Acceso usuarios
Jacqueline M. Reina, Mireya Calderón Curipoma
Este estudio tuvo como objetivo proponer un modelo de integración de inteligencia artificial para la personalización del aprendizaje en la educación superior ecuatoriana. documental estructuradotigación cualitativa aplicada, de alcance propositivo, sustentada en una revisión documental estructurada de literatura publicada entre enero de 2020 y diciembre de 2025 en español e inglés. Se consultaron Scopus, Web of Science y, de manera complementaria, documentos de la UNESCO, OECD, la Comisión Europea y el Departamento de Educación de los Estados Unidos. Tras aplicar criterios temáticos y de rigor metodológico, se conformó un corpus final de 86 documentos. La información se organizó en una matriz de extracción y codificación temática y luego se sometió a un análisis sistémico del ecosistema docente-estudiante-plataforma-inteligencia artificial. Los resultados permitieron identificar cuatro procesos pedagógicos decisivos -diagnóstico inicial, seguimiento formativo, retroalimentación personalizada y recomendación adaptativa de recursos-, así como roles docentes y estudiantiles, condiciones éticas y seis flujos de información que estructuran la toma de decisiones pedagógicas mediadas por inteligencia artificial. El principal aporte del estudio es el Modelo de Integración de Inteligencia Artificial para la Personalización del Aprendizaje (MI-IAP), concebido como un marco conceptual-operativo para orientar decisiones institucionales, diseño instruccional y gobernanza de datos. Se concluye que la inteligencia artificial puede fortalecer la personalización del aprendizaje siempre que exista supervisión humana, formación docente, transparencia algorítmica y políticas explícitas de equidad; en ausencia de estas salvaguardas, las brechas educativas del contexto ecuatoriano podrían ampliarse.
The aim of this study was to propose an artificial intelligence integration model for personalized learning in Ecuadorian higher education. An applied qualitative study with a propositional scope was conducted through a structured documentary review of literature published between January 2020 and December 2025 in Spanish and English. Scopus and Web of Science were searched, complemented by documents from UNESCO, the OECD, the European Commission, and the U.S. Department of Education. After applying thematic and methodological-quality criteria, a final corpus of 86 documents was retained. The evidence was organized in an extraction and thematic-coding matrix and then examined through a socio-technical analysis of the teacher-student-platform-artificial intelligence ecosystem. The results identified four key pedagogical processes-initial diagnosis, formative monitoring, personalized feedback, and adaptive recommendation of resources-along with teacher and student roles, ethical conditions, and six information flows that regulate AI-mediated pedagogical decisions. The main contribution is the Artificial Intelligence Integration Model for Personalized Learning (MI-IAP), conceived as a conceptual-operational framework for institutional decision-making, instructional design, and data governance. The study concludes that artificial intelligence can strengthen personalized learning only when accompanied by human oversight, teacher preparation, algorithmic transparency, and explicit equity policies; otherwise, educational gaps in the Ecuadorian context may deepen.
