Código Científico Revista de Investigación/ V.7/ N.E1/ www.revistacodigocientifico.itslosandes.net
ISSN: 2806-5697
Vol. 7 – Núm. E1 / 2026
pág. 21
Inteligencia artificial y su aporte a la educación en la Unidad
Educativa Católica La Victoria
Artificial intelligence and its contribution to education at La Victoria
Catholic Educational Unit
A inteligência artificial e a sua contribuição para a educação na Unidade
Educativa Católica La Victoria
Recalde Mena, Juana del Rocío
Instituto Tecnológico Superior Portoviejo Con Condición Superior Universitario
juana.recalde@itsup.edu.ec
https://orcid.org/0009-0009-8359-4740
.
Zambrano Santos, Roberth Olmedo
Instituto Tecnológico Superior Portoviejo Con Condición Superior Universitario
rzambranosantos@yahoo.es
https://orcid.org/0000-0002-4072-4738
DOI / URL: https://doi.org/10.55813/gaea/ccri/v7/nE1/1298
Como citar:
Recalde-Mena, J., & Zambrano-Santos, R. O. (2026). Inteligencia artificial y su aporte a la
educación en la Unidad Educativa Católica La Victoria. Código Científico Revista De
Investigación, 7(E1), 21–40.
Recibido: 18/01/2026 Aceptado: 10/02/2026 Publicado: 31/03/2026
Código Científico Revista de Investigación/ V.7/ N.E1/ www.revistacodigocientifico.itslosandes.net
pág. 22
Research Article
Volumen 7, Número Especial 1, 2026
Resumen
La rápida expansión de la inteligencia artificial en escuelas latinoamericanas plantea tensiones
pedagógicas, éticas y organizativas, y evidencia vacíos sobre su uso en contextos escolares
ecuatorianos, particularmente en Ibarra. Se propone analizar el aporte de la IA en la Unidad
Educativa Católica La Victoria desde la perspectiva de estudiantes y docentes. Se desarrolló
un estudio cualitativo, no experimental y transversal, tipo estudio de caso, con encuestas
aplicadas a 106 estudiantes y 27 docentes y una entrevista a directivos, organizando los
hallazgos en exposición de uso, acceso/aceptación y necesidades formativas. Emergen patrones
de uso mayoritariamente semanales: los estudiantes emplean la IA sobre todo para
comprensión y tareas con dispositivos móviles, y los docentes para planificación y
retroalimentación con portátiles; la aceptación aumenta con recursos disponibles y
lineamientos claros, y las barreras más salientes remiten a verificación de exactitud,
dependencia e integridad académica. Estos resultados dialogan con marcos de adopción
tecnológica, sugiriendo una fase de madurez temprana que requiere formalizar protocolos e
impulsar formación diferenciada. Se concluye que existen condiciones realistas para escalar
gradualmente la IA hacia prácticas de mayor valor pedagógico si se articulan infraestructura,
normas y desarrollo profesional.
Palabras clave: IA; educación; Ibarra; adopción; aceptación.
Abstract
The rapid expansion of artificial intelligence in Latin American schools raises pedagogical,
ethical, and organizational tensions and highlights gaps in its use in Ecuadorian school
contexts, particularly in Ibarra. This study aims to analyze the contribution of AI at the La
Victoria Catholic Educational Unit from the perspective of students and teachers. A qualitative,
non-experimental, cross-sectional case study was conducted, with surveys administered to 106
students and 27 teachers and an interview with administrators, organizing the findings into
usage, access/acceptance, and training needs. Patterns of mostly weekly use emerge: students
use AI mainly for comprehension and tasks with mobile devices, and teachers use it for
planning and feedback with laptops; acceptance increases with available resources and clear
guidelines, and the most salient barriers relate to verification of accuracy, dependence, and
academic integrity. These results are consistent with technological adoption frameworks,
suggesting an early maturity phase that requires formalizing protocols and promoting
differentiated training. It is concluded that realistic conditions exist for gradually scaling AI
toward practices of greater pedagogical value if infrastructure, standards, and professional
development are coordinated.
Keywords: AI; education; Ibarra; adoption; acceptance.
Resumo
A rápida expansão da inteligência artificial nas escolas latino-americanas gera tensões
pedagógicas, éticas e organizacionais e destaca lacunas na sua utilização nos contextos
escolares equatorianos, particularmente em Ibarra. Este estudo tem como objetivo analisar a
contribuição da IA na Unidade Educacional Católica La Victoria, na perspetiva de alunos e
professores. Foi realizado um estudo de caso qualitativo, não experimental e transversal, com
inquéritos aplicados a 106 alunos e 27 professores e uma entrevista com administradores,
organizando os resultados em uso, acesso/aceitação e necessidades de formação. Surge um
padrão de uso principalmente semanal: os alunos usam a IA principalmente para compreensão
e tarefas com dispositivos móveis, e os professores a utilizam para planeamento e feedback
Código Científico Revista de Investigación/ V.7/ N.E1/ www.revistacodigocientifico.itslosandes.net
pág. 23
Research Article
Volumen 7, Número Especial 1, 2026
com computadores portáteis; a aceitação aumenta com os recursos disponíveis e diretrizes
claras, e as barreiras mais salientes estão relacionadas à verificação da precisão, dependência e
integridade académica. Esses resultados são consistentes com as estruturas de adoção
tecnológica, sugerindo uma fase inicial de maturidade que requer a formalização de protocolos
e a promoção de formação diferenciada. Conclui-se que existem condições realistas para
expandir gradualmente a IA para práticas de maior valor pedagógico, se a infraestrutura, os
padrões e o desenvolvimento profissional forem coordenados.
Palavras-chave: IA; educação; Ibarra; adoção; aceitação.
Introducción
La expansión reciente de la inteligencia artificial (IA) está reconfigurando con rapidez
los procesos de enseñanza, aprendizaje y gestión educativa en América Latina y el Caribe, con
llamados internacionales a su adopción responsable y centrada en el ser humano (UNESCO,
2023a; Rivas et al., 2023). En el contexto ecuatoriano, y particularmente en Ibarra, estas
transformaciones interpelan a las instituciones escolares que atienden a poblaciones
heterogéneas en condiciones de infraestructura disímiles. En esta línea, la Unidad Educativa
Católica La Victoria constituye un escenario pertinente para examinar de manera situada el
fenómeno, pues integra estudiantes de Básica superior y de Bachillerato, y un plantel docente
que ya convive con herramientas de IA generativa en prácticas de estudio, evaluación y
comunicación (García-Peñalvo et al., 2024; Gallent et al., 2023).
Los beneficios educativos atribuidos a la IA personalización, retroalimentación
inmediata, tutoría inteligente y apoyo a la toma de decisiones conviven con desafíos éticos,
pedagógicos y organizativos que exigen evidencia empírica contextualizada (Flores-Vivar &
García-Peñalvo, 2023; Zawacki-Richter et al., 2019). En la educación superior iberoamericana
se documenta un uso creciente de sistemas de IA para evaluación formativa, analítica del
aprendizaje y diseño instruccional; no obstante, persisten dudas sobre transferibilidad a niveles
escolares y sobre los efectos en la agencia estudiantil, la calidad del feedback y la equidad
(Hernández León & Rodríguez, 2024; Sánchez-Prieto et al., 2025). Por ello, resulta crucial
Código Científico Revista de Investigación/ V.7/ N.E1/ www.revistacodigocientifico.itslosandes.net
pág. 24
Research Article
Volumen 7, Número Especial 1, 2026
caracterizar cómo estudiantes y docentes de educación básica y media perciben, adoptan y
problematizan estas herramientas en su cotidianeidad.
Se reportan avances en IA aplicada en Ecuador, si bien mayormente circunscritos al
ámbito universitario y a experiencias de integración curricular tecnológica (Albuja Sánchez &
Guadalupe Almeida, 2022). Este énfasis ha dejado relativamente inexploradas las condiciones,
prácticas y tensiones de uso en instituciones escolares, donde los ecosistemas sociotécnicos y
las mediaciones familiares y comunitarias difieren de la universidad (Rivas et al., 2023). En
consecuencia, se requieren estudios que visibilicen la voz de estudiantes y docentes de
secundaria y bachillerato, identificando oportunidades y riesgos percibidos, así como brechas
de acceso y de competencias digitales que inciden en la apropiación de la IA (UNESCO, 2023).
Las investigaciones reportan ganancias en motivación, desempeño y autorregulación,
mientras otros alertan sobre dependencia tecnológica, sesgos algorítmicos y nuevas formas de
fraude académico (Zawacki-Richter et al., 2019; Gallent et al., 2023). Además, persisten vacíos
metodológicos: predominio de diseños cuantitativos con muestras universitarias, escasa
triangulación de perspectivas (docente-estudiante-institución) y limitada atención a contextos
latinoamericanos fuera de capitales (Flores-Vivar & García-Peñalvo, 2023; Hernández León &
Rodríguez, 2024). Abordar estas lagunas es relevante porque de su comprensión derivan
decisiones curriculares, de desarrollo profesional docente y de gobernanza de datos en escuelas
públicas y privadas.
La pertinencia social del estudio se justifica por las externalidades educativas y
organizacionales asociadas al uso no regulado de IA en contextos escolares: tensiones con la
integridad académica, desigualdades de acceso, y necesidad de marcos institucionales claros
para la evaluación y la protección de datos de menores (UNESCO, 2023a; Gallent et al., 2023).
Teóricamente, la investigación contribuye a precisar cómo categorías ampliamente discutidas
personalización, feedback, agencia y literacidades digitales se manifiestan en niveles de Básica
Código Científico Revista de Investigación/ V.7/ N.E1/ www.revistacodigocientifico.itslosandes.net
pág. 25
Research Article
Volumen 7, Número Especial 1, 2026
superior y Bachillerato; metodológicamente, ofrece un abordaje cualitativo que complementa
la evidencia cuantitativa dominante en la región (García-Peñalvo et al., 2024; Sánchez-Prieto
et al., 2025).
De igual modo, la viabilidad es razonable: el acceso al escenario escolar facilita la
recolección de información mediante encuesta con preguntas abiertas y cerradas, respetando el
consentimiento informado, el anonimato y la confidencialidad, y sin requerir recursos
tecnológicos sofisticados (UNESCO, 2023). El trabajo de campo se focaliza en 145 estudiantes
77 de Básica superior y 68 de Bachillerato y 28 docentes, lo que permite captar variabilidad de
percepciones por nivel educativo y rol institucional, así como relacionarlas con las
orientaciones internacionales vigentes para un uso ético y pedagógicamente fundamentado de
la IA (UNESCO, 2023a; Rivas et al., 2023).
El propósito de este estudio es analizar críticamente el aporte de la IA a la educación
en la Unidad Educativa Católica La Victoria desde las percepciones de estudiantes y docentes.
De manera operativa, se prevé: describir los usos y niveles de exposición a herramientas de IA
entre los grupos consultados; determinar beneficios percibidos y barreras (éticas,
infraestructurales y competenciales); comparar percepciones entre Básica superior,
Bachillerato y docentes; relacionar acceso a recursos digitales con aceptación y uso
pedagógico; y estimar necesidades de formación docente para una adopción responsable y
alineada con la mejora del aprendizaje.
La investigación ofrece una contribución original al documentar, en un contexto escolar
ecuatoriano específico (Ibarra), la ecología de prácticas, significados y tensiones que emergen
del uso de IA en niveles previos a la universidad. Al enlazar las brechas identificadas foco
excesivo en educación superior, escasa triangulación y contextualización local con evidencia
cualitativa situada, el manuscrito aspira a generar insumos teóricos para refinar categorías
analíticas sobre personalización y feedback, y orientaciones prácticas para la gestión escolar,
Código Científico Revista de Investigación/ V.7/ N.E1/ www.revistacodigocientifico.itslosandes.net
pág. 26
Research Article
Volumen 7, Número Especial 1, 2026
la evaluación y la formación docente, en consonancia con recomendaciones internacionales
recientes (García-Peñalvo et al., 2024; UNESCO, 2023).
Metodología
Lo Se adopta un enfoque cualitativo de orientación interpretativa, con un diseño no
experimental y de corte transversal, adecuado para comprender significados, percepciones y
prácticas de uso de inteligencia artificial (IA) en su escenario natural sin manipulación de
variables (Creswell & Poth, 2018; Hernández-Sampieri & Mendoza, 2018). Esta elección
posibilita describir y explicar cómo estudiantes y docentes configuran sentidos sobre el aporte
de la IA en la vida escolar, priorizando la profundidad del relato y la credibilidad de los
hallazgos mediante criterios de rigor propios de la investigación cualitativa (Creswell & Poth,
2018).
el estudio se tipifica como investigación de campo, con alcance descriptivo-
interpretativo, y método de estudio de caso único en la Unidad Educativa Católica La Victoria
(Ibarra), lo que permite construir una comprensión situada del fenómeno y, a la vez, generar
insumos transferibles a contextos análogos (Creswell & Poth, 2018). La lógica de caso facilita
articular prácticas discursivas y organizativas (aula, gestión pedagógica y lineamientos
institucionales) con categorías analíticas relevantes uso, beneficios, riesgos y condiciones de
adopción coherentes con la literatura sobre IA en educación (Zawacki-Richter et al., 2019).
La población de análisis se conforma por 145 estudiantes (Básica superior=77;
Bachillerato=68) y 28 docentes de la misma institución. Para la estimación muestral
considerando muestreo aleatorio simple, nivel de confianza del 95% (Z=1,96), proporción
esperada p=0,50 y error máximo permitido e=0,05, con corrección por población finita se
proyectan dos muestras: estudiantes n=106 y docentes n=27. Estos parámetros y
procedimientos son estándar para estudios de prevalencia de prácticas o percepciones cuando
Código Científico Revista de Investigación/ V.7/ N.E1/ www.revistacodigocientifico.itslosandes.net
pág. 27
Research Article
Volumen 7, Número Especial 1, 2026
se busca precisión con poblaciones acotadas (Charan & Biswas, 2013). Dada la cercanía entre
la muestra estimada y la población de docentes, la invitación a la participación total es
metodológicamente viable y éticamente deseable en tanto maximiza la voz profesional sin
comprometer la calidad del análisis cualitativo (Hernández-Sampieri & Mendoza, 2018).
La técnica principal será la encuesta aplicada a dos colectivos diferenciados. La
encuesta para docentes indagará conocimiento y uso de herramientas de IA, beneficios y
barreras percibidas, capacitación, riesgos y necesidades institucionales; la encuesta para
estudiantes relevará familiaridad, frecuencia de uso, apoyos preferidos, utilidad percibida y
expectativas respecto de la IA. Los ítems retoman los dominios temáticos y ejemplos
operativos descritos en el documento base institucional y se estructuran en preguntas cerradas
y abiertas para favorecer, respectivamente, síntesis descriptiva y densidad interpretativa
(Boateng et al., 2018; Zawacki-Richter et al., 2019).
Se desarrollará una entrevista semiestructurada dirigida a la autoridad y a la
coordinación académica (Rectora y Coordinador Académico), con bloques sobre adopción
institucional, beneficios observados, retos y riesgos, capacitación y ética, y proyección
estratégica. Este dispositivo permite profundizar en racionalidades institucionales y en
procesos de toma de decisiones que no emergen espontáneamente en encuestas, a la vez que
habilita la triangulación de fuentes y perspectivas (Kvale & Brinkmann, 2015). La guía de
entrevista, incluida en el documento de referencia, garantiza trazabilidad y pertinencia de
contenidos frente a los objetivos del estudio.
Los procedimientos contemplan: (a) pilotaje mínimo de los instrumentos para verificar
claridad y tiempo de aplicación; (b) administración presencial en jornadas planificadas,
resguardando consentimiento informado, anonimato y confidencialidad; (c) análisis
descriptivo de las preguntas cerradas (frecuencias y proporciones) y análisis temático de
respuestas abiertas y entrevistas mediante codificación inductivo-deductiva, con criterios de
Código Científico Revista de Investigación/ V.7/ N.E1/ www.revistacodigocientifico.itslosandes.net
pág. 28
Research Article
Volumen 7, Número Especial 1, 2026
credibilidad, transferibilidad y auditabilidad propios del enfoque cualitativo (Creswell & Poth,
2018; Boateng et al., 2018). La consistencia metodológica entre técnicas, muestra y objetivos
asegura una interpretación densa del aporte de la IA en el centro escolar y una base empírica
útil para la toma de decisiones pedagógicas y de gestión.
Resultados
Usos y niveles de exposición a la IA
A partir de la aplicación de las encuestas a 106 estudiantes y 27 docentes, y siguiendo
el primer objetivo (describir usos y niveles de exposición a la IA), se organizan los hallazgos
en indicadores operacionales que permiten comparar, en una sola matriz, patrones de
frecuencia, contextos de uso, dispositivos, herramientas y finalidades pedagógicas. Esta
estructura responde a la necesidad de síntesis y contraste intergrupal, sin perder densidad
interpretativa, y es coherente con la evidencia previa sobre adopción educativa de IA (García-
Peñalvo et al., 2024; Zawacki-Richter et al., 2019; UNESCO, 2023).
Tabla 1
Usos y niveles de exposición a la IA
Indicador
operacional
Estudiantes (n=106)
Frecuencia de uso
Dominante: semanal; secundaria:
ocasional; menor: diaria
Contextos de uso
Dominante: tareas y estudio autónomo;
secundaria: apoyo en aula con guía;
menor: uso exploratorio
Dispositivo
principal
Dominante: teléfono móvil; secundaria:
computador del hogar; menor: laboratorio
escolar
Herramientas más
utilizadas (top 3)
Chatbots generativos; generadores de
resúmenes/reescritura; traductores
Finalidad
pedagógica
prioritaria
Comprender contenidos, resolver
ejercicios, preparar tareas
Nivel de confianza
en los resultados
Predominio de confianza moderada con
verificación docente
Acceso y
conectividad
percibidos
Heterogéneo: mayor disponibilidad en
casa; secundaria: datos móviles; menor:
acceso en escuela
Código Científico Revista de Investigación/ V.7/ N.E1/ www.revistacodigocientifico.itslosandes.net
pág. 29
Research Article
Volumen 7, Número Especial 1, 2026
Indicador
operacional
Estudiantes (n=106)
Apoyo institucional
percibido
Claridad parcial de reglas y expectativas
de uso
Nota: datos interpretados desde los resultados de encuestas aplicadas a estudiantes y docentes de la Unidad
Educativa Católica La Victoria (Autor, 2026).
En términos de exposición, el uso semanal emerge como el patrón más extendido en
ambos grupos; entre estudiantes, el uso diario es el menos frecuente, mientras que en docentes
la baja frecuencia (ocasional) ocupa el último lugar. En contextos, la tarea y el estudio
autónomo concentran el uso predominante de los estudiantes, en tanto que la planificación
didáctica concentra el mayor uso entre docentes; la gestión administrativa aparece como área
marginal. Respecto de dispositivos, el teléfono móvil ocupa el primer plano en estudiantes y el
último en docentes; a la inversa, el portátil es preponderante en docentes y secundario en
estudiantes. En herramientas, los chatbots generativos se posicionan como el recurso de mayor
presencia en ambos colectivos, seguidos entre estudiantes por los generadores de resúmenes y
traductores, y entre docentes por generadores de rúbricas/presentaciones y correctores.
En finalidades pedagógicas, la comprensión y preparación de tareas es el uso principal
entre estudiantes, mientras que la diseñación de actividades y la retroalimentación es prioritaria
entre docentes. La confianza se ubica mayoritariamente en niveles moderados, con énfasis en
verificar y corroborar un patrón consistente con recomendaciones para uso responsable
(UNESCO, 2023; Gallent et al., 2023). El apoyo institucional se percibe en desarrollo, con
mayor claridad reportada por el profesorado que por el estudiantado; esta asimetría es coherente
con transiciones tempranas de adopción donde los marcos se formalizan gradualmente (García-
Peñalvo et al., 2024; Zawacki-Richter et al., 2019).
La dirección reporta un escenario favorable para la adopción: disponibilidad de
conectividad funcional para actividades curriculares clave, recursos digitales básicos y
compromiso de actualización docente mediante talleres breves; además, subraya la necesidad
de pautas claras de integridad y protección de datos en línea con marcos internacionales y avala
Código Científico Revista de Investigación/ V.7/ N.E1/ www.revistacodigocientifico.itslosandes.net
pág. 30
Research Article
Volumen 7, Número Especial 1, 2026
la integración gradual de IA en planificación y evaluación formativa. Este testimonio confirma
los patrones de la tabla (preeminencia de usos pedagógicos nucleares y verificación crítica),
refuerza la percepción de apoyo institucional en crecimiento y delimita prioridades realistas
(estandarizar lineamientos y escalar la formación), lo que converge con la literatura sobre
adopción responsable y escalamiento sostenible de la IA educativa (UNESCO, 2023; García-
Peñalvo et al., 2024).
Acceso y aceptación
Se integran los resultados organizando la información en una matriz única que permita
contrastar, en los mismos indicadores, las condiciones materiales de acceso y las actitudes de
aceptación hacia la IA educativa. La lectura se apoya en marcos consolidados de adopción
tecnológica, poniendo énfasis en facilitadores (dispositivos, conectividad, apoyo institucional)
y en creencias clave (utilidad y facilidad percibida, intención de uso y normas sociales), dado
su peso explicativo en contextos escolares (Venkatesh et al., 2003; Teo, 2011; UNESCO,
2023).
Tabla 2
Acceso y aceptación
Indicador
Estudiantes (n=106)
Docentes (n=27)
Dispositivos disponibles
Predomina teléfono móvil; secundario
computador en casa; menor acceso a
laboratorio escolar
Predomina portátil personal/institucional;
secundario PC de aula/lab; menor uso de
teléfono móvil
Conectividad y
estabilidad
Mayor uso de wifi doméstico;
secundario datos móviles; menor
estabilidad en horario escolar
Conectividad institucional suficiente;
incidencias puntuales por carga/horarios
Plataformas/cuentas
institucionales
Acceso parcial a correos/gestores;
menor a licencias específicas de IA
Acceso moderado a suites institucionales;
licencias docentes en expansión
Espacios y tiempos de
acceso
Uso dominante fuera del aula
(tareas/estudio); secundario con guía
docente en aula
Uso dominante en planificación; secundario
en evaluación formativa
Competencias digitales
percibidas
Autonomía básica; requieren orientación
para verificación y citación
Competencia operativa consolidada; interés
en profundizar prompts y evaluación
Utilidad percibida de la
IA
Alta para comprender y practicar
contenidos; menor para trabajo
colaborativo
Alta para diseñar materiales y retroalimentar;
menor para gestión administrativa
Facilidad de uso
percibida
Mayor con chatbots y resúmenes; menor
con herramientas avanzadas
Mayor con generadores de recursos; menor
con analítica/diagnóstico
Intención de uso
Preferencia por continuar usándola en
tareas y estudio
Intención de integrarla en planificación y
evaluación
Código Científico Revista de Investigación/ V.7/ N.E1/ www.revistacodigocientifico.itslosandes.net
pág. 31
Research Article
Volumen 7, Número Especial 1, 2026
Indicador
Estudiantes (n=106)
Docentes (n=27)
Normas y apoyo
institucional
Reglas percibidas como en desarrollo
Lineamientos emergentes y apoyo creciente
Riesgos percibidos
Preocupación por exactitud y
dependencia
Atención a integridad académica y
“alucinaciones”
Nota: datos interpretados desde los resultados de encuestas aplicadas a estudiantes y docentes de la Unidad
Educativa Católica La Victoria (Autor, 2026).
En acceso, el teléfono móvil es el recurso más presente entre estudiantes, mientras que
el portátil ocupa el lugar preponderante entre docentes; en ambos grupos, el laboratorio escolar
queda en segundo plano, lo que sugiere que la infraestructura personal/ institucional inmediata
es el principal habilitador de uso. En conectividad, el wifi doméstico resulta más funcional para
estudiantes que el acceso durante la jornada, al tiempo que el servicio institucional permite a
docentes planificar con regularidad aunque con incidencias acotadas. En plataformas, la
disponibilidad parcial para estudiantes contrasta con un acceso moderado y en expansión para
docentes, patrón coherente con fases iniciales de institucionalización (UNESCO, 2023; García-
Peñalvo et al., 2024).
En competencias, los estudiantes muestran autonomía básica pero demandan
andamiajes de verificación, mientras que el profesorado reporta manejo operativo y busca
profundizar en diseño de prompts y evaluación, lo que refuerza la necesidad de itinerarios
formativos diferenciados (Teo, 2011). En aceptación, la utilidad percibida se posiciona más
alta para fines nucleares (comprensión/retroalimentación), y la facilidad de uso es mayor con
herramientas conversacionales y generativas de recursos, quedando más rezagadas las
soluciones de analítica. La intención de uso se alinea con estos patrones: continuidad en
tareas/estudio para estudiantes e integración en planificación/evaluación para docentes; ambos
grupos perciben normas en construcción y reconocen riesgos manejables mediante verificación
y criterios éticos, en línea con revisiones recientes (Zawacki-Richter et al., 2019; UNESCO,
2023).
Código Científico Revista de Investigación/ V.7/ N.E1/ www.revistacodigocientifico.itslosandes.net
pág. 32
Research Article
Volumen 7, Número Especial 1, 2026
La autoridad reporta un entorno propicio y gradual: conectividad funcional para
actividades prioritarias, recursos mínimos asegurados y un plan de fortalecimiento de cuentas
y licencias; además, confirma la elaboración de lineamientos sobre integridad académica y uso
responsable, con acciones de sensibilización y capacitación breve orientadas a docentes y
estudiantes. Este relato converge con la matriz: la infraestructura clave está disponible pero en
expansión, la aceptación se sostiene en utilidad y facilidad percibidas y la intención de uso se
consolida en procesos curriculares críticos (planificación/evaluación), lo que crea condiciones
para un escalamiento responsable de la IA educativa (García-Peñalvo et al., 2024; UNESCO,
2023). Desde el prisma de la adopción tecnológica, la presencia de facilitadores (recursos,
apoyo y normas emergentes) y la activación de creencias favorables (utilidad/esfuerzo)
constituyen un andamiaje suficiente para sostener la aceptación y orientar próximas
intervenciones (Venkatesh et al., 2003; Teo, 2011).
Comparaciones entre grupos, acceso y necesidades de formación
Para el tercer apartado Comparaciones entre grupos, acceso y necesidades de formación
se integran los resultados que permiten contrastar, con los mismos indicadores, la exposición
(IE-IA), los beneficios (IBP), las barreras (IBR), los cruces entre acceso y aceptación, y las
prioridades formativas. Este enfoque comparativo facilita identificar patrones de máxima y
mínima presencia por grupo, en línea con marcos de adopción tecnológica y con
recomendaciones para la integración responsable de IA en contextos escolares (Venkatesh et
al., 2003; Teo, 2011; UNESCO, 2023; García-Peñalvo et al., 2024; Zawacki-Richter et al.,
2019).
Tabla 3
Comparaciones entre grupos, acceso y necesidades de formación
Indicador comparativo
Estudiantes (n=106)
Docentes (n=27)
IE-IA (exposición)
Mayor en uso extraclase
(tareas/estudio); menor en aula sin guía
Mayor en planificación; menor en
gestión administrativa
IBP (beneficios percibidos)
Más alto en comprensión y práctica;
menor en trabajo colaborativo
Más alto en diseño de materiales y
retroalimentación; menor en
analítica avanzada
Código Científico Revista de Investigación/ V.7/ N.E1/ www.revistacodigocientifico.itslosandes.net
pág. 33
Research Article
Volumen 7, Número Especial 1, 2026
Indicador comparativo
Estudiantes (n=106)
Docentes (n=27)
IBR (barreras percibidas)
Más saliente: verificación de exactitud
y dependencia; menos frecuente:
acceso a dispositivos
Más saliente: integridad académica y
“alucinaciones”; menos frecuente:
conectividad
Acceso × aceptación
Máxima aceptación cuando hay wifi
doméstico y móvil personal; mínima
con acceso sólo escolar
Máxima aceptación con portátil
institucional y lineamientos; mínima
sin tiempo de planificación
Competencias/andamiajes
Requieren guía para verificación y
citación; menor autonomía en
herramientas avanzadas
Dominio operativo; menor
experiencia en analítica y evaluación
asistida por IA
Necesidades de formación
(prioritarias)
Alfabetización informacional y ética;
uso responsable de chatbots;
estrategias de estudio
Diseño de prompts; evaluación e
integridad; retroalimentación con
IA; analítica básica
Normas y apoyo institucional
Percibidas en desarrollo
Percibidos en consolidación con
oferta de talleres
Nota: datos interpretados desde los resultados de encuestas aplicadas a estudiantes y docentes de la Unidad
Educativa Católica La Victoria (Autor, 2026).
En exposición (IE-IA), el máximo se observa en el uso extraclase de los estudiantes,
mientras que en docentes predomina la planificación; las mínimas apariciones corresponden al
uso estudiantil sin guía en aula y a la gestión administrativa docente. En beneficios (IBP), el
pico estudiantil se ubica en comprensión/práctica, en tanto que el pico docente se concentra en
diseño de materiales y retroalimentación; los valores más bajos emergen en colaboración
(estudiantes) y analítica avanzada (docentes). Respecto de barreras (IBR), los estudiantes
enfatizan la verificación de exactitud y la dependencia como principales; para los docentes, la
integridad académica y las alucinaciones ocupan el primer plano, quedando la conectividad en
un segundo. En el cruce acceso-aceptación, la aceptación más alta coincide con wifi doméstico
y dispositivo personal (estudiantes) y con portátil institucional más lineamientos (docentes);
las zonas de menor aceptación se asocian a acceso escolar limitado (estudiantes) y a falta de
tiempo para planificar (docentes). Finalmente, las necesidades formativas se concentran en
alfabetización informacional/ética y uso responsable para estudiantes, y en diseño de prompts,
evaluación con integridad y analítica básica para docentes; este perfil diferenciado es
consistente con la literatura sobre aceptación tecnológica y desarrollo profesional (Venkatesh
et al., 2003; Teo, 2011; García-Peñalvo et al., 2024).
Código Científico Revista de Investigación/ V.7/ N.E1/ www.revistacodigocientifico.itslosandes.net
pág. 34
Research Article
Volumen 7, Número Especial 1, 2026
La interlocución institucional confirma un escenario favorable: recursos esenciales
disponibles, talleres breves en marcha y lineamientos en consolidación. Se prioriza la
planificación y la evaluación formativa como puertas de entrada de la IA, lo que respalda el
máximo de aceptación docente donde confluyen portátil y normas claras; a la vez, se prevé
reforzar la alfabetización informacional para estudiantes, alineando la mayor exposición
extraclase con prácticas de verificación y citación responsable. Esta convergencia entre
patrones observados y dirección estratégica reduce las principales barreras y eleva los
beneficios esperados, sentando bases para un escalamiento gradual y ético de la IA educativa
en la institución (UNESCO, 2023; Zawacki-Richter et al., 2019; García-Peñalvo et al., 2024).
Discusión
La discusión de los hallazgos muestra un patrón de adopción de la IA coherente con lo
descrito por marcos internacionales y revisiones recientes: un uso predominantemente semanal,
diferenciado por contextos (extraclase en estudiantes y planificación en docentes), con
confianza moderada y normas institucionales en consolidación. Este cuadro, observado en la
Unidad Educativa Católica La Victoria, coincide con el tránsito hacia integraciones graduales
y pedagógicamente focalizadas que recomiendan las guías de UNESCO y análisis
iberoamericanos (UNESCO, 2023; García-Peñalvo, Llorens-Largo & Vidal, 2024). La
entrevista a directivos, a su vez, confirma condiciones habilitantes conectividad funcional y
oferta de formación que facilitan un escalamiento responsable.
En términos de exposición y escenarios de uso, la centralidad de la planificación para
el profesorado y del estudio/tareas para el alumnado es consistente con la literatura: la IA entra
primero por tareas de preparación didáctica (borradores de actividades, guías y rúbricas) y por
apoyos a la comprensión y práctica del estudiante (resúmenes, explicaciones, ejercicios) antes
que por funciones de analítica avanzada o gestión (Zawacki-Richter, Marín, Bond &
Código Científico Revista de Investigación/ V.7/ N.E1/ www.revistacodigocientifico.itslosandes.net
pág. 35
Research Article
Volumen 7, Número Especial 1, 2026
Gouverneur, 2019; García-Peñalvo et al., 2024). La menor presencia de usos administrativos y
de herramientas analíticas sugiere un ciclo de madurez temprano, donde priman beneficios
visibles y de bajo umbral de entrada sobre implementaciones complejas.
Respecto del acceso, el teléfono móvil como dispositivo principal de los estudiantes y
el portátil en los docentes revela una asimetría funcional que importa para el diseño de
intervenciones. En contextos similares, la literatura indica que la portabilidad y la
disponibilidad inmediata favorecen la frecuencia de uso del alumnado, mientras que la
estabilidad y la ergonomía del portátil sostienen tareas docentes de mayor complejidad
(UNESCO, 2023; García-Peñalvo et al., 2024). La aceptación se observa más alta cuando
confluyen dispositivos adecuados y lineamientos claros, lo que dialoga con UTAUT/TAM: la
utilidad y la facilidad percibida, junto con condiciones facilitadoras, elevan la intención de uso
(Venkatesh, Morris, Davis & Davis, 2003; Teo, 2011).
En los beneficios percibidos, los estudiantes reportan mayor aporte a comprensión y
práctica, mientras que los docentes enfatizan diseño de materiales y retroalimentación. Este
encaje teórico-práctico es clave: por un lado, la IA apoya la diferenciación y el feedback
formativo; por otro, exige andamiajes para sostener la autorregulación y evitar dependencias
(Zawacki-Richter et al., 2019). El hallazgo de confianza moderada con verificación sistemática
es consistente con recomendaciones de uso crítico y ético, y con experiencias que integran
criterios de contraste de fuentes y explicación de procedencias en tareas con IA (UNESCO,
2023; García-Peñalvo et al., 2024).
En las barreras, emergen dos focos: en estudiantes, la verificación de exactitud y la
posible dependencia; en docentes, la integridad académica y las alucinaciones. La literatura
sobre IA generativa en educación superior ya reporta tensiones similares plagio, atribución,
sesgos, calidad de la evidencia y propone respuestas pedagógicas y normativas (rubricas
explícitas, evaluación auténtica, detección basada en desempeño y tutorías metacognitivas)
Código Científico Revista de Investigación/ V.7/ N.E1/ www.revistacodigocientifico.itslosandes.net
pág. 36
Research Article
Volumen 7, Número Especial 1, 2026
(Gallent, Zapata & Ortego, 2023). La convergencia sugiere que, aun en secundaria y
bachillerato, los principios de integridad y transparencia deben traducirse en protocolos
operativos y actividades evaluativas robustas.
El apoyo institucional en consolidación lineamientos emergentes, talleres breves y
provisión de cuentas y licencias se alinea con las condiciones facilitadoras de UTAUT y con
las pautas de UNESCO: la política clara, la formación continua y la infraestructura mínima son
palancas que estabilizan la adopción y desplazan el uso hacia prácticas de mayor valor
pedagógico (Venkatesh et al., 2003; UNESCO, 2023). La triangulación con directivos confirma
la dirección estratégica: integrar IA en planificación y evaluación formativa, reforzar
alfabetización informacional del estudiantado y acompañar a los docentes en prompting
pedagógico y diseño de feedback.
En cuanto a alcances y limitaciones, se trata de un estudio de caso en un contexto
específico, con diseño no experimental y datos auto-reportados; ello limita la generalización
estadística, pero ofrece validez ecológica y densidad interpretativa para comprender dinámicas
reales de aula y gestión (Zawacki-Richter et al., 2019; García-Peñalvo et al., 2024). Futuras
investigaciones podrían incorporar seguimientos longitudinales, múltiples casos y métricas de
desempeño académico y de integridad para estimar efectos y no sólo percepciones, así como
explorar IA analítica para retroalimentación adaptativa en contextos escolares.
Finalmente, las implicaciones prácticas son claras: (a) priorizar formación diferenciada
autorregulación y verificación para estudiantes; prompting, evaluación e integridad para
docentes; (b) formalizar protocolos de uso que clarifiquen expectativas, atribución y protección
de datos; y (c) asegurar condiciones facilitadoras (dispositivos pertinentes, conectividad
estable, licencias mínimas). Estas acciones, coherentes con la evidencia y los patrones
observados, permitirían desplazar el uso desde apoyos básicos hacia estrategias didácticas de
alto impacto (retroalimentación, diferenciación, tareas auténticas) y, con ello, maximizar los
Código Científico Revista de Investigación/ V.7/ N.E1/ www.revistacodigocientifico.itslosandes.net
pág. 37
Research Article
Volumen 7, Número Especial 1, 2026
beneficios de la IA en la Unidad Educativa Católica La Victoria (UNESCO, 2023; García-
Peñalvo et al., 2024; Venkatesh et al., 2003).
Conclusión
El estudiantado concentra el uso extraclase para comprender contenidos, practicar y
preparar tareas, apoyándose sobre todo en chatbots generativos y herramientas de resumen; el
profesorado, por su parte, utiliza la IA sobre todo en planificación didáctica y
retroalimentación. La confianza es moderada en ambos grupos y se acompaña de verificación
y contrastación, mientras que los usos administrativos y de analítica avanzada permanecen en
un plano secundario. En conjunto, estos hallazgos describen una fase de madurez temprana: la
IA ya cumple funciones pedagógicas nucleares, pero aún requiere guía explícita en aula y
criterios compartidos para su empleo.
Se constata que el teléfono móvil es el dispositivo más disponible entre estudiantes y el
portátil entre docentes, con conectividad funcional en el hogar para el alumnado y suficiente
en la institución para el profesorado. La aceptación es más alta cuando confluyen dispositivo
pertinente, conectividad estable y lineamientos claros, y se sostiene especialmente en la utilidad
percibida (comprensión, diseño de materiales, retroalimentación) y la facilidad de uso de
herramientas conversacionales. Persisten necesidades: el estudiantado demanda andamiajes de
verificación y citación, mientras que el profesorado solicita profundización en diseño de
prompts, evaluación con integridad y uso didáctico de la IA. Las percepciones de riesgo
(exactitud, dependencia, integridad) no inhiben la adopción, pero sí enfatizan la importancia
de protocolos operativos.
Se observan asimetrías funcionales coherentes con los roles: máxima exposición
estudiantil fuera del aula y máxima exposición docente en planificación; los beneficios se
concentran en comprensión/práctica (estudiantes) y diseño/feedback (docentes), mientras que
Código Científico Revista de Investigación/ V.7/ N.E1/ www.revistacodigocientifico.itslosandes.net
pág. 38
Research Article
Volumen 7, Número Especial 1, 2026
las barreras más salientes difieren verificación y dependencia en estudiantes; integridad y
alucinaciones en docentes. La aceptación alcanza su cota más alta donde coinciden recursos
adecuados y normas vigentes; en consecuencia, las prioridades formativas se bifurcan:
alfabetización informacional y ética para estudiantes, y prompting pedagógico, evaluación
auténtica e integridad académica para docentes. Con el apoyo institucional en consolidación y
la disponibilidad material básica, el centro cuenta con condiciones realistas para escalar
gradualmente el uso de IA hacia prácticas de mayor valor pedagógico, alineando políticas,
formación y recursos.
Referencias bibliográficas
Albuja Sánchez, B., & Guadalupe Almeida, J. L. (2022). Áreas de estudio y aplicación de
inteligencia artificial en las universidades mejor puntuadas del Ecuador. Revista
Científica y Tecnológica UPSE, 9(2), 58–74. https://doi.org/10.26423/rctu.v9i2.705
Ayala-Chavez, N. E., Ordoñez-Loor, I. I., Marquez-Pazán, M. E., Yucailla-Verdesoto, M. M.,
& Marquez-Ruiz, S. D. C. (2025). Competencias digitales docentes y su relación con el
aprendizaje autónomo en bachillerato. Revista Científica Ciencia Y Método, 3(2), 74-
87. https://doi.org/10.55813/gaea/rcym/v3/n2/56
Bazurto-Mendoza, A. B., Vera-Peña, M. A., Maliza-Muñoz, W. F., & Gómez-Rodríguez, V.
G. (2025). Estrategia pedagógica del uso de los recursos digitales para la educación
remota. Revista Científica Zambos, 4(2), 1-20. https://doi.org/10.69484/rcz/v4/n2/105
Boateng, G. O., Neilands, T. B., Frongillo, E. A., Melgar-Quiñonez, H. R., & Young, S. L.
(2018). Best practices for developing and validating scales for health, social, and
behavioral research: A primer. Frontiers in Public Health, 6, 149.
https://doi.org/10.3389/fpubh.2018.00149
Burbano-Buñay, E. S. (2025). Prácticas de innovación educativa para la enseñanza de la
historia y ciencias sociales en educación superior. Journal of Economic and Social
Science Research, 5(1), 188–200. https://doi.org/10.55813/gaea/jessr/v5/n1/169
Caicedo-Basurto, R. L., Camacho-Medina, B. M., Quinga-Villa, C. A., Fonseca-Lombeida, A.
F., & López-Freire, S. A. (2024). Análisis y beneficios de la educación en la era de la
inteligencia artificial. Journal of Economic and Social Science Research, 4(4), 291–
302. https://doi.org/10.55813/gaea/jessr/v4/n4/148
Casanova-Villalba, C. I., Herrera-Sánchez, M. J., & Almeida-Blacio, J. H. (2025).
Aplicaciones de inteligencia artificial en la auditoría financiera contemporánea. Revista
Científica Ciencia Y Método, 3(2), 30-43. https://doi.org/10.55813/gaea/rcym/v3/n2/3
Charan, J., & Biswas, T. (2013). How to calculate sample size for different study designs in
Código Científico Revista de Investigación/ V.7/ N.E1/ www.revistacodigocientifico.itslosandes.net
pág. 39
Research Article
Volumen 7, Número Especial 1, 2026
medical research? Indian Journal of Psychological Medicine, 35(2), 121–126.
https://doi.org/10.4103/0253-7176.116232
Creswell, J. W., & Poth, C. N. (2018). Qualitative inquiry and research design: Choosing
among five approaches (4th ed.). SAGE. https://us.sagepub.com/en-us/nam/qualitative-
inquiry-and-research-design/book246896
Flores-Vivar, J.-M., & García-Peñalvo, F. J. (2023). Reflexiones sobre la ética, potencialidades
y retos de la Inteligencia Artificial en el marco de la Educación de Calidad (ODS4).
Comunicar, 31(74), 37–47. https://doi.org/10.3916/C74-2023-03
Fuentes-Riquero, S. Y. (2025). Estrategias de aprendizaje autónomo a través de las TIC en
estudios sociales: Un enfoque para mejorar la autoeficacia y el rendimiento académico.
Revista Científica Zambos, 4(1), 74-86. https://doi.org/10.69484/rcz/v4/n1/77
Gallent, C., Zapata, A., & Ortego, J. L. (2023). El impacto de la inteligencia artificial generativa
en educación superior: una mirada desde la ética y la integridad académica. RELIEVE.
Revista Electrónica de Investigación y Evaluación Educativa, 29(2).
https://doi.org/10.30827/relieve.v29i2.29134
García-Peñalvo, F. J., Llorens-Largo, F., & Vidal, J. (2024). La nueva realidad de la educación
ante los avances de la inteligencia artificial generativa. RIED. Revista Iberoamericana
de Educación a Distancia, 27(1), 9–39. https://doi.org/10.5944/ried.27.1.37716
Hernández León, N., & Rodríguez, M. J. (2024). Inteligencia artificial aplicada a la educación
y la evaluación educativa en la Universidad: introducción de sistemas de tutorización
inteligentes, sistemas de reconocimiento y otras tendencias futuras. Revista de
Educación a Distancia (RED), 24(78). https://revistas.um.es/red/article/view/594651
Hernández-Sampieri, R., & Mendoza, C. P. (2018). Metodología de la investigación: Las rutas
cuantitativa, cualitativa y mixta (3.ª ed.). McGraw-Hill.
https://www.mheducation.com.mx/metodologia-de-la-investigacion-las-rutas-
cuantitativa-cualitativa-y-mixta-3a-edicion-9781456265418-latin-america
Herrera-Sánchez, P. J., López -Cudco, L. L., & Mina-Villalta, G. Y. (2025). Uso de realidad
virtual en la formación de habilidades clínicas en estudiantes de enfermería. Revista
Científica Ciencia Y Método, 3(2), 1-14. https://doi.org/10.55813/gaea/rcym/v3/n2/1
Jiménez-Tuza, S. B. (2025). Uso de la inteligencia artificial en la dirección de centros
educativos. Revista Científica Zambos, 4(1), 191-204.
https://doi.org/10.69484/rcz/v4/n1/86
Kvale, S., & Brinkmann, S. (2015). InterViews: Learning the craft of qualitative research
interviewing (3rd ed.). SAGE. https://us.sagepub.com/en-
us/nam/interviews/book241501
Lalon-Pinduisaca, S. A., & Coello-Panchana, A. J. (2025). Impacto de la inteligencia artificial
en el asesoramiento tributario mediante un estudio de Caso en la Cafetería Casa Café.
Revista Científica Zambos, 4(1), 310-327. https://doi.org/10.69484/rcz/v4/n1/92
López-Sánchez, J. A., Morales-Chincha, J. A., Echeverri-Ocampo, C. D., & Hernández-Ortiz,
J. (2025). Articulación Universidad, Empresa y Estado, en ecosistemas de ciencia,
tecnología, innovación: revisión sistemática con metodología prisma. Journal of
Economic and Social Science Research, 5(3), 28-47.
https://doi.org/10.55813/gaea/jessr/v5/n3/201
Código Científico Revista de Investigación/ V.7/ N.E1/ www.revistacodigocientifico.itslosandes.net
pág. 40
Research Article
Volumen 7, Número Especial 1, 2026
Piedra-Castro, W. I. (2025). Enseñanza de las ciencias sociales con metodologías pedagógicas
de inteligencia artificial. Journal of Economic and Social Science Research, 5(1), 119–
130. https://doi.org/10.55813/gaea/jessr/v5/n1/164
Rivas, A., Buchbinder, N., & Barrenechea, I. (2023). El futuro de la inteligencia artificial en
educación en América Latina. OEI–ProFuturo. https://oei.int/wp-
content/uploads/2023/04/el-futuro-de-la-inteligencia-artificial-en-educacion-en-
aerica-latina.pdf
Samueza-Umaquinga, M. C., Medina-Macas, L. H., Padilla-Sevillano, J. A., Lema-Pillajo, D.
A., & Miranda-Asto, V. R. (2025). El impacto del Diseño Universal para el Aprendizaje
en la implementación de metodologías activas con apoyo tecnológico. Revista
Científica Ciencia Y Método, 3(4), 41-53. https://doi.org/10.55813/gaea/rcym/v3/n4/91
Sánchez-Prieto, J. C., Izquierdo-Álvarez, V., del Moral-Marcos, M. T., & Martínez-Abad, F.
(2025). Inteligencia artificial generativa para autoaprendizaje en educación superior:
Diseño y validación de una máquina de ejemplos. RIED. Revista Iberoamericana de
Educación a Distancia, 28(1). https://doi.org/10.5944/ried.28.1.41548
Santander-Salmon, E. S. (2024). Métodos pedagógicos innovadores: Una revisión de las
mejores prácticas actuales. Revista Científica Zambos, 3(1), 73-90.
https://doi.org/10.69484/rcz/v3/n1/13
Teo, T. (2011). Factors influencing teachers’ intention to use technology: Model of technology
acceptance. Computers & Education, 57(4), 2432–2440.
https://doi.org/10.1016/j.compedu.2011.06.007
UNESCO. (2023). La IA generativa y el futuro de la educación.
https://unesdoc.unesco.org/ark:/48223/pf0000385877_spa
UNESCO. (2023b). Guía para el uso de IA generativa en educación e investigación.
https://unesdoc.unesco.org/ark:/48223/pf0000389227
Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of
information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478.
https://www.jstor.org/stable/30036540
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of
research on artificial intelligence applications in higher education—Where are the
educators? International Journal of Educational Technology in Higher Education,
16(1), 39. https://doi.org/10.1186/s41239-019-0171-0