pág. 2182
LA EDUCACIÓN SUPERIOR DEL FUTURO:
CÓMO LA VIRTUALIDAD Y LA IA ESTÁN
REESTRUCTURANDO LOS APRENDIZAJES
HIGHER EDUCATION OF THE FUTURE: HOW VIRTUALITY
AND AI ARE RESTRUCTURING LEARNING
Santiago Francisco Buitrón Chávez
Investigador independiente
Carlos Ramiro Buitrón Chávez
Universidad Central del Ecuador
Luz Verónica Pambabay Sangacha
Universidad de las Fuerzas Armadas, ESPE
Francisco Rafael Camacho Dillon
Universidad Central del Ecuador
José Alejandro Cajas Cadena
Universidad Central del Ecuador
pág. 2183
DOI: https://doi.org/10.37811/cl_rcm.v9i4.18813
La educación superior del futuro: cómo la virtualidad y la IA están
reestructurando los aprendizajes
Santiago Francisco Buitrón Chávez1
ecuadorheritage@gmail.com
https://orcid.org/0000-0002-4672-9230
Investigador independiente
Ecuador
Carlos Ramiro Buitrón Chávez
cbuitron@uce.edu.ec
https://orcid.org/0009-0004-5611-2623
Universidad Central del Ecuador
Ecuador
Luz Verónica Pambabay Sangacha
lvpambabay@espe.edu.ec
https://orcid.org/0009-0006-8330-5572
Universidad de las Fuerzas Armadas, ESPE
Ecuador
Francisco Rafael Camacho Dillon
frcamacho@uce.edu.ec
https://orcid.org/0009-0005-2646-051X
Universidad Central del Ecuador
Ecuador
José Alejandro Cajas Cadena
jacajas@uce.edu.ec
https://orcid.org/0009-0001-9695-2713
Universidad Central del Ecuador
Ecuador
RESUMEN
La educación superior está experimentando una fuerte transformación impulsada por la convergencia
de la virtualidad y la inteligencia artificial (IA). Este artículo analiza cómo estas tecnologías están
reestructurando los aprendizajes, desde la personalización de trayectorias formativas hasta la creación
de entornos inmersivos como el metaverso. Se examinan sus beneficios, como la democratización del
acceso (MOOCs, laboratorios remotos) y la optimización de procesos (tutores inteligentes, learning
analytics), junto con desafíos críticos: brecha digital, sesgos algorítmicos y riesgos para la interacción
humana. El marco conceptual integra perspectivas pedagógicas (educación 4.0, comunidad de
indagación) y tecnológicas, mientras que el estado del arte destaca aplicaciones en universidades
pioneras (MIT, UNAM). Los desafíos éticos, pedagógicos y sociales subrayan la necesidad de
regulaciones y formación docente. Las tendencias futuras, como la hiperpersonalización y la IA
generativa, plantean escenarios que oscilan entre la utopía tecnológica y la profundización de
desigualdades. Las conclusiones plantean que el éxito de estas herramientas depende de su integración
ética y pedagógica, potenciando y no reemplazando a las capacidades humanas. El artículo llama a un
equilibrio entre innovación y preservación de valores educativos fundamentales, como el pensamiento
crítico y la equidad.
Palabras clave: educación superior, inteligencia artificial, virtualidad, aprendizaje, docencia
1 Autor principal
Correspondencia: ecuadorheritage@gmail.com
DOI: https://doi.org/10.37811/cl_rcm.v9i4.18813
La educación superior del futuro: cómo la virtualidad y la IA están
reestructurando los aprendizajes
Santiago Francisco Buitrón Chávez1
ecuadorheritage@gmail.com
https://orcid.org/0000-0002-4672-9230
Investigador independiente
Ecuador
Carlos Ramiro Buitrón Chávez
cbuitron@uce.edu.ec
https://orcid.org/0009-0004-5611-2623
Universidad Central del Ecuador
Ecuador
Luz Verónica Pambabay Sangacha
lvpambabay@espe.edu.ec
https://orcid.org/0009-0006-8330-5572
Universidad de las Fuerzas Armadas, ESPE
Ecuador
Francisco Rafael Camacho Dillon
frcamacho@uce.edu.ec
https://orcid.org/0009-0005-2646-051X
Universidad Central del Ecuador
Ecuador
José Alejandro Cajas Cadena
jacajas@uce.edu.ec
https://orcid.org/0009-0001-9695-2713
Universidad Central del Ecuador
Ecuador
RESUMEN
La educación superior está experimentando una fuerte transformación impulsada por la convergencia
de la virtualidad y la inteligencia artificial (IA). Este artículo analiza cómo estas tecnologías están
reestructurando los aprendizajes, desde la personalización de trayectorias formativas hasta la creación
de entornos inmersivos como el metaverso. Se examinan sus beneficios, como la democratización del
acceso (MOOCs, laboratorios remotos) y la optimización de procesos (tutores inteligentes, learning
analytics), junto con desafíos críticos: brecha digital, sesgos algorítmicos y riesgos para la interacción
humana. El marco conceptual integra perspectivas pedagógicas (educación 4.0, comunidad de
indagación) y tecnológicas, mientras que el estado del arte destaca aplicaciones en universidades
pioneras (MIT, UNAM). Los desafíos éticos, pedagógicos y sociales subrayan la necesidad de
regulaciones y formación docente. Las tendencias futuras, como la hiperpersonalización y la IA
generativa, plantean escenarios que oscilan entre la utopía tecnológica y la profundización de
desigualdades. Las conclusiones plantean que el éxito de estas herramientas depende de su integración
ética y pedagógica, potenciando y no reemplazando a las capacidades humanas. El artículo llama a un
equilibrio entre innovación y preservación de valores educativos fundamentales, como el pensamiento
crítico y la equidad.
Palabras clave: educación superior, inteligencia artificial, virtualidad, aprendizaje, docencia
1 Autor principal
Correspondencia: ecuadorheritage@gmail.com
pág. 2184
Higher education of the future: how virtuality and AI are restructuring
learning
ABSTRACT
Higher education is undergoing a strong transformation driven by the convergence of virtual reality and
artificial intelligence (AI). This article analyzes how these technologies are restructuring learning, from
the personalization of learning paths to the creation of immersive environments such as the metaverse.
Their benefits, such as the democratization of access (MOOCs, remote labs) and process optimization
(intelligent tutors, learning analytics), are examined, along with critical challenges: the digital divide,
algorithmic biases, and risks to human interaction. The conceptual framework integrates pedagogical
(Education 4.0, community of inquiry) and technological perspectives, while the state-of-the-art
highlights applications at pioneering universities (MIT, UNAM). Ethical, pedagogical, and social
challenges underscore the need for regulations and teacher training. Future trends, such as
hyperpersonalization and generative AI, pose scenarios that oscillate between technological utopia and
deepening inequalities. The conclusions suggest that the success of these tools depends on their ethical
and pedagogical integration, enhancing, not replacing, human capabilities. The article calls for a balance
between innovation and the preservation of fundamental educational values, such as critical thinking
and equity.
Keywords: higher education, artificial intelligence, virtual reality, learning, teaching
Artículo recibido 16 junio 2025
Aceptado para publicación: 17 julio 2025
Higher education of the future: how virtuality and AI are restructuring
learning
ABSTRACT
Higher education is undergoing a strong transformation driven by the convergence of virtual reality and
artificial intelligence (AI). This article analyzes how these technologies are restructuring learning, from
the personalization of learning paths to the creation of immersive environments such as the metaverse.
Their benefits, such as the democratization of access (MOOCs, remote labs) and process optimization
(intelligent tutors, learning analytics), are examined, along with critical challenges: the digital divide,
algorithmic biases, and risks to human interaction. The conceptual framework integrates pedagogical
(Education 4.0, community of inquiry) and technological perspectives, while the state-of-the-art
highlights applications at pioneering universities (MIT, UNAM). Ethical, pedagogical, and social
challenges underscore the need for regulations and teacher training. Future trends, such as
hyperpersonalization and generative AI, pose scenarios that oscillate between technological utopia and
deepening inequalities. The conclusions suggest that the success of these tools depends on their ethical
and pedagogical integration, enhancing, not replacing, human capabilities. The article calls for a balance
between innovation and the preservation of fundamental educational values, such as critical thinking
and equity.
Keywords: higher education, artificial intelligence, virtual reality, learning, teaching
Artículo recibido 16 junio 2025
Aceptado para publicación: 17 julio 2025
pág. 2185
INTRODUCCIÓN
La educación superior enfrenta una transformación sin precedentes impulsada por la convergencia de la
virtualidad y la inteligencia artificial (IA). En un contexto marcado por la aceleración digital
postpandemia, instituciones universitarias han adoptado plataformas en línea, algoritmos de aprendizaje
adaptativo y entornos inmersivos, reconfigurando las metodologías pedagógicas y los paradigmas
epistemológicos del conocimiento.
Este artículo sistematiza avances, tensiones y tendencias de estas tecnologías, desde una perspectiva
crítica que equilibre el potencial innovador con los desafíos éticos y sociales.
La justificación de este análisis radica en el doble impacto de la virtualidad y la IA; por un lado,
herramientas como los MOOCs, los laboratorios remotos y los tutores inteligentes han democratizado
el acceso al conocimiento y personalizado la enseñanza, por otro, surgen interrogantes urgentes: ¿Cómo
garantizar la calidad pedagógica en entornos automatizados? ¿Qué rol conservan los docentes cuando
los algoritmos predicen y adaptan contenidos? Selwyn (2019) advierte sobre el riesgo de reducir la
educación a un proceso técnico, perdiendo de vista su dimensión humana y crítica.
El texto se estructura en cuatro ejes: primero, un marco conceptual que define la educación 4.0; segundo,
un estado del arte sobre aplicaciones de IA (chatbots, learning analytics) y virtualidad (metaverso,
realidad aumentada) y tercero, una discusión sobre desafíos éticos (sesgos algorítmicos, privacidad) y
para finalizar una revisión de tendencias (IA generativa, micro-credenciales).
Este trabajo sintetiza hallazgos clave y propone una reflexión urgente: la tecnología en educación
superior debe servir para ampliar, no para reemplazar, las capacidades humanas ya que el verdadero
potencial de la virtualidad y la IA radica en su capacidad para fortalecer comunidades de aprendizaje
inclusivas y críticas.
MARCO CONCEPTUAL
El impacto de la virtualidad y la inteligencia artificial (IA) en la educación superior requiere una
delimitación conceptual que permita comprender sus fundamentos teóricos, alcances y limitaciones.
Este apartado define los ejes centrales que estructuran el análisis posterior, integrando perspectivas
pedagógicas, tecnológicas y críticas.
Así, un ejercicio de reestructuración de los procesos de aprendizaje corresponde a la incursión de
INTRODUCCIÓN
La educación superior enfrenta una transformación sin precedentes impulsada por la convergencia de la
virtualidad y la inteligencia artificial (IA). En un contexto marcado por la aceleración digital
postpandemia, instituciones universitarias han adoptado plataformas en línea, algoritmos de aprendizaje
adaptativo y entornos inmersivos, reconfigurando las metodologías pedagógicas y los paradigmas
epistemológicos del conocimiento.
Este artículo sistematiza avances, tensiones y tendencias de estas tecnologías, desde una perspectiva
crítica que equilibre el potencial innovador con los desafíos éticos y sociales.
La justificación de este análisis radica en el doble impacto de la virtualidad y la IA; por un lado,
herramientas como los MOOCs, los laboratorios remotos y los tutores inteligentes han democratizado
el acceso al conocimiento y personalizado la enseñanza, por otro, surgen interrogantes urgentes: ¿Cómo
garantizar la calidad pedagógica en entornos automatizados? ¿Qué rol conservan los docentes cuando
los algoritmos predicen y adaptan contenidos? Selwyn (2019) advierte sobre el riesgo de reducir la
educación a un proceso técnico, perdiendo de vista su dimensión humana y crítica.
El texto se estructura en cuatro ejes: primero, un marco conceptual que define la educación 4.0; segundo,
un estado del arte sobre aplicaciones de IA (chatbots, learning analytics) y virtualidad (metaverso,
realidad aumentada) y tercero, una discusión sobre desafíos éticos (sesgos algorítmicos, privacidad) y
para finalizar una revisión de tendencias (IA generativa, micro-credenciales).
Este trabajo sintetiza hallazgos clave y propone una reflexión urgente: la tecnología en educación
superior debe servir para ampliar, no para reemplazar, las capacidades humanas ya que el verdadero
potencial de la virtualidad y la IA radica en su capacidad para fortalecer comunidades de aprendizaje
inclusivas y críticas.
MARCO CONCEPTUAL
El impacto de la virtualidad y la inteligencia artificial (IA) en la educación superior requiere una
delimitación conceptual que permita comprender sus fundamentos teóricos, alcances y limitaciones.
Este apartado define los ejes centrales que estructuran el análisis posterior, integrando perspectivas
pedagógicas, tecnológicas y críticas.
Así, un ejercicio de reestructuración de los procesos de aprendizaje corresponde a la incursión de
pág. 2186
tecnologías digitales que tienen una evolución acelerada en el día a día de las instituciones educativas
de formación superior; de tal manera que en la actualidad se tienen un sinnúmero de opciones para
establecer ejercicios de enseñanza tanto de pago como libres.
Ante esta incursión de tecnologías de actualización permanente se va forjando el término de educación
superior 4.0.
Educación Superior 4.0
El término Educación 4.0 surge como correlato de la Cuarta Revolución Industrial (Schwab, 2016),
planteando un modelo educativo que prioriza la personalización, la flexibilidad y la colaboración global
mediante tecnología.
Esta combinación de humanidad – virtualidad se presenta como un proceso general de educación
superior ajustado a las dinámicas sociales actuales en función de ubicación, manejo de tiempos y
presupuestos.
Autores como Bates (2019) y Salmon (2019) destacan su carácter híbrido, donde entornos físicos y
digitales se fusionan, y el aprendizaje se centra en competencias como el pensamiento crítico y la
adaptabilidad. Sin embargo, Selwyn (2019) advierte que esta visión no debe reducirse a un discurso
tecnocéntrico, sino que debe integrarse con enfoques pedagógicos probados (ej. constructivismo social).
Al respecto la criticidad con la que se asimila la información en la actualidad genera un espectro de
tendencias sobre la manera en la que el conocimiento está siendo percibido, generado y desarrollado. Es
precisamente el pensamiento crítico el que se ha ido inmiscuyendo de manera interdisciplinar en proceso
de enseñanza y aprendizaje por lo que, en función, del proceso formativo aun permanece priorizado el
componente humano, pero con la certeza de que aquel tecnocentrismo que se hace referencia puede ser
influyente en el momento de aplicar los enfoques pedagógicos.
El aprendizaje más allá de las plataformas en línea
Al hablar de virtualidad y de IA, aparentemente se tiene el entorno básico para establecer un ejercicio
formativo, aun así, al aterrizarlo al entorno de la educación superior se requieren condiciones específicas
que están en relación a la necesaria presencia de competencias adquiridas, resultados de aprendizaje y
la intención de visualizar alguna propuesta de gestión del conocimiento que se va gestando.
Es por esto que la virtualidad en educación superior trasciende la mera digitalización de contenidos.
tecnologías digitales que tienen una evolución acelerada en el día a día de las instituciones educativas
de formación superior; de tal manera que en la actualidad se tienen un sinnúmero de opciones para
establecer ejercicios de enseñanza tanto de pago como libres.
Ante esta incursión de tecnologías de actualización permanente se va forjando el término de educación
superior 4.0.
Educación Superior 4.0
El término Educación 4.0 surge como correlato de la Cuarta Revolución Industrial (Schwab, 2016),
planteando un modelo educativo que prioriza la personalización, la flexibilidad y la colaboración global
mediante tecnología.
Esta combinación de humanidad – virtualidad se presenta como un proceso general de educación
superior ajustado a las dinámicas sociales actuales en función de ubicación, manejo de tiempos y
presupuestos.
Autores como Bates (2019) y Salmon (2019) destacan su carácter híbrido, donde entornos físicos y
digitales se fusionan, y el aprendizaje se centra en competencias como el pensamiento crítico y la
adaptabilidad. Sin embargo, Selwyn (2019) advierte que esta visión no debe reducirse a un discurso
tecnocéntrico, sino que debe integrarse con enfoques pedagógicos probados (ej. constructivismo social).
Al respecto la criticidad con la que se asimila la información en la actualidad genera un espectro de
tendencias sobre la manera en la que el conocimiento está siendo percibido, generado y desarrollado. Es
precisamente el pensamiento crítico el que se ha ido inmiscuyendo de manera interdisciplinar en proceso
de enseñanza y aprendizaje por lo que, en función, del proceso formativo aun permanece priorizado el
componente humano, pero con la certeza de que aquel tecnocentrismo que se hace referencia puede ser
influyente en el momento de aplicar los enfoques pedagógicos.
El aprendizaje más allá de las plataformas en línea
Al hablar de virtualidad y de IA, aparentemente se tiene el entorno básico para establecer un ejercicio
formativo, aun así, al aterrizarlo al entorno de la educación superior se requieren condiciones específicas
que están en relación a la necesaria presencia de competencias adquiridas, resultados de aprendizaje y
la intención de visualizar alguna propuesta de gestión del conocimiento que se va gestando.
Es por esto que la virtualidad en educación superior trasciende la mera digitalización de contenidos.
pág. 2187
Según Garrison (2016), su esencia radica en la "comunidad de indagación" (Community of Inquiry),
donde docentes y estudiantes co-construyen conocimiento mediante interacciones asincrónicas y
sincrónicas. Esta perspectiva se complementa con aplicaciones prácticas:
✓ Aulas híbridas (Bates, 2019), que combinan sesiones presenciales con actividades en LMS
(Learning Management Systems).
✓ Entornos inmersivos, como la realidad Virtual (RV) y Aumentada (RA) para simulaciones en
medicina o ingeniería (Huang et al., 2020).
✓ Metaverso educativo, cuando se tienen espacios 3D colaborativos (ej. plataformas como Engage
o Mozilla Hubs).
✓ No obstante, Area & Adell (2009) señalan que la virtualidad exige superar desafíos como la
brecha digital y la sobrecarga cognitiva en estudiantes.
La construcción colaborativa del conocimiento exige una humanización del proceso de transferencia de
los saberes, pues en función de lo detallado en líneas anteriores si bien las aulas híbridas permiten una
cierta libertad de acercamiento a la información y su tratamiento, el mismo entorno digital motiva las
inmersiones cognitivas que se citan que nos lleva a la concepción de metaversos.
En cuanto a las brechas digitales, es una variable socioeconómica y cultural a tomar muy en cuenta en
relación a la manera en la que van evolucionando las tecnologías y su cobertura en los distintos
territorios del planeta.
Acercamiento a la IA en educación superior
La educación superior, como una etapa formativa en la cual se adquieren competencias específicas de
una disciplina en particular y que es previa a una estructura de especialización sobre la disciplina en la
cual se ha validado un conocimiento, ha tenido una fuerte sacudida con el aparecimiento de la IA pues
rompe varios paradigmas, entre los principales, aquel de que el docente es el que guía o en que la
información primaria surge en el aula.
Esta ruptura del proceso, sacude la estructura de enseñanza y aprendizaje irrumpiendo la gestión del
conocimiento como una avalancha de información que está a la mano y que tienen la capacidad de ser
manejada en función de “prompts” u órdenes epistémicas de acuerdo a la intención de saber por parte
de un usuario (estudiante/docente/persona).
Según Garrison (2016), su esencia radica en la "comunidad de indagación" (Community of Inquiry),
donde docentes y estudiantes co-construyen conocimiento mediante interacciones asincrónicas y
sincrónicas. Esta perspectiva se complementa con aplicaciones prácticas:
✓ Aulas híbridas (Bates, 2019), que combinan sesiones presenciales con actividades en LMS
(Learning Management Systems).
✓ Entornos inmersivos, como la realidad Virtual (RV) y Aumentada (RA) para simulaciones en
medicina o ingeniería (Huang et al., 2020).
✓ Metaverso educativo, cuando se tienen espacios 3D colaborativos (ej. plataformas como Engage
o Mozilla Hubs).
✓ No obstante, Area & Adell (2009) señalan que la virtualidad exige superar desafíos como la
brecha digital y la sobrecarga cognitiva en estudiantes.
La construcción colaborativa del conocimiento exige una humanización del proceso de transferencia de
los saberes, pues en función de lo detallado en líneas anteriores si bien las aulas híbridas permiten una
cierta libertad de acercamiento a la información y su tratamiento, el mismo entorno digital motiva las
inmersiones cognitivas que se citan que nos lleva a la concepción de metaversos.
En cuanto a las brechas digitales, es una variable socioeconómica y cultural a tomar muy en cuenta en
relación a la manera en la que van evolucionando las tecnologías y su cobertura en los distintos
territorios del planeta.
Acercamiento a la IA en educación superior
La educación superior, como una etapa formativa en la cual se adquieren competencias específicas de
una disciplina en particular y que es previa a una estructura de especialización sobre la disciplina en la
cual se ha validado un conocimiento, ha tenido una fuerte sacudida con el aparecimiento de la IA pues
rompe varios paradigmas, entre los principales, aquel de que el docente es el que guía o en que la
información primaria surge en el aula.
Esta ruptura del proceso, sacude la estructura de enseñanza y aprendizaje irrumpiendo la gestión del
conocimiento como una avalancha de información que está a la mano y que tienen la capacidad de ser
manejada en función de “prompts” u órdenes epistémicas de acuerdo a la intención de saber por parte
de un usuario (estudiante/docente/persona).
pág. 2188
Al respecto, la IA en educación superior se manifiesta en tres niveles (Luckin, 2018):
a) Automatización de procesos como cuando se realizan correcciones automáticas, o en el uso de
chatbots para atención estudiantil.
b) Adaptatividad, como se tienen en sistemas como ALEKS o Squirrel AI que ajustan contenidos
según el desempeño del alumno.
c) Predictibilidad, tal el caso de learning analytics para identificar riesgos de deserción (Zawacki-
Richter et al., 2019).
Aquí, la teoría del "aprendizaje autorregulado" (Zimmerman, 2002) adquiere relevancia, pues la IA
potencia la autonomía del estudiante. Sin embargo, Noble (2018) critica los sesgos algorítmicos en
herramientas de IA, que pueden perpetuar desigualdades si no se diseñan con enfoque ético.
Hay que tomar en cuenta además que la IA están en etapa de aprendizaje de interacción y de
conocimiento de las formas expresivas humanas, lo que la hace imprecisa para ciertas tareas de gestión
del conocimiento. Esto incluye, tal como se manifiesta, la concepción de un entorno basado en valores
éticos; algo que en el mundo “real” resulta poco factible al 100%.
¿Nuevas formas de conocer?
En referencia a las órdenes epistémicas, siempre habrá ciertos fundamentos epistemológicos que
motiven la gestación de conocimiento a través de procesos de enseñanza y aprendizaje que valoren la
intención de la transferencia del saber.
Estas finalidades procuran establecer un camino que acerque al conocimiento como objeto
entendimiento del entorno, ya sea local, físico, espiritual, mental o de pensamiento. Esta
multidimensionalidad permea la virtualidad haciendo de la IA un contexto en el cual conviven las
dimensiones citadas con sus respectivas maneras de influenciar en el hábitat cognitivo.
La IA como integración de varias tecnologías replantea preguntas clásicas: ¿Cómo se construye el
conocimiento en entornos mediados por IA?
Siemens (2005) propone el conectivismo, donde el aprendizaje es un flujo en redes digitales. Al
contrario, Coll (2013) insiste en que la tecnología debe subordinarse a objetivos pedagógicos, no al
revés. Esta contraposición, al margen de otras posturas intermedias evidencia un extremo en el cual cabe
únicamente la tecnología como ejercicio de innovación permanente o los avances tecnologías como
Al respecto, la IA en educación superior se manifiesta en tres niveles (Luckin, 2018):
a) Automatización de procesos como cuando se realizan correcciones automáticas, o en el uso de
chatbots para atención estudiantil.
b) Adaptatividad, como se tienen en sistemas como ALEKS o Squirrel AI que ajustan contenidos
según el desempeño del alumno.
c) Predictibilidad, tal el caso de learning analytics para identificar riesgos de deserción (Zawacki-
Richter et al., 2019).
Aquí, la teoría del "aprendizaje autorregulado" (Zimmerman, 2002) adquiere relevancia, pues la IA
potencia la autonomía del estudiante. Sin embargo, Noble (2018) critica los sesgos algorítmicos en
herramientas de IA, que pueden perpetuar desigualdades si no se diseñan con enfoque ético.
Hay que tomar en cuenta además que la IA están en etapa de aprendizaje de interacción y de
conocimiento de las formas expresivas humanas, lo que la hace imprecisa para ciertas tareas de gestión
del conocimiento. Esto incluye, tal como se manifiesta, la concepción de un entorno basado en valores
éticos; algo que en el mundo “real” resulta poco factible al 100%.
¿Nuevas formas de conocer?
En referencia a las órdenes epistémicas, siempre habrá ciertos fundamentos epistemológicos que
motiven la gestación de conocimiento a través de procesos de enseñanza y aprendizaje que valoren la
intención de la transferencia del saber.
Estas finalidades procuran establecer un camino que acerque al conocimiento como objeto
entendimiento del entorno, ya sea local, físico, espiritual, mental o de pensamiento. Esta
multidimensionalidad permea la virtualidad haciendo de la IA un contexto en el cual conviven las
dimensiones citadas con sus respectivas maneras de influenciar en el hábitat cognitivo.
La IA como integración de varias tecnologías replantea preguntas clásicas: ¿Cómo se construye el
conocimiento en entornos mediados por IA?
Siemens (2005) propone el conectivismo, donde el aprendizaje es un flujo en redes digitales. Al
contrario, Coll (2013) insiste en que la tecnología debe subordinarse a objetivos pedagógicos, no al
revés. Esta contraposición, al margen de otras posturas intermedias evidencia un extremo en el cual cabe
únicamente la tecnología como ejercicio de innovación permanente o los avances tecnologías como
pág. 2189
procesos que aportan al campo de el aprendizaje y gestión de nuevos conocimientos de manera continua
bajo cierto rigor académico.
La virtualidad y la IA no son fines en sí mismos, sino herramientas que, desde marcos como el
Community of Inquiry o el aprendizaje autorregulado, pueden potenciar una educación superior
inclusiva, crítica y adaptada al siglo XXI. Sin embargo, su implementación requiere superar
reduccionismos tecnológicos, tal como concluyen Selwyn (2019) y UNESCO (2021).
Estado del arte, avances y aplicaciones
La implementación de virtualidad e inteligencia artificial (IA) en la educación superior ha generado
avances significativos en la última década, redefiniendo metodologías, experiencias de aprendizaje y
gestión institucional. Este apartado sintetiza las aplicaciones más relevantes, evidencias empíricas y
desafíos pendientes, organizados en tres ejes: virtualidad, IA y casos emblemáticos.
Virtualidad en la educación superior
El uso de aulas virtuales como espacio de aprendizaje que complementa la educación tradicional de
clase, presencial, ha tenido un protagonismo paulatino cuya consolidación se logró en razón de la
emergencia sanitaria del 2020, a partir de la pandemia la virtualidad fue el condicionante principal para
la gestación de espacios formativos, entendiéndose que la transferencia del conocimiento es un proceso
permanente dentro de las dinámicas sociales del ser humano.
En el caso específico de la educación superior, esta dimensión de aprendizaje motivó la generación de
herramientas en función de la disciplina en que se estaban formando los estudiantes. Cabe destacar
ciertas limitaciones de la virtualidad en carreras como medicina por ejemplo en las cuales el contexto
requería de presencialidad para la práctica del dicente. Esta limitación se ha convertido en un punto de
exploración para la gestión de elementos que evocan la realidad a tal punto de que la virtualidad se ha
convertido en un estado de percepción que puede encontrar sensibilidades y cogniciones que simulan lo
real de una manera altamente tangible.
Aulas híbridas y MOOCs
Los MOOCs (Massive Open Online Courses) y las aulas híbridas han democratizado el acceso al
conocimiento. Plataformas como Coursera y edX (fundadas por Stanford y MIT) ofrecen cursos de
universidades élite a millones de usuarios, con modelos basados en microcredenciales (Bates, 2019).
procesos que aportan al campo de el aprendizaje y gestión de nuevos conocimientos de manera continua
bajo cierto rigor académico.
La virtualidad y la IA no son fines en sí mismos, sino herramientas que, desde marcos como el
Community of Inquiry o el aprendizaje autorregulado, pueden potenciar una educación superior
inclusiva, crítica y adaptada al siglo XXI. Sin embargo, su implementación requiere superar
reduccionismos tecnológicos, tal como concluyen Selwyn (2019) y UNESCO (2021).
Estado del arte, avances y aplicaciones
La implementación de virtualidad e inteligencia artificial (IA) en la educación superior ha generado
avances significativos en la última década, redefiniendo metodologías, experiencias de aprendizaje y
gestión institucional. Este apartado sintetiza las aplicaciones más relevantes, evidencias empíricas y
desafíos pendientes, organizados en tres ejes: virtualidad, IA y casos emblemáticos.
Virtualidad en la educación superior
El uso de aulas virtuales como espacio de aprendizaje que complementa la educación tradicional de
clase, presencial, ha tenido un protagonismo paulatino cuya consolidación se logró en razón de la
emergencia sanitaria del 2020, a partir de la pandemia la virtualidad fue el condicionante principal para
la gestación de espacios formativos, entendiéndose que la transferencia del conocimiento es un proceso
permanente dentro de las dinámicas sociales del ser humano.
En el caso específico de la educación superior, esta dimensión de aprendizaje motivó la generación de
herramientas en función de la disciplina en que se estaban formando los estudiantes. Cabe destacar
ciertas limitaciones de la virtualidad en carreras como medicina por ejemplo en las cuales el contexto
requería de presencialidad para la práctica del dicente. Esta limitación se ha convertido en un punto de
exploración para la gestión de elementos que evocan la realidad a tal punto de que la virtualidad se ha
convertido en un estado de percepción que puede encontrar sensibilidades y cogniciones que simulan lo
real de una manera altamente tangible.
Aulas híbridas y MOOCs
Los MOOCs (Massive Open Online Courses) y las aulas híbridas han democratizado el acceso al
conocimiento. Plataformas como Coursera y edX (fundadas por Stanford y MIT) ofrecen cursos de
universidades élite a millones de usuarios, con modelos basados en microcredenciales (Bates, 2019).
pág. 2190
Así, tenemos ejemplos notables de apertura a la gestión masiva del conocimiento y su transferencia,
tales como:
a) Coursera, con alianzas con varios cientos de universidades y más de dos mil cursos, con o sin
certificación (con costo).
b) edX, formación con certificación blockchain para evitar fraudes.
La mayoría de los cursos por lo general son para hacerlo a un ritmo personal, de ahí que surge el
inconveniente de que según Margaryan et al. (2019) se tiene que solo el 5% de los inscritos en MOOCs
completan los cursos, cuestionando su efectividad pedagógica.
Realidad virtual/aumentada (RV – RA) para simulaciones
Precisamente, en relación a lo que se había comentado en párrafos anteriores, se han ido generando
herramientas para disciplinas prácticas, tal el caso de medicina o algunas ingenierías; así la RV y la RA
han revolucionado la enseñanza y el aprendizaje de estas disciplinas. Tenemos, por ejemplo:
a) En medicina están plataformas como Osso VR que permiten a estudiantes practicar cirugías con
retroalimentación háptica, la misma que permite a quien la manipula tener una sensación táctil
y cinestésica por medio de dispositivos electrónicos.
b) Para el caso de las ingenierías, se puede usar Labster para simulaciones de laboratorio remoto.
En cuanto al proceso cognitivo de resultados de aprendizaje, estudios de Freina & Ott (2015) muestran
que estas herramientas mejoran la retención de conocimiento en un 30% frente a métodos tradicionales,
validando la importancia e impacto de la realidad virtual y aumentada como herramientas para la
educación donde el componente práctico e imprescindible.
Retos
La inclusión de la inteligencia artificial y la virtualidad en la educación superior plantea desafíos
significativos, entre los cuales la brecha digital representa uno de los más críticos.
Esta brecha evidencia el acceso desigual a dispositivos tecnológicos y a conectividad de calidad;
visibiliza las diferencias en competencias digitales entre estudiantes, docentes, instituciones y territorios.
En contextos donde la infraestructura es limitada o donde los usuarios no cuentan con las habilidades
necesarias para interactuar eficazmente con tecnologías emergentes, la IA corre el riesgo de profundizar
las desigualdades existentes en lugar de cerrarlas.
Así, tenemos ejemplos notables de apertura a la gestión masiva del conocimiento y su transferencia,
tales como:
a) Coursera, con alianzas con varios cientos de universidades y más de dos mil cursos, con o sin
certificación (con costo).
b) edX, formación con certificación blockchain para evitar fraudes.
La mayoría de los cursos por lo general son para hacerlo a un ritmo personal, de ahí que surge el
inconveniente de que según Margaryan et al. (2019) se tiene que solo el 5% de los inscritos en MOOCs
completan los cursos, cuestionando su efectividad pedagógica.
Realidad virtual/aumentada (RV – RA) para simulaciones
Precisamente, en relación a lo que se había comentado en párrafos anteriores, se han ido generando
herramientas para disciplinas prácticas, tal el caso de medicina o algunas ingenierías; así la RV y la RA
han revolucionado la enseñanza y el aprendizaje de estas disciplinas. Tenemos, por ejemplo:
a) En medicina están plataformas como Osso VR que permiten a estudiantes practicar cirugías con
retroalimentación háptica, la misma que permite a quien la manipula tener una sensación táctil
y cinestésica por medio de dispositivos electrónicos.
b) Para el caso de las ingenierías, se puede usar Labster para simulaciones de laboratorio remoto.
En cuanto al proceso cognitivo de resultados de aprendizaje, estudios de Freina & Ott (2015) muestran
que estas herramientas mejoran la retención de conocimiento en un 30% frente a métodos tradicionales,
validando la importancia e impacto de la realidad virtual y aumentada como herramientas para la
educación donde el componente práctico e imprescindible.
Retos
La inclusión de la inteligencia artificial y la virtualidad en la educación superior plantea desafíos
significativos, entre los cuales la brecha digital representa uno de los más críticos.
Esta brecha evidencia el acceso desigual a dispositivos tecnológicos y a conectividad de calidad;
visibiliza las diferencias en competencias digitales entre estudiantes, docentes, instituciones y territorios.
En contextos donde la infraestructura es limitada o donde los usuarios no cuentan con las habilidades
necesarias para interactuar eficazmente con tecnologías emergentes, la IA corre el riesgo de profundizar
las desigualdades existentes en lugar de cerrarlas.
pág. 2191
La educación superior, por tanto, debe desarrollar estrategias que garanticen el acceso equitativo a los
recursos tecnológicos y promuevan la alfabetización digital en todos los niveles. Al respecto el 60% de
estudiantes en Latinoamérica carece de acceso estable a internet (CEPAL, 2019).
Así también, la integración de la IA y la virtualidad conlleva un reto directo a la calidad pedagógica. El
uso de estas herramientas debe superar la simple digitalización de contenidos y debe estar acompañado
por un rediseño pedagógico que favorezca el pensamiento crítico, la interacción significativa y la
personalización del aprendizaje.
La formación docente adquiere aquí un rol crucial, pues la mediación pedagógica efectiva requiere
habilidades específicas para integrar la tecnología de manera ética, crítica y centrada en el estudiante.
Una calidad educativa no puede priorizarse en entornos virtuales, así que obliga a repensar los modelos
didácticos tradicionales y desarrollar prácticas innovadoras que mantengan la profundidad académica
en el nuevo ecosistema virtual dominado por la IA, de ahí que Garrison (2016) señala que la virtualidad
exige diseños instruccionales intencionales, específicos más allá de transferir contenidos epistémicos a
documentos virtuales.
Inteligencia artificial
La IA es un campo de la tecnología que busca desarrollar sistemas capaces de realizar tareas que
normalmente requieren inteligencia humana, como el aprendizaje, el razonamiento, la toma de
decisiones o la comprensión del lenguaje.
En el ámbito educativo, la IA se presenta como una herramienta con gran potencial para personalizar el
aprendizaje, automatizar procesos y ampliar el acceso al conocimiento. Sin embargo, su incorporación
también plantea desafíos éticos, pedagógicos y sociales que deben ser cuidadosamente abordados para
garantizar una implementación inclusiva y de calidad.
Tutores inteligentes
Los tutores inteligentes son sistemas basados en inteligencia artificial diseñados para simular la
orientación y el acompañamiento de un docente en entornos virtuales de aprendizaje.
Estos sistemas analizan el comportamiento, el ritmo y las respuestas del estudiante para ofrecer
retroalimentación personalizada, adaptar contenidos y proponer actividades según las necesidades
individuales.
La educación superior, por tanto, debe desarrollar estrategias que garanticen el acceso equitativo a los
recursos tecnológicos y promuevan la alfabetización digital en todos los niveles. Al respecto el 60% de
estudiantes en Latinoamérica carece de acceso estable a internet (CEPAL, 2019).
Así también, la integración de la IA y la virtualidad conlleva un reto directo a la calidad pedagógica. El
uso de estas herramientas debe superar la simple digitalización de contenidos y debe estar acompañado
por un rediseño pedagógico que favorezca el pensamiento crítico, la interacción significativa y la
personalización del aprendizaje.
La formación docente adquiere aquí un rol crucial, pues la mediación pedagógica efectiva requiere
habilidades específicas para integrar la tecnología de manera ética, crítica y centrada en el estudiante.
Una calidad educativa no puede priorizarse en entornos virtuales, así que obliga a repensar los modelos
didácticos tradicionales y desarrollar prácticas innovadoras que mantengan la profundidad académica
en el nuevo ecosistema virtual dominado por la IA, de ahí que Garrison (2016) señala que la virtualidad
exige diseños instruccionales intencionales, específicos más allá de transferir contenidos epistémicos a
documentos virtuales.
Inteligencia artificial
La IA es un campo de la tecnología que busca desarrollar sistemas capaces de realizar tareas que
normalmente requieren inteligencia humana, como el aprendizaje, el razonamiento, la toma de
decisiones o la comprensión del lenguaje.
En el ámbito educativo, la IA se presenta como una herramienta con gran potencial para personalizar el
aprendizaje, automatizar procesos y ampliar el acceso al conocimiento. Sin embargo, su incorporación
también plantea desafíos éticos, pedagógicos y sociales que deben ser cuidadosamente abordados para
garantizar una implementación inclusiva y de calidad.
Tutores inteligentes
Los tutores inteligentes son sistemas basados en inteligencia artificial diseñados para simular la
orientación y el acompañamiento de un docente en entornos virtuales de aprendizaje.
Estos sistemas analizan el comportamiento, el ritmo y las respuestas del estudiante para ofrecer
retroalimentación personalizada, adaptar contenidos y proponer actividades según las necesidades
individuales.
pág. 2192
Su potencial radica en la capacidad de brindar apoyo continuo y personalizado, incluso en contextos de
alta demanda o con limitaciones de recursos humanos; no obstante, su implementación también requiere
una reflexión crítica sobre el papel del docente, la interacción humana y la equidad en el acceso a estas
tecnologías.
Como ejemplo se tienen sistemas como Duolingo, que usa IA para adaptar ejercicios de idiomas al ritmo
del usuario (Von Ahn, 2022). También está IBM Watson implementado en la Universidad de Murcia
para tutorías en línea con PNL.
Retomando a Luckin (2018), estos tutores logran mejorar un 20% el rendimiento en STEM, pero aún se
encuentran limitados al intentar la replicación de una mentoría humana considerando habilidades
socioemocionales.
Automatización de evaluaciones y retroalimentación
La automatización de evaluaciones y retroalimentación, impulsadas por sistemas de IA permite agilizar
procesos de medición del aprendizaje mediante la corrección automática de pruebas, el análisis de
respuestas y la generación de comentarios personalizados.
Esta tecnología optimiza de manera importante el tiempo de los docentes ofreciendo a los estudiantes
una retroalimentación inmediata y continua, puede que no precisa, pero puede favorecer su progreso
académico en función de la referida optimización de trabajo.
Aun así, su eficacia depende de un diseño pedagógico riguroso, que por lo general toma mucho tiempo
y pruebas de eficacia para que se considere la validez de los instrumentos y la interpretación
contextualizada de los resultados; además de que se requiere garantizar que los sistemas no reproduzcan
sesgos del docente ni limiten la evaluación a aspectos puramente cuantitativos del aprendizaje.
Podemos citar ejemplos como Gradescope (UC Berkeley) que corrige exámenes con IA, reduciendo
carga docente en un 70% (Piech et al., 2023).
Cabe considerar, en relación al reto de la brecha digital que se ha mencionado anteriormente, que una
de estas limitaciones encaja en este tipo de IA pues la mayoría está diseñada para territorios
angloparlantes que, si bien se pueden desarrollar para otras lenguas se pueden encontrar sesgos de
traducción para correcciones automáticas.
Su potencial radica en la capacidad de brindar apoyo continuo y personalizado, incluso en contextos de
alta demanda o con limitaciones de recursos humanos; no obstante, su implementación también requiere
una reflexión crítica sobre el papel del docente, la interacción humana y la equidad en el acceso a estas
tecnologías.
Como ejemplo se tienen sistemas como Duolingo, que usa IA para adaptar ejercicios de idiomas al ritmo
del usuario (Von Ahn, 2022). También está IBM Watson implementado en la Universidad de Murcia
para tutorías en línea con PNL.
Retomando a Luckin (2018), estos tutores logran mejorar un 20% el rendimiento en STEM, pero aún se
encuentran limitados al intentar la replicación de una mentoría humana considerando habilidades
socioemocionales.
Automatización de evaluaciones y retroalimentación
La automatización de evaluaciones y retroalimentación, impulsadas por sistemas de IA permite agilizar
procesos de medición del aprendizaje mediante la corrección automática de pruebas, el análisis de
respuestas y la generación de comentarios personalizados.
Esta tecnología optimiza de manera importante el tiempo de los docentes ofreciendo a los estudiantes
una retroalimentación inmediata y continua, puede que no precisa, pero puede favorecer su progreso
académico en función de la referida optimización de trabajo.
Aun así, su eficacia depende de un diseño pedagógico riguroso, que por lo general toma mucho tiempo
y pruebas de eficacia para que se considere la validez de los instrumentos y la interpretación
contextualizada de los resultados; además de que se requiere garantizar que los sistemas no reproduzcan
sesgos del docente ni limiten la evaluación a aspectos puramente cuantitativos del aprendizaje.
Podemos citar ejemplos como Gradescope (UC Berkeley) que corrige exámenes con IA, reduciendo
carga docente en un 70% (Piech et al., 2023).
Cabe considerar, en relación al reto de la brecha digital que se ha mencionado anteriormente, que una
de estas limitaciones encaja en este tipo de IA pues la mayoría está diseñada para territorios
angloparlantes que, si bien se pueden desarrollar para otras lenguas se pueden encontrar sesgos de
traducción para correcciones automáticas.
pág. 2193
Learning analytics para predecir deserción
El uso de learning analytics en la educación superior permite recopilar y analizar datos sobre el
comportamiento académico de los estudiantes con el fin de identificar patrones que podrían predecir
riesgos de deserción.
A través del seguimiento de variables, tales como la participación en plataformas virtuales, el
rendimiento en actividades evaluativas y la frecuencia de acceso a los recursos, estos sistemas ofrecen
a las instituciones herramientas para intervenir de manera temprana y personalizada.
Esta capacidad predictiva puede ser clave para mejorar la permanencia estudiantil, siempre que se utilice
con criterios éticos, protegiendo la privacidad de los datos y evitando enfoques reduccionistas que no
consideren las múltiples dimensiones (sociales, económicas y emocionales) que inciden en la
continuidad educativa.
Prinsloo & Slade (2017) cuestionan precisamente aquella invasión posible a la privacidad de datos y
que puede generar posibles estigmatizaciones al considerar que la IA puede tener cierto grado de error
al considerar la dimensionalidad de motivación del estudiante por continuar sus estudios; aun así, un
sistema muy utilizado es el Signal (Purdue University) que identifica estudiantes en riesgo con un 85%
de precisión (Arnold & Pistilli, 2012).
Casos emblemáticos: Universidades pioneras
Diversas universidades a nivel global se han posicionado como pioneras en la integración de la
inteligencia artificial en sus procesos educativos, convirtiéndose en referentes sobre cómo estas
tecnologías pueden transformar la enseñanza y el aprendizaje.
Instituciones como el MIT, Stanford o la Universidad Abierta del Reino Unido han desarrollado
plataformas basadas en IA para personalizar el aprendizaje, utilizar tutores inteligentes y aplicar learning
analytics en la toma de decisiones académicas.
Estos casos emblemáticos evidencian el potencial innovador de la IA en la educación superior, además
de la importancia de una infraestructura tecnológica sólida, recursos para implementarlas, políticas
claras y una visión institucional comprometida con la calidad, la ética y la inclusión.
Entre algunos casos, cabe destacar:
✓ MIT Open Learning, que combina MOOCs, microcursos y laboratorios virtuales (ej. MITx
Learning analytics para predecir deserción
El uso de learning analytics en la educación superior permite recopilar y analizar datos sobre el
comportamiento académico de los estudiantes con el fin de identificar patrones que podrían predecir
riesgos de deserción.
A través del seguimiento de variables, tales como la participación en plataformas virtuales, el
rendimiento en actividades evaluativas y la frecuencia de acceso a los recursos, estos sistemas ofrecen
a las instituciones herramientas para intervenir de manera temprana y personalizada.
Esta capacidad predictiva puede ser clave para mejorar la permanencia estudiantil, siempre que se utilice
con criterios éticos, protegiendo la privacidad de los datos y evitando enfoques reduccionistas que no
consideren las múltiples dimensiones (sociales, económicas y emocionales) que inciden en la
continuidad educativa.
Prinsloo & Slade (2017) cuestionan precisamente aquella invasión posible a la privacidad de datos y
que puede generar posibles estigmatizaciones al considerar que la IA puede tener cierto grado de error
al considerar la dimensionalidad de motivación del estudiante por continuar sus estudios; aun así, un
sistema muy utilizado es el Signal (Purdue University) que identifica estudiantes en riesgo con un 85%
de precisión (Arnold & Pistilli, 2012).
Casos emblemáticos: Universidades pioneras
Diversas universidades a nivel global se han posicionado como pioneras en la integración de la
inteligencia artificial en sus procesos educativos, convirtiéndose en referentes sobre cómo estas
tecnologías pueden transformar la enseñanza y el aprendizaje.
Instituciones como el MIT, Stanford o la Universidad Abierta del Reino Unido han desarrollado
plataformas basadas en IA para personalizar el aprendizaje, utilizar tutores inteligentes y aplicar learning
analytics en la toma de decisiones académicas.
Estos casos emblemáticos evidencian el potencial innovador de la IA en la educación superior, además
de la importancia de una infraestructura tecnológica sólida, recursos para implementarlas, políticas
claras y una visión institucional comprometida con la calidad, la ética y la inclusión.
Entre algunos casos, cabe destacar:
✓ MIT Open Learning, que combina MOOCs, microcursos y laboratorios virtuales (ej. MITx
pág. 2194
MicroMasters).
✓ Desarrollo de algoritmos para personalizar rutas de aprendizaje en edX.
✓ Coursera en español con más de un millón de usuarios en cursos como Robótica.
✓ La existencia de un metaverso educativo, tal el caso del Campus en Mozilla Hubs para clases
de Diseño.
✓ Chatbot Edu para gestionar dudas administrativas 24/7.
Desafíos críticos
La integración de la virtualidad y IA en la educación superior no está exenta de tensiones estructurales.
A continuación, se analizan cuatro aspectos que requieren atención inmediata para promover y
posiblemente garantizar una adopción ética, equitativa y pedagógicamente robusta de estas tecnologías.
Desafíos éticos
En el contexto de la creciente incorporación de tecnologías digitales en la educación superior, emergen
importantes desafíos éticos que deben ser abordados con urgencia y rigurosidad. Entre los más
relevantes se encuentran los sesgos algorítmicos y la privacidad de los datos personales.
Las plataformas educativas y herramientas basadas en IA, al ser entrenadas con grandes volúmenes de
información, a partir de fuentes humanas que, pueden reproducir y amplificar prejuicios existentes,
afectando la equidad en la evaluación y el acceso al conocimiento.
Así, la IA en educación reproduce sesgos algorítmicos que pueden perpetuar desigualdades (Noble,
2018), de tal manera que se han encontrado casos como en el uso de la herramienta Turnitin suele
mostrar margen de error con textos en español o portugués (Sánchez et al., 2022); sucedía también con
el sistema AdmitHub (usado en EE.UU. para ingreso a universidades) que privilegiaba la admisión de
candidatos de zonas urbanas sobre rurales (OCDE, 2023).
Así también, la recopilación y el análisis masivo de datos estudiantiles plantean serias preocupaciones
sobre la protección de la privacidad y el uso ético de la información, tomando en cuenta el valor
económico que logran tener estas bases de datos para las grandes corporaciones comerciales.
Estos desafíos invitan a repensar el diseño, la implementación y la regulación de las tecnologías digitales
en los entornos educativos para garantizar una educación inclusiva, justa y respetuosa de los derechos
fundamentales.
MicroMasters).
✓ Desarrollo de algoritmos para personalizar rutas de aprendizaje en edX.
✓ Coursera en español con más de un millón de usuarios en cursos como Robótica.
✓ La existencia de un metaverso educativo, tal el caso del Campus en Mozilla Hubs para clases
de Diseño.
✓ Chatbot Edu para gestionar dudas administrativas 24/7.
Desafíos críticos
La integración de la virtualidad y IA en la educación superior no está exenta de tensiones estructurales.
A continuación, se analizan cuatro aspectos que requieren atención inmediata para promover y
posiblemente garantizar una adopción ética, equitativa y pedagógicamente robusta de estas tecnologías.
Desafíos éticos
En el contexto de la creciente incorporación de tecnologías digitales en la educación superior, emergen
importantes desafíos éticos que deben ser abordados con urgencia y rigurosidad. Entre los más
relevantes se encuentran los sesgos algorítmicos y la privacidad de los datos personales.
Las plataformas educativas y herramientas basadas en IA, al ser entrenadas con grandes volúmenes de
información, a partir de fuentes humanas que, pueden reproducir y amplificar prejuicios existentes,
afectando la equidad en la evaluación y el acceso al conocimiento.
Así, la IA en educación reproduce sesgos algorítmicos que pueden perpetuar desigualdades (Noble,
2018), de tal manera que se han encontrado casos como en el uso de la herramienta Turnitin suele
mostrar margen de error con textos en español o portugués (Sánchez et al., 2022); sucedía también con
el sistema AdmitHub (usado en EE.UU. para ingreso a universidades) que privilegiaba la admisión de
candidatos de zonas urbanas sobre rurales (OCDE, 2023).
Así también, la recopilación y el análisis masivo de datos estudiantiles plantean serias preocupaciones
sobre la protección de la privacidad y el uso ético de la información, tomando en cuenta el valor
económico que logran tener estas bases de datos para las grandes corporaciones comerciales.
Estos desafíos invitan a repensar el diseño, la implementación y la regulación de las tecnologías digitales
en los entornos educativos para garantizar una educación inclusiva, justa y respetuosa de los derechos
fundamentales.
pág. 2195
En cuanto a privacidad, el uso de learning analytics implica riesgos, de ahí que, según la UNESCO
(2023), apenas el 35% de universidades en América Latina tienen protocolos para el manejo de datos
estudiantiles; ante ello existen referentes emergentes como el Reglamento General de Protección de
Datos (GDPR) en Europa y Ley de Protección de Datos en Brasil.
Desafíos Pedagógicos ¿Complemento o Sustitución?
La integración de la virtualidad y la inteligencia artificial en la educación superior plantea interrogantes
profundos sobre el papel de la tecnología en los procesos pedagógicos. Uno de los principales desafíos
es determinar si estas herramientas deben considerarse como un complemento que enriquece la labor
docente o si, por el contrario, tienden a sustituir funciones esenciales del educador.
La automatización de tareas como la retroalimentación, la evaluación y la generación de contenidos
plantea tensiones entre eficiencia y calidad educativa, así como entre personalización y
deshumanización del aprendizaje.
Tutores como Jill Watson (Georgia Tech) responden dudas, pero no fomentan pensamiento crítico
(Luckin, 2018). Este dilema obliga a repensar los modelos pedagógicos tradicionales y a redefinir el rol
del docente en un entorno donde la tecnología es un medio y herramienta de transformación de las
dinámicas de enseñanza-aprendizaje.
Retomando el tema de los MOOCs se puede identificar que apenas un 12% incluyen retroalimentación
humana (Zawacki-Richter et al., 2023), de ahí que unas posibles propuestas de mitigación de la
sustitución parcial que supere al complemento requieren de combinar IA con una mentoría docente a
manera de un modelo híbrido.
Desafíos Técnicos
La adopción de tecnologías virtuales e inteligencia artificial en la educación superior exige una base
técnica sólida que no siempre está garantizada en todos los contextos o territorios.
La infraestructura tecnológica, que incluye conectividad estable, equipos adecuados y plataformas
robustas, vinculadas a presupuestos e incluso entornos sociopolíticos, representa un requisito
fundamental para asegurar el acceso equitativo y el funcionamiento eficiente de estas herramientas. Sin
embargo, las brechas tecnológicas entre instituciones, regiones e incluso entre estudiantes pueden
profundizar desigualdades preexistentes.
En cuanto a privacidad, el uso de learning analytics implica riesgos, de ahí que, según la UNESCO
(2023), apenas el 35% de universidades en América Latina tienen protocolos para el manejo de datos
estudiantiles; ante ello existen referentes emergentes como el Reglamento General de Protección de
Datos (GDPR) en Europa y Ley de Protección de Datos en Brasil.
Desafíos Pedagógicos ¿Complemento o Sustitución?
La integración de la virtualidad y la inteligencia artificial en la educación superior plantea interrogantes
profundos sobre el papel de la tecnología en los procesos pedagógicos. Uno de los principales desafíos
es determinar si estas herramientas deben considerarse como un complemento que enriquece la labor
docente o si, por el contrario, tienden a sustituir funciones esenciales del educador.
La automatización de tareas como la retroalimentación, la evaluación y la generación de contenidos
plantea tensiones entre eficiencia y calidad educativa, así como entre personalización y
deshumanización del aprendizaje.
Tutores como Jill Watson (Georgia Tech) responden dudas, pero no fomentan pensamiento crítico
(Luckin, 2018). Este dilema obliga a repensar los modelos pedagógicos tradicionales y a redefinir el rol
del docente en un entorno donde la tecnología es un medio y herramienta de transformación de las
dinámicas de enseñanza-aprendizaje.
Retomando el tema de los MOOCs se puede identificar que apenas un 12% incluyen retroalimentación
humana (Zawacki-Richter et al., 2023), de ahí que unas posibles propuestas de mitigación de la
sustitución parcial que supere al complemento requieren de combinar IA con una mentoría docente a
manera de un modelo híbrido.
Desafíos Técnicos
La adopción de tecnologías virtuales e inteligencia artificial en la educación superior exige una base
técnica sólida que no siempre está garantizada en todos los contextos o territorios.
La infraestructura tecnológica, que incluye conectividad estable, equipos adecuados y plataformas
robustas, vinculadas a presupuestos e incluso entornos sociopolíticos, representa un requisito
fundamental para asegurar el acceso equitativo y el funcionamiento eficiente de estas herramientas. Sin
embargo, las brechas tecnológicas entre instituciones, regiones e incluso entre estudiantes pueden
profundizar desigualdades preexistentes.
pág. 2196
Al respecto, por ejemplo, según el Banco Mundial (2024), en África, el 70% de universidades no tienen
un ancho de banda óptimo para la aplicación de procesos formativos con realidad virtual.
A esto se suma el desafío de la interoperabilidad, es decir, la capacidad de los distintos sistemas y
plataformas educativas para integrarse y comunicarse entre sí de manera eficaz. La falta de estándares
comunes o de compatibilidad entre herramientas puede generar obstáculos en la gestión de datos, el
seguimiento del aprendizaje y la colaboración entre universidades, comprometiendo así el potencial
transformador de la tecnología en la educación superior. Se tienen el caso de plataformas de uso masivo
como Moodle, Blackboard y Canvas que no comparten datos, limitando el big data educativo.
Desafíos Sociales: Equidad y Desigualdad
La virtualidad profundiza asimetrías globales. Según el CEPAL (2019) el 90% de estudiantes en Suecia
tiene dispositivos propios vs. 20% en Bolivia, así, se evidencia que, el avance de la virtualidad y la
inteligencia artificial en la educación superior ha traído consigo nuevas oportunidades, pero también ha
profundizado desigualdades sociales preexistentes.
El acceso desigual a dispositivos, conectividad de calidad, competencias digitales y entornos de estudio
adecuados pone en desventaja a amplios sectores estudiantiles, especialmente aquellos provenientes de
contextos socioeconómicos vulnerables o de inequidad normalizada, de ahí que las mujeres en STEM
tienen 50% menos interacción con tutores de IA (UNESCO, 2024).
Esta realidad muestra que, la implementación de soluciones tecnológicas sin una mirada inclusiva puede
reforzar barreras relacionadas con género, discapacidad, origen étnico o ubicación geográfica.
En este escenario, el reto social consiste en ampliar el acceso a la tecnología garantizando que su uso en
la educación superior contribuya realmente a una mayor equidad, reduciendo brechas y promoviendo la
inclusión efectiva de todos los estudiantes en los procesos de enseñanza y aprendizaje.
Tendencias
La educación superior se encuentra en un punto de inflexión, impulsado por avances tecnológicos que
prometen reestructurar radicalmente los modelos de enseñanza y aprendizaje moldeando un presente
próximo y un futuro muy cercano, desde la hiperpersonalización impulsada por IA hasta la inmersión
en metaversos educativos. A continuación, se analizarán sus potenciales y posibles riesgos.
Al respecto, por ejemplo, según el Banco Mundial (2024), en África, el 70% de universidades no tienen
un ancho de banda óptimo para la aplicación de procesos formativos con realidad virtual.
A esto se suma el desafío de la interoperabilidad, es decir, la capacidad de los distintos sistemas y
plataformas educativas para integrarse y comunicarse entre sí de manera eficaz. La falta de estándares
comunes o de compatibilidad entre herramientas puede generar obstáculos en la gestión de datos, el
seguimiento del aprendizaje y la colaboración entre universidades, comprometiendo así el potencial
transformador de la tecnología en la educación superior. Se tienen el caso de plataformas de uso masivo
como Moodle, Blackboard y Canvas que no comparten datos, limitando el big data educativo.
Desafíos Sociales: Equidad y Desigualdad
La virtualidad profundiza asimetrías globales. Según el CEPAL (2019) el 90% de estudiantes en Suecia
tiene dispositivos propios vs. 20% en Bolivia, así, se evidencia que, el avance de la virtualidad y la
inteligencia artificial en la educación superior ha traído consigo nuevas oportunidades, pero también ha
profundizado desigualdades sociales preexistentes.
El acceso desigual a dispositivos, conectividad de calidad, competencias digitales y entornos de estudio
adecuados pone en desventaja a amplios sectores estudiantiles, especialmente aquellos provenientes de
contextos socioeconómicos vulnerables o de inequidad normalizada, de ahí que las mujeres en STEM
tienen 50% menos interacción con tutores de IA (UNESCO, 2024).
Esta realidad muestra que, la implementación de soluciones tecnológicas sin una mirada inclusiva puede
reforzar barreras relacionadas con género, discapacidad, origen étnico o ubicación geográfica.
En este escenario, el reto social consiste en ampliar el acceso a la tecnología garantizando que su uso en
la educación superior contribuya realmente a una mayor equidad, reduciendo brechas y promoviendo la
inclusión efectiva de todos los estudiantes en los procesos de enseñanza y aprendizaje.
Tendencias
La educación superior se encuentra en un punto de inflexión, impulsado por avances tecnológicos que
prometen reestructurar radicalmente los modelos de enseñanza y aprendizaje moldeando un presente
próximo y un futuro muy cercano, desde la hiperpersonalización impulsada por IA hasta la inmersión
en metaversos educativos. A continuación, se analizarán sus potenciales y posibles riesgos.
pág. 2197
Hiperpersonalización
Actualmente la hiperpersonalización utiliza algoritmos de IA para diseñar rutas formativas adaptadas a
las necesidades, ritmos y estilos de aprendizaje de cada estudiante generando trayectorias de aprendizaje
únicas, tal el caso de plataformas como Knewton (Pearson) y Smart Sparrow que ajustan contenidos en
tiempo real; está también el sistema ALEKS (McGraw-Hill) emplea teoría de respuesta al ítem para
mapear conocimientos previos.
La tendencia a futuro estaría en la biometría cognitiva, como sensores wearable (pueden ser en gadget
tipo gafa) ara monitoreo de atención y fatiga para modificar dinámicas de gestión del aprendizaje en
procesos formativos presenciales.
Cabe señalar un posible riesgo en la sobredependencia tecnológica al perderse la autonomía del
aprendizaje (Zimmerman, 2023) supeditándose a logaritmos de la IA para su ejecución, y por supuesto
que al producirse un ejercicio de uso de datos neurológicos se requerían marcos éticos estrictos.
Metaverso educativo
El concepto de metaverso ha cobrado relevancia en los últimos años como una de las tendencias más
innovadoras en la educación superior. Universidades y plataformas tecnológicas, como Meta y NVIDIA,
están explorando la creación de entornos tridimensionales inmersivos para redefinir la experiencia
educativa.
Estos entornos permiten a estudiantes y docentes interactuar de manera más dinámica y visual,
simulando aulas, laboratorios y espacios colaborativos en 3D que trascienden las limitaciones físicas de
las aulas tradicionales.
La implementación del metaverso educativo ofrece un potencial significativo para la enseñanza de
disciplinas que requieren simulaciones complejas, como la medicina, la ingeniería o las artes, al tiempo
que fomenta la colaboración global entre estudiantes de diferentes partes del mundo permitiendo el
desarrollo de redes de conocimiento sin un límite de espacio (físico y/o virtual).
Aun así, este contexto también plantea algunos desafíos técnicos y pedagógicos en términos de
accesibilidad, usabilidad y la adaptación de los modelos educativos a un nuevo formato digital
inmersivo.
Como casos pioneros se tiene al apartado de “engage” de la universidad de Stanford donde se incluyen
Hiperpersonalización
Actualmente la hiperpersonalización utiliza algoritmos de IA para diseñar rutas formativas adaptadas a
las necesidades, ritmos y estilos de aprendizaje de cada estudiante generando trayectorias de aprendizaje
únicas, tal el caso de plataformas como Knewton (Pearson) y Smart Sparrow que ajustan contenidos en
tiempo real; está también el sistema ALEKS (McGraw-Hill) emplea teoría de respuesta al ítem para
mapear conocimientos previos.
La tendencia a futuro estaría en la biometría cognitiva, como sensores wearable (pueden ser en gadget
tipo gafa) ara monitoreo de atención y fatiga para modificar dinámicas de gestión del aprendizaje en
procesos formativos presenciales.
Cabe señalar un posible riesgo en la sobredependencia tecnológica al perderse la autonomía del
aprendizaje (Zimmerman, 2023) supeditándose a logaritmos de la IA para su ejecución, y por supuesto
que al producirse un ejercicio de uso de datos neurológicos se requerían marcos éticos estrictos.
Metaverso educativo
El concepto de metaverso ha cobrado relevancia en los últimos años como una de las tendencias más
innovadoras en la educación superior. Universidades y plataformas tecnológicas, como Meta y NVIDIA,
están explorando la creación de entornos tridimensionales inmersivos para redefinir la experiencia
educativa.
Estos entornos permiten a estudiantes y docentes interactuar de manera más dinámica y visual,
simulando aulas, laboratorios y espacios colaborativos en 3D que trascienden las limitaciones físicas de
las aulas tradicionales.
La implementación del metaverso educativo ofrece un potencial significativo para la enseñanza de
disciplinas que requieren simulaciones complejas, como la medicina, la ingeniería o las artes, al tiempo
que fomenta la colaboración global entre estudiantes de diferentes partes del mundo permitiendo el
desarrollo de redes de conocimiento sin un límite de espacio (físico y/o virtual).
Aun así, este contexto también plantea algunos desafíos técnicos y pedagógicos en términos de
accesibilidad, usabilidad y la adaptación de los modelos educativos a un nuevo formato digital
inmersivo.
Como casos pioneros se tiene al apartado de “engage” de la universidad de Stanford donde se incluyen
pág. 2198
visitas virtuales en vivo; así también estás las aulas holográficas con interacción háptica de la
Universidad de Tokio.
Otra aplicación del metaverso sucede con estudiantes de África y Europa colaborando en experimentos
de física cuántica a través de NVIDIA Omniverse.
Resulta importante tener en cuenta la dimensión pedagógica a riesgo de priorizar espectáculo sobre
profundidad académica (Selwyn, 2023).
IA generativa
La inteligencia artificial generativa, ejemplificada por herramientas como Chat GPT y el modelo Gemini
de Google, está influenciando fuertemente tanto la investigación como la docencia en la educación
superior.
Estas tecnologías permiten a docentes y estudiantes acceder a un asistente inteligente que puede generar
texto, sintetizar información, resolver problemas complejos y facilitar la creación de contenido
académico de manera rápida y eficiente.
En el ámbito de la investigación, herramientas como Chat GPT pueden acelerar la recopilación de
información, la generación de ideas y la redacción de borradores, lo que permite a los investigadores
optimizar su tiempo y centrarse en tareas más estratégicas.
En la docencia, la IA generativa ofrece nuevas formas de personalizar el aprendizaje, crear materiales
educativos interactivos y brindar retroalimentación instantánea a los estudiantes.
Hay que tomar en cuenta que su integración también plantea interrogantes sobre la autoría, la
dependencia de la tecnología y el riesgo de desinformación, lo que exige una reflexión ética y
pedagógica sobre su uso adecuado en el entorno académico.
Actualmente se tienen asistentes de IA que generan casos de estudio personalizados (ej. Harvard
Business School usa GPT-4 para simulaciones y como caso específico de gestión de la investigación se
tiene la revisión literaria automatizada con Elicit o Scite.ai.
En escenarios a futuro se irá normalizando la co-autoría humano-IA a través de artículos científicos
escritos colaborativamente; al respecto Nature ya tiene pautas para estos casos, incluso ya se ocupa
sistemas como ScholarOne que detectan sesgos y errores metodológicos para situaciones de revisión
por pares.
visitas virtuales en vivo; así también estás las aulas holográficas con interacción háptica de la
Universidad de Tokio.
Otra aplicación del metaverso sucede con estudiantes de África y Europa colaborando en experimentos
de física cuántica a través de NVIDIA Omniverse.
Resulta importante tener en cuenta la dimensión pedagógica a riesgo de priorizar espectáculo sobre
profundidad académica (Selwyn, 2023).
IA generativa
La inteligencia artificial generativa, ejemplificada por herramientas como Chat GPT y el modelo Gemini
de Google, está influenciando fuertemente tanto la investigación como la docencia en la educación
superior.
Estas tecnologías permiten a docentes y estudiantes acceder a un asistente inteligente que puede generar
texto, sintetizar información, resolver problemas complejos y facilitar la creación de contenido
académico de manera rápida y eficiente.
En el ámbito de la investigación, herramientas como Chat GPT pueden acelerar la recopilación de
información, la generación de ideas y la redacción de borradores, lo que permite a los investigadores
optimizar su tiempo y centrarse en tareas más estratégicas.
En la docencia, la IA generativa ofrece nuevas formas de personalizar el aprendizaje, crear materiales
educativos interactivos y brindar retroalimentación instantánea a los estudiantes.
Hay que tomar en cuenta que su integración también plantea interrogantes sobre la autoría, la
dependencia de la tecnología y el riesgo de desinformación, lo que exige una reflexión ética y
pedagógica sobre su uso adecuado en el entorno académico.
Actualmente se tienen asistentes de IA que generan casos de estudio personalizados (ej. Harvard
Business School usa GPT-4 para simulaciones y como caso específico de gestión de la investigación se
tiene la revisión literaria automatizada con Elicit o Scite.ai.
En escenarios a futuro se irá normalizando la co-autoría humano-IA a través de artículos científicos
escritos colaborativamente; al respecto Nature ya tiene pautas para estos casos, incluso ya se ocupa
sistemas como ScholarOne que detectan sesgos y errores metodológicos para situaciones de revisión
por pares.
pág. 2199
Se debe considerar además procesos poco igualitarios pues el acceso a la IA depende también de
recursos, así por ejemplo universidades con acceso a GPT-5 tienen ventaja sobre las que usan modelos
abiertos limitados.
Escenarios al 2030
Al mirar hacia el futuro, como un presente de permanente cambio, la evolución de la inteligencia
artificial generativa en la educación superior por seguro reestructurará de manera radical los enfoques
pedagógicos, la investigación y la interacción entre estudiantes y docentes.
De manera prospectiva, aludiendo al fin de esta década, cabría anticipar que las herramientas de IA
generativa serán obviamente más avanzadas y accesibles y se podrán personalizar de manera profunda
al aprendizaje de cada estudiante, adaptándose en tiempo real a sus necesidades cognitivas y
emocionales.
En el ámbito de la investigación, se visualizaría a estas tecnologías colaborando de forma más estrecha
con los investigadores, facilitando la recolección y análisis de datos y también generando nuevas
hipótesis y modelos de conocimiento.
Sin embargo, siempre habrá desafíos significativos en cuanto a la ética, la privacidad y el impacto en la
autonomía del pensamiento crítico que obligarán a actualizar pensamientos, conductas y valores.
Los escenarios futuros podrían incluir una coexistencia fluida entre docentes y asistentes de IA, una
mayor automatización de procesos académicos y la creación de universidades totalmente digitales, lo
que obligará a repensar las estructuras tradicionales de educación y la preparación de los estudiantes
para un mundo cada vez más automatizado.
Al respecto, se podrían vislumbrar tres posibles escenarios para la educación superior:
a) Escenario optimista (tecno-utopía):
✓ La IA democratiza totalmente el conocimiento con un acceso gratuito a educación de calidad
y actualizada.
✓ Aulas sin fronteras con estudiantes y docentes colaborando en metaversos con realidad
aumentada.
b) Escenario crítico (divergencia disruptiva):
✓ Generación de brecha cognitiva en el caso de que universidad con más recursos usan IA
Se debe considerar además procesos poco igualitarios pues el acceso a la IA depende también de
recursos, así por ejemplo universidades con acceso a GPT-5 tienen ventaja sobre las que usan modelos
abiertos limitados.
Escenarios al 2030
Al mirar hacia el futuro, como un presente de permanente cambio, la evolución de la inteligencia
artificial generativa en la educación superior por seguro reestructurará de manera radical los enfoques
pedagógicos, la investigación y la interacción entre estudiantes y docentes.
De manera prospectiva, aludiendo al fin de esta década, cabría anticipar que las herramientas de IA
generativa serán obviamente más avanzadas y accesibles y se podrán personalizar de manera profunda
al aprendizaje de cada estudiante, adaptándose en tiempo real a sus necesidades cognitivas y
emocionales.
En el ámbito de la investigación, se visualizaría a estas tecnologías colaborando de forma más estrecha
con los investigadores, facilitando la recolección y análisis de datos y también generando nuevas
hipótesis y modelos de conocimiento.
Sin embargo, siempre habrá desafíos significativos en cuanto a la ética, la privacidad y el impacto en la
autonomía del pensamiento crítico que obligarán a actualizar pensamientos, conductas y valores.
Los escenarios futuros podrían incluir una coexistencia fluida entre docentes y asistentes de IA, una
mayor automatización de procesos académicos y la creación de universidades totalmente digitales, lo
que obligará a repensar las estructuras tradicionales de educación y la preparación de los estudiantes
para un mundo cada vez más automatizado.
Al respecto, se podrían vislumbrar tres posibles escenarios para la educación superior:
a) Escenario optimista (tecno-utopía):
✓ La IA democratiza totalmente el conocimiento con un acceso gratuito a educación de calidad
y actualizada.
✓ Aulas sin fronteras con estudiantes y docentes colaborando en metaversos con realidad
aumentada.
b) Escenario crítico (divergencia disruptiva):
✓ Generación de brecha cognitiva en el caso de que universidad con más recursos usan IA
pág. 2200
neuroadaptativa, mientras otras quedan obsoletas.
✓ Protagonismo de meritocracia algorítmica de tal manera que en el caso de evaluaciones
personales sean controladas por sistemas opacos como Pymetrics.
c) Escenario Híbrido (equilibrio regulado):
✓ Con la generación colaborativa de un marco global ético a través de directrices como las de
UNESCO para IA educativa (algo similar al IPCC para el clima).
✓ Funciones de docentes como "curadores" de contenidos y herramientas, enfocados en guiar
el uso crítico de insumos tecnológicos para educación.
CONCLUSIONES
La educación superior se encuentra en un proceso de transformación cada vez más vertiginoso,
impulsado por la convergencia de la virtualidad y la IA reestructurando los aprendizajes, desde la
personalización de trayectorias formativas hasta la creación de entornos inmersivos en el metaverso.
Sin embargo, más allá de los avances técnicos, el verdadero desafío radica en integrar estas herramientas
de manera ética, pedagógicamente sólida y equitativa.
La utopía de una educación más accesible y adaptativa debe equilibrarse con la preservación de la
dimensión humana del aprendizaje, donde el pensamiento crítico, la creatividad y la colaboración sigan
siendo pilares fundamentales.
La IA ha demostrado su capacidad para optimizar procesos administrativos, ofrecer retroalimentación
inmediata y predecir riesgos de deserción, mientras que la virtualidad ha roto barreras geográficas
mediante MOOCs y laboratorios remotos; así, los beneficios son innegables.
No obstante, como revela este trabajo, persisten desafíos críticos como la brecha digital, los sesgos
algorítmicos y la posible ruptura de la interacción entre docente y estudiante. Estos riesgos exigen
marcos regulatorios fortalecidos por el contexto y los territorios, además de inversión en infraestructura
inclusiva y una formación docente que combine competencias digitales con pedagogías críticas.
Las tendencias futuras, desde la hiperpersonalización hasta el metaverso educativo, apuntan a un
escenario donde la tecnología será omnipresente. Sin embargo, su éxito dependerá de nuestra capacidad
para evitar dos extremos peligrosos: la tecnofilia acrítica, que asume que la IA puede reemplazar a los
educadores humanos y la resistencia al cambio, que ignora el potencial de estas herramientas para
neuroadaptativa, mientras otras quedan obsoletas.
✓ Protagonismo de meritocracia algorítmica de tal manera que en el caso de evaluaciones
personales sean controladas por sistemas opacos como Pymetrics.
c) Escenario Híbrido (equilibrio regulado):
✓ Con la generación colaborativa de un marco global ético a través de directrices como las de
UNESCO para IA educativa (algo similar al IPCC para el clima).
✓ Funciones de docentes como "curadores" de contenidos y herramientas, enfocados en guiar
el uso crítico de insumos tecnológicos para educación.
CONCLUSIONES
La educación superior se encuentra en un proceso de transformación cada vez más vertiginoso,
impulsado por la convergencia de la virtualidad y la IA reestructurando los aprendizajes, desde la
personalización de trayectorias formativas hasta la creación de entornos inmersivos en el metaverso.
Sin embargo, más allá de los avances técnicos, el verdadero desafío radica en integrar estas herramientas
de manera ética, pedagógicamente sólida y equitativa.
La utopía de una educación más accesible y adaptativa debe equilibrarse con la preservación de la
dimensión humana del aprendizaje, donde el pensamiento crítico, la creatividad y la colaboración sigan
siendo pilares fundamentales.
La IA ha demostrado su capacidad para optimizar procesos administrativos, ofrecer retroalimentación
inmediata y predecir riesgos de deserción, mientras que la virtualidad ha roto barreras geográficas
mediante MOOCs y laboratorios remotos; así, los beneficios son innegables.
No obstante, como revela este trabajo, persisten desafíos críticos como la brecha digital, los sesgos
algorítmicos y la posible ruptura de la interacción entre docente y estudiante. Estos riesgos exigen
marcos regulatorios fortalecidos por el contexto y los territorios, además de inversión en infraestructura
inclusiva y una formación docente que combine competencias digitales con pedagogías críticas.
Las tendencias futuras, desde la hiperpersonalización hasta el metaverso educativo, apuntan a un
escenario donde la tecnología será omnipresente. Sin embargo, su éxito dependerá de nuestra capacidad
para evitar dos extremos peligrosos: la tecnofilia acrítica, que asume que la IA puede reemplazar a los
educadores humanos y la resistencia al cambio, que ignora el potencial de estas herramientas para
pág. 2201
democratizar el conocimiento. El equilibrio radica en diseñar sistemas educativos donde la tecnología
amplifique y no suplante, las capacidades humanas.
Las instituciones de educación superior enfrentan una disyuntiva histórica, tras la cual no pueden adoptar
un papel pasivo, dejándose arrastrar por las innovaciones tecnológicas sin una reflexión profunda, o
asumir un liderazgo activo, modelando el futuro de la educación con criterios éticos y pedagógicos
claros.
Lo anterior compromete, entre otras acciones, a priorizar la investigación sobre los impactos sociales de
la IA, establecer alianzas globales para reducir asimetrías y redefinir los modelos de evaluación para
que se valoren competencias irreplicables por máquinas, tales como la empatía o la resolución de
problemas complejos.
En conclusión, la educación superior del futuro se visualiza ni totalmente humana ni completamente
digital, sino como una hibridación estratégica entre ambas percepciones denotando una
multidimensionalidad de espacios para el aprendizaje.
En una educación tecnificada, el rol humano debe permanecer protagónico como mediador de
estructurar de gestión del conocimiento que están supeditadas a constructos individuales a partir de sus
creadores.
El camino hacia un futuro próximo requiere que los avances tecnológicos maduren, además de voluntad
política, colaboración interdisciplinar y un compromiso irrenunciable con la equidad.
REFERENCIAS BIBLIOGRÁFICAS
AREA, M. y ADELL, J. (2009): eLearning: Enseñar y aprender en espacios virtuales. En J. De Pablos
(Coord): Tecnología Educativa. La formación del profesorado en la era de Internet. Aljibe,
Málaga, pags. 391-424.
Arnold, Kimberly; Pistilli, Mattew. (2012). Course signals at Purdue: Using learning analytics to
increase student success. 2nd International Conference on Learning Analytics and Knowledge,
ACM. Vancouver, BC. Canadá. Recuperado de
https://www.researchgate.net/publication/254462830_Course_signals_at_Purdue_Using_learnin
g_analytics_to_increase_student_success
democratizar el conocimiento. El equilibrio radica en diseñar sistemas educativos donde la tecnología
amplifique y no suplante, las capacidades humanas.
Las instituciones de educación superior enfrentan una disyuntiva histórica, tras la cual no pueden adoptar
un papel pasivo, dejándose arrastrar por las innovaciones tecnológicas sin una reflexión profunda, o
asumir un liderazgo activo, modelando el futuro de la educación con criterios éticos y pedagógicos
claros.
Lo anterior compromete, entre otras acciones, a priorizar la investigación sobre los impactos sociales de
la IA, establecer alianzas globales para reducir asimetrías y redefinir los modelos de evaluación para
que se valoren competencias irreplicables por máquinas, tales como la empatía o la resolución de
problemas complejos.
En conclusión, la educación superior del futuro se visualiza ni totalmente humana ni completamente
digital, sino como una hibridación estratégica entre ambas percepciones denotando una
multidimensionalidad de espacios para el aprendizaje.
En una educación tecnificada, el rol humano debe permanecer protagónico como mediador de
estructurar de gestión del conocimiento que están supeditadas a constructos individuales a partir de sus
creadores.
El camino hacia un futuro próximo requiere que los avances tecnológicos maduren, además de voluntad
política, colaboración interdisciplinar y un compromiso irrenunciable con la equidad.
REFERENCIAS BIBLIOGRÁFICAS
AREA, M. y ADELL, J. (2009): eLearning: Enseñar y aprender en espacios virtuales. En J. De Pablos
(Coord): Tecnología Educativa. La formación del profesorado en la era de Internet. Aljibe,
Málaga, pags. 391-424.
Arnold, Kimberly; Pistilli, Mattew. (2012). Course signals at Purdue: Using learning analytics to
increase student success. 2nd International Conference on Learning Analytics and Knowledge,
ACM. Vancouver, BC. Canadá. Recuperado de
https://www.researchgate.net/publication/254462830_Course_signals_at_Purdue_Using_learnin
g_analytics_to_increase_student_success
pág. 2202
Banco Mundial (2024). The Digital Divide in Higher Education: Global
Challenges. https://www.worldbank.org
Bates, A.W. (2019). Teaching in a Digital Age: Guidelines for Designing Teaching and Learning (2nd
ed.). BCcampus. https://opentextbc.ca/teachinginadigitalage/
CEPAL (2019). La UIT publica las cifras más recientes sobre desarrollo de tecnologías a escala
mundial. Santiago de Chile: CEPAL. Recuperado de https://www.cepal.org/es/noticias/la-uit-
publica-cifras-mas-recientes-desarrollo-tecnologias-escala-mundial
Coll, C. (2013). El currículo escolar en el marco de la nueva ecología del aprendizaje. Aula de
Innovación Educativa. Recuperado de
https://www.researchgate.net/publication/255876239_El_curriculo_escolar_en_el_marco_de_la
_nueva_ecologia_del_aprendizaje
Coursera (2024). Impact Report 2025. https://www.coursera.org/enterprise/resources/ebooks/micro-
credentials-report-2025
Freina, L. & Ott, M. (2015). A literature review on immersive virtual reality in education: State of the
art and perspectives. International Journal of Learning Technology, 10(1), 1-20.
DOI:10.12753/2066-026X-15-020
Garrison, D.R. (2016). E-Learning in the 21st Century: A Community of Inquiry Framework for
Research and Practice (3rd ed.). Routledge.
Huang, H.M., Rauch, U. & Liaw, S.S. (2020). Investigating learners' attitudes toward virtual reality
learning environments. Computers & Education, 145, 103725.
Prinsloo, P. & Slade, S. (2017). An elephant in the learning analytics room. Proceedings of LAK'17,
46-55. https://doi.org/10.1145/3027385.3027406
Salmon, G. (2019). May the Fourth Be with you: Creating Education 4.0. Journal of Learning for
Development, 6(2). https://doi.org/10.56059/jl4d.v6i2.352
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Polity Press. DOI:
10.1093/oso/9780190080360.001.0001
Banco Mundial (2024). The Digital Divide in Higher Education: Global
Challenges. https://www.worldbank.org
Bates, A.W. (2019). Teaching in a Digital Age: Guidelines for Designing Teaching and Learning (2nd
ed.). BCcampus. https://opentextbc.ca/teachinginadigitalage/
CEPAL (2019). La UIT publica las cifras más recientes sobre desarrollo de tecnologías a escala
mundial. Santiago de Chile: CEPAL. Recuperado de https://www.cepal.org/es/noticias/la-uit-
publica-cifras-mas-recientes-desarrollo-tecnologias-escala-mundial
Coll, C. (2013). El currículo escolar en el marco de la nueva ecología del aprendizaje. Aula de
Innovación Educativa. Recuperado de
https://www.researchgate.net/publication/255876239_El_curriculo_escolar_en_el_marco_de_la
_nueva_ecologia_del_aprendizaje
Coursera (2024). Impact Report 2025. https://www.coursera.org/enterprise/resources/ebooks/micro-
credentials-report-2025
Freina, L. & Ott, M. (2015). A literature review on immersive virtual reality in education: State of the
art and perspectives. International Journal of Learning Technology, 10(1), 1-20.
DOI:10.12753/2066-026X-15-020
Garrison, D.R. (2016). E-Learning in the 21st Century: A Community of Inquiry Framework for
Research and Practice (3rd ed.). Routledge.
Huang, H.M., Rauch, U. & Liaw, S.S. (2020). Investigating learners' attitudes toward virtual reality
learning environments. Computers & Education, 145, 103725.
Prinsloo, P. & Slade, S. (2017). An elephant in the learning analytics room. Proceedings of LAK'17,
46-55. https://doi.org/10.1145/3027385.3027406
Salmon, G. (2019). May the Fourth Be with you: Creating Education 4.0. Journal of Learning for
Development, 6(2). https://doi.org/10.56059/jl4d.v6i2.352
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Polity Press. DOI:
10.1093/oso/9780190080360.001.0001
pág. 2203
Siemens, G. (2005). Connectivism: A learning theory for the digital age. International Journal of
Instructional Technology and Distance Learning, 2(1), 3-10.
http://www.itdl.org/Journal/Jan_05/article01.htm
UNESCO (2021). Reimagining our futures together: A new social contract for
education. https://unesdoc.unesco.org/ark:/48223/pf0000379707.locale=en
UNESCO (2023). Guidelines on AI in Education and
Research. https://unesdoc.unesco.org/ark:/48223/pf0000386693
Zawacki-Richter, O. et al. (2019). Systematic review of research on AI applications in higher
education. International Journal of Educational Technology in Higher Education, 16(39).
https://educationaltechnologyjournal.springeropen.com/articles/10.1186/s41239-019-0171-0
Siemens, G. (2005). Connectivism: A learning theory for the digital age. International Journal of
Instructional Technology and Distance Learning, 2(1), 3-10.
http://www.itdl.org/Journal/Jan_05/article01.htm
UNESCO (2021). Reimagining our futures together: A new social contract for
education. https://unesdoc.unesco.org/ark:/48223/pf0000379707.locale=en
UNESCO (2023). Guidelines on AI in Education and
Research. https://unesdoc.unesco.org/ark:/48223/pf0000386693
Zawacki-Richter, O. et al. (2019). Systematic review of research on AI applications in higher
education. International Journal of Educational Technology in Higher Education, 16(39).
https://educationaltechnologyjournal.springeropen.com/articles/10.1186/s41239-019-0171-0