MODELO INTEGRADOR CON IA PARA
FORMACIÓN DOCENTE EN ENTORNOS
DIGITALES: DISEÑO, FUNDAMENTOS Y
LINEAMIENTOS
INTEGRATIVE MODEL WITH ARTIFICIAL INTELLIGENCE FOR
TEACHER TRAINING IN DIGITAL LEARNING ENVIRONMENTS:
DESIGN, FOUNDATIONS, AND GUIDELINES
Reinaldo Antonio Guerrero Chirinos
Universidad Técnica Particular de Loja, Ecuador
Antonio Aequimedes Ramirez González
Universidad Técnica Particular de Loja, Ecuador
Valeria Katherine Aulestia Rodríguez
Unidad Educativa Fiscomisional Santiago Fernández García, Ecuador
Lizbeth Deyaneira Loaiza Orellana
Unidad Educativa Fiscomisional Marista de Catacocha, Ecuador
Fabián Alejandro Banderas Benítez
Escuela Superior Politécnica de Chimborazo, Ecuador
pág. 3199
DOI: https://doi.org/10.37811/cl_rcm.v10i3.24304
Modelo Integrador con IA para Formación Docente en Entornos Digitales:
Diseño, Fundamentos y Lineamientos
Reinaldo Antonio Guerrero Chirinos1
raguerrero12@utpl.edu.ec
https://orcid.org/0000-0003-0499-7453
Universidad Técnica Particular de Loja
Ecuador
Antonio Aequimedes Ramirez González
aaramirezx@utpl.edu.ec
https://orcid.org/0000-0001-5782-4308
Universidad Técnica Particular de Loja
Ecuador
Valeria Katherine Aulestia Rodríguez
valeria.aulestia@docentes.educacion.edu.ec
https://orcid.org/0000-0003-2884-3475
Unidad Educativa Fiscomisional Santiago
Fernández García
Ecuador
Lizbeth Deyaneira Loaiza Orellana
lizbeth.loaiza@docentes.educacion.edu.ec
https://orcid.org/0000-0002-1391-8473
Unidad Educativa Fiscomisional Marista de
Catacocha
Ecuador
Fabián Alejandro Banderas Benítez
fabián.banderasb@espoch.edu.ec
https://orcid.org/0000-0001-6242-873X
Escuela Superior Politécnica de Chimborazo
Ecuador
RESUMEN
El presente artículo aborda la necesidad de integrar la IA estructuralmente en la formación docente de
educación superior en entornos digitales de aprendizaje. Frente a la predominancia de enfoques
centrados en competencias tecnológicas básicas, se plantea que la IA debe articularse de manera
explícita con la pedagogía, la institución y la ética. El objetivo del estudio es diseñar un modelo
integrador para la formación docente en educación superior que incorpore la IA como componente
estructural, sustentado en fundamentos teórico-metodológicos y en lineamientos operativos para su
implementación institucional. Para ello, se adopta un enfoque teórico-práctico cualitativo, basado en
revisión sistemática de la literatura, análisis documental de programas y políticas de formación docente
universitaria, y validación teórica mediante el criterio de expertos. Como principal hallazgo se propone
un modelo organizado en cuatro dimensiones interrelacionadas: pedagógica, tecnológica, institucional
y ética, acompañado de un conjunto de lineamientos para diseñar programas de formación docente
universitaria que integren la IA de forma crítica, sistemática y responsable. El modelo contribuye a
superar visiones reduccionistas de la IA como herramienta aislada y orienta a centros docentes y
coordinadores de innovación pedagógica en la organización de experiencias formativas coherentes con
las demandas de la educación superior digitalizada.
Palabras clave: formación docente, educación superior, entornos digitales, inteligencia artificial,
modelo integrador
1 Autor principal.
Correspondencia: raguerrero12@utpl.edu.ec
DOI: https://doi.org/10.37811/cl_rcm.v10i3.24304
Modelo Integrador con IA para Formación Docente en Entornos Digitales:
Diseño, Fundamentos y Lineamientos
Reinaldo Antonio Guerrero Chirinos1
raguerrero12@utpl.edu.ec
https://orcid.org/0000-0003-0499-7453
Universidad Técnica Particular de Loja
Ecuador
Antonio Aequimedes Ramirez González
aaramirezx@utpl.edu.ec
https://orcid.org/0000-0001-5782-4308
Universidad Técnica Particular de Loja
Ecuador
Valeria Katherine Aulestia Rodríguez
valeria.aulestia@docentes.educacion.edu.ec
https://orcid.org/0000-0003-2884-3475
Unidad Educativa Fiscomisional Santiago
Fernández García
Ecuador
Lizbeth Deyaneira Loaiza Orellana
lizbeth.loaiza@docentes.educacion.edu.ec
https://orcid.org/0000-0002-1391-8473
Unidad Educativa Fiscomisional Marista de
Catacocha
Ecuador
Fabián Alejandro Banderas Benítez
fabián.banderasb@espoch.edu.ec
https://orcid.org/0000-0001-6242-873X
Escuela Superior Politécnica de Chimborazo
Ecuador
RESUMEN
El presente artículo aborda la necesidad de integrar la IA estructuralmente en la formación docente de
educación superior en entornos digitales de aprendizaje. Frente a la predominancia de enfoques
centrados en competencias tecnológicas básicas, se plantea que la IA debe articularse de manera
explícita con la pedagogía, la institución y la ética. El objetivo del estudio es diseñar un modelo
integrador para la formación docente en educación superior que incorpore la IA como componente
estructural, sustentado en fundamentos teórico-metodológicos y en lineamientos operativos para su
implementación institucional. Para ello, se adopta un enfoque teórico-práctico cualitativo, basado en
revisión sistemática de la literatura, análisis documental de programas y políticas de formación docente
universitaria, y validación teórica mediante el criterio de expertos. Como principal hallazgo se propone
un modelo organizado en cuatro dimensiones interrelacionadas: pedagógica, tecnológica, institucional
y ética, acompañado de un conjunto de lineamientos para diseñar programas de formación docente
universitaria que integren la IA de forma crítica, sistemática y responsable. El modelo contribuye a
superar visiones reduccionistas de la IA como herramienta aislada y orienta a centros docentes y
coordinadores de innovación pedagógica en la organización de experiencias formativas coherentes con
las demandas de la educación superior digitalizada.
Palabras clave: formación docente, educación superior, entornos digitales, inteligencia artificial,
modelo integrador
1 Autor principal.
Correspondencia: raguerrero12@utpl.edu.ec
pág. 3200
Integrative Model with Artificial Intelligence for Teacher Training in
Digital Learning Environments: Design, Foundations, and Guidelines
ABSTRACT
This article addresses the need to structurally integrate Artificial Intelligence (AI) into teacher training
in higher education within digital learning environments. In contrast to the predominance of approaches
focused on basic technological competencies, it argues that AI must be explicitly articulated with
pedagogy, institutions, and ethics. The aim of the study is to design an integrative model for teacher
training in higher education that incorporates AI as a structural component, grounded in theoretical-
methodological foundations and operational guidelines for institutional implementation. To achieve
this, a qualitative theoretical-practical approach is adopted, based on a systematic literature review,
documentary analysis of university teacher training programs and policies, and theoretical validation
through expert judgment. The main finding is a model organized into four interrelated dimensions,
pedagogical, technological, institutional, and ethical, accompanied by a set of guidelines for designing
university teacher training programs that integrate AI in a critical, systematic, and responsible manner.
The model contributes to overcoming reductionist views of AI as an isolated tool and guides teaching
centers and pedagogical innovation coordinators in organizing formative experiences aligned with the
demands of digitalized higher education.
Keywords: teacher training, higher education, digital environments, artificial intelligence, integrative
model
Artículo recibido 25 abril 2026
Aceptado para publicación: 25 mayo 2026
Integrative Model with Artificial Intelligence for Teacher Training in
Digital Learning Environments: Design, Foundations, and Guidelines
ABSTRACT
This article addresses the need to structurally integrate Artificial Intelligence (AI) into teacher training
in higher education within digital learning environments. In contrast to the predominance of approaches
focused on basic technological competencies, it argues that AI must be explicitly articulated with
pedagogy, institutions, and ethics. The aim of the study is to design an integrative model for teacher
training in higher education that incorporates AI as a structural component, grounded in theoretical-
methodological foundations and operational guidelines for institutional implementation. To achieve
this, a qualitative theoretical-practical approach is adopted, based on a systematic literature review,
documentary analysis of university teacher training programs and policies, and theoretical validation
through expert judgment. The main finding is a model organized into four interrelated dimensions,
pedagogical, technological, institutional, and ethical, accompanied by a set of guidelines for designing
university teacher training programs that integrate AI in a critical, systematic, and responsible manner.
The model contributes to overcoming reductionist views of AI as an isolated tool and guides teaching
centers and pedagogical innovation coordinators in organizing formative experiences aligned with the
demands of digitalized higher education.
Keywords: teacher training, higher education, digital environments, artificial intelligence, integrative
model
Artículo recibido 25 abril 2026
Aceptado para publicación: 25 mayo 2026
pág. 3201
INTRODUCCIÓN
La expansión de los entornos digitales de aprendizaje en la educación superior ha puesto de manifiesto
la necesidad de replantear la formación docente, no solo como un proceso de dominio instrumental de
herramientas tecnológicas, sino como un proceso sistémico que articule pedagogía, tecnología,
institución y ética. En este contexto, la inteligencia artificial (IA) se ha consolidado como un agente
transformador de los ecosistemas formativos, al ofrecer posibilidades de personalización, análisis de
datos y automatización de tareas que reconfiguran la naturaleza de la enseñanza y, en consecuencia, las
competencias que deben desarrollar los docentes universitarios (Alastor & Martínez, 2025).
La mayoría de los programas de formación docente en educación superior continúan centrándose en el
uso básico de plataformas virtuales y recursos digitales, sin integrar de forma estructural la IA ni abordar
de manera crítica sus implicaciones pedagógicas y éticas. Esta brecha se evidencia en la escasez de
modelos integrales que articulen explícitamente la IA como componente estructural del diseño
formativo, más allá de su función como herramienta puntual. En este escenario, resulta pertinente
indagar cómo diseñar un modelo de formación docente universitaria que incorpore la IA como elemento
central, capaz de orientar la capacitación de profesores en contextos de aulas híbridas, cursos virtuales
y programas de innovación pedagógica en instituciones de educación superior (Figueredo & Sánchez,
2025).
El objetivo del presente artículo es diseñar un modelo integrador para la formación docente en entornos
digitales de aprendizaje en educación superior que incorpore la inteligencia artificial como componente
estructural, sustentado en fundamentos teórico-metodológicos y acompañado de lineamientos
operativos para su implementación en contextos universitarios. De manera específica, se busca
responder a las siguientes preguntas de investigación: 1) ¿Qué dimensiones deben articularse para
diseñar un modelo de formación docente en educación superior en entornos digitales con IA? 2) ¿Qué
principios pedagógicos, institucionales y éticos deben orientar la integración de la IA en la formación
docente universitaria?
Este trabajo se inscribe en un enfoque teórico-práctico de diseño de modelo, de carácter cualitativo,
basado en la revisión sistemática de la literatura, el análisis documental y la validación teórica mediante
criterio de expertos.
INTRODUCCIÓN
La expansión de los entornos digitales de aprendizaje en la educación superior ha puesto de manifiesto
la necesidad de replantear la formación docente, no solo como un proceso de dominio instrumental de
herramientas tecnológicas, sino como un proceso sistémico que articule pedagogía, tecnología,
institución y ética. En este contexto, la inteligencia artificial (IA) se ha consolidado como un agente
transformador de los ecosistemas formativos, al ofrecer posibilidades de personalización, análisis de
datos y automatización de tareas que reconfiguran la naturaleza de la enseñanza y, en consecuencia, las
competencias que deben desarrollar los docentes universitarios (Alastor & Martínez, 2025).
La mayoría de los programas de formación docente en educación superior continúan centrándose en el
uso básico de plataformas virtuales y recursos digitales, sin integrar de forma estructural la IA ni abordar
de manera crítica sus implicaciones pedagógicas y éticas. Esta brecha se evidencia en la escasez de
modelos integrales que articulen explícitamente la IA como componente estructural del diseño
formativo, más allá de su función como herramienta puntual. En este escenario, resulta pertinente
indagar cómo diseñar un modelo de formación docente universitaria que incorpore la IA como elemento
central, capaz de orientar la capacitación de profesores en contextos de aulas híbridas, cursos virtuales
y programas de innovación pedagógica en instituciones de educación superior (Figueredo & Sánchez,
2025).
El objetivo del presente artículo es diseñar un modelo integrador para la formación docente en entornos
digitales de aprendizaje en educación superior que incorpore la inteligencia artificial como componente
estructural, sustentado en fundamentos teórico-metodológicos y acompañado de lineamientos
operativos para su implementación en contextos universitarios. De manera específica, se busca
responder a las siguientes preguntas de investigación: 1) ¿Qué dimensiones deben articularse para
diseñar un modelo de formación docente en educación superior en entornos digitales con IA? 2) ¿Qué
principios pedagógicos, institucionales y éticos deben orientar la integración de la IA en la formación
docente universitaria?
Este trabajo se inscribe en un enfoque teórico-práctico de diseño de modelo, de carácter cualitativo,
basado en la revisión sistemática de la literatura, el análisis documental y la validación teórica mediante
criterio de expertos.
pág. 3202
No se recurre a la aplicación de cuestionarios ni encuestas, priorizando el análisis crítico de fuentes
académicas y documentos institucionales de educación superior (Nava et al., 2025).
La contribución del artículo se sitúa en tres niveles. En primer lugar, aporta un marco conceptual y
estructural que permite visibilizar la IA como componente estructural de la formación docente
universitaria, más que como recurso aislado. En segundo lugar, ofrece un conjunto de lineamientos
operativos orientados a vicerrectorías académicas, centros de desarrollo docente y diseñadores de
programas de formación pedagógica en instituciones de educación superior. Finalmente, abre líneas
para futuras investigaciones dirigidas a validar empíricamente el modelo en contextos específicos de
facultades o programas disciplinares, mediante diseños de investigación-acción o estudios de caso
(MEFPD, 2025).
A continuación, el artículo se organiza en las secciones clásicas del formato IMRaD adaptado: sección
2 presenta el marco teórico, que aborda la formación docente en educación superior, la IA en la
educación y los enfoques teóricos que sustentan el modelo; en la sección 3 se detalla la metodología
empleada; la sección 4 describe el modelo integrador y sus lineamientos operativos; la sección 5 expone
la discusión de resultados; y la sección 6 sintetiza las conclusiones del estudio.
MARCO TEÓRICO
Formación docente en educación superior en entornos digitales
La formación docente en educación superior ya no puede concebirse únicamente como un proceso de
actualización disciplinar, sino como un proceso continuo de desarrollo de competencias pedagógicas y
tecnológicas en contextos de aulas físicas, híbridas y virtuales (Martínez et al., 2022; Villa & Zapata,
2024). En los últimos años, la pandemia y la expansión de las plataformas de aprendizaje en línea han
acelerado la necesidad de que los docentes universitarios dominen no solo los contenidos, sino también
las estrategias de enseñanza en entornos digitales, la gestión de comunidades virtuales de aprendizaje y
la evaluación formativa en contextos remotos (MEFPD, 2025).
En esta línea, autores como Villa & Zapata (2024) destacan la importancia de fortalecer la formación
pedagógica del profesorado universitario, entendiendo el docente como diseñador, mediador y
evaluador de la experiencia de aprendizaje. Asimismo, Martínez et al., (2022) subrayan que la
formación en educación superior debe articular tres niveles: el conocimiento disciplinar, el
No se recurre a la aplicación de cuestionarios ni encuestas, priorizando el análisis crítico de fuentes
académicas y documentos institucionales de educación superior (Nava et al., 2025).
La contribución del artículo se sitúa en tres niveles. En primer lugar, aporta un marco conceptual y
estructural que permite visibilizar la IA como componente estructural de la formación docente
universitaria, más que como recurso aislado. En segundo lugar, ofrece un conjunto de lineamientos
operativos orientados a vicerrectorías académicas, centros de desarrollo docente y diseñadores de
programas de formación pedagógica en instituciones de educación superior. Finalmente, abre líneas
para futuras investigaciones dirigidas a validar empíricamente el modelo en contextos específicos de
facultades o programas disciplinares, mediante diseños de investigación-acción o estudios de caso
(MEFPD, 2025).
A continuación, el artículo se organiza en las secciones clásicas del formato IMRaD adaptado: sección
2 presenta el marco teórico, que aborda la formación docente en educación superior, la IA en la
educación y los enfoques teóricos que sustentan el modelo; en la sección 3 se detalla la metodología
empleada; la sección 4 describe el modelo integrador y sus lineamientos operativos; la sección 5 expone
la discusión de resultados; y la sección 6 sintetiza las conclusiones del estudio.
MARCO TEÓRICO
Formación docente en educación superior en entornos digitales
La formación docente en educación superior ya no puede concebirse únicamente como un proceso de
actualización disciplinar, sino como un proceso continuo de desarrollo de competencias pedagógicas y
tecnológicas en contextos de aulas físicas, híbridas y virtuales (Martínez et al., 2022; Villa & Zapata,
2024). En los últimos años, la pandemia y la expansión de las plataformas de aprendizaje en línea han
acelerado la necesidad de que los docentes universitarios dominen no solo los contenidos, sino también
las estrategias de enseñanza en entornos digitales, la gestión de comunidades virtuales de aprendizaje y
la evaluación formativa en contextos remotos (MEFPD, 2025).
En esta línea, autores como Villa & Zapata (2024) destacan la importancia de fortalecer la formación
pedagógica del profesorado universitario, entendiendo el docente como diseñador, mediador y
evaluador de la experiencia de aprendizaje. Asimismo, Martínez et al., (2022) subrayan que la
formación en educación superior debe articular tres niveles: el conocimiento disciplinar, el
pág. 3203
conocimiento pedagógico y el conocimiento tecnológico, especialmente en contextos de entornos
digitales. Este planteamiento se conecta con marcos como el de “docencia universitaria centrada en el
aprendizaje”, que prioriza el diseño de actividades significativas y la responsabilidad compartida entre
docentes y estudiantes en los procesos de construcción del conocimiento (Arenales et al., 2024; Cedeño
et al., 2023).
Inteligencia artificial en la educación superior
La inteligencia artificial (IA) se ha consolidado como un campo que posibilita la personalización, el
análisis de datos y la automatización de tareas en la educación superior (Arango et al., 2024; Mella et
al., 2022; Vergel et al., 2025). En el ámbito universitario, la IA se aplica, entre otros, en sistemas de
tutoría inteligente, herramientas de retroalimentación automatizada, análisis de trazas de aprendizaje en
plataformas virtuales y modelos predictivos sobre desempeño estudiantil (Gallent et al., 2024).
Arango et al., (2024) advierten, sin embargo, que la IA no es neutral ni automática en su impacto
educativo, ya que su funcionamiento depende de los datos utilizados, de los modelos de diseño
pedagógico y de las decisiones institucionales de implementación. En este sentido, la IA se configura
como un mediador socio-técnico que reconfigura las prácticas docentes, pero que también introduce
desafíos en términos de transparencia, privacidad y equidad (Mella et al., 2022; Vergel et al., 2025). En
el contexto de educación superior, estos desarrollos exigen que la formación docente no solo se centre
en el uso “superficial” de herramientas, sino también en la comprensión crítica de cómo los sistemas de
IA modelan la enseñanza y el aprendizaje.
Relación entre IA y formación docente en educación superior
La integración de la IA en la formación docente universitaria debe entenderse como un proceso de
construcción de nuevas competencias docentes híbridas, que articulan dominio disciplinar,
competencias pedagógicas, competencias tecnológicas y competencias crítico-éticas respecto a la IA
(Martínez et al., 2022; Villa & Zapata, 2024). En educación superior, se ha argumentado que los
docentes deben ser capaces de diseñar y evaluar experiencias de aprendizaje en las que se utilizan
recomendadores automáticos, chatbots, simuladores y herramientas de generación de contenido, sin
perder de vista la dimensión formativa y evaluativa de su rol (Gallent et al., 2024).
conocimiento pedagógico y el conocimiento tecnológico, especialmente en contextos de entornos
digitales. Este planteamiento se conecta con marcos como el de “docencia universitaria centrada en el
aprendizaje”, que prioriza el diseño de actividades significativas y la responsabilidad compartida entre
docentes y estudiantes en los procesos de construcción del conocimiento (Arenales et al., 2024; Cedeño
et al., 2023).
Inteligencia artificial en la educación superior
La inteligencia artificial (IA) se ha consolidado como un campo que posibilita la personalización, el
análisis de datos y la automatización de tareas en la educación superior (Arango et al., 2024; Mella et
al., 2022; Vergel et al., 2025). En el ámbito universitario, la IA se aplica, entre otros, en sistemas de
tutoría inteligente, herramientas de retroalimentación automatizada, análisis de trazas de aprendizaje en
plataformas virtuales y modelos predictivos sobre desempeño estudiantil (Gallent et al., 2024).
Arango et al., (2024) advierten, sin embargo, que la IA no es neutral ni automática en su impacto
educativo, ya que su funcionamiento depende de los datos utilizados, de los modelos de diseño
pedagógico y de las decisiones institucionales de implementación. En este sentido, la IA se configura
como un mediador socio-técnico que reconfigura las prácticas docentes, pero que también introduce
desafíos en términos de transparencia, privacidad y equidad (Mella et al., 2022; Vergel et al., 2025). En
el contexto de educación superior, estos desarrollos exigen que la formación docente no solo se centre
en el uso “superficial” de herramientas, sino también en la comprensión crítica de cómo los sistemas de
IA modelan la enseñanza y el aprendizaje.
Relación entre IA y formación docente en educación superior
La integración de la IA en la formación docente universitaria debe entenderse como un proceso de
construcción de nuevas competencias docentes híbridas, que articulan dominio disciplinar,
competencias pedagógicas, competencias tecnológicas y competencias crítico-éticas respecto a la IA
(Martínez et al., 2022; Villa & Zapata, 2024). En educación superior, se ha argumentado que los
docentes deben ser capaces de diseñar y evaluar experiencias de aprendizaje en las que se utilizan
recomendadores automáticos, chatbots, simuladores y herramientas de generación de contenido, sin
perder de vista la dimensión formativa y evaluativa de su rol (Gallent et al., 2024).
pág. 3204
En esta línea, marcos como el de “docentes como diseñadores de IA-mediados” (Arango et al., 2024)
plantean que el profesorado universitario debe ser formado no solo para utilizar IA, sino para cuestionar
sus decisiones algorítmicas, negociar su uso con los estudiantes y diseñar actividades que eviten la
dependencia acrítica de estas herramientas. Esta perspectiva se alinea con la idea de formación docente
como un proceso de reflexión sobre la práctica, que incorpora tanto la exploración de recursos digitales
como la discusión crítica sobre sus implicaciones pedagógicas y éticas (Martínez et al., 2022).
Enfoques teóricos que sustentan el modelo
▪ TPACK y su extensión a IA
El marco TPACK (Technological Pedagogical Content Knowledge) de Koehler et al. (2013)
proporciona un soporte teórico clave para articular cómo el conocimiento sobre tecnología, pedagogía
y contenido se interrelaciona en la práctica docente. En el ámbito de la educación superior, este marco
se ha utilizado para analizar la integración de tecnologías digitales en la enseñanza universitaria y para
diseñar programas de formación docente con énfasis en el diseño de actividades y recursos que
aprovechan la tecnología de forma pedagógicamente significativa (Koehler et al., 2013).
Recientemente, varios autores han propuesto extensiones de TPACK al contexto de IA, denotadas
como TPACK-IA o variantes similares, que incorporan el conocimiento sobre inteligencia artificial
como dimensión específica del saber docente (Arango et al., 2024; Mella et al., 2022; Vergel et al.,
2025).
Estas extensiones resultan especialmente útiles para el diseño de modelos de formación docente en
educación superior, ya que permiten organizar la formación alrededor de tres ejes: el conocimiento
disciplinar, el conocimiento pedagógico y el conocimiento de IA, considerando cómo estos
conocimientos se integran en el diseño de cursos y experiencias de aprendizaje.
▪ Aprendizaje significativo y constructivismo social
Desde una perspectiva pedagógica, el modelo se sustenta en enfoques de aprendizaje
significativo (Cotrina et al., 2023) y constructivismo social (Gómez & Suárez, 2021; Mecacci, 2021).
Estos enfoques subrayan que el aprendizaje se construye a través de la interacción con otros, la
mediación de herramientas y la participación en comunidades de práctica.
En esta línea, marcos como el de “docentes como diseñadores de IA-mediados” (Arango et al., 2024)
plantean que el profesorado universitario debe ser formado no solo para utilizar IA, sino para cuestionar
sus decisiones algorítmicas, negociar su uso con los estudiantes y diseñar actividades que eviten la
dependencia acrítica de estas herramientas. Esta perspectiva se alinea con la idea de formación docente
como un proceso de reflexión sobre la práctica, que incorpora tanto la exploración de recursos digitales
como la discusión crítica sobre sus implicaciones pedagógicas y éticas (Martínez et al., 2022).
Enfoques teóricos que sustentan el modelo
▪ TPACK y su extensión a IA
El marco TPACK (Technological Pedagogical Content Knowledge) de Koehler et al. (2013)
proporciona un soporte teórico clave para articular cómo el conocimiento sobre tecnología, pedagogía
y contenido se interrelaciona en la práctica docente. En el ámbito de la educación superior, este marco
se ha utilizado para analizar la integración de tecnologías digitales en la enseñanza universitaria y para
diseñar programas de formación docente con énfasis en el diseño de actividades y recursos que
aprovechan la tecnología de forma pedagógicamente significativa (Koehler et al., 2013).
Recientemente, varios autores han propuesto extensiones de TPACK al contexto de IA, denotadas
como TPACK-IA o variantes similares, que incorporan el conocimiento sobre inteligencia artificial
como dimensión específica del saber docente (Arango et al., 2024; Mella et al., 2022; Vergel et al.,
2025).
Estas extensiones resultan especialmente útiles para el diseño de modelos de formación docente en
educación superior, ya que permiten organizar la formación alrededor de tres ejes: el conocimiento
disciplinar, el conocimiento pedagógico y el conocimiento de IA, considerando cómo estos
conocimientos se integran en el diseño de cursos y experiencias de aprendizaje.
▪ Aprendizaje significativo y constructivismo social
Desde una perspectiva pedagógica, el modelo se sustenta en enfoques de aprendizaje
significativo (Cotrina et al., 2023) y constructivismo social (Gómez & Suárez, 2021; Mecacci, 2021).
Estos enfoques subrayan que el aprendizaje se construye a través de la interacción con otros, la
mediación de herramientas y la participación en comunidades de práctica.
pág. 3205
En el contexto de la formación docente universitaria, esto implica diseñar actividades que permitan a
los profesores reflexionar sobre su práctica, colaborar con pares y experimentar con estrategias de
enseñanza apoyadas en IA, en lugar de limitarse a la recepción de información teórica.
▪ Enfoque de sistemas complejos
Finalmente, el modelo se apoya en el enfoque de sistemas complejos (Capra & Luisi, 2014; Morales,
2023; Prieto et al., 2021), que permite comprender la educación superior como un sistema en el que
interactúan factores institucionales, tecnológicos, pedagógicos y sociales. Desde esta perspectiva, la
formación docente no puede reducirse a la oferta de cursos puntuales, sino que debe concebirse como
un proceso sistemático y articulado entre política educativa, diseño de programas, recursos tecnológicos
y desarrollo profesional continuo del profesorado (MEFPD, 2025).
Marco ético y de responsabilidad en la IA educativa
La integración de IA en la formación docente universitaria exige un marco ético clarificador, que aborde
principios como la equidad, la transparencia, la privacidad, la no discriminación y la responsabilidad
social del uso de datos (Mella et al., 2022; Vergel et al., 2025; UNESCO, 2021). En el contexto superior,
la recolección, análisis y uso de datos estudiantiles para modelos predictivos, chatbots o sistemas de
retroalimentación automatizada genera desafíos en torno a la protección de datos, el consentimiento
informado y la mitigación de sesgos algorítmicos (Gallent et al., 2024; Mella et al., 2022; Vergel et al.,
2025).
Arango et al., (2024) y UNESCO (2021) proponen que la formación docente en IA debe incluir módulos
de ética y responsabilidad digital, en los que se discutan casos concretos de uso de IA en la educación,
se expliquen los riesgos de profundizar desigualdades y se promueva un uso crítico y responsable de
estas herramientas. En este sentido, el modelo de formación docente que aquí se propone considera la
dimensión ética no como un tema adicional, sino como un eje transversal a la articulación de
competencias pedagógicas, tecnológicas y de toma de decisiones.
Antecedentes de modelos de formación docente en educación superior con tecnología
En los últimos años se han desarrollado diversos modelos y programas de formación docente en
educación superior que incorporan tecnologías digitales, como el marco TIC-TAC-TIC (Villa & Zapata,
2024), guías de formación digital para profesores universitarios y programas de certificación en
En el contexto de la formación docente universitaria, esto implica diseñar actividades que permitan a
los profesores reflexionar sobre su práctica, colaborar con pares y experimentar con estrategias de
enseñanza apoyadas en IA, en lugar de limitarse a la recepción de información teórica.
▪ Enfoque de sistemas complejos
Finalmente, el modelo se apoya en el enfoque de sistemas complejos (Capra & Luisi, 2014; Morales,
2023; Prieto et al., 2021), que permite comprender la educación superior como un sistema en el que
interactúan factores institucionales, tecnológicos, pedagógicos y sociales. Desde esta perspectiva, la
formación docente no puede reducirse a la oferta de cursos puntuales, sino que debe concebirse como
un proceso sistemático y articulado entre política educativa, diseño de programas, recursos tecnológicos
y desarrollo profesional continuo del profesorado (MEFPD, 2025).
Marco ético y de responsabilidad en la IA educativa
La integración de IA en la formación docente universitaria exige un marco ético clarificador, que aborde
principios como la equidad, la transparencia, la privacidad, la no discriminación y la responsabilidad
social del uso de datos (Mella et al., 2022; Vergel et al., 2025; UNESCO, 2021). En el contexto superior,
la recolección, análisis y uso de datos estudiantiles para modelos predictivos, chatbots o sistemas de
retroalimentación automatizada genera desafíos en torno a la protección de datos, el consentimiento
informado y la mitigación de sesgos algorítmicos (Gallent et al., 2024; Mella et al., 2022; Vergel et al.,
2025).
Arango et al., (2024) y UNESCO (2021) proponen que la formación docente en IA debe incluir módulos
de ética y responsabilidad digital, en los que se discutan casos concretos de uso de IA en la educación,
se expliquen los riesgos de profundizar desigualdades y se promueva un uso crítico y responsable de
estas herramientas. En este sentido, el modelo de formación docente que aquí se propone considera la
dimensión ética no como un tema adicional, sino como un eje transversal a la articulación de
competencias pedagógicas, tecnológicas y de toma de decisiones.
Antecedentes de modelos de formación docente en educación superior con tecnología
En los últimos años se han desarrollado diversos modelos y programas de formación docente en
educación superior que incorporan tecnologías digitales, como el marco TIC-TAC-TIC (Villa & Zapata,
2024), guías de formación digital para profesores universitarios y programas de certificación en
pág. 3206
enseñanza digital (MEFPD, 2025). Estos modelos comparten el énfasis en la competencia digital
docente, el diseño de cursos híbridos y el uso reflexivo de plataformas virtuales, pero en general no
integran la IA de forma estructural ni discuten en profundidad sus implicaciones éticas y pedagógicas
(Arango et al., 2024; Martínez et al., 2022).
En comparación, el modelo que se propone en este artículo se diferencia por integrar explícitamente la
IA como componente estructural del diseño formativo, articulado con dimensiones pedagógicas,
tecnológicas, institucionales y éticas, y orientado específicamente a la formación docente en educación
superior. Esta integración permite cubrir una brecha actual en muchos programas de desarrollo docente
universitario, que continúan centrándose en competencias tecnológicas básicas sin abordar el uso crítico
y estratégico de la IA en la enseñanza y la formación.
METODOLOGÍA
El presente artículo corresponde a un estudio teórico-práctico de diseño de modelo, orientado a la
construcción de un marco integrador para la formación docente en educación superior en entornos
digitales de aprendizaje que incorpore la inteligencia artificial como componente estructural. Se adopta
un enfoque cualitativo basado en la revisión sistemática de la literatura (Gough et al., 2017; Higgins et
al., 2024), el análisis documental (Braun & Clarke, 2021) y la validación teórica mediante el criterio de
expertos.
La investigación se desarrolló en cinco fases interrelacionadas. En la primera fase se realizó
una revisión sistemática de la literatura científica sobre formación docente en educación superior,
competencias digitales del profesorado universitario, uso de la inteligencia artificial en la educación
superior y modelos de formación docente en contextos universitarios digitalizados. Se definieron
criterios de inclusión (artículos, capítulos y documentos de referencia publicados entre 2021 y 2025,
enfocados en educación superior) y exclusión (centrados exclusivamente en educación básica, e carácter
técnico sin componente pedagógico, opiniones no sustentadas o literatura gris sin respaldo
institucional), y se desarrolló un sistema de categorización que permitió comparar enfoques,
dimensiones, componentes y resultados de estudios previos (Martínez et al., 2022; Villa & Zapata, 2024;
UNESCO, 2021).
enseñanza digital (MEFPD, 2025). Estos modelos comparten el énfasis en la competencia digital
docente, el diseño de cursos híbridos y el uso reflexivo de plataformas virtuales, pero en general no
integran la IA de forma estructural ni discuten en profundidad sus implicaciones éticas y pedagógicas
(Arango et al., 2024; Martínez et al., 2022).
En comparación, el modelo que se propone en este artículo se diferencia por integrar explícitamente la
IA como componente estructural del diseño formativo, articulado con dimensiones pedagógicas,
tecnológicas, institucionales y éticas, y orientado específicamente a la formación docente en educación
superior. Esta integración permite cubrir una brecha actual en muchos programas de desarrollo docente
universitario, que continúan centrándose en competencias tecnológicas básicas sin abordar el uso crítico
y estratégico de la IA en la enseñanza y la formación.
METODOLOGÍA
El presente artículo corresponde a un estudio teórico-práctico de diseño de modelo, orientado a la
construcción de un marco integrador para la formación docente en educación superior en entornos
digitales de aprendizaje que incorpore la inteligencia artificial como componente estructural. Se adopta
un enfoque cualitativo basado en la revisión sistemática de la literatura (Gough et al., 2017; Higgins et
al., 2024), el análisis documental (Braun & Clarke, 2021) y la validación teórica mediante el criterio de
expertos.
La investigación se desarrolló en cinco fases interrelacionadas. En la primera fase se realizó
una revisión sistemática de la literatura científica sobre formación docente en educación superior,
competencias digitales del profesorado universitario, uso de la inteligencia artificial en la educación
superior y modelos de formación docente en contextos universitarios digitalizados. Se definieron
criterios de inclusión (artículos, capítulos y documentos de referencia publicados entre 2021 y 2025,
enfocados en educación superior) y exclusión (centrados exclusivamente en educación básica, e carácter
técnico sin componente pedagógico, opiniones no sustentadas o literatura gris sin respaldo
institucional), y se desarrolló un sistema de categorización que permitió comparar enfoques,
dimensiones, componentes y resultados de estudios previos (Martínez et al., 2022; Villa & Zapata, 2024;
UNESCO, 2021).
pág. 3207
En la segunda fase se llevó a cabo un análisis documental y de casos-campo, centrado en instrumentos
y documentos provenientes de instituciones de educación superior, tales como programas de formación
docente, políticas institucionales sobre educación digital, guías de uso de plataformas virtuales (LMS),
manuales de uso de herramientas de IA y líneas estratégicas de innovación docente (MEFPD, 2025).
Este análisis permitió identificar estructuras recurrentes, roles asignados a la IA, competencias y líneas
estratégicas presentes en contextos universitarios, sin recurrir a la recolección directa de datos mediante
encuestas (Martínez et al., 2022; Villa & Zapata, 2024).
La tercera fase corresponde al diseño del modelo integrador, a partir de la síntesis de la revisión de la
literatura y del análisis documental. Se definieron las dimensiones teóricas que sustentan el modelo
(pedagógica, tecnológica, institucional y ética), así como sus componentes estructurales (competencias
docentes en educación superior, estrategias de formación, roles de la IA y procesos de evaluación
formativa). El modelo se articuló en una propuesta de estructura gráfica orientada a programas de
capacitación, cursos de formación pedagógica y certificaciones de innovación docente en contextos
universitarios, inspirada en enfoques como el TPACK (Koehler et al., 2013) y marcos recientes de
integración de IA en la educación (Arango et al., 2024; Mella et al., 2022; Vergel et al., 2025).
En la cuarta fase se realizó una validación teórica del modelo mediante el criterio de expertos. Se
organizó una revisión por 6 pares especializados en formación docente en educación superior,
educación digital y aplicaciones de IA en la educación superior (Arango et al., 2024; Martínez et al.,
2022; Villa & Zapata, 2024), mediante sesiones de discusión y análisis crítico del modelo propuesto.
La validación se desarrolló en una primera etapa donde los expertos analizaron la coherencia interna
del modelo, la pertinencia de las dimensiones y la claridad de los lineamientos, y posteriormente una
sesión sincrónica de discusión, en la que se debatieron ajustes conceptuales, énfasis éticos y la
aplicabilidad institucional del modelo. Los aportes cualitativos de los expertos permitieron refinar la
definición de las cuatro dimensiones, fortalecer la dimensión ética, clarificar el rol de la IA como
mediador sociotécnico y reorganizar los lineamientos operativos para mayor aplicabilidad institucional.
Finalmente, en la quinta fase se elaboraron lineamientos operativos para la implementación del modelo
en contextos de educación superior, orientados a decanatos, vicerrectorías académicas, centros de
desarrollo docente, coordinadores de formación del profesorado y diseñadores de programas de
En la segunda fase se llevó a cabo un análisis documental y de casos-campo, centrado en instrumentos
y documentos provenientes de instituciones de educación superior, tales como programas de formación
docente, políticas institucionales sobre educación digital, guías de uso de plataformas virtuales (LMS),
manuales de uso de herramientas de IA y líneas estratégicas de innovación docente (MEFPD, 2025).
Este análisis permitió identificar estructuras recurrentes, roles asignados a la IA, competencias y líneas
estratégicas presentes en contextos universitarios, sin recurrir a la recolección directa de datos mediante
encuestas (Martínez et al., 2022; Villa & Zapata, 2024).
La tercera fase corresponde al diseño del modelo integrador, a partir de la síntesis de la revisión de la
literatura y del análisis documental. Se definieron las dimensiones teóricas que sustentan el modelo
(pedagógica, tecnológica, institucional y ética), así como sus componentes estructurales (competencias
docentes en educación superior, estrategias de formación, roles de la IA y procesos de evaluación
formativa). El modelo se articuló en una propuesta de estructura gráfica orientada a programas de
capacitación, cursos de formación pedagógica y certificaciones de innovación docente en contextos
universitarios, inspirada en enfoques como el TPACK (Koehler et al., 2013) y marcos recientes de
integración de IA en la educación (Arango et al., 2024; Mella et al., 2022; Vergel et al., 2025).
En la cuarta fase se realizó una validación teórica del modelo mediante el criterio de expertos. Se
organizó una revisión por 6 pares especializados en formación docente en educación superior,
educación digital y aplicaciones de IA en la educación superior (Arango et al., 2024; Martínez et al.,
2022; Villa & Zapata, 2024), mediante sesiones de discusión y análisis crítico del modelo propuesto.
La validación se desarrolló en una primera etapa donde los expertos analizaron la coherencia interna
del modelo, la pertinencia de las dimensiones y la claridad de los lineamientos, y posteriormente una
sesión sincrónica de discusión, en la que se debatieron ajustes conceptuales, énfasis éticos y la
aplicabilidad institucional del modelo. Los aportes cualitativos de los expertos permitieron refinar la
definición de las cuatro dimensiones, fortalecer la dimensión ética, clarificar el rol de la IA como
mediador sociotécnico y reorganizar los lineamientos operativos para mayor aplicabilidad institucional.
Finalmente, en la quinta fase se elaboraron lineamientos operativos para la implementación del modelo
en contextos de educación superior, orientados a decanatos, vicerrectorías académicas, centros de
desarrollo docente, coordinadores de formación del profesorado y diseñadores de programas de
pág. 3208
educación digital (MEFPD; UNESCO, 2021). Estos lineamientos se organizaron en recomendaciones
prácticas para la planificación, ejecución y evaluación de programas de formación docente universitaria
en entornos digitales con IA.
Como limitación del estudio, se reconoce que el modelo se construye en un contexto teórico-analítico
y no se valida empíricamente en aulas reales, por lo que se sugiere como paso posterior su aplicación
en contextos específicos de educación superior (por ejemplo, facultades o programas disciplinares) y
su evaluación a través de diseños de investigación-acción o estudios de caso (Badillo, 2021; Di Franco,
2022; Moreno, 2024).
Modelo Integrador
Modelo aplicado a la formación de docentes en educación superior
El modelo integrador propuesto se orienta a la formación docente en educación superior en entornos
digitales de aprendizaje, incorporando explícitamente la inteligencia artificial (IA) como componente
estructural del diseño formativo (Martínez et al., 2022; Villa & Zapata, 2024). Se concibe como un
marco sistémico que articula dimensión pedagógica, dimensión tecnológica, dimensión institucional y
dimensión ética, de modo que la IA no se limite a ser un recurso adicional, sino que se integre en la
lógica misma de la formación docente universitaria (Arango et al., 2024; Mella et al., 2022; Vergel et
al., 2025).
En el contexto de la educación superior, el modelo se destina a programas de formación del profesorado
universitario, como cursos de didáctica universitaria, certificaciones en enseñanza digital, talleres de
innovación docente y programas de posgrado en educación. Su propósito es guiar el diseño de
experiencias formativas en las que los docentes desarrollen competencias para planificar cursos híbridos
y virtuales, diseñar secuencias con soporte de IA, evaluar críticamente el uso de herramientas
algorítmicas y participar en comunidades de práctica docente digital (MEFPD, 2025; UNESCO, 2021).
Dimensiones del modelo
El modelo se organiza en cuatro dimensiones interrelacionadas:
Dimensión pedagógica: Se centra en el diseño de la enseñanza universitaria en contextos híbridos y
virtuales, incorporando estrategias de aprendizaje activo, evaluación formativa y reflexión sobre la
práctica (Martínez et al., 2022; Villa & Zapata, 2024). En esta dimensión, la IA apoya el diseño de
educación digital (MEFPD; UNESCO, 2021). Estos lineamientos se organizaron en recomendaciones
prácticas para la planificación, ejecución y evaluación de programas de formación docente universitaria
en entornos digitales con IA.
Como limitación del estudio, se reconoce que el modelo se construye en un contexto teórico-analítico
y no se valida empíricamente en aulas reales, por lo que se sugiere como paso posterior su aplicación
en contextos específicos de educación superior (por ejemplo, facultades o programas disciplinares) y
su evaluación a través de diseños de investigación-acción o estudios de caso (Badillo, 2021; Di Franco,
2022; Moreno, 2024).
Modelo Integrador
Modelo aplicado a la formación de docentes en educación superior
El modelo integrador propuesto se orienta a la formación docente en educación superior en entornos
digitales de aprendizaje, incorporando explícitamente la inteligencia artificial (IA) como componente
estructural del diseño formativo (Martínez et al., 2022; Villa & Zapata, 2024). Se concibe como un
marco sistémico que articula dimensión pedagógica, dimensión tecnológica, dimensión institucional y
dimensión ética, de modo que la IA no se limite a ser un recurso adicional, sino que se integre en la
lógica misma de la formación docente universitaria (Arango et al., 2024; Mella et al., 2022; Vergel et
al., 2025).
En el contexto de la educación superior, el modelo se destina a programas de formación del profesorado
universitario, como cursos de didáctica universitaria, certificaciones en enseñanza digital, talleres de
innovación docente y programas de posgrado en educación. Su propósito es guiar el diseño de
experiencias formativas en las que los docentes desarrollen competencias para planificar cursos híbridos
y virtuales, diseñar secuencias con soporte de IA, evaluar críticamente el uso de herramientas
algorítmicas y participar en comunidades de práctica docente digital (MEFPD, 2025; UNESCO, 2021).
Dimensiones del modelo
El modelo se organiza en cuatro dimensiones interrelacionadas:
Dimensión pedagógica: Se centra en el diseño de la enseñanza universitaria en contextos híbridos y
virtuales, incorporando estrategias de aprendizaje activo, evaluación formativa y reflexión sobre la
práctica (Martínez et al., 2022; Villa & Zapata, 2024). En esta dimensión, la IA apoya el diseño de
pág. 3209
actividades personalizadas, la generación de ejemplos disciplinares y la retroalimentación
automatizada, siempre articuladas con la decisión pedagógica del docente (Arango et al., 2024; Gallent
et al., 2024).
Dimensión tecnológica (con IA): Recoge el uso de plataformas de aprendizaje, sistemas de gestión del
aprendizaje (LMS), herramientas de IA (chatbots, sistemas de generación de textos y actividades,
análisis de datos de aprendizaje) y recursos digitales abiertos (Mella et al., 2022; Vergel et al., 2025).
En educación superior, esta dimensión responde a la necesidad de que los docentes no solo dominen la
interfaz de las plataformas, sino que comprendan cómo la IA mediátiza la interacción y la construcción
del conocimiento (Martínez et al., 2022).
Dimensión institucional: Engloba políticas, estructuras y recursos de las instituciones de educación
superior que sostienen la formación docente con IA, como vicerrectorías académicas, centros de
desarrollo docente, redes de innovación pedagógica y programas de reconocimiento a la innovación
(MEFPD, 2025). Esta dimensión enfatiza que la integración exitosa de la IA en la formación docente
depende de decisiones institucionales, recursos y marcos de apoyo continuo (UNESCO, 2021).
Dimensión ética y de responsabilidad: Se orienta a la formación crítica del docente universitario en
torno a la privacidad de datos, la equidad, la transparencia y la no discriminación en el uso de IA (Mella
et al., 2022; Vergel et al., 2025; UNESCO, 2021). En educación superior, se enfatiza la necesidad de
que los docentes comprendan los riesgos de sesgos algorítmicos, la importancia del consentimiento
informado y la responsabilidad ética en el diseño de experiencias que utilizan IA (Arango et al., 2024).
Componentes estructurales del modelo
El modelo integra los siguientes componentes clave, articulados entre sí:
• Competencias docentes en educación superior: El modelo incorpora competencias pedagógicas
(diseño de cursos, gestión de aulas híbridas, evaluación formativa), competencias tecnológicas (uso
crítico de plataformas y herramientas de IA) y competencias ético-reflexivas (Martínez et al., 2022;
Villa & Zapata, 2024). Se apoya, en parte, en marcos de competencias digitales docentes para educación
superior, adaptados al contexto de IA (MEFPD, 2025; UNESCO, 2021).
• Estrategias de formación: Se incluyen estrategias como el diseño de secuencias didácticas con IA,
proyectos colaborativos, diseño-reflexión evaluación y participación en comunidades de práctica
actividades personalizadas, la generación de ejemplos disciplinares y la retroalimentación
automatizada, siempre articuladas con la decisión pedagógica del docente (Arango et al., 2024; Gallent
et al., 2024).
Dimensión tecnológica (con IA): Recoge el uso de plataformas de aprendizaje, sistemas de gestión del
aprendizaje (LMS), herramientas de IA (chatbots, sistemas de generación de textos y actividades,
análisis de datos de aprendizaje) y recursos digitales abiertos (Mella et al., 2022; Vergel et al., 2025).
En educación superior, esta dimensión responde a la necesidad de que los docentes no solo dominen la
interfaz de las plataformas, sino que comprendan cómo la IA mediátiza la interacción y la construcción
del conocimiento (Martínez et al., 2022).
Dimensión institucional: Engloba políticas, estructuras y recursos de las instituciones de educación
superior que sostienen la formación docente con IA, como vicerrectorías académicas, centros de
desarrollo docente, redes de innovación pedagógica y programas de reconocimiento a la innovación
(MEFPD, 2025). Esta dimensión enfatiza que la integración exitosa de la IA en la formación docente
depende de decisiones institucionales, recursos y marcos de apoyo continuo (UNESCO, 2021).
Dimensión ética y de responsabilidad: Se orienta a la formación crítica del docente universitario en
torno a la privacidad de datos, la equidad, la transparencia y la no discriminación en el uso de IA (Mella
et al., 2022; Vergel et al., 2025; UNESCO, 2021). En educación superior, se enfatiza la necesidad de
que los docentes comprendan los riesgos de sesgos algorítmicos, la importancia del consentimiento
informado y la responsabilidad ética en el diseño de experiencias que utilizan IA (Arango et al., 2024).
Componentes estructurales del modelo
El modelo integra los siguientes componentes clave, articulados entre sí:
• Competencias docentes en educación superior: El modelo incorpora competencias pedagógicas
(diseño de cursos, gestión de aulas híbridas, evaluación formativa), competencias tecnológicas (uso
crítico de plataformas y herramientas de IA) y competencias ético-reflexivas (Martínez et al., 2022;
Villa & Zapata, 2024). Se apoya, en parte, en marcos de competencias digitales docentes para educación
superior, adaptados al contexto de IA (MEFPD, 2025; UNESCO, 2021).
• Estrategias de formación: Se incluyen estrategias como el diseño de secuencias didácticas con IA,
proyectos colaborativos, diseño-reflexión evaluación y participación en comunidades de práctica
pág. 3210
docente digital (Arango et al., 2024; Villa & Zapata, 2024). Estas estrategias promueven la experiencia
práctica, la reflexión sobre la aplicación de IA y la cocreación de conocimiento entre docentes.
• Rol de la IA como componente estructural: La IA se sitúa como elemento transversal en todas las
fases de la formación:
- Diseño de cursos (recomendación de recursos y actividades).
- Ejecución (retroalimentación automatizada, chatbots de apoyo).
- Evaluación formativa (análisis de trazas de aprendizaje, detección de patrones de dificultad)
(Arango et al., 2024; Gallent et al., 2024).
La IA no sustituye al docente, sino que se concibe como un mediador que amplía sus posibilidades de
diseño y atención personalizada (Mella et al., 2022; Vergel et al., 2025).
Representación gráfica del modelo
En la Figura 1 se presenta el modelo. Alrededor del núcleo se distribuyen las cuatro
dimensiones (pedagógica, tecnológica, institucional y ética), con flechas que indican la interrelación
entre ellas. De cada dimensión salen ejes de componentes, de modo que se visualiza cómo la IA se
integra de forma estructural y no puntual.
Figura 1. Modelo integrador de formación docente universitaria en entornos digitales con inteligencia
artificial.
docente digital (Arango et al., 2024; Villa & Zapata, 2024). Estas estrategias promueven la experiencia
práctica, la reflexión sobre la aplicación de IA y la cocreación de conocimiento entre docentes.
• Rol de la IA como componente estructural: La IA se sitúa como elemento transversal en todas las
fases de la formación:
- Diseño de cursos (recomendación de recursos y actividades).
- Ejecución (retroalimentación automatizada, chatbots de apoyo).
- Evaluación formativa (análisis de trazas de aprendizaje, detección de patrones de dificultad)
(Arango et al., 2024; Gallent et al., 2024).
La IA no sustituye al docente, sino que se concibe como un mediador que amplía sus posibilidades de
diseño y atención personalizada (Mella et al., 2022; Vergel et al., 2025).
Representación gráfica del modelo
En la Figura 1 se presenta el modelo. Alrededor del núcleo se distribuyen las cuatro
dimensiones (pedagógica, tecnológica, institucional y ética), con flechas que indican la interrelación
entre ellas. De cada dimensión salen ejes de componentes, de modo que se visualiza cómo la IA se
integra de forma estructural y no puntual.
Figura 1. Modelo integrador de formación docente universitaria en entornos digitales con inteligencia
artificial.
pág. 3211
Lineamientos operativos para la formación docente universitaria
A partir del modelo se proponen los siguientes lineamientos operativos para su implementación en
contextos de educación superior:
Diseño de programas de formación docente universitaria:
▪ Articular módulos de formación en torno a las cuatro dimensiones del modelo (pedagógica,
tecnológica, institucional y ética).
▪ Incluir módulos específicos sobre IA aplicada a la enseñanza universitaria, que integren tanto
contenido teórico como talleres prácticos (MEFPD, 2025; UNESCO, 2021).
Formación basada en práctica y reflexión:
▪ Enfocar la formación en el diseño de cursos reales (moocs institucionales, secciones híbridas,
plataformas propias), donde los docentes apliquen IA de forma controlada y reflexionada (Arango
et al., 2024; Villa & Zapata, 2024).
▪ Promover espacios de reflexión crítica (mesas de discusión, portafolios digitales, jornadas de
innovación docente) que permitan analizar los efectos de la IA en la enseñanza y el aprendizaje.
Gestión institucional y apoyo:
▪ Establecer unidades de apoyo (centros de desarrollo docente, equipos de innovación digital) que
acompañen la implementación de IA en la formación del profesorado (MEFPD, 2025).
▪ Incluir criterios de reconocimiento y validación de la formación con IA en planes de promoción y
evaluación docente (UNESCO, 2021).
Ética, equidad y transparencia:
▪ Incorporar módulos de formación ética sobre datos, privacidad y sesgos algorítmicos, con casos de
estudio reales de IA en educación superior (Arango et al., 2024; Mella et al., 2022; Vergel et al.,
2025).
▪ Diseñar protocolos internos que garanticen la transparencia en el uso de IA (qué se recopila, para
qué se utiliza, cómo se protegen los datos estudiantiles) (UNESCO, 2021).
Lineamientos operativos para la formación docente universitaria
A partir del modelo se proponen los siguientes lineamientos operativos para su implementación en
contextos de educación superior:
Diseño de programas de formación docente universitaria:
▪ Articular módulos de formación en torno a las cuatro dimensiones del modelo (pedagógica,
tecnológica, institucional y ética).
▪ Incluir módulos específicos sobre IA aplicada a la enseñanza universitaria, que integren tanto
contenido teórico como talleres prácticos (MEFPD, 2025; UNESCO, 2021).
Formación basada en práctica y reflexión:
▪ Enfocar la formación en el diseño de cursos reales (moocs institucionales, secciones híbridas,
plataformas propias), donde los docentes apliquen IA de forma controlada y reflexionada (Arango
et al., 2024; Villa & Zapata, 2024).
▪ Promover espacios de reflexión crítica (mesas de discusión, portafolios digitales, jornadas de
innovación docente) que permitan analizar los efectos de la IA en la enseñanza y el aprendizaje.
Gestión institucional y apoyo:
▪ Establecer unidades de apoyo (centros de desarrollo docente, equipos de innovación digital) que
acompañen la implementación de IA en la formación del profesorado (MEFPD, 2025).
▪ Incluir criterios de reconocimiento y validación de la formación con IA en planes de promoción y
evaluación docente (UNESCO, 2021).
Ética, equidad y transparencia:
▪ Incorporar módulos de formación ética sobre datos, privacidad y sesgos algorítmicos, con casos de
estudio reales de IA en educación superior (Arango et al., 2024; Mella et al., 2022; Vergel et al.,
2025).
▪ Diseñar protocolos internos que garanticen la transparencia en el uso de IA (qué se recopila, para
qué se utiliza, cómo se protegen los datos estudiantiles) (UNESCO, 2021).
pág. 3212
RESULTADOS Y DISCUSIÓN
El modelo integrador propuesto para la formación docente en entornos digitales con inteligencia
artificial en education superior dialoga de forma directa con marcos teóricos y modelos previos sobre
formación docente, competencias digitales y uso de tecnologías avanzadas en la educación superior
(Arango et al., 2024; Martínez et al., 2022; Villa & Zapata, 2024). En esta sección se discuten las
articulaciones entre el modelo y la literatura, sus implicaciones prácticas en contextos universitarios,
sus limitaciones y posibles líneas de investigación futura.
El modelo se sustenta en la articulación de la dimensión pedagógica, la dimensión tecnológica (con IA),
la dimensión institucional y la dimensión ética, lo que lo sitúa en coherencia con enfoques sistémicos y
de complejidad aplicados a la educación superior (Capra & Luisi, 2014; Morales, 2023; Prieto et al.,
2021). Esta articulación permite superar visiones reduccionistas de la IA como mero recurso tecnológico
y propone su integración como componente estructural del diseño formativo, tal como señalan
discusiones recientes sobre IA en la educación (Arango et al., 2024; Mella et al., 2022; Vergel et al.,
2025).
En esta línea, la adopción de marcos como TPACK y sus extensiones hacia IA (Koehler et al., 2013)
refuerza la idea de que la formación docente universitaria debe articular conocimiento disciplinar,
conocimiento pedagógico y conocimiento tecnológico, ahora ampliado al conocimiento sobre IA. El
modelo propuesto opera como una concreción de este enfoque en el contexto de programas de
formación docente en educación superior, al organizar módulos de formación alrededor de la interacción
entre pedagogía, tecnología, institución y ética (Martínez et al., 2022; Villa & Zapata, 2024).
En la literatura reciente se han desarrollado diversos modelos de formación docente en entornos
digitales, como marcos de competencias digitales para profesorado universitario, programas de
certificación en enseñanza digital y enfoques TIC-TAC-TIC aplicados a la educación superior (MEFPD,
2025; Villa & Zapata, 2024). Sin embargo, muchos de estos modelos aún no integran la IA como
componente estructural, sino como herramienta puntual o como añadido tecnológico (Arango et al.,
2024; Mella et al., 2022; Vergel et al., 2025).
El modelo aquí propuesto se diferencia al incorporar la IA de forma explícita y transversal en las
dimensiones pedagógica, tecnológica, institucional y ética, en lugar de limitarla a un módulo aislado.
RESULTADOS Y DISCUSIÓN
El modelo integrador propuesto para la formación docente en entornos digitales con inteligencia
artificial en education superior dialoga de forma directa con marcos teóricos y modelos previos sobre
formación docente, competencias digitales y uso de tecnologías avanzadas en la educación superior
(Arango et al., 2024; Martínez et al., 2022; Villa & Zapata, 2024). En esta sección se discuten las
articulaciones entre el modelo y la literatura, sus implicaciones prácticas en contextos universitarios,
sus limitaciones y posibles líneas de investigación futura.
El modelo se sustenta en la articulación de la dimensión pedagógica, la dimensión tecnológica (con IA),
la dimensión institucional y la dimensión ética, lo que lo sitúa en coherencia con enfoques sistémicos y
de complejidad aplicados a la educación superior (Capra & Luisi, 2014; Morales, 2023; Prieto et al.,
2021). Esta articulación permite superar visiones reduccionistas de la IA como mero recurso tecnológico
y propone su integración como componente estructural del diseño formativo, tal como señalan
discusiones recientes sobre IA en la educación (Arango et al., 2024; Mella et al., 2022; Vergel et al.,
2025).
En esta línea, la adopción de marcos como TPACK y sus extensiones hacia IA (Koehler et al., 2013)
refuerza la idea de que la formación docente universitaria debe articular conocimiento disciplinar,
conocimiento pedagógico y conocimiento tecnológico, ahora ampliado al conocimiento sobre IA. El
modelo propuesto opera como una concreción de este enfoque en el contexto de programas de
formación docente en educación superior, al organizar módulos de formación alrededor de la interacción
entre pedagogía, tecnología, institución y ética (Martínez et al., 2022; Villa & Zapata, 2024).
En la literatura reciente se han desarrollado diversos modelos de formación docente en entornos
digitales, como marcos de competencias digitales para profesorado universitario, programas de
certificación en enseñanza digital y enfoques TIC-TAC-TIC aplicados a la educación superior (MEFPD,
2025; Villa & Zapata, 2024). Sin embargo, muchos de estos modelos aún no integran la IA como
componente estructural, sino como herramienta puntual o como añadido tecnológico (Arango et al.,
2024; Mella et al., 2022; Vergel et al., 2025).
El modelo aquí propuesto se diferencia al incorporar la IA de forma explícita y transversal en las
dimensiones pedagógica, tecnológica, institucional y ética, en lugar de limitarla a un módulo aislado.
pág. 3213
Esta diferencia resulta especialmente relevante en contextos de educación superior, donde la
complejidad de los programas académicos, la heterogeneidad de los estudiantes y la exigencia de
innovación docente requieren marcos formativos más articulados y sistemáticos (MEFPD, 2025;
UNESCO, 2021).
El modelo ofrece implicaciones directas para la planificación curricular de programas de formación
docente universitaria. Al organizar la formación en torno a cuatro dimensiones interrelacionadas, orienta
a vicerrectorías académicas, centros de desarrollo docente y coordinadores de programas a diseñar
itinerarios formativos que no se limiten a la capacitación técnica, sino que integren diseño curricular,
innovación pedagógica y reflexión ética sobre el uso de IA (MEFPD, 2025; UNESCO, 2021).
En términos concretos, el modelo puede orientar la creación de cursos de didáctica universitaria con
IA, certificaciones en enseñanza digital con énfasis en algoritmos y ética, y comunidades de práctica
docente que co-diseñen experiencias de aprendizaje apoyadas en IA (Martínez et al., 2022; Villa &
Zapata, 2024). Además, al considerar la dimensión institucional, el modelo fomenta la construcción de
políticas internas de uso responsable de IA, acompañadas de recursos técnicos y pedagógicos adecuados
(MEFPD, 2025; UNESCO, 2021).
Entre las limitaciones del presente estudio se reconoce que el modelo se construye en un
contexto teórico-analítico y no se valida empíricamente en aulas reales de educación superior, por lo
que su aplicación práctica queda pendiente de verificación mediante estudios de caso o
investigaciones-acción en contextos específicos (Badillo, 2021; Di Franco, 2022; Moreno, 2024).
Asimismo, el modelo se centra en la formación docente universitaria, por lo que su adaptabilidad a otros
niveles educativos o a contextos muy heterogéneos en infraestructura digital podría requerir ajustes
específicos.
En cuanto a líneas de investigación futura, se sugiere:
Aplicar el modelo en programas de formación docente en facultades concretas, evaluando su impacto
en el diseño de cursos, la percepción docente sobre la IA y los resultados de aprendizaje estudiantil
(Badillo, 2021; Di Franco, 2022).
Desarrollar estudios de caso longitudinales sobre cómo los docentes universitarios integran la IA en sus
prácticas pedagógicas a partir de la formación recibida (Arango et al., 2024).
Esta diferencia resulta especialmente relevante en contextos de educación superior, donde la
complejidad de los programas académicos, la heterogeneidad de los estudiantes y la exigencia de
innovación docente requieren marcos formativos más articulados y sistemáticos (MEFPD, 2025;
UNESCO, 2021).
El modelo ofrece implicaciones directas para la planificación curricular de programas de formación
docente universitaria. Al organizar la formación en torno a cuatro dimensiones interrelacionadas, orienta
a vicerrectorías académicas, centros de desarrollo docente y coordinadores de programas a diseñar
itinerarios formativos que no se limiten a la capacitación técnica, sino que integren diseño curricular,
innovación pedagógica y reflexión ética sobre el uso de IA (MEFPD, 2025; UNESCO, 2021).
En términos concretos, el modelo puede orientar la creación de cursos de didáctica universitaria con
IA, certificaciones en enseñanza digital con énfasis en algoritmos y ética, y comunidades de práctica
docente que co-diseñen experiencias de aprendizaje apoyadas en IA (Martínez et al., 2022; Villa &
Zapata, 2024). Además, al considerar la dimensión institucional, el modelo fomenta la construcción de
políticas internas de uso responsable de IA, acompañadas de recursos técnicos y pedagógicos adecuados
(MEFPD, 2025; UNESCO, 2021).
Entre las limitaciones del presente estudio se reconoce que el modelo se construye en un
contexto teórico-analítico y no se valida empíricamente en aulas reales de educación superior, por lo
que su aplicación práctica queda pendiente de verificación mediante estudios de caso o
investigaciones-acción en contextos específicos (Badillo, 2021; Di Franco, 2022; Moreno, 2024).
Asimismo, el modelo se centra en la formación docente universitaria, por lo que su adaptabilidad a otros
niveles educativos o a contextos muy heterogéneos en infraestructura digital podría requerir ajustes
específicos.
En cuanto a líneas de investigación futura, se sugiere:
Aplicar el modelo en programas de formación docente en facultades concretas, evaluando su impacto
en el diseño de cursos, la percepción docente sobre la IA y los resultados de aprendizaje estudiantil
(Badillo, 2021; Di Franco, 2022).
Desarrollar estudios de caso longitudinales sobre cómo los docentes universitarios integran la IA en sus
prácticas pedagógicas a partir de la formación recibida (Arango et al., 2024).
pág. 3214
Explorar la relación entre el modelo y otros enfoques, como el TPACK-IA, la formación crítica en IA
y la gobernanza de datos educativos en instituciones de educación superior (Mella et al., 2022; Vergel
et al., 2025; UNESCO, 2021).
CONCLUSIONES
El presente artículo ha propuesto un modelo integrador para la formación docente en entornos digitales
de aprendizaje en educación superior, que incorpora la inteligencia artificial (IA) como componente
estructural, más allá de su concepción como herramienta puntual. El modelo, articulado en cuatro
dimensiones pedagógica, tecnológica, institucional y ética, representa un aporte teórico-práctico a la
discusión sobre cómo integrar la IA de forma crítica, sistemática y éticamente responsable en la
formación del profesorado universitario (Arango et al., 2024; Martínez et al., 2022; Villa & Zapata,
2024).
En términos teóricos, el modelo se nutre de enfoques como el TPACK y sus extensiones hacia la IA, así
como de marcos de competencias digitales docentes y de sistemas complejos aplicados a la educación
superior (Capra & Luisi, 2014; Koehler et al., 2013). Estos marcos permiten articular el conocimiento
disciplinar, pedagógico y tecnológico, ahora ampliado a la comprensión de los sistemas algorítmicos, y
sostienen la idea de que la IA debe integrarse de forma estructural en el diseño formativo, no como un
add-on aislado (Arango et al., 2024; Mella et al., 2022; Vergel et al., 2025).
En el plano práctico, el modelo ofrece lineamientos concretos para programas de formación docente en
educación superior, orientados a vicerrectorías académicas, centros de desarrollo docente y
coordinadores de innovación pedagógica. Entre estos lineamientos se destacan la organización de
módulos de formación en torno a las cuatro dimensiones del modelo, la integración de la IA en el diseño
de cursos universitarios híbridos y virtuales, la promoción de comunidades de práctica docente digital
y el fortalecimiento de la formación ética sobre el uso de datos y algoritmos (MEFPD; UNESCO, 2021).
De esta manera, se contribuye a una formación docente universitaria que va más allá del dominio técnico
de plataformas y se orienta hacia una práctica pedagógica crítica y reflexiva.
Como limitación, cabe señalar que el modelo surge de un estudio teórico-analítico, sin validación
empírica directa en contextos reales de educación superior, por lo que se requiere su aplicación y
evaluación en programas de formación específicos mediante diseños de investigación-acción o estudios
Explorar la relación entre el modelo y otros enfoques, como el TPACK-IA, la formación crítica en IA
y la gobernanza de datos educativos en instituciones de educación superior (Mella et al., 2022; Vergel
et al., 2025; UNESCO, 2021).
CONCLUSIONES
El presente artículo ha propuesto un modelo integrador para la formación docente en entornos digitales
de aprendizaje en educación superior, que incorpora la inteligencia artificial (IA) como componente
estructural, más allá de su concepción como herramienta puntual. El modelo, articulado en cuatro
dimensiones pedagógica, tecnológica, institucional y ética, representa un aporte teórico-práctico a la
discusión sobre cómo integrar la IA de forma crítica, sistemática y éticamente responsable en la
formación del profesorado universitario (Arango et al., 2024; Martínez et al., 2022; Villa & Zapata,
2024).
En términos teóricos, el modelo se nutre de enfoques como el TPACK y sus extensiones hacia la IA, así
como de marcos de competencias digitales docentes y de sistemas complejos aplicados a la educación
superior (Capra & Luisi, 2014; Koehler et al., 2013). Estos marcos permiten articular el conocimiento
disciplinar, pedagógico y tecnológico, ahora ampliado a la comprensión de los sistemas algorítmicos, y
sostienen la idea de que la IA debe integrarse de forma estructural en el diseño formativo, no como un
add-on aislado (Arango et al., 2024; Mella et al., 2022; Vergel et al., 2025).
En el plano práctico, el modelo ofrece lineamientos concretos para programas de formación docente en
educación superior, orientados a vicerrectorías académicas, centros de desarrollo docente y
coordinadores de innovación pedagógica. Entre estos lineamientos se destacan la organización de
módulos de formación en torno a las cuatro dimensiones del modelo, la integración de la IA en el diseño
de cursos universitarios híbridos y virtuales, la promoción de comunidades de práctica docente digital
y el fortalecimiento de la formación ética sobre el uso de datos y algoritmos (MEFPD; UNESCO, 2021).
De esta manera, se contribuye a una formación docente universitaria que va más allá del dominio técnico
de plataformas y se orienta hacia una práctica pedagógica crítica y reflexiva.
Como limitación, cabe señalar que el modelo surge de un estudio teórico-analítico, sin validación
empírica directa en contextos reales de educación superior, por lo que se requiere su aplicación y
evaluación en programas de formación específicos mediante diseños de investigación-acción o estudios
pág. 3215
de caso (Badillo, 2021; Di Franco, 2022; Moreno, 2024). No obstante, esta limitación constituye, a su
vez, una invitación a futuras investigaciones que exploren la implementación del modelo en facultades
y programas disciplinares, analicen su impacto en la innovación docente y profundicen en dilemas
éticos relacionados con el uso de IA en la enseñanza universitaria (Arango et al., 2024; Mella et al.,
2022; Vergel et al., 2025).
En síntesis, el modelo integrador aquí propuesto ofrece un marco coherente para reunificar la formación
docente universitaria con la inteligencia artificial, permitiendo a las instituciones de educación superior
planificar programas de desarrollo docente que sean pedagógicamente sólidos, tecnológicamente
actualizados, institucionalmente sostenibles y éticamente responsables (Martínez et al., 2022; Villa &
Zapata, 2024; UNESCO, 2021). En un contexto de acelerada transformación digital, este enfoque
orienta hacia una docencia universitaria que no solo adopta la IA, sino que la cuestiona, diseña y regula
en función de los fines formativos de la educación superior.
REFERENCIAS BIBLIOGRÁFICAS
Alastor, E. & Martínez-García, I. (2025). Competencias Digitales e Inteligencia Artificial en el
Prácticum: un marco conceptual para la formación de agentes educativos. Revista Prácticum,
10(1), 66-84. https://doi.org/10.24310/rep.10.1.2025.21780
Arango Pérez, R., Lovato Sagrado, A., Ortega González, E. & Fontán de Bedout, L. (2024).
Philosophical, ethical and pedagogical implications of the use of Artificial Intelligence in
education. Digital Education Review, No. 45, 29-37. https://doi.org/10.1344/der.2024.45.29-36
Arenales, J., Villegas, M., Torero, M. & Rimarachin, L. (2024). Pensamiento crítico y currículo por
competencias: reflexiones desde la educación superior peruana. Revista Venezolana De Gerencia,
29(Especial 12), 1667-1679. https://doi.org/10.52080/rvgluz.29.e12.49
Badillo Gaona, M. (2021). Investigación en la acción: propuesta de formación alternativa. Mercados y
Negocios, 22(44), 67-94. https://doi.org/10.32870/myn.v0i44.7643
Braun, V., & Clarke, V. (2021). Thematic analysis: A practical guide. Sage.
Capra, F., & Luisi, P. L. (2014). The systems view of life: A unifying vision (1er ed.). Cambridge
University Press.
de caso (Badillo, 2021; Di Franco, 2022; Moreno, 2024). No obstante, esta limitación constituye, a su
vez, una invitación a futuras investigaciones que exploren la implementación del modelo en facultades
y programas disciplinares, analicen su impacto en la innovación docente y profundicen en dilemas
éticos relacionados con el uso de IA en la enseñanza universitaria (Arango et al., 2024; Mella et al.,
2022; Vergel et al., 2025).
En síntesis, el modelo integrador aquí propuesto ofrece un marco coherente para reunificar la formación
docente universitaria con la inteligencia artificial, permitiendo a las instituciones de educación superior
planificar programas de desarrollo docente que sean pedagógicamente sólidos, tecnológicamente
actualizados, institucionalmente sostenibles y éticamente responsables (Martínez et al., 2022; Villa &
Zapata, 2024; UNESCO, 2021). En un contexto de acelerada transformación digital, este enfoque
orienta hacia una docencia universitaria que no solo adopta la IA, sino que la cuestiona, diseña y regula
en función de los fines formativos de la educación superior.
REFERENCIAS BIBLIOGRÁFICAS
Alastor, E. & Martínez-García, I. (2025). Competencias Digitales e Inteligencia Artificial en el
Prácticum: un marco conceptual para la formación de agentes educativos. Revista Prácticum,
10(1), 66-84. https://doi.org/10.24310/rep.10.1.2025.21780
Arango Pérez, R., Lovato Sagrado, A., Ortega González, E. & Fontán de Bedout, L. (2024).
Philosophical, ethical and pedagogical implications of the use of Artificial Intelligence in
education. Digital Education Review, No. 45, 29-37. https://doi.org/10.1344/der.2024.45.29-36
Arenales, J., Villegas, M., Torero, M. & Rimarachin, L. (2024). Pensamiento crítico y currículo por
competencias: reflexiones desde la educación superior peruana. Revista Venezolana De Gerencia,
29(Especial 12), 1667-1679. https://doi.org/10.52080/rvgluz.29.e12.49
Badillo Gaona, M. (2021). Investigación en la acción: propuesta de formación alternativa. Mercados y
Negocios, 22(44), 67-94. https://doi.org/10.32870/myn.v0i44.7643
Braun, V., & Clarke, V. (2021). Thematic analysis: A practical guide. Sage.
Capra, F., & Luisi, P. L. (2014). The systems view of life: A unifying vision (1er ed.). Cambridge
University Press.
pág. 3216
Cedeño Zamora, N., Hernández Navarro, E., Leiva Suero, L & Losada, J. (2023). Fundamentos
interdisciplinarios del currículo complejo en la universidad contemporánea. 2do Congreso
Universal de las Ciencias y la Investigación. Universidad Técnica de Ambato.
http://doi.org/10.5867/medwave.2023.S1.UTA305
Cotrina Aliaga, J., Lizarzaburu Aguinaga, D., Gonzales Moncada., T., Ilquimiche Melly, J., Maita
Cruz, Y. & Vasquez Ramos, S. (2023). Datos, Herramientas Digitales y Aprendizaje
Significativo: Un analisis en el Contexto Educativo Actual. Data and Metadata, 2(96).
https://doi.org/10.56294/dm202396.
Di Franco, M. (2022). La investigación en formación docente. Praxis Educativa, 26(2), 1-6.
https://dx.doi.org/10.19137/praxiseducativa-2022-260201
Figueredo Montiel, M. D. & Sánchez, L. M. (2025). Integración de la Inteligencia Artificial en la
formación docente: Desafíos y Oportunidades. Pedagogical Constellations, 4(2), 404-427.
htps://doi.org/10.69821/constellations.v4i2 .106
Gallent-Torres , C., Arenas Romero, B., Vallespir Adillón, M.; Foltýnek, T. (2024). Inteligencia
Artificial en educación: entre riesgos y potencialidades. Práxis Educativa, v. 19, 1–29.
https://doi.org/10.5212/PraxEduc.v.19.23760.083
Gómez. R. & Suárez, A. (2021). Extending impact beyond the community: Protocol for a scoping
review of evidence of the impact of communities of practice on teaching and learning in higher
education. International Journal of Educational Research Open, v. 2.
https://doi.org/10.1016/j.ijedro.2021.100048
Gough, D., Oliver, S., & Thomas, J. (2017). An introduction to systematic reviews (2nd ed.). Sage
Publications Ltd.
Higgins J., Thomas, J., Chandler, J., Cumpston, M., Li, T. & Page M. (2024). Cochrane Handbook for
Systematic Reviews of Interventions Version 6.5. Available from www.cochrane.org/handbook.
Koehler, M. J., Mishra, P. & Cain, W. (2013). What is technological pedagogical content (TPACK).
Journal of Education, 193(3), 13-19.
Martínez-Huamán, E., Quispe Morales, R. A., Gutiérrez Mendoza, J., & García Rivas Plata, C. E.
(2022). Gestión educativa y competencias: concepciones del docente universitario. Revista
Cedeño Zamora, N., Hernández Navarro, E., Leiva Suero, L & Losada, J. (2023). Fundamentos
interdisciplinarios del currículo complejo en la universidad contemporánea. 2do Congreso
Universal de las Ciencias y la Investigación. Universidad Técnica de Ambato.
http://doi.org/10.5867/medwave.2023.S1.UTA305
Cotrina Aliaga, J., Lizarzaburu Aguinaga, D., Gonzales Moncada., T., Ilquimiche Melly, J., Maita
Cruz, Y. & Vasquez Ramos, S. (2023). Datos, Herramientas Digitales y Aprendizaje
Significativo: Un analisis en el Contexto Educativo Actual. Data and Metadata, 2(96).
https://doi.org/10.56294/dm202396.
Di Franco, M. (2022). La investigación en formación docente. Praxis Educativa, 26(2), 1-6.
https://dx.doi.org/10.19137/praxiseducativa-2022-260201
Figueredo Montiel, M. D. & Sánchez, L. M. (2025). Integración de la Inteligencia Artificial en la
formación docente: Desafíos y Oportunidades. Pedagogical Constellations, 4(2), 404-427.
htps://doi.org/10.69821/constellations.v4i2 .106
Gallent-Torres , C., Arenas Romero, B., Vallespir Adillón, M.; Foltýnek, T. (2024). Inteligencia
Artificial en educación: entre riesgos y potencialidades. Práxis Educativa, v. 19, 1–29.
https://doi.org/10.5212/PraxEduc.v.19.23760.083
Gómez. R. & Suárez, A. (2021). Extending impact beyond the community: Protocol for a scoping
review of evidence of the impact of communities of practice on teaching and learning in higher
education. International Journal of Educational Research Open, v. 2.
https://doi.org/10.1016/j.ijedro.2021.100048
Gough, D., Oliver, S., & Thomas, J. (2017). An introduction to systematic reviews (2nd ed.). Sage
Publications Ltd.
Higgins J., Thomas, J., Chandler, J., Cumpston, M., Li, T. & Page M. (2024). Cochrane Handbook for
Systematic Reviews of Interventions Version 6.5. Available from www.cochrane.org/handbook.
Koehler, M. J., Mishra, P. & Cain, W. (2013). What is technological pedagogical content (TPACK).
Journal of Education, 193(3), 13-19.
Martínez-Huamán, E., Quispe Morales, R. A., Gutiérrez Mendoza, J., & García Rivas Plata, C. E.
(2022). Gestión educativa y competencias: concepciones del docente universitario. Revista
pág. 3217
Venezolana de Gerencia, 27 (Especial 7), 266-280. https://doi.org/10.52080/rvgluz.27.7.18
Mecacci, L. (2021). Vygotsky and Psychology as Normative Science. Integr. psych. behav. 55, 728–
734. https://doi.org/10.1007/s12124-021-09638-4
MEFPD (2025). Orientaciones para la integración de la inteligencia artificial en la formación del
profesorado. Instituto Nacional de Tecnologías Educativas y de Formación del Profesorado
(INTEF). https://intef.es/wp-content/uploads/2025/06/Orientaciones-para-la-integracion-de-la-
IA-en-la-formacion-docente-2-1.pdf
Mella Norambuena, J., Badilla Quintana, M, & López Angulo, Y. (2022). Modelos predictivos basados
en uso de analíticas de aprendizaje en educación superior: una revisión sistemática. Texto Livre,
v. 5. 1-22. https://doi.org/10.35699/1983-3652.2022.36310
Moreno Alcaraz, F. (2024). Educational research with an approach on investigation-action in
pedagogical skills. New Trends in Qualitative Research, 20(4), 1-11.
https://doi.org/10.36367/ntqr.20.4.2024.e1107
Morales Castañeda, C. (2023). La complejidad en la educación superior universitaria. Revista
Vida, 5(1), 7–12. https://doi.org/10.36314/revistavida.v5i1.21
Nava Avilés, M., Carreño Crespo, L, & Castillo Peña, G. (2025). Pedagogía e Inteligencia Artificial.
Hacia una formación docente ética e innovadora. Pedagogia più Didattica, 11(1), 7-21.
https://doi.org/doi:10.14605/PD1112501
Prieto López, Y., Ayala Pazmiño, M., & Baquerizo Álava, V. (2021). La teoría de la complejidad y su
influencia en el proceso de enseñanza-aprendizaje de los estudiantes de educación superior: Una
sistematización teórica. 593 Digital Publisher CEIT, 6(5-1), 107-115.
https://doi.org/10.33386/593dp.2021.5-1.787
UNESCO. (2021). AI and education: Guidance for policy-makers. Paris, France: UNESCO.
https://www.unesco.org/en/articles/ai-and-education-guidance-policy-makers
Villa Lombana, V, & Zapata Duque, J. (2024). La formación de profesores para la e-docencia: una
revisión sistemática de la literatura. Revista SOPHIA, 20(1).
https://doi.org/10.18634/sophiaj.20v.1i.1331
Venezolana de Gerencia, 27 (Especial 7), 266-280. https://doi.org/10.52080/rvgluz.27.7.18
Mecacci, L. (2021). Vygotsky and Psychology as Normative Science. Integr. psych. behav. 55, 728–
734. https://doi.org/10.1007/s12124-021-09638-4
MEFPD (2025). Orientaciones para la integración de la inteligencia artificial en la formación del
profesorado. Instituto Nacional de Tecnologías Educativas y de Formación del Profesorado
(INTEF). https://intef.es/wp-content/uploads/2025/06/Orientaciones-para-la-integracion-de-la-
IA-en-la-formacion-docente-2-1.pdf
Mella Norambuena, J., Badilla Quintana, M, & López Angulo, Y. (2022). Modelos predictivos basados
en uso de analíticas de aprendizaje en educación superior: una revisión sistemática. Texto Livre,
v. 5. 1-22. https://doi.org/10.35699/1983-3652.2022.36310
Moreno Alcaraz, F. (2024). Educational research with an approach on investigation-action in
pedagogical skills. New Trends in Qualitative Research, 20(4), 1-11.
https://doi.org/10.36367/ntqr.20.4.2024.e1107
Morales Castañeda, C. (2023). La complejidad en la educación superior universitaria. Revista
Vida, 5(1), 7–12. https://doi.org/10.36314/revistavida.v5i1.21
Nava Avilés, M., Carreño Crespo, L, & Castillo Peña, G. (2025). Pedagogía e Inteligencia Artificial.
Hacia una formación docente ética e innovadora. Pedagogia più Didattica, 11(1), 7-21.
https://doi.org/doi:10.14605/PD1112501
Prieto López, Y., Ayala Pazmiño, M., & Baquerizo Álava, V. (2021). La teoría de la complejidad y su
influencia en el proceso de enseñanza-aprendizaje de los estudiantes de educación superior: Una
sistematización teórica. 593 Digital Publisher CEIT, 6(5-1), 107-115.
https://doi.org/10.33386/593dp.2021.5-1.787
UNESCO. (2021). AI and education: Guidance for policy-makers. Paris, France: UNESCO.
https://www.unesco.org/en/articles/ai-and-education-guidance-policy-makers
Villa Lombana, V, & Zapata Duque, J. (2024). La formación de profesores para la e-docencia: una
revisión sistemática de la literatura. Revista SOPHIA, 20(1).
https://doi.org/10.18634/sophiaj.20v.1i.1331
pág. 3218
Vergel-Parejo, E. E., Mérida-Córdova, E. J., & López-Fernández, R. (2025). Gerencia educativa:
Intervención y recopilación de datos en el aprendizaje de las ciencias naturales. Revista
Venezolana De Gerencia, 30(Especial 14), 1548-1565.
https://doi.org/10.52080/rvgluz.30.especial14.43
Vergel-Parejo, E. E., Mérida-Córdova, E. J., & López-Fernández, R. (2025). Gerencia educativa:
Intervención y recopilación de datos en el aprendizaje de las ciencias naturales. Revista
Venezolana De Gerencia, 30(Especial 14), 1548-1565.
https://doi.org/10.52080/rvgluz.30.especial14.43