Del uso al juicio: Hacia una reconceptualización de la competencia digital docente ante la inteligencia artificial generativa en la universidad ecuatoriana
Palabras clave:
Competencia digital docente, inteligencia artificial generativa, juicio profesional docente, educación superior, formación docente, evaluación educativa, ética de la inteligencia artificial, universidad ecuatorianaSinopsis
La expansión de la inteligencia artificial generativa en la educación superior plantea la necesidad de revisar los fundamentos tradicionales de la competencia digital docente. Esta obra propone una reconceptualización que desplaza el énfasis desde el dominio instrumental de las tecnologías hacia el juicio profesional docente, entendido como la capacidad de decidir de manera fundamentada, en situaciones pedagógicas particulares y bajo condiciones de incertidumbre, si un sistema de inteligencia artificial generativa debe intervenir en un proceso formativo, con qué alcance, bajo qué salvaguardas y con qué distribución de responsabilidades. A partir de un enfoque teórico-documental, se examina críticamente la evolución de los marcos de competencia digital, las respuestas institucionales ante la inteligencia artificial y las condiciones normativas, laborales y materiales que condicionan su incorporación en la universidad ecuatoriana. La propuesta articula cuatro dimensiones del juicio profesional: epistémica, ético-política, pedagógico-didáctica y evaluativa. Asimismo, analiza el marco ecuatoriano de protección de datos, las políticas institucionales emergentes, las condiciones de infraestructura y las implicaciones de la automatización para la autonomía y responsabilidad del profesorado. Finalmente, se presenta un modelo integrado con descriptores orientados a la formación, implementación institucional y futura validación investigativa. La obra sostiene que la competencia digital docente contemporánea no puede reducirse a saber utilizar tecnologías, sino que debe incorporar la capacidad de valorar críticamente cuándo, cómo y para qué delegar procesos educativos a sistemas de inteligencia artificial.
Referencias
Fuentes académicas
Adams, C., Pente, P., Lemermeyer, G., y Rockwell, G. (2022). Artificial intelligence and teachers' new ethical obligations. The International Review of Information Ethics, 31(1).
Al-Abdullatif, A. M. (2024). Modeling teachers' acceptance of generative artificial intelligence use in higher education: The role of AI literacy, intelligent TPACK, and perceived trust. Education Sciences, 14(11).
Alansari, A., et al. (2025). Large language models hallucination: A comprehensive survey.
Area, M., y Pessoa, T. (2012). De lo sólido a lo líquido: Las nuevas alfabetizaciones ante los cambios culturales de la Web 2.0. Comunicar, 19(38), 13-20.
Aristóteles. (2014). Ética a Nicómaco (J. Pallí Bonet, Trad.). Gredos. (Obra original del siglo IV a. C.).
Bearman, M., y Ajjawi, R. (2023). Learning to work with the black box: Pedagogy for a world with artificial intelligence. British Journal of Educational Technology, 54(5), 1160-1173. https://doi.org/10.1111/bjet.13337
Bearman, M., Tai, J., Dawson, P., Boud, D., y Ajjawi, R. (2024). Developing evaluative judgement for a time of generative artificial intelligence. Assessment & Evaluation in Higher Education, 49(6), 893-905. https://doi.org/10.1080/02602938.2024.2335321
Bjork, E. L., y Bjork, R. A. (2011). Making things hard on yourself, but in a good way: Creating desirable difficulties to enhance learning. En M. A. Gernsbacher, R. W. Pew, L. M. Hough y J. R. Pomerantz (Eds.), Psychology and the real world: Essays illustrating fundamental contributions to society (pp. 56-64). Worth Publishers.
Cabero, J., y Barroso, J. (2016). Formación del profesorado en TIC: Una visión del modelo TPACK. Cultura y Educación, 28(3), 633-663.
Corbin, T., Dawson, P., y Liu, D. (2025). Talk is cheap: Why structural assessment changes are needed for a time of GenAI. Assessment & Evaluation in Higher Education. https://doi.org/10.1080/02602938.2025.2503964
Corbin, T., Dawson, P., Nicola-Richmond, K., y Partridge, H. (2025). Where's the line? Towards a framework for acceptable uses of AI in assessment. Assessment & Evaluation in Higher Education, 50(5), 705-717.
Cukurova, M., Suraworachet, W., Zhou, Q., y Bulathwela, S. (2025). Towards synergistic teacher-AI interactions with generative artificial intelligence. arXiv. https://arxiv.org/abs/2511.19580
Curtis, G. J. (2025). The two-lane road to hell is paved with good intentions: Why an all-or-none approach to generative AI, integrity, and assessment is insupportable. Higher Education Research & Development, 44(8), 2151-2158. https://doi.org/10.1080/07294360.2025.2476516
Darvishi, A., Khosravi, H., Sadiq, S., Gašević, D., y Siemens, G. (2024). Impact of AI assistance on student agency. Computers & Education, 210, 104967. https://doi.org/10.1016/j.compedu.2023.104967
Dawson, P. (2020). Cognitive offloading and assessment. En M. Bearman, P. Dawson, R. Ajjawi, J. Tai y D. Boud (Eds.), Re-imagining university assessment in a digital world (pp. 37-48). Springer.
Dawson, P., Bearman, M., Dollinger, M., y Boud, D. (2024). Validity matters more than cheating. Assessment & Evaluation in Higher Education, 49(7), 1005-1016.
Deroncele-Acosta, A., et al. (2025). Generative artificial intelligence and transversal competencies in higher education: A systematic review. Applied System Innovation.
Dhuliawala, S., et al. (2023). Chain-of-verification reduces hallucination in large language models.
Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X., y Gašević, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489-530. https://doi.org/10.1111/bjet.13544
Farquhar, S., Kossen, J., Kuhn, L., y Gal, Y. (2024). Detecting hallucinations in large language models using semantic entropy. Nature, 630, 625-630. https://doi.org/10.1038/s41586-024-07421-0
Gómez-García, M., et al. (2026). Generative AI readiness in public higher education: Assessing digital teaching competence in Paraguay through machine learning models. Applied Sciences.
Haroud, S., et al. (2025). Generative AI in higher education: Teachers' and students' perspectives on support, replacement, and digital literacy. Education Sciences.
Heslin, S. M. (2026). Developing critical judgment of artificial intelligence in medical education: Applied insights. MedEdPublish.
Huang, L., et al. (2023). A survey on hallucination in large language models: Principles, taxonomy, challenges, and open questions. ACM Transactions on Information Systems.
Kalai, A., et al. (2026). Evaluating large language models for accuracy incentivizes hallucinations. Nature.
Kim, J., y Danilina, E. (2025). Towards inclusive and equitable assessment practices in the age of GenAI: Revisiting academic literacies for multilingual students in academic writing. Innovations in Education and Teaching International. https://doi.org/10.1080/14703297.2025.2456223
Kraft, A., et al. (2024). Knowledge-enhanced language models are not bias-proof: Situated knowledge and epistemic injustice in AI. En Proceedings of the 2024 ACM Conference on Fairness, Accountability, and Transparency.
Liu, D., y Bridgeman, A. (2023). What to do about assessments if we can't out-design or out-run AI? University of Sydney, Educational Innovation.
Makrakis, V. (2026). Aristotle and AI in education: Virtue, wisdom, human flourishing and the common good. Encyclopedia.
Marqués, P. (2000). Los docentes: Funciones, roles, competencias necesarias, formación. Universitat Autònoma de Barcelona.
Mishra, P., y Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017-1054.
Ng, D. T. K., et al. (2023). Teachers' AI digital competencies and twenty-first century skills in the post-pandemic world. Educational Technology Research and Development.
Palacios-Rodríguez, A., Llorente-Cejudo, C., Lucas, M., y Bem-Haja, P. (2025). Macroevaluación de la competencia digital docente. Estudio DigCompEdu en España y Portugal. RIED. Revista Iberoamericana de Educación a Distancia.
Perkins, M., Roe, J., y Furze, L. (2024). The AI Assessment Scale revisited: A framework for educational assessment. [Preprint; verificar publicación definitiva].
Redecker, C. (2017). European framework for the digital competence of educators: DigCompEdu. Publications Office of the European Union. https://doi.org/10.2760/159770
Ren, X., et al. (2025). Examining teaching competencies and challenges while integrating artificial intelligence in higher education. TechTrends.
Schön, D. A. (1983). The reflective practitioner: How professionals think in action. Basic Books.
Sperling, K., Stenberg, C.-J., McGrath, C., Åkerfeldt, A., Heintz, F., y Stenliden, L. (2024). In search of artificial intelligence (AI) literacy in teacher education: A scoping review. Computers and Education Open, 6, 100169. https://doi.org/10.1016/j.caeo.2024.100169
Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257-285. https://doi.org/10.1207/s15516709cog1202_4
Tai, J., Ajjawi, R., Boud, D., Dawson, P., y Panadero, E. (2018). Developing evaluative judgement: Enabling students to make decisions about the quality of work. Higher Education, 76(3), 467-481. https://doi.org/10.1007/s10734-017-0220-3
Vygotski, L. S. (1979). El desarrollo de los procesos psicológicos superiores. Crítica. (Obra original publicada en 1978).
Wood, D., Bruner, J. S., y Ross, G. (1976). The role of tutoring in problem solving. Journal of Child Psychology and Psychiatry, 17(2), 89-100. https://doi.org/10.1111/j.1469-7610.1976.tb00381.x
Xia, Q., et al. (2024). A scoping review on how generative artificial intelligence transforms assessment in higher education. International Journal of Educational Technology in Higher Education.
Xia, Q., et al. (2025). Generative artificial intelligence competency self-efficacy scale for teachers and researchers (GAICS-TR) in higher education. Journal of Computers in Education.
Marcos e informes de organismos internacionales
AI Pioneers. (2024). Suplemento al marco DigCompEdu: Aptitudes y competencias necesarias ante la inteligencia artificial. Proyecto AI Pioneers.
Coalición Latinoamericana para la Excelencia Docente. (2022). Compendio de competencias digitales docentes. Diálogo Interamericano.
UNESCO. (2019). Marco de competencias de los docentes en materia de TIC (Versión 3). Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura.
UNESCO. (2021). Recomendación sobre la ética de la inteligencia artificial. Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura.
UNESCO. (2024). AI competency framework for students. Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura.
UNESCO. (2024). AI competency framework for teachers. Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura.
Fuentes normativas e institucionales
Asamblea Nacional del Ecuador. (2010). Ley Orgánica de Educación Superior. Registro Oficial, Suplemento No. 298, 12 de octubre de 2010, y sus reformas.
Asamblea Nacional del Ecuador. (2021). Ley Orgánica de Protección de Datos Personales. Registro Oficial, Quinto Suplemento No. 459, 26 de mayo de 2021.
Consejo de Aseguramiento de la Calidad de la Educación Superior. (2023). Modelo de evaluación externa con fines de acreditación para el aseguramiento de la calidad de las universidades y escuelas politécnicas. CACES.
Consejo de Educación Superior. (2021). Reglamento de Carrera y Escalafón del Personal Académico del Sistema de Educación Superior. Registro Oficial, Cuarto Suplemento No. 506, 30 de julio de 2021.
Consejo de Educación Superior. (2022). Reglamento de Régimen Académico. CES.
Ministerio de Educación de Chile. (2011). Competencias y estándares TIC para la profesión docente. Centro de Educación y Tecnología, Enlaces.
Ministerio de Telecomunicaciones y de la Sociedad de la Información. (2026). Acuerdo Ministerial Nro. MINTEL-MINTEL-2025-0030. Estrategia para el Fomento del Desarrollo y Uso Ético y Responsable de la Inteligencia Artificial en el Ecuador (EFIA-EC). Registro Oficial, Primer Suplemento No. 206, 19 de enero de 2026.
Superintendencia de Protección de Datos Personales. (2026). Resolución Nro. SPDP-SPD-2026-0009-R. Norma General para la Garantía del Derecho de Protección de Datos Personales en el Uso de Sistemas de Inteligencia Artificial. Registro Oficial del Ecuador.
Universidad Internacional SEK del Ecuador. (2025). Política para el uso de inteligencia artificial (IA) en la comunidad educativa. UISEK.
Fuentes periodísticas
Primicias. (2026, 17 de junio). Universidades en Ecuador aceleran la integración de la IA en las aulas, con algo de retraso. https://www.primicias.ec/sociedad/universidades-ecuador-inteligencia-artificial-aulas-estudiantes-125549/
Descargas
Publicado
Colección
Licencia

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.


