Student perspectives on the use of Artificial
Intelligence in Module 16 of SEP Online High School
Universidad
Nacional Rosario Castellanos, Ciudad de México
ORCID: https://orcid.org/0009-0004-8234-4233
Correo
electrónico: miriamlc1401@gmail.com
María
Elena Chávez Solís
Universidad
Nacional Rosario Castellanos. Ciudad de México
ORCID: https://orcid.org/0000-0001-5743-3008
Esther
Labrada Martínez
Universidad
Nacional Autónoma de México, Ciudad de México
ORCID: https://orcid.org/0000-0002-4743-9710
Erik
Carbajal Degante
Universidad
Nacional Autónoma de México, Ciudad de México
ORCID: https://orcid.org/0000-0002-1532-9322
José
Antonio Santiago Lastra
Universidad
Intercultural de Chiapas, Chiapas, México
ORCID: https://orcid.org/0000-0002-4692-0035
Recibido: 10/11/2025
Aceptado: 17/01/2026
DOI: https://doi.org/10.53436/KFWVx649
D’perspectivas siglo
XXI, Volumen 13,
Número 25, Año 2026. Enero-junio
ISSN(e): 2448-6566
Este es un
documento de acceso abierto bajo la licencia
Creative Commons
4.0 Atribución-No Comercial
(CC BY-NC 4.0 Internacional)
La
integración de la inteligencia artificial (IA) en la educación en línea está
transformando el proceso de enseñanza-aprendizaje, está generando tanto
oportunidades como desafíos éticos y pedagógicos. La investigación analiza las
perspectivas de la comunidad estudiantil del nivel medio superior inscrita en
el Módulo 16 ”Evolución y sus repercusiones sociales” de la Prepa en Línea SEP
respecto al uso de herramientas de IA en su formación académica, basada en el
método cuantitativo de tipo descriptivo-analítico mediante una encuesta digital,
cuyos resultados fueron procesados con estadística descriptiva. Los hallazgos
muestran que el 55 % de los estudiantes no utilizan la IA, principalmente
porque consideran que no la necesitan y por desconfianza hacia la información
generada. Entre quienes sí la emplean, destacan usos relacionados con la
búsqueda de información y la elaboración de materiales académicos. Aunque
reconocen ventajas como la rapidez y el acceso a la información, también
expresan preocupaciones sobre la confiabilidad, la disminución del aprendizaje
autónomo, la dependencia tecnológica y la integridad académica. Si bien la IA es
percibida como una herramienta con potencial positivo para la educación, se
identifican desigualdades en el acceso a esta tecnología y riesgos que pueden
limitar el pensamiento crítico. Estos resultados evidencian la necesidad de
fortalecer la alfabetización digital crítica, establecer marcos normativos
institucionales, impulsar la capacitación docente y diseñar estrategias
pedagógicas que integren la IA de manera ética, responsable y contextualizada
al entorno educativo mexicano.
Palabras
clave: inteligencia artificial, ciencias experimentales, educación
en línea, percepciones estudiantiles.
The incorporation of
artificial intelligence (AI) in online education is transforming teaching and
learning processes, is generating both opportunities and ethical and
pedagogical challenges. This study analyzes the perceptions of upper secondary
students enrolled in Module 16 “Evolution and Its Social Implications” of SEP On
line High School regarding the use of AI tools in their academic training. A
quantitative descriptive-analytical methodology was applied through a digital
survey, and the results were processed using descriptive statistics. The
findings indicate that 55% of the students do not use AI, mainly because they
consider it unnecessary and due to distrust the information it generates. Among
those who do use it, notable uses include information search and the creation
of academic materials. Although they recognize advantages such as speed and
access to information, they also express concerns about reliability, the
decline of autonomous learning, technological dependence, and academic
integrity. While AI is perceived as a tool with positive potential for
education, inequalities in access to this technology and risks that may hinder
critical thinking are identified. These findings highlight the need to
strengthen critical digital literacy, establish institutional regulatory
frameworks, promote teacher training, and design pedagogical strategies that
integrate AI in an ethical, responsible, and contextually relevant manner
within the Mexican educational environment.
Keywords: artificial intelligence, online education,
experimental sciences, student perceptions.
La
educación en línea está experimentando una profunda transformación en los
procesos de enseñanza y aprendizaje, debido a la creciente incorporación de tecnologías
emergentes, particularmente de la inteligencia artificial (IA). Específicamente,
la comunidad de Prepa en Línea SEP ha señalado la relevancia del uso de la IA tanto
para estudiantes como para asesores educativos que interactúan en entornos
virtuales (Prepa
en Línea SEP, 2025), con aplicaciones para la personalización
del aprendizaje, la retroalimentación automática, las herramientas de diagnóstico,
la gamificación, los sistemas de recomendación y la minería de datos. En contraposición,
algunos autores identifican riesgos importantes como la falta de integridad
académica y los resultados sesgados por un mal entrenamiento de los modelos de la
IA en la toma de decisiones (Ocaña-Fernández
et al., 2019; Posada, 2024; Tramallino y Zeni, 2024).
En cuanto al vertiginoso crecimiento
del uso de la IA entre estudiantes de distintos niveles académicos, el caso de
Prepa en Línea SEP aporta evidencia empírica sobre las perspectivas
estudiantiles de su utilización; sus percepciones en relación a los beneficios
y riesgos, así como respecto a su impacto en el fortalecimiento del pensamiento
crítico y el aprendizaje de las ciencias experimentales.
Las
respuestas son un factor clave para diseñar intervenciones pedagógicas más
efectivas y equitativas, especialmente por la ausencia de directrices
institucionales claras para el uso de la IA en las comunidades estudiantiles y
académicas. Este estudio puede ser valioso para el desarrollo de estrategias
pedagógicas que integren la IA de manera ética, crítica y contextualizada, ya
que aborda la percepción de los estudiantes respectos al uso de la IA y aporta
información precisa para este fin. Tal como ya tratan Velázquez
(2025) y Zepeda et al. (2024), sobre el apoyo de procesos educativos mediante
búsquedas inteligentes de información, gamificación, entre otras herramientas
formativas que favorecen el procesamiento y adquisición del conocimiento.
2.1
La IA en la educación en línea
La
IA tiene un papel preponderante en la educación en línea, por medio de la
utilización de herramientas que favorecen la autonomía del estudiante y la
interacción tanto síncrona como asíncrona –elementos principales del proceso formativo.
En entornos virtuales, de acuerdo con Luo
et al. (2025) y Romero et al. (2025), la IA puede mejorar
la accesibilidad, la personalización del aprendizaje, la retroalimentación
automática, el acompañamiento académico y el desarrollo de competencias
digitales avanzadas. No obstante, se han identificado riesgos asociados que
pueden generar dependencia tecnológica, superficialidad en el aprendizaje y
amenazas a la integridad académica (Bećirović
et al., 2025). La literatura reciente enfatiza que
los beneficios de la IA dependen, en gran medida, de las condiciones de
implementación, el diseño pedagógico y la alfabetización digital (Chan
& Hu, 2023; García-Peñalvo et al., 2024).
2.2
Contexto: Prepa en Línea SEP y las ciencias experimentales
El programa: Prepa en Línea, de la Secretaría
de Educación Pública (SEP), se sustenta en un paradigma constructivista por
competencias y, desde su creación en 2014, se concibe con un enfoque
conectivista y de aprendizaje social. Su plan de estudios contempla cinco
campos disciplinares: comunicación, ciencias sociales, humanidades, matemáticas
y ciencias experimentales (DOF, 2014). El presente
estudio se centra en el campo de las ciencias experimentales, por lo que integra
las perspectivas de estudiantes del módulo 16 “Evolución y sus repercusiones
sociales”. El propósito de dicho módulo es:
Analizar
las diversas teorías de la evolución, la reproducción celular y patologías
relacionadas, así como las repercusiones sociopolíticas de la manipulación
genética, considerando los contextos socio-históricos para establecer un
proyecto personal del cuidado de su salud y una sexualidad responsable. (SEP, 2023, p. 1)
El contenido temático integra
aspectos relacionados con la evolución, la migración, el ciclo celular, las
mutaciones genéticas, la reproducción y la sexualidad, los cuales podrían
abordarse con estrategias pedagógicas adecuadas que incorporen la IA. Cabe
mencionar que la plataforma virtual ofrece recursos didácticos multimodales y
evalúa los aprendizajes esperados por medio de actividades integradoras y foros
que presentan oportunidades para diseñar intervenciones mediadas por la IA;
favorecer la comprensión conceptual y la reflexión crítica sobre los temas del
módulo.
2.3
Fundamento pedagógico: IA y constructivismo
El aprendizaje significativo
fundamentado en teorías socioconstructivistas, que es la base del modelo
pedagógico de Prepa en Línea SEP, podría mejorar si se utilizan diversas
herramientas de IA. Autores como Martínez-Alvarez
y Martínez-López (2024) señalan que la IA
favorece la personalización del aprendizaje, pues integran la mediación humana
y el diálogo crítico, además conforman un andamiaje cognitivo para la
construcción del conocimiento y la autonomía del estudiante. Por su parte, Jaakkola (2025) propone un modelo
pedagógico basado en el constructivismo para la alfabetización en IA; enfatiza
la importancia de la relación del estudiante con la tecnología y el papel de
las herramientas de IA en la formación de competencias. Bajo este enfoque, la
IA no sustituye a los docentes, sino que, por medio de un esquema
constructivista, puede fortalecer la autonomía del estudiante y el pensamiento
reflexivo mediante el uso adecuado de sus aplicaciones y funcionalidades.
2.4
Alfabetización digital crítica y competencias en IA
En la actualidad, el desarrollo de
competencias digitales orientadas al uso de la IA es indispensable, ya que se
requiere tanto del manejo técnico de las herramientas como de la capacidad
crítica para valorar sus implicaciones éticas y sociales. En este marco, Bećirović
et al. (2025) y Tinmaz
et al. (2022) definen la literacidad digital crítica
como la habilidad de acceder, evaluar y crear información mediante tecnologías
digitales de manera estratégica, crítica y reflexiva.
En entornos virtuales como Prepa en
Línea SEP, la alfabetización en IA se convierte en una competencia clave, pero
se debe tomar en cuenta la heterogeneidad de las habilidades digitales de la
comunidad estudiantil, por eso es necesario un análisis diferenciado de sus
percepciones, expectativas y limitaciones (Alpizar
y Martínez, 2024). En esta línea, Buitrago
et al. (2024) proponen un marco para la
alfabetización en IA con seis dimensiones: cognitiva-crítica, lenguaje y
programación, ética, emocional, interacción-participación y creatividad e
innovación, de tal manera que los egresados puedan manejar la IA de forma
crítica, responsable y ética.
2.5
Integridad académica y uso responsable de la IA
El uso de ChatGPT y otras herramientas
de IA generativa, en este caso para elaborar actividades y tareas en las aulas
virtuales, ha incrementado en los últimos años, por eso Camacho
et al. (2025) advierten sobre la importancia de
concientizar a la comunidad estudiantil respecto a la necesidad de preservar la
integridad académica y evitar la pereza mental derivada de la
dependencia tecnológica. En esta misma línea, la UNESCO (2021) insta a que la
integración de la IA en la educación debe regirse bajo principios de
transparencia, responsabilidad y equidad. Cabrera-Fuentes
et al. (2025) destacan la relevancia de contextualizar
la capacitación en tecnologías emergentes, que favorezcan la equidad educativa mediante
marcos éticos adaptados a pedagogías críticas locales.
2.6
Personalización y aprendizaje adaptativo
La personalización en el entorno
educativo consiste en el diseño de experiencias que se adaptan a las
preferencias, necesidades y ritmos individuales de aprendizaje (para cada
estudiante), mientras que el aprendizaje adaptativo implica el uso de
tecnologías que se modifican en tiempo real, que ajusta contenidos, nivel de
dificultad y retroalimentación según el desempeño estudiantil, y se apoya en la
incorporación de los aprendizajes esperados (Bolaño-García
y Duarte-Acosta, 2024; Kabudi et al., 2021; Romero et al., 2025).
En
este sentido, Hariyanto
et al. (2025) destacan que los sistemas basados en
Machine Learning y en el análisis
multimodal permiten adaptar los recursos educativos en tiempo real, con lo
cual, mejora la formación del estudiante. Así mismo, Pelánek
(2025)
señala que los entornos adaptativos favorecen la equidad al responder a estilos
de aprendizaje diversos. En el contexto de Prepa en Línea SEP, Pinela (2024) menciona que la
IA puede facilitar trayectorias formativas diferenciadas promoviendo la
autonomía y el pensamiento crítico. Romero
et al. (2025) complementan estas ideas, subrayan
que los sistemas adaptativos basados en IA permiten una retroalimentación más
precisa y oportuna, lo que mejora la motivación y el compromiso estudiantil.
Estas estrategias, cuando se integran con un diseño pedagógico ético y
contextualizado, pueden contribuir a una educación más equitativa y
significativa, siempre que se acompañen de alfabetización digital crítica para
evitar sesgos y dependencia tecnológica.
Si
bien, el uso de la IA entre la comunidad estudiantil de ciencias experimentales
ha crecido en los últimos años, aún no existen evidencias suficientes sobre su
aplicación y su impacto en los procesos de aprendizaje. Más aún, se carece de
evidencia suficiente sobre cómo estas tecnologías contribuyen al pensamiento
crítico y al ejercicio ético de la ciencia en entornos virtuales. Por lo tanto,
el análisis de estos aspectos es relevante para diseñar intervenciones pedagógicas
eficaces y equitativas, orientadas a regular normativamente el uso de la IA.
La presente investigación responde a
la necesidad de analizar cómo los estudiantes del área de ciencias
experimentales van evaluando la incorporación de las herramientas de IA. La
relevancia de este estudio radica en sostener que, la IA no solamente debería
ser útil para buscar información o solicitar la elaboración y resolución de
actividades didácticas; además, el estudio puede servir como apoyo para evaluar
retos éticos, pedagógicos, de equidad digital y de uso responsable de las
tecnologías emergentes.
Con
base en lo anterior, el objetivo general de este estudio es revisar las
perspectivas de estudiantes del nivel medio superior inscritos en el Módulo 16 ”Evolución
y sus repercusiones sociales” de Prepa en Línea SEP respecto al uso de
herramientas de IA en su formación académica. Los objetivos específicos se
centran en identificar las ventajas y desventajas percibidas en el uso de la IA
y examinar las percepciones sobre la formación académica y el aprendizaje de
las ciencias experimentales.
El
estudio adoptó un enfoque cuantitativo de tipo descriptivo-analítico, mediante
la aplicación de una encuesta en línea por medio de Google Forms y distribuida
por correo electrónico a estudiantes del Módulo 16 del área de ciencias
experimentales de Prepa en Línea SEP. El instrumento de recolección de datos
consistió en un cuestionario estructurado con 34 preguntas con los siguientes apartados:
1) Datos sociodemográficos, conformado por tres preguntas de opción múltiple; 2)
Aplicación de la IA en la ciencias experimentales,
integrado por tres preguntas abiertas y siete de opción múltiple; 3) La Percepción del uso de la IA en aulas virtuales,
compuesto por diez preguntas en la escala Likert, y 4) La
IA en el proceso de aprendizaje de las ciencias experimentales, conformado
por 10 preguntas en la escala Likert.
También se incluyó un apartado de
consentimiento informado, pues se aplicó de manera anónima, voluntaria y sin
fines de lucro, durante el período de enero a junio de 2025. Con un nivel de
confianza del 90 % y un margen de error no mayor del 5 %, se determinó una
muestra por conveniencia integrada por 116 estudiantes de un total de 200 convocados,
lo que representa una tasa de respuesta del 58 %.
La
validación del cuestionario se realizó mediante un piloteo con un reducido
número de estudiantes y la revisión de tres expertos en el área de educación.
El diseño del cuestionario buscó equilibrar la cuantificación de tendencias
generales con la recogida de información cualitativa complementaria, lo que
fortaleció la validez del análisis y ofreció una visión completa de las
perspectivas estudiantiles. La consistencia interna del instrumento se evaluó
con la prueba alfa de Cronbach, obteniendo un valor de a=
0.95, indicador de una alta fiabilidad de los datos. Los resultados fueron
analizados por medio de estadísticas descriptivas (cálculo de frecuencias,
porcentaje, medias, etcétera) con el programa Excel (Camacho
et al., 2015; Santiago, 2018).
5.1 Caracterización sociodemográfica
Los
resultados muestran un perfil estudiantil diverso en edad, género y procedencia
geográfica. En la categoría de edad, predominan los estudiantes que tienen
entre 31 y 40 años de edad (46.2 %), después se encuentra el rango de 41 a 50
años (19.7 %), seguido del grupo de entre 20 y 30 años (18.8 %), el resto son
menores de veinte años o mayores de 50 años. En cuanto al género, destaca una
predominancia femenina con 71.8 %. Respecto a la procedencia geográfica, la
comunidad estudiantil radica principalmente en el Estado de México (32.5 %) y en
la Ciudad de México (29.1 %); la parte restante de estudiantes se ubica en
diversos Estados de la República Mexicana.
5.2 Aplicación de la IA en las ciencias
experimentales
El
análisis de la información indica que el 55 % de la muestra no usa la IA en la
realización de sus actividades académicas, lo cual puede estar relacionado con
el desconocimiento de su utilidad o potencial, a la vez que, institucionalmente
no se recomienda el uso de la IA en la elaboración de actividades o tareas. En
contraste, el 22 % de estudiantes menciona que sí la utiliza y el 23 % que tal
vez sí la utiliza.
Las principales
razones para no utilizar la IA en las actividades educativas se relacionan con
las percepciones de necesidad, confianza y pertinencia. La respuesta de mayor
frecuencia con 35 % es “no la necesito” y de menor frecuencia con 13 % “se
considera plagio” y ”no sé cómo usarla”.
5.2.1
Aplicaciones de la IA en las actividades escolares
La información obtenida a partir de
la pregunta “¿Para qué utilizas la IA en tus actividades escolares?” muestra
que 33 estudiantes la emplean para la búsqueda de información, esto se
relaciona con lo indicado en los espacios abiertos de aprendizaje sobre la
ubicación de fuentes académicas confiables, para analizar contenidos y realizar
resúmenes y paráfrasis que contribuyan a la resolución de las actividades
integradoras y del proyecto integrador. En segundo lugar, la IA se ha utilizado
para generar figuras e imágenes, esto no es requerido en las actividades del
Módulo, ya que toda información e imágenes deben provenir de fuentes de
información confiables. Finalmente, 15 de
los encuestados utilizan la IA en la elaboración de actividades y de
presentaciones, lo cual se considera inapropiado, de acuerdo con las
especificaciones de integridad académica de Prepa en Línea SEP. Estos datos se
muestran en la Figura 1.
Figura 1
Utilización de la IA en
actividades escolares
Fuente: Elaboración propia.
5.2.2
Herramientas tecnológicas utilizadas
En la Figura 2 se observan las
herramientas tecnológicas más utilizadas por la comunidad estudiantil. En el
uso de simuladores o laboratorios virtuales para el aprendizaje de las
ciencias, el 64.2 % de comunidad estudiantil mencionó que no usa ninguno, el 18.9
% emplea PhET Interactive Simulations y el resto indicó que otros. Respecto a
las IA que se utilizan en el aprendizaje de las ciencias experimentales, el 52.8
% se sirven de Khan Academy y 47.2 % no utiliza ninguna. Sobre los recursos de
búsqueda y referencia utilizados para realizar actividades del módulo 16, el
96.2 % mencionó a Google, aunque también utilizan Bing con 28.8 %, Copilot con
18.9 % y Mozilla con 9.4 %. En cuanto a las herramientas de comunicación y
colaboración utilizadas se encuentran Zoom (66 %), Google Meet (64.2 %),
Streamyard (34 %), ninguna (13.2 %), Jitsi (7.5 %), otra (5.7 %). Las
herramientas que incluyen IA para el diseño de recursos visuales más usadas
incluyen CANVA con 96.2 %, Genially (22.6 %), Piktochart (15.1 %), ninguna (3.8
%) y otra (7.5 %).
Figura 2
Herramientas de IA
utilizadas por los estudiantes
Nota:
Los estudiantes seleccionaron más de una opción en estas preguntas; por ello la
suma de los porcentajes excede al 100 %.
Fuente: Elaboración propia.
5.2.3
Impacto
de la IA en la educación
Los
resultados obtenidos sobre la percepción de la comunidad estudiantil y el
impacto de la IA en la educación indican que el 64 % lo considera positivo, mientras
que para el 25 % comentó que es difícil saberlo en este momento, el 9 % señaló
que puede ser ambos dependiendo del uso que se dé a la tecnología, y solo el 2 %
mencionó que el impacto es negativo, lo cual se muestra en la Figura 3.
Figura 3
Impacto de la IA en la
educación
Fuente:
Elaboración propia.
5.2.4
Ventajas
y desventajas de la IA
Se
identificaron 14 ventajas distintas (Figura 4), las cuales fueron categorizadas
y cuantificadas de acuerdo con la frecuencia de respuesta: 1) Funcionalidad inmediata y operativa,
agrupando “rapidez” y “generación de respuestas”. 2) Acceso y procesamiento de la información, que incluyen “búsqueda de
información”, “recuperar y organizar información valiosa”, “síntesis de la
información” y “análisis de datos”. 3) Impacto
en el aprendizaje y desempeño académico, integrando “mejora la comprensión
de temas”, “mejorar tareas y calificaciones”, “mayor aprendizaje” y “facilidad”.
4) Aplicaciones creativas y multimodales,
se encuentran “diseñar presentaciones e imágenes” y “simulaciones interactivas”.
5) Ausencia de ventajas, descritas
por “ninguna” o “no sé”, indican que algunos estudiantes aún no tienen
beneficios en este tipo de tecnologías.
Figura 4
Ventajas de la IA
Nota: Los valores indican la
frecuencia con la que los estudiantes mencionaron cada ventaja; los
participantes podían seleccionar más de una opción.
Fuente: Elaboración propia.
En la Figura 5 se presentan los
resultados obtenidos de los estudiantes sobre las desventajas de la IA, quienes
indicaron 13 aspectos, los cuales pueden categorizarse en 6 ejes principales:
1) Fiabilidad de la información que
incluye a “no es confiable”. 2) Impacto
en el aprendizaje autónomo, se menciona “reduce el aprendizaje”, “disminuye
el pensamiento crítico”, “limita la creatividad” y “falta de experimentación”. 3) Riesgos de dependencia, indica que puede generar “dependencia”
y “disminuye el esfuerzo personal”. 4) Problemas
éticos y de integridad académica se describen “se considera plagio”, “mal
uso de la información” y “hace a las personas flojas”. 5) Contexto, según las condiciones del entorno del estudiante se
presentan “problemas de contexto”, que incluyen la falta de infraestructura,
equipamiento y alfabetización digital. 6) Desconocimiento,
en el que se menciona “no sé” o “ninguna”.
Figura 5
Desventajas de la IA
Nota: Los valores representan la
frecuencia con la que los estudiantes mencionaron cada desventaja y podían
elegir más de una opción.
Fuente: Elaboración propia.
5.3
Percepción
del uso de la IA en aulas virtuales
La
Figura 6 muestra que la comunidad estudiantil del módulo 16 expresó
percepciones mixtas sobre el uso de la IA en aulas virtuales. Predominan las
opiniones “de acuerdo” y “totalmente de acuerdo” en afirmaciones que destacan
los beneficios de la IA, como facilitar la comprensión de conceptos complejos
(47 %), apoyar el aprendizaje de las ciencias experimentales (42.7 %) y
permitir el trabajo autónomo (33.3 %).
Al
mismo tiempo, se identifican preocupaciones relevantes: la mayoría coincide en
que el acceso a la IA no es equitativo (60.7 %), que puede fomentar un
aprendizaje superficial (50.4 %) y afectar el pensamiento crítico (50.4 %). También
se reconoce que su uso indebido puede derivar en prácticas deshonestas (59.8 %).
Figura 6
Percepción del uso de la IA en aulas virtuales
Fuente: Elaboración propia.
5.4
La IA en el proceso de aprendizaje de las
ciencias experimentales
En
la Figura 7 se muestran los resultados obtenidos sobre las opiniones del papel
de la IA en la enseñanza y el aprendizaje de las ciencias experimentales, esos
reflejan opiniones positivas para el uso de laboratorios virtuales (41.9 %),
diagnóstico de dificultades (43.6 %), motivación y participación (36.7 %),
colaboración e interacción (47.9 %), habilidades comunicativas (44.4 %),
aplicación a problemas reales (42.7 %). Respecto a los riesgos y
preocupaciones, existieron varias menciones sobre estar de acuerdo con que la
IA contribuye a la deshumanización en la educación (47.9 %); hubo desacuerdo
con la sustitución de los docentes (60.7 %). Se resaltan aspectos como evitar
el uso de la IA en actividades, en el que 38.5 % está de acuerdo y 40.2 % muestra
su desacuerdo; y respecto a que los docentes están capacitados, el 31.3 % está
de acuerdo y el 40.1 % están en desacuerdo.
Figura 7
La IA como apoyo para la enseñanza y aprendizaje de las
ciencias experimentales
Fuente: Elaboración propia.
En
esta investigación resulta importante señalar que, aunque la IA comienza a
tener presencia en el ámbito académico, su adopción aún es incipiente y
desigual en las ciencias experimentales, dado que el aprendizaje no se trata de
soluciones rápidas sino de resultados verdaderos y confiables. El contraste observado
entre quienes manifiestan no usarla y quienes la utilizan activamente, aunque
con incertidumbre, refleja una diversidad de perfiles tecnológicos, así como
una insuficiente formalización didáctica de estas herramientas en los procesos
formativos. Así mismo, las políticas institucionales y los discursos públicos
sobre la IA influyen en la aceptación o resistencia de los estudiantes al uso
de la IA, aunque algunos autores mencionan que la formación en competencias
digitales favorece una apropiación crítica y equilibrada con una disminución de
los problemas éticos por el uso de estas tecnologías (Bauer
et al., 2025; Chen et al., 2020; García-Peñalvo, 2023).
Este panorama coincide con la postura
de Prepa
en Línea SEP (2025) que considera importante evitar el
uso de la IA para elaborar las actividades integradoras y el proyecto
integrador sin un proceso reflexivo que contribuya a lograr los aprendizajes
esperados, por lo cual, es importante regular y orientar la incorporación de la
IA en el aprendizaje. La institución reconoce que esta tecnología puede ser un
recurso valioso en las estrategias didácticas, pero advierte sobre riesgos,
como el plagio, la dependencia tecnológica y la falta de pensamiento crítico (Prepa
en Línea SEP, 2025; Sanabria y Regil-Vargas, 2024).
La comunidad estudiantil que no
utiliza IA demuestra cierta resistencia a hacerlo, esto puede deberse a una
combinación de factores éticos, pedagógicos y de alfabetización digital. La
razón: “no la necesito”, que con mayor frecuencia se menciona, podría indicar
que muchos estudiantes no han identificado las posibilidades de la IA para
mejorar el proceso de aprendizaje (Bolaño-García
y Duarte-Acosta, 2024).
En las respuestas se observa cierta
desconfianza sobre la calidad y veracidad de la información generada por la IA,
esto coincide con los hallazgos de Ugalde (2024), quien destaca
que la confianza en estas herramientas depende de la transparencia de sus
procesos y la formación crítica de los usuarios para evaluar sus resultados.
Otro aspecto mencionado es “se considera plagio”, asociado a la ética y
aspectos de deshonestidad académica que aún están pendientes de resolver en la
institución, en donde se necesita generar una guía para el uso de la IA en las
actividades didácticas (Prepa
en Línea SEP, 2025). La manifestación de no saber
utilizar la IA indica la necesidad de capacitar a la comunidad educativa en general
para su adecuado uso, por medio de una implementación estratégica, que permita
fortalecer las competencias digitales y la apropiación crítica de esta
tecnología (Buitrago
et al., 2024; Carbajal-Degante, 2025).
En el uso que le da la comunidad
estudiantil a la IA predomina la búsqueda de información y la elaboración de
materiales académicos, esto coincide con lo reportado por Vieriu y Petrea (2025), quienes
describen el uso de estas tecnologías como mediadores de acceso y organización
de contenidos, así como apoyo a la productividad estudiantil. Es importante
mencionar que la capacitación docente y estudiantil no avanza al mismo ritmo
que la disponibilidad de nuevas herramientas didácticas impulsadas por IA, esto
genera riesgos para asegurar la integridad de los productos académicos (Microsoft, 2025). En este sentido,
se recomienda que, aunque la IA puede apoyar en la organización del trabajo, la
gestión y desempeño de la información, se requieren normas y acuerdos
institucionales que permitan orientar a la comunidad estudiantil y académica
para evitar que el uso de la IA sustituya los procesos cognitivos, el
desarrollo del pensamiento crítico y las decisiones éticas para el logro de los
aprendizajes esperados (Chávez
et al., 2023; Vieriu y Petrea, 2025).
Al analizar los resultados respecto a
las herramientas IA de simuladores y laboratorios virtuales se identificó una
baja utilización por parte de la comunidad estudiantil. Chen
et al. (2020) destacan que estas herramientas
permiten experimentar los fenómenos naturales de manera segura y flexible, esto
aumenta la motivación y la retención del conocimiento. Por el contrario, se
observó que los estudiantes con interés en plataformas como Khan Academy acceden
a la tutoría personalizada. Recursos como Google para la búsqueda de
información y la plataforma Zoom para comunicación y colaboración fueron de los
más mencionados, los resultados coinciden con investigaciones recientes de Bolaño-García
y Duarte-Acosta (2024); Cabrera-Fuentes et al. (2025); De Souza et al.
(2023), y Martínez-Comesaña et al. (2023).
Por otro lado, Jiménez-García
et al. (2024) describen que la integración
efectiva de estas herramientas depende del diseño instruccional y la
capacitación docente, además proponen la rueda pedagógica con la integración de
estas herramientas en las estrategias didácticas para lograr las competencias y
los aprendizajes esperados.
La mayoría de los estudiantes
perciben que la IA tiene un impacto positivo en la educación, y varios autores
coinciden en que se han reportado diversos beneficios, entre los que se
encuentran: personalización, retroalimentación automatizada, soporte a la
enseñanza, analítica en la toma de decisiones y mencionan el aumento de
herramientas generativas, aunque la literatura subraya que los beneficios
dependen de las condiciones de implementación y la evaluación de los mismos (Ayuso-del
Puerto y Gutiérrez-Esteban, 2022; Bolaño-García y Duarte-Acosta, 2024;
García-Peñalvo et al., 2024; Ugalde, 2024).
En las ventajas percibidas por los
estudiantes predominan las percepciones de eficiencia e inmediatez, las cuales,
de acuerdo con investigaciones recientes, pueden tener beneficios cognitivos
que surgen cuando la IA se inserta en actividades guiadas y multimodales. A la
vez, se menciona que se requiere de una alfabetización de los diversos actores
educativos y de un diseño instruccional adecuado para conseguir aprendizajes
significativos (Bauer
et al., 2025; Chan & Hu, 2023; Kim et al., 2025).
Las desventajas revelan que la
comunidad estudiantil es consciente de las limitaciones de la IA. Al respecto, Bauer
et al. (2025) mencionan que la confianza en la IA
depende de la capacidad de la comunidad estudiantil de evaluar críticamente la
información y de la transparencia de los sistemas para revelar sus
limitaciones. A su vez, Chan & Hu (2023) consideran que la
comunidad estudiantil tienen nociones sobre los riesgos de dependencia y
aprendizaje superficial, ya que el uso indiscriminado y acrítico de la IA
impactan en el aprendizaje autónomo, por tanto, sugieren la promoción de la
reflexión y la metacognición. También existe preocupación por el uso deshonesto
de la IA, como entregar actividades sin revisión, lo cual coincide con lo
reportado por Chan
& Hu (2023) y Slimi et al. (2025), quienes
mencionan que deben existir políticas institucionales que regulen el uso
honesto de la IA.
Respecto a la problemática de
contexto y las brechas digitales, Torres (2023) describe que la
adopción de herramientas y tecnologías para el aprendizaje no es homogénea y
depende de las condiciones socioeconómicas del entorno del estudiante, esto constituye
un reto para lograr la equidad en el acceso a la educación.
Las percepciones positivas de la
comunidad estudiantil sobre el uso de laboratorios virtuales con IA y la
aplicación de conceptos a problemas reales, coinciden con lo mencionado por diversos
autores quienes sostienen que dichas tecnologías facilitan la comprensión de
conceptos complejos y apoyan el aprendizaje, ya que pueden contribuir al
mejoramiento de los procesos cognitivos, cuando se integran en entornos de
aprendizaje bien diseñados, ya que la IA contribuye a la visualización y
modelado de fenómenos científicos y favorece la comprensión conceptual (Bauer
et al., 2025; Bolaño-García y Duarte-Acosta, 2024; Granda et al.,
2024).
La
opinión positiva respecto al uso de laboratorios virtuales con IA y la
capacidad de aplicar conceptos a problemas reales, coincide con lo reportado por
algunos autores como Bhardwaj
et al. (2022) y Erümit y Sarıalioğlu (2025), quienes indican
que los entornos de simulación apoyados por IA permiten la experimentación en
condiciones seguras y favorecen la práctica y observación de fenómenos
naturales. Así mismo, los resultados obtenidos reflejan que la IA puede
favorecer el desarrollo de habilidades transversales como la comunicación
escrita y la interacción entre pares por medio del diseño de actividades
colaborativas mediadas por IA (Bauer
et al., 2025). Por otro lado, se perciben riesgos
como la deshumanización y la sustitución docente; sin embargo, varios autores
coinciden en mencionar que el rol humano sigue insustituible para guiar los
procesos críticos, éticos y socioemocionales (Chan
& Hu, 2023; Garzón et al., 2025; Macías et al., 2020).
La
baja información obtenida sobre el instrumento de medición respecto de la poca
utilización de la IA por la comunidad estudiantil no necesariamente indica
rechazo tecnológico, sino que puede ser un indicio de la poca alfabetización
digital, a pesar de que la modalidad de aprendizaje es en línea, por lo cual,
resulta conveniente diseñar entornos formativos que integren la IA de manera pedagógica,
ética y confiable.
Con la finalidad de regular el uso de
herramientas de IA entre estudiantes y agentes educativos es indispensable
generar una normativa que permita su uso en las aulas virtuales en procesos
pedagógicos que favorezcan los procesos cognitivos, la generación de
pensamiento crítico y la integridad académica.
Las herramientas de aprendizaje más
utilizadas por comunidad estudiantil tienen que ver con la búsqueda de
información, la tutoría estructurada, la comunicación y el diseño visual,
mientras que los simuladores y laboratorios virtuales son subutilizados, por lo
cual es necesario impulsar del uso de estas últimas herramientas para la
visualización virtual de fenómenos naturales .
Aunque los impactos de la IA se
perciben como positivos, es importante que la integración de la IA se realice
mediante un diseño metodológico, responsable y ético, por medio de la
capacitación de estudiantes y agentes educativos que incluyan las ventajas y
desventajas percibidas por los estudiantes para ser integradas a planeaciones
didácticas acordes con la temática, al contexto estudiantil y la disponibilidad
de herramientas digitales.
Respecto a las percepciones de los
estudiantes, quienes indican que la IA tiene potencial para facilitar la
comprensión de conceptos complejos y apoyar el aprendizaje por medio de
laboratorios virtuales, diagnóstico de dificultades de aprendizaje y la
motivación estudiantil, emergen preocupaciones sobre el aprendizaje
superficial, deshonestidad académica, pérdida de pensamiento crítico,
desigualdad en el acceso a las herramientas de IA, deshumanización, sustitución
docente y falta de capacitación, lo que requiere estrategias pedagógicas
claras, diseño instruccional adecuado, marcos éticos y de integridad académica
adaptados al entorno virtual, estrategias de equidad y alfabetización digital.
Finalmente,
es importante resaltar que la institución debe buscar opciones para convertir
los riesgos en oportunidades, por medio de la aplicación de políticas claras
sobre el uso de la IA entre estudiantes y asesores virtuales, además de
promover la alfabetización digital en el uso de la IA, de tal manera, que se
pueda permitir el uso de la IA cuando aporte evidencia de aprendizaje y
limitarla cuando sustituya procesos cognitivos o ponga en riesgo la integridad
académica; esta forma de implementación puede potencializar los aprendizajes
esperados.
El presente trabajo se desarrolló en el marco de los estudios del Doctorado en Ambientes y Sistemas de Educación Multimodal de la Universidad Nacional Rosario Castellanos para la obtención del grado.
Alpizar,
L. O., y Martínez, H. (2024). Perspectiva de estudiantes de nivel medio
superior respecto al uso de la inteligencia artificial generativa en su
aprendizaje. RIDE Revista Iberoamericana para la Investigación y el
Desarrollo Educativo, 14(28). https://doi.org/10.23913/ride.v14i28.1830
Ayuso-del
Puerto, D., y Gutiérrez-Esteban, P. (2022). La Inteligencia Artificial como
recurso educativo durante la formación inicial del profesorado. RIED.
Revista Iberoamericana de Educación a Distancia, 25(2), pp. 347-362.
https://doi.org/10.5944/ried.25.2.32332
Bauer, E., Greiff, S., Graesser, A. C., Scheiter, K.,
& Sailer, M. (2025). Looking Beyond the Hype: Understanding the Effects of
AI on Learning. Educational Psychology Review, 37(2), 45. https://doi.org/10.1007/s10648-025-10020-8
Bećirović, S., Polz, E., & Tinkel, I. (2025).
Exploring students’ AI literacy and its effects on their AI output quality,
self-efficacy, and academic performance. Smart Learning Environments, 12(1),
29. https://doi.org/10.1186/s40561-025-00384-3
Bhardwaj, A., Kishore, S., & Pandey, D. K. (2022).
Artificial Intelligence in Biological Sciences. Life,
12(9), 1430. https://doi.org/10.3390/life12091430
Bolaño-García,
M., y Duarte-Acosta, N. (2024). Una revisión sistemática del uso de la
inteligencia artificial en la educación. Revista Colombiana de Cirugía, 39(1),
pp. 51-63. https://www.redalyc.org/journal/3555/355577357005/html/
Buitrago,
Á., Martín, A., y Torres, L. (2024). La alfabetización en inteligencia
artificial: Propuesta articulada de dimensiones e indicadores. Communication Papers. Media Literacy and Gender
Studies, 13(27), pp.
118-139. https://doi.org/10.33115/udg_bib/cp.v13i27.23086
Cabrera-Fuentes,
A., Martínez, D. Z., y Rementeria, J. J. (2025). Avances, Retos Éticos y
Perspectivas de la Inteligencia Artificial (IA) en la Educación de América
Latina. Ciencia Latina Revista Científica Multidisciplinar, 9(4),
pp. 1370-1382. https://doi.org/10.37811/cl_rcm.v9i4.18603
Camacho,
G. L., Jordán, A. E., y Contreras, G. A. (2015). Metodología de la
investigación educacional. Editorial Académica Universitaria. https://es.scribd.com/document/490761748/Metodologia-de-La-Investigacion-Educacional-CAMACHO-JORDAN-CONTRERAS
Camacho,
M. R., Pérez, J., Cárdenas, J., y Adaile, N. T. (2025). Implicaciones éticas
del uso de Inteligencia Artificial en educación superior. Emerging Trends in Education, 8(15), pp. 122-139. https://doi.org/10.19136/etie.v8n15.6343
Carbajal-Degante,
E. (2025). De la UNESCO a la UNAM: adaptación de un marco de competencias
docentes en inteligencia artificial para la educación. Revista Mexicana de
Bachillerato a Distancia, 17(33), pp. 1-11. https://revistas.unam.mx/index.php/rmbd/article/view/90977
Chan, C. K. Y., & Hu, W. (2023). Students’ voices
on generative AI: perceptions, benefits, and challenges in higher education. International
Journal of Educational Technology in Higher Education, 20, 43.
https://doi.org/10.1186/s41239-023-00411-8
Chávez,
M. E., Labrada, E., Carbajal-Degante, E., Pineda, E., y Alatriste, Y. (2023).
Inteligencia artificial generativa para fortalecer la educación superior. LATAM
Revista Latinoamericana de Ciencias Sociales y Humanidades, 4(3),
pp. 767-784. https://doi.org/10.56712/latam.v4i3.1113
Chen, L., Chen, P., & Lin, Z. (2020). Artificial
Intelligence in Education: A Review. IEEE Access, 8, pp. 75264-75278.
IEEE Access. https://doi.org/10.1109/ACCESS.2020.2988510
DOF. (2014). ACUERDO número 09/09/14
por el que se establece el Plan de Estudios del Servicio Nacional de
Bachillerato en Línea, Prepa en Línea-SEP. Diario Oficial del Federación.
https://dof.gob.mx/nota_detalle.php?codigo=5361362&fecha=24/09/2014#gsc.tab=0
Erümit, A. K., & Sarıalioğlu, R. Ö. (2025).
Artificial intelligence in science and chemistry education: A systematic
review. Discover Education, 4, 178.
https://doi.org/10.1007/s44217-025-00622-3
García-Peñalvo, F. J. (2023). La
percepción de la Inteligencia Artificial en contextos educativos tras el
lanzamiento de ChatGPT: disrupción o pánico. Education in the Knowledge Society (EKS), 24, 9. https://doi.org/10.14201/eks.31279
García-Peñalvo,
F. J., Llorens-Largo, F., & Vidal, J. (2024). The new reality of education in the face of advances
in generative artificial intelligence. RIED-Revista
Iberoamericana de Educación a Distancia, 27(1).
https://www.redalyc.org/journal/3314/331475280002/html/
Garzón,
J., Patiño, E., & Marulanda, C. (2025). Systematic Review of Artificial Intelligence in
Education: Trends, Benefits, and Challenges. Multimodal Technologies and
Interaction, 9(8), 84. https://doi.org/10.3390/mti9080084
Granda, M. F., Muncha, I. J., Guamanquispe, F. V., y
Jácome, J. H. (2024). Inteligencia Artificial: Ventajas y
desventajas de su uso en el proceso de enseñanza aprendizaje. MENTOR Revista
de investigación educativa y deportiva, 3(7) pp. 202-224.
https://doi.org/10.56200/mried.v3i7.7081
Hariyanto, Kristianingsih, F. X. D., & Maharani,
R. (2025). Artificial intelligence in adaptive education: A systematic review
of techniques for personalized learning. Discover Education, 4,
458, pp. 1-18. https://doi.org/10.1007/s44217-025-00908-6
Jaakkola, M. (2025). Operationalizing
positive-constructive pedagogy to artificial intelligence: The 3E model for
scaffolding AI technology adoption. Frontiers in
Communication.
https://doi.org/10.3389/fcomm.2025.1610111
Jiménez-García,
E., Orenes-Martínez, N., y López-Fraile, L. A. (2024). Rueda de la Pedagogía
para la Inteligencia Artificial: adaptación de la Rueda de Carrington. RIED-Revista
Iberoamericana de Educación a Distancia, 27(1), pp. 87-113.
https://doi.org/10.5944/ried.27.1.37622
Kabudi, T., Pappas, I., & Olsen, D. H. (2021).
AI-enabled adaptive learning systems: A systematic mapping of the literature. Computers
and Education: Artificial Intelligence, 2, 100017.
https://doi.org/10.1016/j.caeai.2021.100017
Kim, J., Klopfer, M., Grohs, J. R., Eldardiry, H.,
Weichert, J., Cox, L. A., & Pike, D. (2025). Examining Faculty and Student
Perceptions of Generative AI in University Courses. Innovative Higher
Education, 50, pp. 1281-1313. https://doi.org/10.1007/s10755-024-09774-w
Luo, J., Zheng, C., Yin, J., & Teo, H. H. (2025).
Design and assessment of AI-based learning tools in higher education: A
systematic review. International Journal of Educational Technology in Higher
Education, 22, 42. https://doi.org/10.1186/s41239-025-00540-2
Macías,
E. J., López Pinargote, J. A., Ramos León, G. T., y Lozada Armendáriz, F. E.
(2020). Los entornos virtuales como nuevos escenarios de aprendizaje: el manejo
de plataformas online en el contexto académico. ReHuSo: Revista de Ciencias
Humanísticas y Sociales, 5(3), pp. 62-69.
https://doi.org/10.33936/rehuso.v5i3.2603
De
Souza Z., Bueno J., A., & Sato, J. (2023). Applications of Artificial Intelligence Models in
Educational Analytics and Decision Making: A Systematic Review. World,
4, pp. 288-313. https://doi.org/10.3390/world4020019
Martínez-Alvarez,
N., y Martínez-López, L. (2024). Sinergia Piaget, Vygotsky y la inteligencia
artificial en la educación universitaria. Vinculatégica EFAN, 10(4),
pp. 70-84. https://doi.org/10.29105/vtga10.4-948
Martínez-Comesaña,
M., Rigueira-Díaz, X., Larrañaga-Janeiro, A., Martínez-Torres, J.,
Ocarranza-Prado, I., y Kreibel, D. (2023). Impacto de la inteligencia
artificial en los métodos de evaluación en la educación primaria y secundaria: revisión
sistemática de la literatura. Revista de Psicodidáctica, 28(2), pp.
93-103. https://doi.org/10.1016/j.psicod.2023.06.001
Microsoft.
(2025). 2025 AI in
Education: A Microsoft Special Report (p. 43).
https://cdn-dynmedia-1.microsoft.com/is/content/microsoftcorp/microsoft/bade/documents/products-and-services/en-us/education/2025-Microsoft-AI-in-Education-Report.pdf
Ocaña-Fernández,
Y., Valenzuela-Fernández, L. A., y Garro-Aburto, L. L. (2019). Inteligencia
artificial y sus implicaciones en la educación superior. Propósitos y
Representaciones, 7(2), pp. 536-568. https://doi.org/10.20511/pyr2019.v7n2.274
Pelánek, R. (2025). Adaptive Learning is Hard:
Challenges, Nuances, and Trade-offs in Modeling. International Journal of
Artificial Intelligence in Education, 35, pp. 304-329. https://doi.org/10.1007/s40593-024-00400-6
Pinela,
R. A. (2024). Análisis de los Sistemas de Aprendizaje Personalizado Impulsados
por Inteligencia Artificial y su Implementación en Contextos Educativos. Ciencia
Latina Revista Científica Multidisciplinar, 8(5). pp. 9758-9768
https://doi.org/10.37811/cl_rcm.v8i5.14358
Posada,
J. (2024). El impacto y las implicaciones del uso de la inteligencia
artificial en las instituciones de educación superior: Un análisis crítico.
https://doi.org/10.5281/zenodo.10523397
Prepa
en Línea SEP. (2025). La inteligencia artificial en la educación.
Secretaría de Educación Pública. https://prepaenlinea.sep.gob.mx/la-inteligencia-artificial-en-la-educacion/
Romero,
R., Araya, K., y Reyes, N. (2025). Rol de la Inteligencia Artificial en la
personalización de la educación a distancia: una revisión sistemática. RIED-Revista
Iberoamericana de Educación a Distancia, 28(1), pp. 9-36.
https://doi.org/10.5944/ried.28.1.41538
Sanabria,
G., y Regil-Vargas, L. (2024). Inteligencia artificial para la recomendación de
recursos en educación en línea. Apertura, 16(2), pp. 6-21.
https://doi.org/10.32870/ap.v16n2.2542
Santiago,
L. J. A. (2018). Estadísticas con manzanas. Editorial Fray Bartolomé de
las Casas. Universidad Intercultural de Chiapas.
SEP.
(2023). Plan de estudios Prepa en Línea—SEP. Prepa en Línea SEP.
https://prepaenlinea.sep.gob.mx/nuestro-programa/plan-de-estudios/
Slimi, Z., Benayoune, A., & Alemu, A. E. (2025).
Students’ Perceptions of Artificial Intelligence Integration in Higher
Education. European Journal of Educational Research, 14(2), pp. 471-484.
https://doi.org/10.12973/eu-jer.14.2.471
Tinmaz,
H., Lee, Y.-T., Fanea-Ivanovici, M., & Baber, H. (2022). A systematic review on digital literacy. Smart
Learning Environments, 9(21).
https://doi.org/10.1186/s40561-022-00204-y
Torres,
P. (2023). Educación media superior en línea y las brechas digitales en el
Servicio Nacional de Bachillerato en Línea, Prepa en Línea Sep [Tesis de
Doctorado, Universidad Pedagógica Nacional, Unidad 092]. Repositorio
Institucional. http://rixplora.upn.mx/jspui/bitstream/RIUPN/144640/2/3178%20-%20UPN092DPPSETOPA2023.pdf
Tramallino,
C. P., y Zeni, A. M. (2024). Avances y discusiones sobre el uso de inteligencia
artificial (IA) en educación. Educación, 33(64), pp. 29-54. https://doi.org/10.18800/educacion.202401.m002
Ugalde,
F. S. (2024). Los Retos de la Inteligencia Artificial (IA) en la Educación de
México. Ciencia Latina Revista Científica Multidisciplinar, 8(5).
https://doi.org/10.37811/cl_rcm.v8i5.13723
UNESCO.
(2021). Recomendación sobre la Ética de la Inteligencia Artificial—Legal
Affairs. UNESCO.
https://www.unesco.org/es/legal-affairs/recommendation-ethics-artificial-intelligence
Velázquez,
A. D. (2025). Uso de herramientas de gamificación para motivar la participación
en el bachillerato a distancia. Revista Mexicana de Bachillerato a Distancia,
33(17). https://doi.org/10.22201/cuaieed.20074751e.2025.33.90984
Vieriu,
A. M., & Petrea, G. (2025). The
Impact of Artificial Intelligence (AI) on Students’ Academic Development. Education
Sciences, 15(3), 343.
https://doi.org/10.3390/educsci15030343
Zepeda,
M. E., Cardoso, E. O., y Cortés, J. A. (2024). Influencia de la inteligencia
artificial en la educación media y superior. RIDE. Revista Iberoamericana
para la Investigación y el Desarrollo Educativo, 14(28).
https://doi.org/10.23913/ride.v14i28.1949