David Jonathan Figueroa Garcés
david.figueroa@docentes.educacion.edu.ec
Profesional Independiente
Santa Elena, Ecuador
Raquel Catalina Borbor Rosales
raquelcbr194@gmail.com
Profesional Independiente
Guayaquil, Ecuador
Formación docente en inteligencia artificial y su incidencia en la
gestión pedagógica
Teacher Training in Artificial Intelligence and Its Impact on Pedagogical
Management
ISSN-L:3091-1893
10.63803
Gestión editorial
Fecha de recepción (Received): 26 de noviembre de 2025.
Fecha de aceptación (Accepted): 22 de diciembre de 2025.
Fecha de publicación (Published online): 26 de diciembre de 2025.
Vol.1 Num.4- 2025
DOI: https://doi.org/10.63803/prisma.v1n4.38
Prisma Journal. Revista de Ciencias Sociales y Humanidades
www.prismajournal.org
ISSN-L: 3091– 1893
DOI: 10.63803
452
Prisma Journal 2025 | Vol. 1 – Núm. 4 | ISSN: 3091-1893 | pp 452–461 | Licencia CC BY 4.0
Formación docente en inteligencia artificial y su incidencia en la gestión pedagógica
Teacher Training in Artificial Intelligence and Its Impact on Pedagogical Management
Resumen
Palabras clave
El estudio analizó la incidencia de una formación docente en
inteligencia artificial en la gestión pedagógica de 23 profesores de
una escuela de educación básica. Se empleó un diseño cuasi-
experimental con pretest y postest, mediante instrumentos que
evaluaron conocimientos, aplicación pedagógica y criterios éticos
sobre el uso de IA. La intervención incluyó un programa formativo
orientado a fundamentos, herramientas, integración didáctica y
reflexión ética, desarrollado mediante sesiones prácticas y
acompañamiento. Los resultados evidenciaron mejoras significativas
en todos los dominios, especialmente en el diseño de actividades
asistidas por IA, el uso crítico de herramientas digitales y la toma de
decisiones pedagógicas informadas. El análisis estadístico confirmó
un incremento general del desempeño entre el pretest y el postest. En
conjunto, la formación fortaleció la gestión pedagógica y promovió
prácticas más reflexivas y eficientes, indicando que la capacitación
en IA constituye un componente clave del desarrollo profesional
docente y de la innovación educativa.
• Formación docente
• Inteligencia artificial
• Gestión pedagógica
• Innovación educativa
• Desarrollo profesional
Abstract
Keywords
The study analyzed the impact of a teacher training program in
artificial intelligence on the pedagogical management of 23 basic
education teachers. A quasi-experimental pretest–posttest design was
applied, using instruments that assessed knowledge, pedagogical
application, and ethical criteria related to the use of AI. The
intervention consisted of a training program focused on foundational
concepts, tools, didactic integration, and ethical reflection, delivered
through practical sessions and guided support. The results showed
significant improvements across all domains, particularly in the
design of AI-assisted activities, critical use of digital tools, and
informed pedagogical decision-making. Statistical analysis
confirmed an overall increase in performance between the pretest and
posttest. Overall, the training strengthened pedagogical management
and fostered more reflective and efficient teaching practices,
indicating that AI training is a key component of teacher professional
development and educational innovation.
• Teacher training
• Artificial intelligence
• Pedagogical management
• Educational innovation
• Professional development
Prisma Journal. Revista de Ciencias Sociales y Humanidades
www.prismajournal.org
ISSN-L: 3091– 1893
DOI: 10.63803
453
Prisma Journal 2025 | Vol. 1 – Núm. 4 | ISSN: 3091-1893 | pp 452–461 | Licencia CC BY 4.0
Introducción
La integración de la inteligencia artificial (IA) en los entornos educativos ha cobrado una relevancia
creciente, transformando la manera en que los docentes planifican, gestionan y evalúan los procesos
de enseñanza y aprendizaje. Las herramientas generativas, en particular, ofrecen nuevas posibilidades
para automatizar tareas administrativas, diversificar recursos didácticos y fortalecer la
retroalimentación pedagógica, lo que incide profundamente en la gestión docente. No obstante, estos
avances también exigen que el profesorado posea criterios pedagógicos, éticos y técnicos suficientes
para incorporarlas de manera adecuada; situación que aún no se refleja plenamente en la práctica
escolar real (German Pimentel et al., 2025).
El problema central reside en la brecha existente entre el ritmo acelerado de desarrollo tecnológico y
la capacidad del docente promedio para acceder, comprender, adaptar e integrar críticamente estas
herramientas. Varios estudios documentan que muchos educadores utilizan IA sin bases conceptuales
claras, o bien la evitan por desconocimiento, lo que limita su incidencia en la mejora de la gestión
pedagógica (Pinargote Castro et al., 2023).
Esta brecha formativa se vuelve especialmente notable en contextos donde las oportunidades de
capacitación son escasas, lo que genera prácticas improvisadas, uso instrumental limitado y dudas
sobre aspectos éticos, autoría o privacidad (Martínez Bejarano, 2025).
La relevancia de atender esta problemática se sustenta en el creciente consenso académico acerca de
la necesidad de formar a los docentes no solo como usuarios técnicos, sino como mediadores críticos
capaces de analizar la dimensión ética, social y pedagógica de la IA (Martínez Bejarano, 2025). La
literatura reciente muestra que los procesos formativos estructurados fortalecen la percepción de
utilidad de estas tecnologías, mejoran la toma de decisiones docentes basada en datos y favorecen
una integración más reflexiva en las actividades de planificación y evaluación (Campos et al., 2025).
En paralelo, se advierte que una alfabetización meramente instrumental resulta insuficiente: los
docentes deben comprender los sesgos algorítmicos, los riesgos de automatización y las implicaciones
del uso de herramientas generativas en la producción de contenidos y en la experiencia formativa del
estudiante (German Pimentel et al., 2025).
En el contexto de América Latina, la discusión sobre IA educativa ha adquirido impulso progresivo,
aunque con marcadas desigualdades en infraestructura, acceso y formación especializada. Asimismo,
organismos internacionales destacan la urgencia de fortalecer las competencias digitales docentes
como eje estratégico para la educación del siglo XXI (UNESCO, 2023). En Ecuador, aunque existen
iniciativas institucionales orientadas a la innovación educativa, muchas instituciones básicas,
especialmente en zonas rurales, todavía enfrentan limitaciones de acceso a formación continua y a
tecnologías emergentes. Este escenario otorga un valor especial a los estudios de caso en entornos
reales, donde la necesidad de desarrollo profesional docente se evidencia en la práctica diaria.
La Escuela de Educación Básica Roberto Alejandro Narváez, ubicada en la parroquia Chanduy del
cantón Santa Elena, constituye un ejemplo representativo de estos desafíos. Sus 23 docentes
desarrollan su labor en un contexto donde la integración de IA aún no forma parte de los procesos
institucionales de manera sistemática. Esta situación hace pertinente analizar su punto de partida en
relación con conocimientos, percepciones y prácticas vinculadas al uso educativo de la inteligencia
Prisma Journal. Revista de Ciencias Sociales y Humanidades
www.prismajournal.org
ISSN-L: 3091– 1893
DOI: 10.63803
454
Prisma Journal 2025 | Vol. 1 – Núm. 4 | ISSN: 3091-1893 | pp 452–461 | Licencia CC BY 4.0
artificial, así como evaluar los efectos de una intervención formativa diseñada específicamente para
este grupo.
Considerando lo anterior, el presente estudio se orienta a comprender cómo una experiencia de
formación docente en IA generativa puede incidir en la gestión pedagógica en un contexto escolar
concreto. El análisis del pretest y postest permitirá identificar cambios en la toma de decisiones
pedagógicas, en la planificación, en la elaboración de recursos y en el uso de herramientas de apoyo,
elementos señalados como críticos para el ejercicio docente en entornos digitales (Campos et al.,
2025). Esta perspectiva contribuye a una comprensión más amplia de la formación docente en IA, no
solo como desarrollo de habilidades técnicas, sino como un proceso de transformación pedagógica,
reflexiva y contextualizada.
En este marco, el objetivo del artículo es examinar la incidencia de una intervención formativa en
inteligencia artificial en la gestión pedagógica de 23 docentes de la Escuela de Educación Básica
Roberto Alejandro Narváez, en la parroquia Chanduy. A través de este estudio de caso, se busca
aportar evidencia que oriente el diseño de programas formativos en IA para docentes en contextos
similares, y que contribuya a la literatura sobre el desarrollo profesional docente en tiempos de rápida
transformación tecnológica.
Metodología
El estudio se desarrolló bajo un diseño cuasi experimental de tipo pretest–postest con un solo grupo,
adecuado cuando se pretende evaluar cambios atribuibles a una intervención formativa en contextos
educativos reales donde no es posible la asignación aleatoria (Campbell, D. T., Stanley, J. C., & Gage,
1963). Este diseño ha sido ampliamente utilizado en investigaciones sobre formación docente en
competencias digitales e inteligencia (González Gutiérrez & González Gutiérrez, 2024; López-Vasco
et al., 2025a) debido a su pertinencia para medir variaciones en percepciones, conocimientos y
prácticas antes y después de un proceso de capacitación.
Además, el estudio adoptó un enfoque descriptivo y de estudio de caso, dado que se examinó de
manera detallada la situación particular de la Escuela de Educación Básica “Roberto Alejandro
Narváez”, en la parroquia Chanduy, cantón Santa Elena, provincia de Santa Elena. El estudio de caso
permitió comprender el fenómeno en profundidad y en su entorno natural, tal como se recomienda
para investigaciones educativas con unidades de análisis pequeñas (Yin, 2018).
Población y muestra
La población estuvo conformada por los 23 docentes que laboraban en la institución durante el
periodo de estudio. Debido a que el grupo era pequeño y accesible, se trabajó con un muestreo censal,
incorporando al 100% del profesorado. Este abordaje coincide con recomendaciones en estudios
similares sobre formación docente en IA realizados con muestras completas de instituciones de
pequeña escala (Pérez Pérez & González de Pirela, 2024; Sereño Ahumada, 2024).
Los docentes pertenecían a diversas áreas curriculares (Lengua y Literatura, Matemática, Ciencias
Naturales, Estudios Sociales, Educación Física y áreas artístico-culturales). La mayoría contaba con
experiencia profesional entre 5 y 20 años, lo cual permitió analizar la incidencia del nivel de
Prisma Journal. Revista de Ciencias Sociales y Humanidades
www.prismajournal.org
ISSN-L: 3091– 1893
DOI: 10.63803
455
Prisma Journal 2025 | Vol. 1 – Núm. 4 | ISSN: 3091-1893 | pp 452–461 | Licencia CC BY 4.0
experiencia en la recepción y aplicación de los contenidos de inteligencia artificial, aspecto
mencionado como relevante en investigaciones previas (Holmes et al., 2023).
Procedimientos y materiales
El estudio se ejecutó en tres etapas principales:
a) Etapa diagnóstica (pretest)
Se aplicó un cuestionario estructurado para evaluar el estado inicial de la gestión pedagógica
relacionada con el uso de tecnologías digitales y herramientas de apoyo asistido por IA. El
cuestionario incluyó dimensiones identificadas como críticas en la literatura: planificación,
evaluación, retroalimentación, diseño de recursos, gestión del tiempo y adaptación pedagógica
mediante tecnología (González Gutiérrez & González Gutiérrez, 2024; Sereño Ahumada, 2024;
UNESCO, 2023).
b) Intervención formativa
Los docentes participaron en un curso de capacitación de 12 horas sobre el uso pedagógico de
inteligencia artificial generativa. El curso se organizó en cuatro ejes:
• Fundamentos de IA generativa y ética educativa.
• Diseño de materiales didácticos asistidos por IA.
• Aplicaciones de IA en procesos de evaluación y retroalimentación.
• Integración de IA en la planificación microcurricular y la gestión del tiempo docente.
La formación combinó exposición guiada, demostraciones prácticas y actividades aplicadas con casos
reales de aula.
c) Etapa de evaluación (postest)
Tras la intervención, se aplicó un cuestionario equivalente al pretest, con ajustes mínimos para
asegurar la comparabilidad sin inducir respuestas condicionadas. Se solicitaron ejemplos concretos
de aplicación de IA en la planificación, evaluación o producción de recursos, siguiendo metodologías
recomendadas para estudios pre–post (Creswell, 2014).
Instrumentos y técnicas de recolección de datos
El cuestionario pretest–postest fue diseñado con base en instrumentos validados en estudios previos
sobre alfabetización digital docente y uso pedagógico de IA. Se estructuró en cuatro secciones:
• Uso pedagógico de la IA
• Diseño de actividades con IA
• Ética y transparencia
• Gestión del aprendizaje mediado por IA
El instrumento empleó escalas tipo Likert de 5 puntos (1 = muy en desacuerdo; 5 = muy de acuerdo)
y preguntas abiertas para ampliar la comprensión cualitativa del proceso.
Previo a su aplicación, el cuestionario fue sometido a validación de contenido por tres expertos en
tecnología educativa y evaluación, siguiendo criterios de claridad, pertinencia y relevancia (Lawshe,
Prisma Journal. Revista de Ciencias Sociales y Humanidades
www.prismajournal.org
ISSN-L: 3091– 1893
DOI: 10.63803
456
Prisma Journal 2025 | Vol. 1 – Núm. 4 | ISSN: 3091-1893 | pp 452–461 | Licencia CC BY 4.0
1975). Se calculó el índice de validez de contenido (IVC), alcanzando valores superiores a 0.80,
considerados adecuados.
Para el análisis cualitativo, se empleó codificación temática abierta, apoyada en categorías derivadas
de la literatura y de los artículos base (González Gutiérrez & González Gutiérrez, 2024; Sereño
Ahumada, 2024).
Variables y operacionalización
Variable independiente:
Programa de formación docente en IA generativa.
• Definición operacional: participación en un curso de 12 horas sobre fundamentos, ética,
diseño pedagógico y aplicaciones de IA.
• Indicadores: asistencia, desempeño en actividades, autoevaluación de aprendizaje.
Variable dependiente:
Gestión pedagógica asociada al uso de IA.
• Definición operacional: nivel de conocimientos, habilidades y actitudes para integrar IA
en planificación, evaluación y diseño de recursos.
• Indicadores: criterios y puntuaciones pre y post en cada dimensión del cuestionario.
Métodos de análisis de datos
Los datos cuantitativos se analizaron mediante:
• Estadística descriptiva (medias, desviaciones estándar, frecuencias).
• Prueba t para muestras relacionadas, por tratarse de mediciones repetidas pre–post y una
muestra menor a 30 participantes (Field, 2013).
• Cálculo de tamaño del efecto (Cohen’s d) para estimar la magnitud de los cambios
observados.
Los datos cualitativos se analizaron utilizando análisis temático, siguiendo las fases propuestas por
(Braun & Clarke, 2006): familiarización, codificación, búsqueda de temas, revisión, definición y
reporte.
Consideraciones éticas
El estudio cumplió estándares éticos para investigaciones educativas:
• Participación voluntaria.
• Obtención de consentimiento informado.
• Resguardo de confidencialidad y anonimato.
• Uso exclusivo de la información con fines académicos.
Se siguieron los lineamientos del Código de Ética en Investigación Educativa (AERA, 2011) y las
recomendaciones para uso responsable de tecnologías basadas en (UNESCO, 2023).
Prisma Journal. Revista de Ciencias Sociales y Humanidades
www.prismajournal.org
ISSN-L: 3091– 1893
DOI: 10.63803
457
Prisma Journal 2025 | Vol. 1 – Núm. 4 | ISSN: 3091-1893 | pp 452–461 | Licencia CC BY 4.0
Resultados
Estadísticos descriptivos del pretest y postest
De los 23 docentes participantes, todos completaron el pretest y el postest del “Cuestionario de
Gestión Docente para la Integración de IA Educativa”. Los resultados mostraron una mejora
generalizada en los puntajes de las cuatro dimensiones evaluadas: Uso pedagógico de la IA, Diseño
de actividades asistidas por IA, Ética y transparencia en el uso de IA, y Gestión del aprendizaje
mediado por IA.
El puntaje total promedio aumentó de 2.6 (DE = 0.41) en el pretest a 4.1 (DE = 0.38) en el postest, lo
que representa una mejora del 57.7% en la gestión docente asociada al uso educativo de IA.
Esta mejora fue consistente entre los participantes: 22 de los 23 docentes mostraron incrementos
considerables, mientras que 1 reportó un cambio leve pero igualmente positivo.
Análisis comparativo pre–post
Se aplicó una prueba t pareada para comparar los puntajes antes y después de la capacitación. Los
resultados indicaron diferencias estadísticamente significativas en el puntaje total (t(22) = 14.82, p <
.001), así como en cada una de las subdimensiones:
Tabla 1. Resultados del pretest y postest por dimensiones evaluadas
Dimensión
Media
Pretest
Media
Postest
% de
mejora
t(22)
p
Uso pedagógico de la
IA
2.4
4.2
75%
13.01
<.001
Diseño de actividades
con IA
2.5
4.0
60%
11.42
<.001
Ética y transparencia
2.8
4.3
53%
9.55
<.001
Gestión del
aprendizaje mediado
por IA
2.7
4.1
52%
10.88
<.001
Las cuatro áreas muestran una mejora significativa, aunque el mayor crecimiento se observa en el
Uso pedagógico de la IA.
Distribución individual del progreso docente
Los puntajes individuales revelan que:
15 docentes (65%) alcanzaron niveles altos (≥ 4.0) en todas las dimensiones del postest.
7 docentes (30%) alcanzaron niveles medios-altos (3.5–3.9).
1 docente (5%) permaneció en un nivel medio, aunque con mejora notable respecto al pretest.
No se identificaron retrocesos en ningún docente.
Prisma Journal. Revista de Ciencias Sociales y Humanidades
www.prismajournal.org
ISSN-L: 3091– 1893
DOI: 10.63803
458
Prisma Journal 2025 | Vol. 1 – Núm. 4 | ISSN: 3091-1893 | pp 452–461 | Licencia CC BY 4.0
Resultados por ítem del instrumento
El análisis ítem-por-ítem muestra que aquellos relacionados con:
“generar rúbricas con IA para retroalimentación”, “diseñar actividades adaptativas”, “evaluar riesgos
éticos como sesgo o alucinaciones”, “seleccionar herramientas IA pertinentes al nivel educativo”,
registraron los mayores incrementos, entre 65% y 85% de mejora promedio.
Los ítems con menos incremento —aunque igualmente significativos— fueron los asociados a:
“gestión institucional”, “comunicación de decisiones basadas en IA con familias”, con mejoras del
35–40%.
Discusión
Los resultados de este estudio muestran que la formación práctica en IA mejora de forma significativa
el conocimiento, las competencias pedagógicas y las actitudes docentes respecto a la integración de
herramientas generativas en la gestión pedagógica. Esta mejora empírica se alinea con múltiples
trabajos previos que observan efectos positivos de capacitaciones estructuradas en contextos
universitarios y escolares (García Cuevas, 2025; González, 2022; Pérez Pérez & González de Pirela,
2024). En particular, el trabajo ecuatoriano de 80 horas (Pérez Pérez & González de Pirela, 2024)
reportó incrementos claros en conocimiento técnico y predisposición docente, lo que corrobora la
tendencia observada en la presente muestra de 23 docentes, aun cuando la escala y contexto difieren.
La dimensión ética surge como preocupación constante y persistente: a pesar de las ganancias
técnicas, tanto en este estudio como en investigaciones previas los docentes mantienen inquietudes
sobre la originalidad, la privacidad y el uso responsable de contenidos generados por IA (López-
Vasco et al., 2025a, 2025b; Núñez-Valdés et al., 2025). Artículos como el de la revisión PRISMA
(Rondon-Morel et al., 2024) y el análisis de niveles formativos enfatizan la necesidad de incorporar
explícitamente competencias éticas en los programas de formación —una medida que las
observaciones sugieren indispensable para consolidar la adopción responsable en la práctica docente.
La brecha entre acceso y uso efectivo se confirma en varios estudios regionales y nacionales y explica
parte de la variabilidad observada en la muestra. En Chile se reportó que, aunque existe acceso a
herramientas como ChatGPT, su uso frecuente es limitado y está mediado por la familiaridad del
usuario (Núñez-Valdés et al., 2025). De modo semejante, investigaciones en Paraguay y México
(Figueredo & Sánchez, 2025; González Gutiérrez & González Gutiérrez, 2024) identificaron que la
falta de infraestructura y la ausencia de formación especializada actúan como barreras significativas
para la adopción. En este caso, la capacitación mejoró la disposición y la capacidad operativa, pero
la sostenibilidad de esos cambios dependerá de inversiones en infraestructura y soporte institucional,
tal como señalan (Lucero Baldevenites, 2024) y (Ruiz Muñoz & Vasco Delgado, 2025).
Varios trabajos revisados subrayan que la estructura de la formación importa: programas que
combinan instrucción técnica con metodologías activas, aprendizaje situado y trabajo con casos reales
tienden a facilitar la transferencia a la práctica (García Cuevas, 2025; López-Vasco et al., 2025b;
Sereño Ahumada, 2024). El presente diseño, que incluyó sesiones prácticas y aplicación inmediata
en tareas docentes, parece haber seguido esa pauta, lo que explicaría el efecto grande observado a
corto plazo. Además, el estudio uruguayo (González, 2022) sugiere que no es necesario que los
docentes sean especialistas técnicos para incorporar IA de manera pedagógica, un hallazgo que
respalda la idea de "pisos bajos" formativos aplicables en contextos con escasos recursos.
Prisma Journal. Revista de Ciencias Sociales y Humanidades
www.prismajournal.org
ISSN-L: 3091– 1893
DOI: 10.63803
459
Prisma Journal 2025 | Vol. 1 – Núm. 4 | ISSN: 3091-1893 | pp 452–461 | Licencia CC BY 4.0
La heterogeneidad por perfiles es otra coincidencia entre las evidencias de este estudio y la
bibliografía: (Ruiz Muñoz & Vasco Delgado, 2025) mostró diferencias según carreras y generaciones,
con estudiantes mostrando una mayor competencia digital que docentes. En este estudio se observó
también que quienes tenían mayor familiaridad tecnológica mejoraron con mayor rapidez, lo que
indica que los programas deben ser diferenciados y sensibles al punto de partida de los participantes
(Figueredo & Sánchez, 2025; Ruiz Muñoz & Vasco Delgado, 2025).
Respecto a los límites de la formación a corto plazo, tanto la literatura (López-Vasco et al., 2025a;
Rondon-Morel et al., 2024) como los resultados de este estudio muestran que ciertas percepciones,
por ejemplo, sobre la originalidad o la fiabilidad de contenidos generados por IA, no se resuelven
inmediatamente con la formación. Esto sugiere que más allá del entrenamiento técnico es necesario
incluir espacios de análisis crítico, evaluación de herramientas detectores y criterios de autenticidad
académica, tal como lo recomiendan algunos autores (López-Vasco et al., 2025a; Peña, 2023).
Finalmente, la evidencia consultada refuerza la idea de que la integración exitosa de la IA en la gestión
pedagógica requiere un enfoque sistémico: formación docente continua y contextualizada (Bellettini
Vela et al., 2024; Pérez Pérez & González de Pirela, 2024), infraestructura y soporte institucional
(Lucero Baldevenites, 2024; Ruiz Muñoz & Vasco Delgado, 2025), políticas éticas y marcos
regulatorios claros (Bellettini Vela et al., 2024; Núñez-Valdés et al., 2025; Peña, 2023) y la
articulación de prácticas pedagógicas reflexivas y situadas (Sereño Ahumada, 2024). Este estudio
aporta evidencia de que incluso intervenciones breves y bien diseñadas resultan eficaces en el corto
plazo, pero su sostenibilidad y profundidad dependerán de su implementación.
Conclusión
El estudio demuestra que una formación breve, contextualizada y orientada a la práctica en el uso
educativo de Inteligencia Artificial fortalece de manera significativa la gestión docente en educación
básica. Los resultados evidencian que los participantes desarrollan mayor dominio conceptual, mayor
capacidad de diseño pedagógico asistido por IA y una comprensión más sólida de los principios éticos
asociados a su uso, lo que confirma que la alfabetización en IA constituye una competencia emergente
y necesaria en la docencia actual.
El aporte principal del estudio radica en mostrar que la mejora no se limita al uso instrumental de
herramientas, sino que se refleja en la capacidad de los docentes para integrar la IA dentro de procesos
pedagógicos coherentes, reflexivos y alineados con el aprendizaje significativo. Esto sugiere que las
estrategias de capacitación que combinan práctica guiada, análisis ético y aplicación inmediata
generan cambios sostenibles en las prácticas profesionales.
En términos prácticos, los hallazgos indican que las instituciones educativas pueden implementar
programas de formación en IA sin requerir grandes estructuras tecnológicas, siempre que la propuesta
formativa esté alineada con el contexto docente y con necesidades reales del aula. Además, la
evidencia respalda la incorporación de módulos permanentes de IA educativa dentro de los planes de
desarrollo profesional docente, especialmente aquellos que promuevan el diseño de actividades y
evaluaciones mejoradas con IA.
Desde el plano teórico, el estudio contribuye a la discusión sobre la alfabetización digital avanzada
al mostrar que la integración de IA en educación requiere no solo habilidades técnicas, sino también
Prisma Journal. Revista de Ciencias Sociales y Humanidades
www.prismajournal.org
ISSN-L: 3091– 1893
DOI: 10.63803
460
Prisma Journal 2025 | Vol. 1 – Núm. 4 | ISSN: 3091-1893 | pp 452–461 | Licencia CC BY 4.0
criterios éticos, pedagógicos y de gestión. Este enfoque integral constituye una línea prometedora
para futuras investigaciones en entornos escolares.
Referencias
AERA. (2011). AERA Code of Ethics: American Educational Research Association. Educational
Researcher, 40(3). https://doi.org/10.3102/0013189x11410403
Bellettini Vela, G., Mora Naranjo, B. M., Ríos Quinte, R. J., Egas Villafuerte, V. P., & López Velasco, J.
E. (2024). Inclusión de la inteligencia artificial en la docencia universitaria. LATAM Revista
Latinoamericana de Ciencias Sociales y Humanidades, 5(1).
https://doi.org/10.56712/latam.v5i1.1642
Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in
Psychology, 3(2). https://doi.org/10.1191/1478088706qp063oa
Campbell, D. T., Stanley, J. C., & Gage, N. L. (1963). Experimental and quasi-experimental designs in
prevention research. In NIDA research monograph (Vol. 107).
Campos, V., Ortega, I., Serranp-Quevedo, Í., & Baque-Mite, L. (2025). El impacto de la inteligencia
artificial en la formación docente: herramientas. Polo Del Conocimiento, 10.
Creswell, J. W. (2014). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches.
Sage Publications. In Research Defign: Qualitative, Quantitative, and Mixed M ethods Approaches.
Field, A. (2013). Discovering statistics using IBM SPSS statistics. In Statistics (Vol. 58).
Figueredo, M., & Sánchez, L. (2025). Integración de la Inteligencia Artificial en la formación docente:
Desafíos y Oportunidades . Pedagogical Constellations.
García Cuevas, J. P. (2025). De lo técnico a lo pedagógico: formación docente integral en IA
universitaria. Company Games & Business Simulation Academic Journal, 5(1), 47.
https://doi.org/10.54988/cg.2025.1.1702
German Pimentel, H. E., Chacón, A. M., & German Pimentel, C. E. (2025). Competencias digitales del
profesorado en tiempos de inteligencia artificial: diagnóstico y desafíos en la formación inicial
docente. Revista Latinoamericana de Calidad Educativa, 2(4), 74–80.
https://doi.org/10.70625/rlce/242
González Gutiérrez, F. L., & González Gutiérrez, S. G. (2024). Importancia de la Inteligencia Artificial
en la Formación de Docentes en Escuelas Normalistas en México. Ciencia Latina Revista Científica
Multidisciplinar, 7(6). https://doi.org/10.37811/cl_rcm.v7i6.9488
González, J. (2022). Inteligencia Artificial en Formación Docente del Uruguay.
Holmes, W., Bialik, M., & Fadel, C. (2023). Artificial intelligence in education. In Data ethics : building
trust : how digital technologies can serve humanity (pp. 621–653). Globethics Publications.
https://doi.org/10.58863/20.500.12424/4276068
Prisma Journal. Revista de Ciencias Sociales y Humanidades
www.prismajournal.org
ISSN-L: 3091– 1893
DOI: 10.63803
461
Prisma Journal 2025 | Vol. 1 – Núm. 4 | ISSN: 3091-1893 | pp 452–461 | Licencia CC BY 4.0
López-Vasco, F. E., Angulo-Álvarez, M. R., & Sosa-Zúñiga, D. I. (2025a). Formación Docente en IA
Generativa: Impacto Ético y Retos en Educación Superior. Alteridad, 20(2), 166–177.
https://doi.org/10.17163/alt.v20n2.2025.01
López-Vasco, F. E., Angulo-Álvarez, M. R., & Sosa-Zúñiga, D. I. (2025b). Formación Docente en IA
Generativa: Impacto Ético y Retos en Educación Superior. Alteridad, 20(2), 166–177.
https://doi.org/10.17163/alt.v20n2.2025.01
Lucero Baldevenites, E. V. (2024). Transformando la educación: IA y realidades aumentada y virtual en
la formación docente. European Public & Social Innovation Review, 9, 1–16.
https://doi.org/10.31637/epsir-2024-854
Martínez Bejarano, G. J. (2025). Educar para Comprender la IA: Una Propuesta Ética y Crítica para la
Formación Docente. Revista Veritas de Difusão Científica, 6(2), 317–343.
https://doi.org/10.61616/rvdc.v6i2.634
Núñez-Valdés, K. P., Sepulveda-Irribarra, C. A., Villegas-Dianta, C. A., & Castillo-Paredes, A. J.
(2025). Inteligencia artificial y formación docente: análisis de las percepciones estudiantiles.
Formación Universitaria, 18(4), 1–12. https://doi.org/10.4067/s0718-50062025000400001
Peña, C. (2023). Formación docente en inteligencia artificial: entre niveles y realidades. Correo Del
Maestro.
Pérez Pérez, O. J., & González de Pirela, N. J. (2024). Formación Docente para el Uso de la Inteligencia
Artificial. Ciencia Latina Revista Científica Multidisciplinar, 8(5), 11772–11788.
https://doi.org/10.37811/cl_rcm.v8i5.14594
Pinargote Castro, M. A., Solorzano Ortega, C. V., Ruilova Alvarado, N. A., & Bulgarín Sánchez, R. M.
(2023). Inteligencia artificial en el contexto de la formación docente. RECIAMUC, 7(4), 153–161.
https://doi.org/10.26820/reciamuc/7.(4).oct.2023.153-161
Rondon-Morel, R. O., Pacotaipe-Delacruz, R., Alarcón-Nuñez, E. A., & Yepez-Salvatierra, P. N. (2024).
El Impacto de la Inteligencia Artificial en la Formación Docente. Revista Docentes 2.0, 17(2), 368–
375. https://doi.org/10.37843/rted.v17i2.566
Ruiz Muñoz, G. F., & Vasco Delgado, J. C. (2025). Integración de las tecnologías de la información y la
comunicación (TIC) e inteligencia artificial (IA) en la formación docente. Revista de Investigación
En Tecnologías de La Información, 13(29), 60–70. https://doi.org/10.36825/RITI.13.29.006
Sereño Ahumada, F. (2024). La formación docente en la era digital: práctica reflexiva, aprendizaje
situado e inteligencia artificial. Revista Ensayos Pedagógicos, 19(2), 1–15.
https://doi.org/10.15359/rep.19-2.7
UNESCO. (2023). Guía para el uso de IA generativa en educación e investigación.
Yin, R. K. (2018). Case study research and applications: Design and methods. In Journal of Hospitality
& Tourism Research (Vol. 53, Issue 5). https://doi.org/10.1177/109634809702100108
