-  
den afectar seriamente la planificación educativa  
Un área especialmente sensible es la motiva-  
ción estudiantil. Si bien algunos docentes conside-  
raron que la IA puede despertar interés gracias a  
actividades atractivas, la evidencia empírica señala  
lo contrario: cuando los procesos están excesiva-  
mente automatizados, los estudiantes tienden a  
adoptar una actitud pasiva. Zhai et al. (2024) evi-  
dencian que el uso frecuente de chatbots y asisten-  
tes conversacionales se asocia con una menor im-  
plicación y persistencia, ya que la disponibilidad  
inmediata de respuestas reduce el esfuerzo inver-  
tido por los alumnos. Krullaars et al. (2023, citados  
en Zhai et al., 2024) advierten que esta dependencia  
excesiva puede debilitar la dedicación y el compro-  
miso del estudiante, al confiar más en la herra-  
mienta que en sus propias capacidades. Esta situa-  
ción afecta también la autodisciplina: si el estu-  
diante percibe que la IA solucionará sus tareas, ten-  
drá menos incentivos para practicar por cuenta pro-  
pia.  
Más preocupante aún es el impacto negativo  
sobre el pensamiento crítico y la autonomía intelec-  
tual. Numerosos estudios coinciden en que la de-  
pendencia excesiva de asistentes de IA puede atro-  
fiar habilidades cognitivas fundamentales como el  
razonamiento, la toma de decisiones y el análisis  
independiente. Dergaa et al. (2023) documentan  
que la “descarga cognitiva” —es decir, el hecho de  
delegar constantemente en la IA tareas de evalua-  
ción y síntesis— conlleva una pérdida progresiva  
de capacidades intelectuales propias. Una revisión  
publicada en Smart Learning Environments (2024)  
señala que el uso habitual de IA se relaciona con un  
menor nivel de retención de información y resolu-  
ción de problemas, así como una creciente depen-  
dencia tecnológica.  
(Al-Zahrani, 2024).  
En segundo lugar, aunque la IA tiene el poten-  
cial de facilitar aprendizajes personalizados, su im-  
plementación efectiva enfrenta obstáculos impor-  
tantes. Una revisión sistemática de 68 estudios em-  
píricos (2018–2024) identificó múltiples barreras  
en este proceso (Barrera-Castro et al., 2025). Entre  
ellas destacan la complejidad para interpretar las  
recomendaciones algorítmicas, la necesidad de  
ajustes constantes en los materiales y evaluaciones,  
y los sesgos que pueden introducir los propios al-  
goritmos. Además, este tipo de personalización  
exige nuevas responsabilidades organizativas, más  
tiempo de planificación docente y mayores recur-  
sos, lo cual no siempre es viable en los entornos es-  
colares reales (Barrera-Castro et al., 2025). Así, la  
personalización que promete la IA no se traduce au-  
tomáticamente en una mejora de la enseñanza, y  
puede incluso generar frustración o inequidad si no  
se cumplen las condiciones adecuadas.  
Tampoco se garantiza una mejora automática  
del rendimiento académico. Por el contrario, varios  
estudios han demostrado que, bajo ciertas condicio-  
nes, la incorporación de IA puede ser perjudicial  
para el desempeño estudiantil. Martín-Núñez et al.  
(
2023) encontraron que la “naturaleza experimen-  
Este fenómeno ha sido corroborado por un ex-  
perimento controlado aleatorizado reciente (Dar-  
vishi et al., 2024), que evaluó a 1.625 estudiantes  
universitarios. Los resultados revelaron que los  
alumnos que recibían retroalimentación de asisten-  
tes de IA tendían a confiar en sus sugerencias sin  
desarrollar estrategias propias, y su desempeño se  
reducía al retirar la asistencia. Incluso el grupo que  
tal” de estas herramientas puede reducir la motiva-  
ción de los alumnos, aumentar su distracción y lle-  
var a un menor rendimiento. Además, se han iden-  
tificado deficiencias en la capacidad predictiva e  
interactiva de los sistemas de IA educativa, lo que  
puede generar una falsa concepción del aprendizaje  
(Martín-Núñez et al., 2023). A esto se añade un  
https://doi.org/10.5281/zenodo.15659239  
21  
South American Research Journal, 5(1), 13-25  
https://www.sa-rj.net//index.php/sarj/article/view/69  
combinó IA con monitoreo humano no mejoró res-  
pecto al grupo con solo IA, lo que sugiere que la  
tecnología estaba obstaculizando el desarrollo de la  
autorregulación (Darvishi et al., 2024).  
limitados en el rendimiento académico real. La in-  
vestigación previa muestra además que las condi-  
ciones institucionales actuales –carencia de norma-  
tivas, infraestructura limitada y escasa formación  
docente– no favorecen una integración crítica ni  
equitativa de la IA. Se concluye que la implemen-  
tación de tecnologías de IA en contextos educativos  
requiere una planificación pedagógica cuidadosa,  
acompañada de formación docente ética y técnica,  
regulaciones claras y metodologías que promuevan  
la actividad cognitiva del estudiante.  
Entre las principales limitaciones del estudio  
se encuentra la muestra restringida: las percepcio-  
nes se recolectaron únicamente de docentes de una  
unidad educativa secundaria urbana de Ecuador, lo  
cual impide generalizar los hallazgos a otros con-  
textos educativos o niveles formativos. Además, al  
tratarse de un enfoque cualitativo con entrevistas  
semiestructuradas, no se cuantificaron los efectos  
reales del uso de IA en el aula, por lo que las con-  
clusiones deben interpretarse como interpretacio-  
nes situadas y no como resultados medidos empíri-  
camente.  
En esta misma línea, Zhai et al. (2024) señalan  
que los estudiantes que dependían intensamente de  
tutores conversacionales mostraban una menor ca-  
pacidad de análisis crítico y toma de decisiones.  
Walter (2024) confirma esta tendencia, afirmando  
que la sobredependencia de la IA “entorpece el  
desarrollo del pensamiento crítico”, al debilitar la  
práctica del pensamiento independiente. En con-  
junto, estas investigaciones configuran un pano-  
rama preocupante: la omnipresencia de la IA en el  
aula, si no se gestiona con precauciones pedagógi-  
cas adecuadas, puede comprometer seriamente la  
formación de una autonomía intelectual sólida,  
justo lo contrario de lo que persigue una educación  
de calidad.  
En conclusión, lejos de negar los beneficios  
potenciales de la IA, estos hallazgos promueven  
una visión más crítica y matizada. Aunque los do-  
centes destacan fortalezas como la personalización  
y la eficiencia, la evidencia empírica demuestra que  
estos beneficios no son automáticos y que su adop-  
ción sin estrategia puede conllevar importantes  
riesgos: desde un aprendizaje superficial o enga-  
ñoso, hasta la pérdida de motivación, autonomía y  
pensamiento crítico. Por ello, más que implementar  
la IA de manera indiscriminada, es necesario inte-  
grarla con cautela, apoyada en formación docente  
sólida, marcos regulatorios claros y metodologías  
que mantengan a los estudiantes activos intelec-  
tualmente. Solo bajo estas condiciones, la innova-  
ción tecnológica podrá convertirse en una aliada  
real del aprendizaje, en lugar de un factor que lo  
debilite.  
BIBLIOGRAFÍA  
Ahmad, S., Alam, M., Rahmat, M., Mubarik, M. y  
Hyder, S. (2022). Academic and administrative  
role  
of  
artificial  
intelligence  
in  
education. Sustainability, 14(3),  
1101.  
https://doi.org/10.3390/su14031101  
Ahmad, S., Rahmat, M., Mubarik, M., Alam, M. y  
Hyder, S. (2021). Artificial intelligence and its role  
in  
education. Sustainability, 13(22),  
12902.  
https://doi.org/10.3390/su132212902  
Akgun, S. y Greenhow, C. (2022). Artificial intelligence  
in education: Addressing ethical challenges in K-  
1
2
settings. AI and Ethics, 2(431-440).  
CONCLUSIÓN  
https://doi.org/10.1007/s43681-021-00096-7  
La presente investigación cualitativa permitió  
identificar que, si bien los docentes perciben a la IA  
como una herramienta potencialmente transforma-  
dora en el aula, sus valoraciones suelen centrarse  
en beneficios funcionales inmediatos como la pla-  
nificación, la personalización del aprendizaje y la  
motivación estudiantil. Sin embargo, estas percep-  
ciones se contraponen con evidencia científica re-  
ciente que alerta sobre riesgos relevantes: disminu-  
ción del pensamiento crítico, erosión de la autono-  
mía estudiantil, dependencia tecnológica y efectos  
Al-Zahrani, A. (2024). Unveiling the shadows: Beyond  
the hype of AI in education. Heliyon, 10(9).  
https://doi.org/10.1016/j.heliyon.2024.e30696  
Antonenko, P. y Abramowitz, B. (2023). In-service  
teachers’ (mis)conceptions of artificial intelligence  
in K-12 science education. Journal of Research on  
Technology in Education, 55(1), 64-78.  
https://doi.org/10.1080/15391523.2022.2119450  
Apolo, D., Estrada, A., Fernández, D. y Mansutti, A.  
(
2024). La inteligencia artificial y su aplicabilidad  
https://doi.org/10.5281/zenodo.15659239  
22  
South American Research Journal, 5(1), 13-25  
https://www.sa-rj.net//index.php/sarj/article/view/69  
en la educación escolarizada ecuatoriana. Boletín  
Observatorio UNAE, 6, 6-22. Universidad  
Nacional de Educación del Ecuador (UNAE).  
Cukurova, M., Luckin, R. y Kent, C. (2019). Impact of  
an artificial intelligence research frame on the  
perceived credibility of educational research  
evidence. International Journal of Artificial  
Intelligence in Education, 30(1), 205-235.  
https://doi.org/10.1007/s40593-019-00188-w  
Avello Sáez, D., Lucero-González, N. y Villagrán, I.  
(
2024). Desarrollo de una declaración de uso de  
inteligencia artificial con una perspectiva de  
integridad académica en educación médica y  
ciencias de la salud. Revista Médica Clínica Las  
Darvishi, A., Khosravi, H., Sadiq, S., Gašević, D. y  
Siemens, G. (2024). Impact of AI assistance on  
student agency. Computers and Education, 210,  
Article  
Condes, 412-  
35(5-6),  
4
20 https://doi.org/10.1016/j.rmclc.2024.06.003  
1
04967. https://doi.org/10.1016/j.compedu.2023.1  
Barrera Castro, G., Chiappe, A., Ramírez-Montoya, M.  
S. y Alcántar Nieblas, C. (2025). Key Barriers to  
Personalized Learning in Times of Artificial  
04967  
Delgado de Frutos, N., Campo Carrasco, L., Sainz de la  
Maza, M., y Extabe-Urbieta, J. M. (2024).  
Aplicación de la Inteligencia Artificial (IA) en  
Educación: Los beneficios y limitaciones de la IA  
percibidos por el profesorado de educación  
primaria, educación secundaria y educación  
superior. Revista Electrónica Interuniversitaria de  
Formación del Profesorado, 27(1), 207-224.  
https://doi.org/10.6018/reifop.577211  
Intelligence:  
A
Literature Review. Applied  
Sciences, 15(6),  
3103.  
https://doi.org/10.3390/app15063103  
Calvo Hernandez, F. (2024). Enkvist, Inger (2022).  
Conocimiento  
en  
crisis.  
Tecnos,  
166  
pp. Cuadernos De Pensamiento, (37), 407–412.  
https://revistas.fuesp.com/cpe/article/view/542  
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  
Dergaa, I., Chamari, K., Zmijewski, P. y Saad, H. B.  
(2023). From human writing to artificial  
intelligence generated text: Examining the  
prospects and potential threats of chatgpt in  
academic writing. Biology of Sport, 40(2), 615–  
622. https://doi.org/10.5114/biolsport.2023.12562  
3
Chen, L., Chen, P. y Lin, Z. (2020). Artificial  
Intelligence in Education: A Review. IEEE Access,  
Díaz, B., Nussbaum, M., Greiff, S. y Santana, M.  
(2024). The role of technology in reading literacy:  
Is Sweden going back or moving forward by  
returning to paper-based reading?. Computers &  
8
7
8
,
75264-  
5278. https://doi.org/10.1109/ACCESS.2020.298  
510  
Education, 213,  
https://doi.org/10.1016/j.compedu.2024.105014  
105014.  
Chiu, T., Meng, H., Chai, C., King, I., Wong, S. y Yam,  
Y. (2022). Creation and evaluation of a pretertiary  
artificial intelligence (AI) curriculum. IEEE  
Transactions on Education, 65(1), 30–40.  
https://doi.org/10.1109/TE.2021.3085878  
ElSayary, A. (2023). An investigation of teachers'  
perceptions of using ChatGPT as a supporting tool  
for teaching and learning in the digital era. Journal  
of  
Computer  
Assisted  
Learning.  
Choi, S., Jang, Y. y Kim, H. (2022). Influence of  
pedagogical beliefs and perceived trust on  
teachers’ acceptance of educational artificial  
intelligence tools. International Journal of Human-  
https://doi.org/10.1111/jcal.12926  
Feng, S. y Law, N. (2021). Mapping artificial  
intelligence in education research: A network‐  
based keyword analysis. International Journal of  
Artificial Intelligence in Education, 31(2), 277-  
Computer  
Interaction,  
38(10),  
910-922.  
https://doi.org/10.1080/10447318.2022.2049145  
303. https://doi.org/10.1007/s40593-021-00244-4  
Chounta, I., Bardone, E., Raudsep, A. y Pedaste, M.  
(
2021). Exploring teachers’ perceptions of  
Ghamrawi, N., Shal, T. y Ghamrawi, N. (2024).  
Exploring the impact of AI on teacher leadership:  
regressing or expanding? Education and  
Information Technologies, 29, 8415–8433.  
https://doi.org/10.1007/s10639-023-12174-w  
artificial intelligence as a tool to support their  
practice in Estonian K-12 education. International  
Journal of Artificial Intelligence in Education.  
https://doi.org/10.1007/s40593-021-00243-5  
https://doi.org/10.5281/zenodo.15659239  
23  
South American Research Journal, 5(1), 13-25  
https://www.sa-rj.net//index.php/sarj/article/view/69  
Gocen, A. y Aydemir, F. (2020). Artificial intelligence  
Científica Multidisciplinar, 7(6), 2032-2053.  
in education and schools. Research on Education  
https://doi.org/10.37811/cl_rcm.v7i6.8832  
and  
Media,  
12(1),  
14-21.  
https://doi.org/10.2478/rem-2020-0003  
Nazaretsky, T., Ariely, M., Cukurova, M. y Alexandron,  
G. (2022). Teachers' trust in AI-powered  
Joshi, S., Rambola, R. y Churi, P. (2021). Evaluating  
Artificial Intelligence in Education for Next  
Generation. Journal of Physics: Conference Series,  
educational technology and  
a
professional  
development program to improve it. British  
Journal of Educational Technology, 53(4), 914-  
931. https://doi.org/10.1111/bjet.13232  
1
714, 012039. https://doi.org/10.1088/1742-  
6
596/1714/1/012039  
Nazaretsky, T., Cukurova, M. y Alexandron, G. (2021).  
Kaplan-Rakowski, R., Grotewold, K., Hartwick, P. y  
Papin, K. (2023). Generative AI and Teachers’  
Perspectives on Its Implementation in Education.  
Journal of Interactive Learning Research, 34(2),  
An instrument for measuring teachers’ trust in AI-  
based  
educational  
technology.  
ACM.  
https://doi.org/10.1145/3506860.3506866  
3
1
13-338.  
2174-w  
https://doi.org/10.1007/s10639-023-  
Peñafiel-Jurado, R., Márquez-Márquez, N. y Guamán-  
Villa, I. (2024). Inteligencia artificial en la  
educación: Revisión sistemática de perspectivas,  
beneficios y desafíos en la práctica docente. South  
Kim, J. (2023). Leading teachers' perspective on  
teacher-AI collaboration in education. Education  
and Information Technologies, 29, 7281-7301.  
https://doi.org/10.1007/s10639-023-12109-5  
American  
Research  
Journal, 4(2),  
5–15.  
https://doi.org/10.5281/zenodo.14507789  
Pratama, M., Sampelolo, R. y Lura, H. (2023).  
Revolutionizing education: Harnessing the power  
of artificial intelligence for personalized learning.  
Klasikal: Journal of Education, Language  
Kim, N. y Kim, M. (2022). Teacher’s perceptions of  
using an artificial intelligence-based educational  
tool for scientific writing. Frontiers in Education,  
7
,
755914.  
Teaching  
and  
Science,  
5(2),  
350-357.  
https://doi.org/10.3389/feduc.2022.755914  
https://doi.org/10.2656-9914  
Leal, R. y Herrera, B. (2009). La constitución de  
significado en el ámbito de las relaciones  
intersubjetivas: El acto personal y la acción  
Sanusi, I., Olaleye, S., Oyelere, S. y Dixon. (2022).  
Investigating learners’ competencies for artificial  
intelligence education in an African K-12 setting.  
Computers and Education Open, 3,100083.  
https://doi.org/10.1016/j.caeo.2022.100083  
social. Alpha  
http://dx.doi.org/10.4067/S0718-  
2012009000100009  
(Osorno),  
(28),  
135-151.  
2
Sanusi, I., Oyelere, S. y Omidiora, J. O. (2022).  
Exploring teachers' preconceptions of teaching  
machine learning in high school: A preliminary  
insight from Africa. Computers and Education  
Martín-Núñez, J., Ar, A., Fernández, R., Abbas, A. y  
Radovanović, D. (2023). Does intrinsic motivation  
mediate perceived artificial intelligence (AI)  
learning and computational thinking of students  
during the COVID-19 pandemic?. Computers and  
Education: Artificial Intelligence, 4, 100128.  
https://doi.org/10.1016/j.caeai.2023.100128  
Open,  
3,  
100072.  
https://doi.org/10.1016/j.caeo.2021.100072  
Sumakul, D., Hamied, F. y Sukyadi, D. (2022).  
Artificial intelligence in EFL classrooms: Friend or  
foe? LEARN Journal: Language Education and  
Acquisition Research Network, 15(1), 232-256.  
https://so04.tci-  
McGrath, C., Cerratto Pargman, T., Juth, N. y  
Palmgren, P. (2023). University teachers'  
perceptions of responsibility and artificial  
intelligence in higher education: An experimental  
philosophical study. Computers and Education:  
thaijo.org/index.php/LEARN/index  
Artificial  
Intelligence,  
4,  
100139.  
Talan, T. (2021). Artificial Intelligence in Education: A  
Bibliometric Study. International Journal of  
Research in Education and Science, 822-  
837. https://doi.org/10.46328/IJRES.2409  
https://doi.org/10.1016/j.caeai.2023.100139  
Morocho-Cevallos, R., Cartuche-Gualán, A., Tipan-  
Llanos, A., Guevara-Guevara, A.  
Quiñónez, M. (2023). Integración de la inteligencia  
artificial en la educación. Ciencia Latina Revista  
y Ríos-  
Trisnawati, W., Putra, R. y Balti, L. (2023). The Impact  
of Artificial Intelligent in Education toward 21st  
Century Skills: A Literature Review. PPSDP  
https://doi.org/10.5281/zenodo.15659239  
24  
South American Research Journal, 5(1), 13-25  
https://www.sa-rj.net//index.php/sarj/article/view/69  
International Journal of Education, 2(2), 501-513.  
https://doi.org/10.59175/pijed.v2i2.152  
Vieriu, A. y Petrea, G. (2025). The Impact of Artificial  
Intelligence (AI) on Students’ Academic  
Development. Education Sciences, 15(3), 343.  
https://doi.org/10.3390/educsci15030343  
Walter, Y. (2024). Embracing the future of Artificial  
Intelligence in the classroom: the relevance of AI  
literacy, prompt engineering, and critical thinking  
in modern education. International Journal of  
Educational  
Technology  
in  
Higher  
Education, 21(1),  
15.  
https://doi.org/10.1186/s41239-024-00448-3  
Xu, Z. (2024). AI in education: Enhancing learning  
experiences and student outcomes. Applied and  
Computational Engineering, 51(1), 104-111.  
https://doi.org/10.54254/2755-2721/51/20241187  
Yau, K., Chai, C., Chiu, T., Meng, H., King, I. y Yam,  
Y. (2023). A phenomenographic approach on  
teacher conceptions of teaching Artificial  
Intelligence (AI) in K-12 schools. Education and  
Information Technologies, 28, 1041–1064.  
https://doi.org/10.1007/s10639-022-11161-x  
Zawacki-Richter, O., Marín, V., Bond, M.  
y
Gouverneur, F. (2019). Systematic review of  
research on artificial intelligence applications in  
higher  
educators?. International Journal of Educational  
Technology in Higher Education,  
6. https://doi.org/10.1186/s41239-019-0171-0  
education  
–
where  
are  
the  
1
Zhai, C., Wibowo, S. y Li, L. (2024). The effects of  
over-reliance on AI dialogue systems on students'  
cognitive abilities: a systematic review. Smart  
Learn.  
Environment,  
11(28).  
https://doi.org/10.1186/s40561-024-00316-7  
Declaración de uso de IA: Se usó Inteligencia Artificial  
exclusivamente con propósitos de edición del artículo.  
https://doi.org/10.5281/zenodo.15659239  
25