Inteligencia artificial en la educación superior latinoamericana: Oportunidades, riesgos y perspectivas

Autores/as

Pedro Falconi Ayón, Universidad Estatal del Sur de Manabíhttps://orcid.org/0000-0002-7878-092X; Fabian Román Lainez, Ministerio de Educación del Ecuadorhttps://orcid.org/0009-0003-6128-5230; Yonatan Calizaya Ramos, Universidad Nacional de Juliaca https://orcid.org/0009-0001-6668-8667; Byron Chango Muñoz, Investigador independientehttps://orcid.org/0009-0001-6494-564X; Juan Lázaro Guillermo, Universidad Nacional Intercultural de la Amazonia https://orcid.org/0000-0002-4785-9344
DOI: https://doi.org/10.66646/educa-plus/09sep2608

Palabras clave:

Inteligencia artificial, educación superior, transformación digital, Innovación educativa, evaluación del aprendizaje, ética académica, inclusión educativa, gobernanza universitaria

Sinopsis

La inteligencia artificial está transformando de manera profunda la educación superior, modificando los procesos de enseñanza, aprendizaje, evaluación, investigación y gestión institucional. Esta obra analiza de manera crítica e integral las oportunidades, riesgos y perspectivas que plantea su incorporación en las universidades latinoamericanas. A partir de una revisión académica y multidimensional, se examinan la evolución de la inteligencia artificial educativa, la transformación digital universitaria, los nuevos ecosistemas de aprendizaje, la personalización, la tutoría inteligente y las nuevas funciones del profesorado. Asimismo, se estudian sus aplicaciones en la evaluación del aprendizaje, el diseño de instrumentos, la retroalimentación, la investigación científica, la escritura académica y el análisis de datos. La obra aborda también los principales desafíos relacionados con la integridad académica, el plagio, la privacidad y protección de datos, los sesgos algorítmicos, la dependencia tecnológica y el uso responsable de estas herramientas. De manera particular, se analizan la inclusión, la accesibilidad, la brecha digital y las desigualdades que pueden condicionar el acceso equitativo a los beneficios de la inteligencia artificial. Finalmente, se desarrollan propuestas vinculadas con la gobernanza institucional, la formación docente, los marcos de uso responsable y los escenarios futuros de la universidad. El libro propone una aproximación crítica, ética y humanista que concibe la inteligencia artificial no como un fin en sí mismo, sino como un recurso cuya pertinencia depende de su capacidad para fortalecer la calidad educativa, la equidad, la autonomía académica y el desarrollo de capacidades humanas.

Biografía del autor/a

Pedro Falconi Ayón, Universidad Estatal del Sur de Manabí

Abogado con énfasis en Derechos Humanos y Ciencias Penales. Posee los títulos de Magíster en Ciencias Penales y Criminológicas, Magíster en Administración Pública y Magíster en Derecho con mención en Derecho Procesal Constitucional. Se desempeña como director de Talento Humano de la Universidad Estatal del Sur de Manabí y como profesor ocasional de la carrera de Derecho, adscrita a la Facultad de Ciencias Sociales, Humanísticas y de la Educación de esta institución. En el ámbito docente, imparte la cátedra de Derecho Constitucional. Su trayectoria académica y profesional se relaciona con el derecho constitucional, los derechos humanos, las ciencias penales, la criminología, la administración pública y la gestión del talento humano.

Fabian Román Lainez, Ministerio de Educación del Ecuador

Fabián Román Laínez es docente con una trayectoria académica y profesional vinculada a la educación superior y a la educación de personas jóvenes y adultas. Durante cuatro años se desempeñó como docente de la Universidad Estatal Península de Santa Elena, aportando a la formación de estudiantes en las carreras de Ingeniería Comercial, Turismo y Administración Pública, dentro del área de Administración de Empresas.

Actualmente cuenta con siete años de experiencia como docente en la modalidad de Educación para Personas con Escolaridad Inconclusa, labor que le ha permitido contribuir a la formación y reinserción educativa de jóvenes y adultos. Su trayectoria se caracteriza por el compromiso con una educación inclusiva y superior, la actualización permanente y el fortalecimiento de las oportunidades de aprendizaje para diversos grupos de la sociedad ecuatoriana.

Yonatan Calizaya Ramos, Universidad Nacional de Juliaca

Ingeniero  economista  y docente  universitario,  con  especialización  en  Políticas Públicas,  Gerencia  y  Gestión  de  Proyectos,  además  de  formación  complementaria en  planificación estratégica,  desarrollo territorial  y  cooperación internacional.  Cuenta con amplia experiencia profesional en el diseño, formulación, evaluación y gestión de proyectos de  desarrollo  económico  y  social,  así  como  en  la  implementación  de iniciativas financiadas por organismos de cooperación internacional, entidades públicas y organizaciones de desarrollo. Mi trayectoria se ha orientado al fortalecimiento institucional, la gestión pública, la inversión pública, el  desarrollo  territorial,  la  competitividad  y  la  asociatividad  productiva.  En  el  ámbito  académico,  se  desempeña  como  docente  universitario en programas de pregrado y posgrado, impartiendo cursos relacionados  con  economía, formulación  y  evaluación  de  proyectos,  gestión pública, investigación científica y desarrollo regional. Asimismo, desarrollo actividades de investigación en áreas como economía aplicada, teoría  de  juegos,  desarrollo  rural,  cadenas  productivas  y  políticas  públicas, participando como ponente en eventos académicos nacionales e  internacionales  y  contribuyendo  con  publicaciones  científicas  y documentos  técnicos  orientados  a  la  generación  de  conocimiento  y  al  desarrollo sostenible.

Byron Chango Muñoz, Investigador independiente

Licenciado en Lenguaje y Comunicación por la Universidad Tecnológica Equinoccial y complementó esta formación con una Tecnología en Desarrollo Integral del Niño obtenida en el Instituto Tecnológico José Chiriboga Grijalba. Esta combinación de estudios fortaleció su visión pedagógica y le permitió desarrollar un enfoque integral hacia el aprendizaje humano.

Comprometido con la excelencia y la actualización constante, cursó la Maestría en Innovación en la Universidad Andina Simón Bolívar. Este programa fortaleció su capacidad para integrar metodologías contemporáneas, enfoques transformadores y prácticas de investigación orientadas a la mejora del sistema educativo. Durante su formación de posgrado, profundizó en el análisis de la innovación en contextos educativos y en estrategias que permiten dinamizar los procesos de enseñanza-aprendizaje. Su trabajo académico se enfocó en comprender cómo la creatividad, la tecnología y el pensamiento crítico pueden integrarse de manera efectiva en el aula. Esta maestría consolidó su visión de un sistema educativo más flexible, inclusivo y conectado con los desafíos del siglo XXI.

En el ámbito profesional, ha desempeñado un rol destacado como Instructor en las Escuelas de Formación de Policías, donde ha contribuido al desarrollo disciplinario, ético y humano del personal en preparación. Su labor dentro de la formación policial se ha centrado en promover valores institucionales, fortalecer las competencias ciudadanas y fomentar una cultura de respeto, responsabilidad y servicio. Además, ha ejercido como Inspector de Curso en la Unidad Educativa Liceo Policial, impulsando procesos educativos orientados a la excelencia académica y la formación integral de niños y adolescentes. Su gestión en esta institución se caracteriza por el liderazgo responsable, la organización eficiente y el acompañamiento cercano a estudiantes y familias. En cada una de estas funciones, ha demostrado un compromiso permanente con el crecimiento humano y profesional de quienes acompañan su labor.

Juan Lázaro Guillermo, Universidad Nacional Intercultural de la Amazonia

Docente universitario, investigador RENACYT Nivel IV y conferencista internacional con más de 24 años de experiencia académica en el Perú. Es magíster en Docencia y Calidad, egresado del Doctorado en Medio Ambiente y Desarrollo Sostenible y maestrando en Inteligencia Artificial. Su trayectoria integra docencia, gestión académica e investigación científica en áreas como Ciencia y Tecnología, Gestión Ambiental, Desarrollo Social y Sostenible, Administración, Interculturalidad, Educación, TIC, Inteligencia Artificial aplicada, Ciencia de Datos, transformación digital, innovación educativa, etc. Ha publicado 28 artículos científicos en revistas indexadas, 30 libros académicos y científicos, y posee 12 patentes por modelos de utilidad y software. Ha presentado más de 90 ponencias en congresos nacionales e internacionales y participa activamente en redes globales de investigación, contribuyendo al desarrollo ambiental, científico, tecnológico y educativo en la Amazonía Peruana y Latinoamérica. Revisor par en diferentes revistas científicas.

Referencias

Almasri, A. (2024). A systematic review of AI-powered personalized feedback systems in higher education. Computers and Education: Artificial Intelligence, 6, 100204. https://doi.org/10.1016/j.caeai.2024.100204

American Association of University Professors. (2025). Artificial intelligence and academic professions. https://www.aaup.org/reports-publications/aaup-policies-reports/topical-reports/artificial-intelligence-and-academic

American Educational Research Association, American Psychological Association, & National Council on Measurement in Education. (2014). Standards for educational and psychological testing. American Educational Research Association.

American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.).

Andrade, H. L. (2019). A critical review of research on student self-assessment. Frontiers in Education, 4, Article 87. https://doi.org/10.3389/feduc.2019.00087

Asamblea Nacional del Ecuador. (2021). Ley Orgánica de Protección de Datos Personales. Registro Oficial, Quinto Suplemento No. 459. https://www.asambleanacional.gob.ec/es/multimedios-legislativos/63464-ley-organica-de-proteccion-de-datos

Association of College and Research Libraries. (2016). Framework for information literacy for higher education. American Library Association. https://www.ala.org/acrl/standards/ilframework

Autio, C., Schwartz, R., Dunietz, J., Jain, S., Stanley, M., Tabassi, E., Hall, P., & Roberts, K. (2024). Artificial intelligence risk management framework: Generative artificial intelligence profile (NIST AI 600-1). National Institute of Standards and Technology. https://doi.org/10.6028/NIST.AI.600-1

Baker, R. S., & Hawn, A. (2022). Algorithmic bias in education. International Journal of Artificial Intelligence in Education, 32, 1052–1092. https://doi.org/10.1007/s40593-021-00285-9

Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? In Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (pp. 610–623). Association for Computing Machinery. https://doi.org/10.1145/3442188.3445922

Biggs, J., & Tang, C. (2011). Teaching for quality learning at university (4th ed.). Open University Press.

Black, P., & Wiliam, D. (2009). Developing the theory of formative assessment. Educational Assessment, Evaluation and Accountability, 21, 5–31. https://doi.org/10.1007/s11092-008-9068-5

Bond, M., Khosravi, H., De Laat, M., Bergdahl, N., Negrea, V., Oxley, E., Pham, P., Chong, S. W., & Siemens, G. (2024). A meta systematic review of artificial intelligence in higher education: A call for increased ethics, collaboration, and rigour. International Journal of Educational Technology in Higher Education, 21, Article 4. https://doi.org/10.1186/s41239-023-00436-z

Booth, A., Sutton, A., & Papaioannou, D. (2016). Systematic approaches to a successful literature review (2nd ed.). Sage.

Boud, D., & Falchikov, N. (Eds.). (2007). Rethinking assessment in higher education: Learning for the longer term. Routledge. https://doi.org/10.4324/9780203964309

Bramer, W. M., de Jonge, G. B., Rethlefsen, M. L., Mast, F., & Kleijnen, J. (2018). A systematic approach to searching: An efficient and complete method to develop literature searches. Journal of the Medical Library Association, 106(4), 531–541. https://doi.org/10.5195/jmla.2018.283

Bramer, W. M., Giustini, D., de Jonge, G. B., Holland, L., & Bekhuis, T. (2016). De-duplication of database search results for systematic reviews in EndNote. Journal of the Medical Library Association, 104(3), 240–243. https://doi.org/10.3163/1536-5050.104.3.014

Brand, A., Allen, L., Altman, M., Hlava, M., & Scott, J. (2015). Beyond authorship: Attribution, contribution, collaboration, and credit. Learned Publishing, 28(2), 151–155. https://doi.org/10.1087/20150211

Braun, V., & Clarke, V. (2022). Thematic analysis: A practical guide. Sage.

Bretag, T. (Ed.). (2016). Handbook of academic integrity. Springer. https://doi.org/10.1007/978-981-287-098-8

Broman, K. W., & Woo, K. H. (2018). Data organization in spreadsheets. The American Statistician, 72(1), 2–10. https://doi.org/10.1080/00031305.2017.1375989

Brookhart, S. M. (2013). How to create and use rubrics for formative assessment and grading. ASCD.

Buolamwini, J., & Gebru, T. (2018). Gender shades: Intersectional accuracy disparities in commercial gender classification. Proceedings of Machine Learning Research, 81, 77–91. https://proceedings.mlr.press/v81/buolamwini18a.html

Burgstahler, S. E. (Ed.). (2015). Universal design in higher education: From principles to practice (2nd ed.). Harvard Education Press.

Carless, D., & Boud, D. (2018). The development of student feedback literacy: Enabling uptake of feedback. Assessment & Evaluation in Higher Education, 43(8), 1315–1325. https://doi.org/10.1080/02602938.2018.1463354

CAST. (2024). Universal Design for Learning guidelines version 3.0. https://udlguidelines.cast.org

Chi, M. T. H., & Wylie, R. (2014). The ICAP framework: Linking cognitive engagement to active learning outcomes. Educational Psychologist, 49(4), 219–243. https://doi.org/10.1080/00461520.2014.965823

Citron, D. K., & Pasquale, F. (2014). The scored society: Due process for automated predictions. Washington Law Review, 89(1), 1–33. https://digitalcommons.law.uw.edu/wlr/vol89/iss1/2

Committee on Publication Ethics. (2023). Authorship and AI tools. https://publicationethics.org/guidance/cope-position/authorship-and-ai-tools

Consejo Nacional para la Igualdad de Discapacidades. (s. f.). Accesibilidad. https://www.consejodiscapacidades.gob.ec/accesibilidad/

Cotton, D. R. E., Cotton, P. A., & Shipway, J. R. (2024). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations in Education and Teaching International, 61(2), 228–239. https://doi.org/10.1080/14703297.2023.2190148

Crawford, K. (2021). Atlas of AI: Power, politics, and the planetary costs of artificial intelligence. Yale University Press. https://doi.org/10.12987/9780300252392

Creswell, J. W., & Plano Clark, V. L. (2018). Designing and conducting mixed methods research (3rd ed.). Sage.

Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education: The state of the field. International Journal of Educational Technology in Higher Education, 20, Article 22. https://doi.org/10.1186/s41239-023-00392-8

D'Ignazio, C., & Klein, L. F. (2020). Data feminism. MIT Press. https://doi.org/10.7551/mitpress/11805.001.0001

Dawson, P. (2021). Defending assessment security in a digital world: Preventing e-cheating and supporting academic integrity in higher education. Routledge. https://doi.org/10.4324/9780429324178

Dignum, V. (2019). Responsible artificial intelligence: How to develop and use AI in a responsible way. Springer. https://doi.org/10.1007/978-3-030-30371-6

Downing, S. M. (2006). Twelve steps for effective test development. In S. M. Downing & T. M. Haladyna (Eds.), Handbook of test development (pp. 3–25). Lawrence Erlbaum Associates.

Eubanks, V. (2018). Automating inequality: How high-tech tools profile, police, and punish the poor. St. Martin's Press.

European Commission. (2022). Ethical guidelines on the use of artificial intelligence and data in teaching and learning for educators. Publications Office of the European Union. https://doi.org/10.2766/153756

European Parliament & Council of the European Union. (2024). Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence. Official Journal of the European Union, L, 2024/1689. https://eur-lex.europa.eu/eli/reg/2024/1689/oj

Fariani, R. I., Junus, K., & Santoso, H. B. (2023). A systematic literature review on personalised learning in the higher education context. Technology, Knowledge and Learning, 28(2), 449–476. https://doi.org/10.1007/s10758-022-09628-4

Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., Luetge, C., Madelin, R., Pagallo, U., Rossi, F., Schafer, B., Valcke, P., & Vayena, E. (2018). AI4People: An ethical framework for a good AI society. Minds and Machines, 28, 689–707. https://doi.org/10.1007/s11023-018-9482-5

Gelman, A., Hill, J., & Vehtari, A. (2020). Regression and other stories. Cambridge University Press. https://doi.org/10.1017/9781139161879

Goggin, G., & Newell, C. (2003). Digital disability: The social construction of disability in new media. Rowman & Littlefield. https://doi.org/10.5555/579095

Gusenbauer, M., & Haddaway, N. R. (2020). Which academic search systems are suitable for systematic reviews or meta-analyses? Research Synthesis Methods, 11(2), 181–217. https://doi.org/10.1002/jrsm.1378

Hattie, J., & Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81–112. https://doi.org/10.3102/003465430298487

Helsper, E. J. (2021). The digital disconnect: The social causes and consequences of digital inequalities. SAGE. https://doi.org/10.4135/9781526492982

Higgins, J. P. T., Thomas, J., Chandler, J., Cumpston, M., Li, T., Page, M. J., & Welch, V. A. (Eds.). (2023). Cochrane handbook for systematic reviews of interventions (Version 6.4). Cochrane. https://www.training.cochrane.org/handbook

Ifenthaler, D., & Yau, J. Y. K. (2020). Utilising learning analytics to support study success in higher education: A systematic review. Educational Technology Research and Development, 68, 1961–1990. https://doi.org/10.1007/s11423-020-09788-z

Instituto Nacional de Estadística y Censos. (2025). Tecnologías de la información y comunicación. https://www.ecuadorencifras.gob.ec/tecnologias-de-la-informacion-y-comunicacion-tic/

International Center for Academic Integrity. (2021). The fundamental values of academic integrity (3rd ed.). https://academicintegrity.org/resources/fundamental-values

International Committee of Medical Journal Editors. (2026). Recommendations for the conduct, reporting, editing, and publication of scholarly work in medical journals. https://www.icmje.org/recommendations/

International Organization for Standardization. (2019). ISO 30071-1:2019, Code of practice for creating accessible ICT products and services. https://www.iso.org/standard/70913.html

International Organization for Standardization. (2023). ISO/IEC 42001:2023, Information technology, artificial intelligence, management system. https://www.iso.org/standard/81230.html

International Telecommunication Union. (2025). Facts and figures 2025. https://www.itu.int/itu-d/reports/statistics/facts-figures-2025/

Jobin, A., Ienca, M., & Vayena, E. (2019). The global landscape of AI ethics guidelines. Nature Machine Intelligence, 1, 389–399. https://doi.org/10.1038/s42256-019-0088-2

Kane, M. T. (2013). Validating the interpretations and uses of test scores. Journal of Educational Measurement, 50(1), 1–73. https://doi.org/10.1111/jedm.12000

Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., … Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274

Kroll, J. A., Huey, J., Barocas, S., Felten, E. W., Reidenberg, J. R., Robinson, D. G., & Yu, H. (2017). Accountable algorithms. University of Pennsylvania Law Review, 165(3), 633–705. https://scholarship.law.upenn.edu/penn_law_review/vol165/iss3/3

Kulik, J. A., & Fletcher, J. D. (2016). Effectiveness of intelligent tutoring systems: A meta-analytic review. Review of Educational Research, 86(1), 42–78. https://doi.org/10.3102/0034654315581420

Lakens, D. (2022). Sample size justification. Collabra: Psychology, 8(1), 33267. https://doi.org/10.1525/collabra.33267

Laurillard, D. (2012). Teaching as a design science: Building pedagogical patterns for learning and technology. Routledge. https://doi.org/10.4324/9780203125083

Lazar, J., Goldstein, D. F., & Taylor, A. (2015). Ensuring digital accessibility through process and policy. Morgan Kaufmann. https://doi.org/10.5555/2815674

Mayer, R. E. (2021). Multimedia learning (3rd ed.). Cambridge University Press. https://doi.org/10.1017/9781316941355

Messick, S. (1989). Validity. In R. L. Linn (Ed.), Educational measurement (3rd ed., pp. 13–103). Macmillan.

Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO. https://doi.org/10.54675/ZJTE2084

Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000386693

Miao, F., Shiohira, K., & Lao, N. (2024). AI competency framework for students. UNESCO. https://doi.org/10.54675/JKJB9835

Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017–1054. https://doi.org/10.1111/j.1467-9620.2006.00684.x

Mitchell, M., Wu, S., Zaldivar, A., Barnes, P., Vasserman, L., Hutchinson, B., Spitzer, E., Raji, I. D., & Gebru, T. (2019). Model cards for model reporting. In Proceedings of the Conference on Fairness, Accountability, and Transparency (pp. 220–229). Association for Computing Machinery. https://doi.org/10.1145/3287560.3287596

Mittelstadt, B. (2019). Principles alone cannot guarantee ethical AI. Nature Machine Intelligence, 1, 501–507. https://doi.org/10.1038/s42256-019-0114-4

Molenaar, I. (2022). Towards hybrid human-AI learning technologies. European Journal of Education, 57(4), 632–645. https://doi.org/10.1111/ejed.12527

Naciones Unidas. (2006). Convención sobre los Derechos de las Personas con Discapacidad. https://www.un.org/disabilities/documents/convention/convoptprot-s.pdf

Naciones Unidas. (2024). Pacto Digital Global. https://www.un.org/global-digital-compact/es

National Academies of Sciences, Engineering, and Medicine. (2017). Fostering integrity in research. The National Academies Press. https://doi.org/10.17226/21896

National Institute of Standards and Technology. (2020). NIST privacy framework: A tool for improving privacy through enterprise risk management, version 1.0. https://doi.org/10.6028/NIST.CSWP.01162020

Nicol, D., Thomson, A., & Breslin, C. (2014). Rethinking feedback practices in higher education: A peer review perspective. Assessment & Evaluation in Higher Education, 39(1), 102–122. https://doi.org/10.1080/02602938.2013.795518

Noble, S. U. (2018). Algorithms of oppression: How search engines reinforce racism. New York University Press. https://doi.org/10.18574/nyu/9781479833641.001.0001

Nosek, B. A., Alter, G., Banks, G. C., Borsboom, D., Bowman, S. D., Breckler, S. J., Buck, S., Chambers, C. D., Chin, G., Christensen, G., Contestabile, M., Dafoe, A., Eich, E., Freese, J., Glennerster, R., Goroff, D., Green, D. P., Hesse, B., Humphreys, M., … Yarkoni, T. (2015). Promoting an open research culture. Science, 348(6242), 1422–1425. https://doi.org/10.1126/science.aab2374

O'Neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown.

OECD. (2019). Recommendation of the Council on artificial intelligence. OECD Legal Instruments. https://legalinstruments.oecd.org/en/instruments/OECD-LEGAL-0449

OECD. (2023). OECD digital education outlook 2023: Towards an effective digital education ecosystem. OECD Publishing. https://doi.org/10.1787/c74f03de-en

OECD. (2026). OECD digital education outlook 2026: Exploring effective uses of generative AI in education. OECD Publishing. https://doi.org/10.1787/062a7394-en

Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., … Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372, n71. https://doi.org/10.1136/bmj.n71

Panadero, E., & Jonsson, A. (2013). The use of scoring rubrics for formative assessment purposes revisited: A review. Educational Research Review, 9, 129–144. https://doi.org/10.1016/j.edurev.2013.01.002

Panadero, E., Jonsson, A., & Strijbos, J. W. (2016). Scaffolding self-regulated learning through self-assessment and peer assessment: Guidelines for classroom implementation. In D. Laveault & L. Allal (Eds.), Assessment for learning: Meeting the challenge of implementation (pp. 311–326). Springer. https://doi.org/10.1007/978-3-319-39211-0_18

Parasuraman, R., & Riley, V. (1997). Humans and automation: Use, misuse, disuse, abuse. Human Factors, 39(2), 230–253. https://doi.org/10.1518/001872097778543886

Peng, R. D. (2011). Reproducible research in computational science. Science, 334(6060), 1226–1227. https://doi.org/10.1126/science.1213847

Presidencia de la República del Ecuador. (2023). Decreto Ejecutivo No. 904: Reglamento General de la Ley Orgánica de Protección de Datos Personales. https://www.telecomunicaciones.gob.ec/wp-content/uploads/2023/11/Decreto-Ejecutivo-No.-904.pdf

Raji, I. D., Smart, A., White, R. N., Mitchell, M., Gebru, T., Hutchinson, B., Smith-Loud, J., Theron, D., & Barnes, P. (2020). Closing the AI accountability gap: Defining an end-to-end framework for internal algorithmic auditing. In Proceedings of the 2020 Conference on Fairness, Accountability, and Transparency (pp. 33–44). Association for Computing Machinery. https://doi.org/10.1145/3351095.3372873

Rose, D. H., & Meyer, A. (2002). Teaching every student in the digital age: Universal design for learning. Association for Supervision and Curriculum Development.

Sadler, D. R. (1989). Formative assessment and the design of instructional systems. Instructional Science, 18, 119–144. https://doi.org/10.1007/BF00117714

Saldaña, J. (2021). The coding manual for qualitative researchers (4th ed.). Sage.

Sandve, G. K., Nekrutenko, A., Taylor, J., & Hovig, E. (2013). Ten simple rules for reproducible computational research. PLOS Computational Biology, 9(10), e1003285. https://doi.org/10.1371/journal.pcbi.1003285

Seale, J. (2014). E-learning and disability in higher education: Accessibility research and practice (2nd ed.). Routledge. https://doi.org/10.4324/9780203095942

Selbst, A. D., Boyd, D., Friedler, S. A., Venkatasubramanian, S., & Vertesi, J. (2019). Fairness and abstraction in sociotechnical systems. In Proceedings of the Conference on Fairness, Accountability, and Transparency (pp. 59–68). Association for Computing Machinery. https://doi.org/10.1145/3287560.3287598

Selwyn, N. (2016). Education and technology: Key issues and debates (2nd ed.). Bloomsbury Academic. https://doi.org/10.5040/9781474235952

Shute, V. J. (2008). Focus on formative feedback. Review of Educational Research, 78(1), 153–189. https://doi.org/10.3102/0034654307313795

Slade, S., & Prinsloo, P. (2013). Learning analytics: Ethical issues and dilemmas. American Behavioral Scientist, 57(10), 1510–1529. https://doi.org/10.1177/0002764213479366

Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 104, 333–339. https://doi.org/10.1016/j.jbusres.2019.07.039

Solove, D. J. (2006). A taxonomy of privacy. University of Pennsylvania Law Review, 154(3), 477–564. https://doi.org/10.2307/40041279

Superintendencia de Protección de Datos Personales. (2025). Guía de gestión de riesgos y evaluación de impacto del tratamiento de datos personales. https://spdp.gob.ec/resolucion-n-spdp-spd-2025-0003-r-guia-de-gestion-de-riesgos-y-evaluacion-de-impacto-del-tratamiento-de-datos-personales-con-su-anexo/

Tabassi, E. (2023). Artificial intelligence risk management framework (AI RMF 1.0) (NIST AI 100-1). National Institute of Standards and Technology. https://doi.org/10.6028/NIST.AI.100-1

UNESCO. (2020). Global education monitoring report 2020: Inclusion and education: All means all. https://doi.org/10.54676/JJNK6989

UNESCO. (2021). Recommendation on the ethics of artificial intelligence. https://unesdoc.unesco.org/ark:/48223/pf0000381137

UNESCO. (2023). Global education monitoring report 2023: Technology in education: A tool on whose terms? https://doi.org/10.54676/UZQV8501

UNESCO International Institute for Higher Education in Latin America and the Caribbean. (2023). ChatGPT and artificial intelligence in higher education: Quick start guide. UNESCO IESALC. https://unesdoc.unesco.org/ark:/48223/pf0000385146

van de Schoot, R., de Bruin, J., Schram, R., Zahedi, P., de Boer, J., Weijdema, F., Kramer, B., Huijts, M., Hoogerwerf, M., Ferdinands, G., Harkema, A., Willemsen, J., Ma, Y., Fang, Q., Hindriks, S., Tummers, L., & Oberski, D. L. (2021). An open source machine learning framework for efficient and transparent systematic reviews. Nature Machine Intelligence, 3, 125–133. https://doi.org/10.1038/s42256-020-00287-7

van Dijk, J. (2020). The digital divide. Polity Press.

van Dis, E. A. M., Bollen, J., Zuidema, W., van Rooij, R., & Bockting, C. L. (2023). ChatGPT: Five priorities for research. Nature, 614, 224–226. https://doi.org/10.1038/d41586-023-00288-7

VanLehn, K. (2011). The relative effectiveness of human tutoring, intelligent tutoring systems, and other tutoring systems. Educational Psychologist, 46(4), 197–221. https://doi.org/10.1080/00461520.2011.611369

Warschauer, M. (2004). Technology and social inclusion: Rethinking the digital divide. MIT Press. https://doi.org/10.7551/mitpress/6699.001.0001

Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108

Wasserstein, R. L., Schirm, A. L., & Lazar, N. A. (2019). Moving to a world beyond p less than 0.05. The American Statistician, 73(Suppl. 1), 1–19. https://doi.org/10.1080/00031305.2019.1583913

Weber-Wulff, D., Anohina-Naumeca, A., Bjelobaba, S., Foltýnek, T., Guerrero-Dib, J., Popoola, O., Šigut, P., & Waddington, L. (2023). Testing of detection tools for AI-generated text. International Journal for Educational Integrity, 19, Article 26. https://doi.org/10.1007/s40979-023-00146-z

Wiliam, D. (2011). Embedded formative assessment. Solution Tree Press.

Wilkinson, M. D., Dumontier, M., Aalbersberg, I. J., Appleton, G., Axton, M., Baak, A., Blomberg, N., Boiten, J. W., da Silva Santos, L. B., Bourne, P. E., Bouwman, J., Brookes, A. J., Clark, T., Crosas, M., Dillo, I., Dumon, O., Edmunds, S., Evelo, C. T., Finkers, R., … Mons, B. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data, 3, Article 160018. https://doi.org/10.1038/sdata.2016.18

Williamson, D. M., Xi, X., & Breyer, F. J. (2012). A framework for evaluation and use of automated scoring. Educational Measurement: Issues and Practice, 31(1), 2–13. https://doi.org/10.1111/j.1745-3992.2011.00223.x

World Health Organization. (2022). Global report on health equity for persons with disabilities. https://www.who.int/publications/i/item/9789240063600

World Wide Web Consortium. (2023). Web Content Accessibility Guidelines (WCAG) 2.2. https://www.w3.org/TR/WCAG22/

Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education: Where are the educators? International Journal of Educational Technology in Higher Education, 16, Article 39. https://doi.org/10.1186/s41239-019-0171-0

Zhai, C., Wibowo, S., & Li, L. D. (2024). The effects of over-reliance on AI dialogue systems on students' cognitive abilities: A systematic review. Smart Learning Environments, 11, Article 28. https://doi.org/10.1186/s40561-024-00316-7

Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory Into Practice, 41(2), 64–70. https://doi.org/10.1207/s15430421tip4102_2

Descargas

PDF

Publicado

28 septiembre 2026

Colección

Educación
Derechos de autor 2026 Pedro Falconi Ayón, Fabian Román Lainez, Yonatan Calizaya Ramos, Byron Chango Muñoz, Juan Lázaro Guillermo (Autor/a)

Licencia

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Política de Derechos de Autor y Licencia de Publicación

Los autores conservan la titularidad de los derechos de autor de sus obras publicadas en EDUCA-PLUS Editorial Académica. Al aceptar la publicación de su manuscrito, conceden a la editorial una licencia no exclusiva para editar, publicar, distribuir, preservar y difundir la obra en formato impreso y digital.

Salvo indicación expresa en contrario, las publicaciones se distribuyen bajo la licencia Creative Commons Reconocimiento-No Comercial- Compartir Igual 4.0 Internacional(CC BY-NC-SA 4.0), que permite copiar, compartir, adaptar y reutilizar el contenido para cualquier propósito, incluso comercial, siempre que se otorgue el reconocimiento adecuado a los autores y a la fuente original de publicación.

Detalles sobre esta monografía

ISBN-13 (15)

978-9907-9571-8-1

Cómo citar

Falconi Ayón, P. ., Román Lainez, F., Calizaya Ramos, Y. ., Chango Muñoz, B., & Lázaro Guillermo, J. (Eds.). (2026). Inteligencia artificial en la educación superior latinoamericana: Oportunidades, riesgos y perspectivas. EDUCA-PLUS Editorial Académica. https://doi.org/10.66646/educa-plus/09sep2608