ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2091)
http://www.aulavirtual.web.ve
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (julio 2026 - diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2092)
http://www.aulavirtual.web.ve
REVISTA CIENTÍFICA
AULA VIRTUAL
Director Editor:
La Revista seriada Científica Arbitrada e
Indexada Aula Virtual, es de acceso abierto y en
formato electrónico; la misma está orientada a la
divulgación de las producciones científicas
creadas por investigadores en diversas áreas del
conocimiento. Su cobertura temática abarca
Tecnología, Ciencias de la Salud, Ciencias
Administrativas, Ciencias Sociales, Ciencias
Jurídicas y Políticas, Ciencias Exactas y otras
áreas afines. Su publicación es CONTINUA,
indexada y arbitrada por especialistas en el área,
bajo la modalidad de doble ciego. Se reciben las
producciones tipo: Artículo Científico en las
diferentes modalidades cualitativas y
cuantitativas, Avances Investigativos, Ensayos,
Reseñas Bibliográficas, Ponencias o
publicaciones derivada de eventos, y cualquier
otro tipo de investigación orientada al tratamiento
y profundización de la información de los campos
de estudios de las diferentes ciencias. La Revista
Aula Virtual, busca fomentar la divulgación del
conocimiento científico y el pensamiento crítico
reflexivo en el ámbito investigativo.
• Dra. Leidy Hernández PhD.
• Dr. Fernando Bárbara
Consejo Asesor:
• MSc. Manuel Mujica
• MSc. Wilman Briceño
• Dra. Harizmar Izquierdo
• Dr. José Gregorio Sánchez
Revista Científica Arbitrada de
Fundación Aula Virtual
Email: revista@aulavirtual.web.ve
URL: http://aulavirtual.web.ve/revista
ISSN:
Depósito Legal:
País:
Año de Inicio:
Periodicidad:
Sistema de Arbitraje:
Licencia:
Volumen:
Número:
Año:
Período:
Dirección Fiscal:
2665-0398
LA2020000026
Venezuela
2020
Continua
Revisión por pares. “Doble Ciego”
Creative Commons CC BY NC ND
7
15
2026
Julio 2026 – Diciembre 2026 (continua)
Av. Libertador, Arca del Norte, Nro.
52D, Barquisimeto estado Lara,
Venezuela, C.P. 3001
Generando Conocimiento
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2093)
http://www.aulavirtual.web.ve
Tipo de Publicación: Artículo Científico
Área del Conocimiento: Ciencias Sociales y
Aplicadas
Recibido: 27/09/2026
Aceptado: 29/10/2026
Publicado: 30/10/2026
Código Único AV: e892
Páginas: 1(2091-2105)
DOI: https://doi.org/10.5281/zenodo.23806684
Autor:
Evelin Estefanía Quino Aldave
Docente de Educación Superior
https://orcid.org/0000-0002-2609-5699
E-mail: eequinoq@ucvvirtual.edu.pe
Afiliación: Universidad César Vallejo
País: República del Perú
Resumen
La integración de la inteligencia artificial en la educación secundaria ha
dejado de ser una promesa a futuro para convertirse en una realidad masiva
en las aulas, aunque su implementación no siempre viene acompañada de
una planificación didáctica clara. Esta ausencia de un enfoque pedagógico
estratégico suele derivar en problemas de dependencia, sesgos algorítmicos
y pérdida de habilidades críticas, especialmente en un contexto regional
donde los niveles de aprendizaje básicos ya presentan graves deficiencias.
Frente a este escenario, el presente trabajo tuvo como objetivo analizar el
impacto de la inteligencia artificial en la educación secundaria desde una
revisión sistemática. Para lograrlo, se empleó una metodología de enfoque
cualitativo con un tipo de investigación documental, siguiendo
rigurosamente los protocolos de la declaración PRISMA. A partir de esta
búsqueda, se seleccionaron 18 artículos científicos. Los resultados
evidencian que para avanzar hacia una IA empoderada es necesario resolver
brechas de acceso y garantizar una formación; ética y crítica, En conclusión,
el impacto de la IA no está garantizado por la herramienta misma, sino por
el ecosistema educativo que la rodea. Para que la tecnología empodere al
estudiante y no lo vuelva un receptor pasivo, es indispensable que las
instituciones garanticen la formación docente, la equidad y la supervisión
humana.
Palabras Clave
Inteligencia artificial, impacto, educación,
herramienta, tecnología.
Abstract
The integration of artificial intelligence into secondary education has shifted
from a future promise to a widespread reality in classrooms, though its
implementation is not always accompanied by clear didactic planning. This
lack of a strategic pedagogical approach often leads to issues such as
dependency, algorithmic bias, and the erosion of critical skills particularly
in a regional context where foundational learning levels already face
significant deficiencies. Given this scenario, this study aimed to analyze the
impact of artificial intelligence on secondary education through a systematic
review. To this end, a qualitative methodology based on documentary
research was employed, strictly adhering to the protocols of the PRISMA
statement. Eighteen scientific articles were selected for analysis. The
findings indicate that, to move toward an empowering use of AI, it is
essential to address access gaps and ensure training that is both ethical and
critical. In conclusion, the impact of AI is not determined by the tool itself,
but rather by the educational ecosystem in which it is embedded. For
technology to empower students rather than reducing them to passive
recipients it is imperative that institutions ensure teacher training, equity, and
human oversight.
Keywords
Artificial intelligence, impact, education, tool,
technology.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2094)
http://www.aulavirtual.web.ve
Introducción
La inteligencia artificial (IA) ya está en las
aulas de secundaria, lo que por un tiempo fue una
fantasía del cine ahora se ha materializado es una
realidad y avanza no solamente en todos los campos
de la ciencia sino también en la gestión de bienes y
en el campo educativo. Ahora, para entender el
impacto en el ámbito de la educación hay que mirar
varios aspectos, el cómo se enseña, qué condiciones
tienen las escuelas, cómo están capacitados los
docentes y que pasa con el aprendizaje. Asencio et
al., (2026) señalan que la IA funciona de verdad
cuando hay una intención pedagógica clara detrás.
En esos casos, no es solo una herramienta sino
un motor donde los alumnos resuelven problemas.
Pero Castillo (2023) pone el freno, hay que
enseñarla a usarla con ética para que no remplace el
esfuerzo mental del estudiante. Es decir, la misma
IA que ayuda a pensar, puede anular el pensamiento
si se usa para copiar. La ética no es un adorno, es el
filtro para que el aprendizaje sea real. Esto no pasa
en el aire.
Bautista & Rodríguez (2025) analizan los
problemas reales que aparecen cuando se introducen
estas herramientas en los colegios: falta de
condiciones, experiencias de los alumnos y las
resistencias normales de cualquier cambio. Está
claro que usar IA no depende solo de la buena
voluntad de un profesor sino de todo un colegio que
se adapte. Cuando se superan estos obstáculos se
ven resultados. González et al., (2025) encontraron
mejoras claras en idiomas, en ciencias complejas y
en educación STEM, lo que antes era una teoría
ahora se ve en la práctica con habilidades concretas.
Amo et al., (2026) van más allá y dicen que no
se trata de herramientas sueltas sino de un
ecosistema conectado a la infraestructura, la ética, la
planificación y la formación docente, si una falla las
otras se caen. Por eso copiar soluciones aisladas casi
nunca funciona. El cambio también afecta como lo
indican García et al., (2024), que la IA modifica las
prácticas, las tareas y la forma de aprender, es decir,
el profesor ya no es la única fuente de información
y el alumno se vuelve más activo.
Eso obliga a repensar cómo se capacita y se
acompaña al docente, en esta línea de ideas Guerra
& Oyola (2026) dicen que una buena integración
pedagógica mejora la argumentación, la resolución
de problemas y la toma de decisiones, aunque
advierten sobre la falta de recursos, formación y los
riesgos éticos. Para que todo esto no se descontrole
hacen falta reglas claras por ello, Miao & Holmes
(2023) piden un enfoque centrado en las personas en
donde se proteja la privacidad.
No obstante, hay otra realidad que se suma al
tratamiento de estas herramientas tecnológicas ya
que hay un sector de la población que no puede
acceder a ella, esto según Cobos (2024) afecta el
rendimiento, mientras que los que tienen equipos
propios rinde más que los que no (p<0.001). Si la IA
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2095)
http://www.aulavirtual.web.ve
llega sin resolver esto, solo aumentará la brecha y
no es solo un tema de acceso, es también de uso.
Delgado et al., (2024) ven beneficios en la rapidez y
el acceso a recursos, pero alertan del mal uso y la
falta de crítica, en otras palabras, si se usa para no
pensar, se pierde el esfuerzo, hay que enseñar para
ser crítico, y el uso ya es masivo.
Chele et al., (2026) confirman que la IA
generativa se usa en gran cantidad en bachillerato
para hacer proyectos, si se realiza bien o mal ya está
ahí en las aulas, así que el debate ya no es si emplea
o no, sino cómo hacerlo bien, para eso Campillo &
Antón (2025), dicen que la IA ayuda adaptar
contenidos y dar retroalimentación, pero siempre y
cuando se resuelvan las fallas técnicas, se capacite
al profesor y se cuide la ética, sino, la
personalización es puro discurso.
Ayala (2025) insiste en que el éxito depende
de la formación docente y de evitar que la tecnología
reemplace el acompañamiento, el profesor sigue
siendo clave para enseñar a criticar, sin él, la IA
genera dependencia. De acuerdo a Espinosa et al.,
(2025) confirma que la inteligencia artificial
personaliza y da retroalimentación rápida, pero hay
que ver la brecha digital, la formación y protección
de datos. Además, Calderón & Nieto (2024)
explican que los algoritmos ya vienen con sesgos
por cómo se diseñaron o por los datos con los que se
entrenaron. Aunque el profesor esté preparado, la
herramienta puede ser injusta por si misma.
Para evitar esto Flores & García (2023) piden
responsabilizar inclusión y supervisión humana, por
otro lado, Del Cisne et al., (2024) advierten que esa
dependencia baja el rendimiento, quita autonomía y
hace perder habilidades de investigación, ante todo
esto el objetivo de este estudio es analizar el impacto
de la inteligencia artificial en la educación
secundaria desde una revisión sistemática.
El tema es urgente, en nuestra región el BID
(2023) dice que tres de cada cuatro estudiantes
latinoamericanos tienen bajo rendimiento en
matemáticas y la mitad no entiende lo que lee, en
Perú PISA 2025 mostró 406 en ciencias, 390 en
lectura y 382 en matemática (Gestión, 2026) la IA
se está manteniendo en sistemas educativos que ya
están mal, por tanto, usarla sin cuidar la equidad y
la formación sería un error.
Para guiar esto, Ouyang & Jiao (2021),
proponen los siguientes paradigmas (Ver Figura 1),
a) la IA dirigida basada en el conductismo de
Skinner en donde la máquina lo controla todo,
premia y castiga, y el alumno solo recibe
instrucciones, b) la IA soportada basada en el
constructivismo en donde la inteligencia artificial ya
no manda sino que apoya, interactúa y el alumno
colabora con ella, c) la IA empoderada basada en
sistemas complejos, donde el conectivismo se
fusiona con el entorno para potenciar al alumno y
este, es un líder autónomo que toma decisiones. Por
tal motivo, surge la siguiente pregunta: ¿Cuál es el
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2096)
http://www.aulavirtual.web.ve
impacto de la inteligencia artificial en la educación
secundaria según la evidencia científica reciente?
Ante esta perspectiva cabe preguntar: ¿Cuál es el
impacto de la inteligencia artificial en la educación
secundaria según la evidencia científica reciente
reportada en la literatura especializada?
Figura 2. Tres paradigmas de la IA en la educación
Metodología
Este estudio sigue un enfoque cualitativo con
un tipo de investigación documental centrada en los
fundamentos de la revisión sistemática. Se
establecieron dos etapas en el estudio: en la primera
se ejecutó un método de búsqueda con operadores
boleanos y en la segunda etapa fue seleccionada la
muestra de acuerdo a los protocolos PRISMA
(Preferred Reporting Items for Systematic reviews
and Meta-Analyses), según sus siglas en inglés,
definida por Page et al., (2021) como el método que
permite a los revisores sistemáticos informar de los
criterios ejecutados para la selección de la muestra
a través de las siguientes fases.
Fase de identificación
En la etapa de búsqueda se empleó operadores
boleanos para Scopus: ("artificial intelligence" OR
"school education" OR "high school AND
"secondary education"). En SciELO ("impacto de la
inteligencia artificial" OR "educación secundaria")
AND ("inteligencia artificial" OR "bachillerato"
En Dialnet "inteligencia artificial" AND
("educación secundaria " OR "bachillerato" OR
"básica") y en Latindex como no admite operadores
se buscó por: impacto de la inteligencia artificial,
educación secundaria. Esta búsqueda se ejecutó en
Latinoamérica entre el periodo de 2022 hasta el
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2097)
http://www.aulavirtual.web.ve
2026 y en el idioma español. Como resultado se
obtuvieron 1023 estudios.
Fase de tamizaje
Se eliminaron los duplicados y se realizó una
revisión de los títulos y resúmenes para filtrar los
estudios que no pertenecían al periodo 2022 y 2026,
trabajos de grado, tesis o ponencias, estudios en
idiomas distintos al español.
Fase de Elegibilidad
Se evaluó el texto completo de los artículos
para determinar si los estudios analizados abordan
los siguientes paradigmas: El primer paso: La IA
dirigida (El estudiante como receptor), el segundo
paso: La IA soportada (El estudiante como
colaborador) y el paso más avanzado: La IA
empoderada (El estudiante como líder).
Fase de inclusión
En esta parte se incluyen en la revisión
sistemática 18 artículos como muestra.
Figura 3. Diagrama de flujo del método PRISMA
Registros identificados (1023)
Artículos retirados
Duplicados (241)
Artículos después de
eliminar duplicados (782)
Artículos retirados
Criterios de exclusión (456)
Artículos retirados luego de lectura/revisión (308)
Artículos incorporados
Por criterio de inclusión (326)
Estudios incluidos en la síntesis cualitativa
Total (18) estudios
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2098)
http://www.aulavirtual.web.ve
Con el propósito de explorar las semejanzas
y diferencias entre los estudios incluidos en la
matriz de evidencia temática, se aplicó un análisis
de conglomerados jerárquicos, este procedimiento
permite organizar las unidades de análisis en una
estructura jerárquica a partir de una medida de
aproximidad, representando las sucesivas uniones
del grupo mediante un dendograma según Gordon
(1987) y Hubert (2014).
La unidad de análisis estuvo constituida por
cada uno de los 18 estudios seleccionados, para
cada investigación se construyó un perfil a partir
de los paradigmas previamente establecidos, la
similitud entre los perfiles se determinó mediante
la distancia de Jaccard definida como la
proporción de categorías compartidas respecto del
total de categorías presentes, en al menos uno de
las dos agrupaciones de estudios con perfiles
temáticos semejantes.
Resultados
Autor(es)
Título
Tipo de
investigación
Hallazgos
Andrade et
al., (2024)
La incidencia de la inteligencia
artificial en la educación secundaria
del Ecuador
Artículo
Advierten que los algoritmos alimentados con
datos sesgados pueden reproducir prejuicios y
comprometer la equidad y la inclusión
educativa.
García et
al., (2024)
Impacto de la Inteligencia Artificial en
el proceso educativo del nivel
secundaria
Artículo
Señalan mejoras en habilidades de
matemáticas, redacción e historia, aunque
advierten un déficit persistente en la
alfabetización digital de docentes y alumnos.
Amo et al.,
(2026)
Integración de la Inteligencia
Artificial y la Alfabetización de Datos
en la ESO: Análisis de percepciones y
condiciones de adopción
Artículo
Identifican una gestión de datos reactiva, falta
de directrices institucionales claras, un uso
exploratorio no sistemático y marcada
preocupación por la privacidad.
Bautista &
Rodríguez
(2025).
El papel de la inteligencia artificial
generativa en secundarias: Realidades
y desafíos
Artículo
Evidencian que la adopción tecnológica
tropieza con barreras estructurales,
deficiencias de infraestructura, desigualdad
socioeconómica y necesidad de capacitación
docente.
Asencio et
al., (2026)
Uso de un asistente educativo basado
en inteligencia artificial y su relación
con el aprendizaje hacia la
programación en estudiantes de
bachillerato técnico
Artículo
Reportan que el uso de asistentes inteligentes
fortalece la comprensión práctica, eleva la
motivación y dota al alumnado de autonomía
para crear sus propios recursos.
Castillo
(2023)
Impacto de la inteligencia artificial en
el proceso de enseñanza y aprendizaje
en la educación secundaria
Artículo
Constatan una integración generalizada: los
docentes la emplean para planificar y crear
contenidos, y los alumnos para cumplir tareas
y recibir tutorías personalizadas.
González
et al.,
(2025)
Desafíos de la inteligencia artificial en
la educación secundaria: una revisión
sistemática (2020-2025)
Artículo
Concluyen que la irrupción de la IA en la
secundaria global genera tanto beneficios
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2099)
http://www.aulavirtual.web.ve
Autor(es)
Título
Tipo de
investigación
Hallazgos
sustanciales como desafíos complejos que
requieren atención urgente.
Guerra &
Oyola
(2026)
Integración de la inteligencia artificial
en la educación secundaria: una
revisión sistemática
Artículo
Determinan que los principales obstáculos
radican en la escasa formación docente, las
asimetrías tecnológicas, los riesgos éticos y la
resistencia cultural al cambio.
Alfaro &
Díaz
(2024)
Percepciones y Aplicaciones de la IA
entre Estudiantes de Secundaria
Artículo
Destacan la urgencia de promover un uso
ético, consciente y reflexivo de la tecnología
dentro del proceso formativo cotidiano.
Cobos
(2024)
Impacto de la Inteligencia Artificial en
el Rendimiento Académico de
Estudiantes de Secundaria
Artículo
Muestran un incremento significativo en las
calificaciones de quienes usan frecuentemente
la IA, recalcando la necesidad de garantizar un
acceso equitativo.
Delgado et
al., (2024)
Aplicación de la Inteligencia Artificial
(IA) en Educación Los beneficios y
limitaciones de la IA percibidos por el
profesorado de educación primaria,
educación secundaria y educación
superior.
Artículo
Reconocen ventajas en la gestión de tareas y
acceso a recursos, frente a limitaciones como
el uso inadecuado y la falta de juicio crítico
para evaluar resultados.
Chele et
al., (2026)
Impacto de la inteligencia artificial
generativa en el desarrollo de
competencias innovadoras en
estudiantes de bachillerato
Artículo
Concluyen que la IA fomenta el pensamiento
innovador siempre y cuando su
implementación esté guiada por un diseño y
una estrategia pedagógica adecuada.
Melo
(2026)
Impacto del uso y del nivel de
adopción de herramientas de
inteligencia artificial en la eficacia
pedagógica de los docentes de
educación secundaria: una revisión
sistemática (2020–2025)
Artículo
Hallan barreras recurrentes como sesgos
algorítmicos, amenazas a la privacidad,
brechas de acceso, mayor carga laboral y
ausencia de normativas institucionales claras.
Arroba et
al., (2026)
Impacto de la inteligencia artificial
generativa en el rendimiento
académico: desafíos y oportunidades
en estudiantes de bachillerato
Artículo
Advierten riesgos cognitivos y académicos
como la dependencia tecnológica descarga
cognitiva, faltas a la integridad, sesgos y
erosión del pensamiento crítico.
Sánchez et
al., (2025)
Perspectivas Docentes sobre la
Inteligencia Artificial en la Educación
Básica Secundaria: Análisis Crítico
desde la Ruralidad
Artículo
Identifican temor docente motivado por el
desconocimiento tecnológico, un problema
que se agrava en contextos rurales debido a la
precariedad de infraestructura y conectividad.
Cabrera
(2024)
Transformando la Educación Básica:
Retos y Perspectivas de la Inteligencia
Artificial
Artículo
Revelan diferencias notables según género y
edad en la curva de adopción tecnológica,
mostrando una familiaridad inicial más alta
por parte de las mujeres.
Quintanch
ala et al.,
(2025)
La Inteligencia Artificial, Un Reto
para los Docentes de Secundaria
Artículo
Descubren percepciones erróneas en el
profesorado frente a la inserción de la IA, lo
que subraya una imperiosa demanda de
programas de formación continua.
Patiño &
Sánchez
(2026)
La inteligencia artificial en la
educación secundaria implementada a
través del trabajo colaborativo para la
transformación de prácticas
pedagógicas
Artículo
Sostienen que no se ha abordado de forma
adecuada la dependencia tecnológica generada
por la inmediatez de respuestas automatizadas
obtenidas con un solo clic.
Tabla 1. Hallazgos sobre el impacto de la inteligencia artificial en secundaria
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2100)
http://www.aulavirtual.web.ve
Figura 3. Agrupamiento jerárquico de estudios
Los resultados del agrupamiento jerárquico no
solo organizan los 18 estudios por similitud
temática, sino que muestra con precisión el estado
actual de la investigación. Al cruzar estos clústeres
con los tres paradigmas de la IA en educación
dirigida, soportada y empoderada, se encontró que
la mayoría de la literatura está detenida resolviendo
las tensiones estructurales y éticas.
Primer paradigma (IA dirigida y conductista)
El clúster inferior del dendrograma, agrupado
en tono verde (Quintanchala et al., 2025; García et
al., 2024; Sánchez et al., 2025; Bautista &
Rodríguez, 2025), expone los frenos más
persistentes para consolidar el primer paradigma.
Desde el enfoque conductista de Skinner, la IA
dirigida asume que la máquina puede guiar al
estudiante de forma lineal, dosificando estímulos y
corrigiendo errores. No obstante, la evidencia de
este grupo demuestra que, antes de pensar en un
tutor automatizado, la realidad de la educación
secundaria choca contra deficiencias de
infraestructura, conectividad precaria en zonas
rurales y profundas asimetrías socioeconómicas.
Trabajos como los de Bautista & Rodríguez
(2025) y Sánchez et al., (2025) coinciden en que este
modelo requiere un acceso tecnológico constante
que el sistema educativo todavía no garantiza. A
esto se suma el diagnóstico de Quintanchala et al.,
(2025) y García et al., (2024): los docentes arrastran
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2101)
http://www.aulavirtual.web.ve
un fuerte desconocimiento y percepciones erróneas
sobre el potencial de estas herramientas. En la teoría
conductista, el profesor debería actuar como un
facilitador dentro de un circuito guiado; en la
práctica, la falta de alfabetización digital lo reduce a
un espectador pasivo. En definitiva, aunque el
modelo teórico es claro sobre el papel, las brechas
materiales y formativas impiden que esa
automatización llegue de manera equitativa a las
aulas.
Segundo paradigma (IA soportada y
constructivista)
El clúster intermedio integrado por los
subgrupos morado y rojo que reúnen a Chele et al.,
(2026), Cobos (2024), Castillo (2023) y Asencio et
al., (2026) sintoniza de lleno con el segundo
paradigma. Aquí, bajo el prisma constructivista, la
tecnología deja de dictar rutas rígidas para
convertirse en un engranaje que dialoga con el
alumno. Los hallazgos confirman que este enfoque
ya opera en el terreno cotidiano: Castillo (2023)
documenta su uso docente para planificación y
tutoría personalizada; Asencio et al., (2026)
comprueban mejoras tangibles en la motivación y la
comprensión; y Cobos (2024) reporta incrementos
significativos en el rendimiento académico.
A pesar de estos avances, el panorama no está
exento de advertencias. Chele et al., (2026)
introducen un contrapeso crítico al señalar que la IA
generativa solo estimula competencias innovadoras
si va de la mano de un diseño pedagógico riguroso.
Esto cambia el optimismo constructivista que asume
un empoderamiento automático por el simple uso de
la herramienta. Sin una mediación docente activa, el
pretendido "colaborador cognitivo" corre el riesgo
de transformarse en un atajo para resolver tareas sin
que el estudiante procese ni cuestione la
información.
Tercer paradigma (IA empoderada, sistemas
complejos y la tensión ética)
El clúster superior, compuesto por el bloque
gris y rosa (Patiño & Sánchez, 2026; Alfaro & Díaz,
2024; Delgado et al., 2024; Guerra & Oyola, 2026;
Arroba et al., 2026; Andrade et al., 2024; Melo,
2026; Amo et al., 2026), concentra el volumen más
alto de estudios y plantea las discusiones más
profundas. Lejos de detenerse en la operatividad
técnica, este bloque pone la lupa sobre los riesgos
críticos: sesgos algorítmicos, brechas de privacidad,
descarga cognitiva y carencias normativas
institucionales.
Al contrastar esto con el tercer paradigma
inspirado en el conectivismo y la complejidad,
donde la IA se funde con el entorno para potenciar
una agencia humana autónoma aflora una
contradicción evidente. Mientras el modelo ideal
concibe a un estudiante capaz de liderar su propio
aprendizaje en red, investigaciones como las de
Andrade et al., (2024) y Arroba et al., (2026)
advierten que los algoritmos tienden a perpetuar
prejuicios y a debilitar el pensamiento crítico
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2102)
http://www.aulavirtual.web.ve
mediante una delegación excesiva del esfuerzo
mental.
Conclusiones
El recorrido por la literatura y el contraste con
los datos demuestran que la inteligencia artificial,
por sí sola, no es ni la solución milagrosa ni la
condena absoluta para la educación secundaria. Su
verdadero impacto depende de un factor humano y
estructural: el enfoque pedagógico que la acompaña.
Los resultados son claros, en este sentido, la
variable más determinante en los 18 estudios
analizados no fue el tipo de tecnología, sino la
existencia o ausencia de una estrategia didáctica
clara. La división inicial de la literatura (con una
entropía de 0.991) refleja la confusión actual, pero
al filtrar los datos, la matemática es implacable: sin
un enfoque estratégico, el 100 % de los escenarios
deriva en riesgos, dependencia o resultados
limitados; con una guía pedagógica adecuada, el 100
% de los casos reporta éxito académico y desarrollo
de competencias.
Esta evidencia empírica dialoga directamente
con los paradigmas de Ouyang & Jiao (2021). Se
concluye que el sistema educativo no puede saltar
directamente al tercer paradigma (la IA
empoderada, donde el estudiante es líder) sin antes
dominar el segundo (la IA soportada, donde el
estudiante es colaborador). Según los estudios
cuando la IA se introduce de forma improvisada, el
sistema regresa al primer paradigma (IA dirigida),
donde el estudiante se vuelve un receptor pasivo,
propenso a la dependencia y a la pérdida de
habilidades críticas, tal como advirtieron Castillo
(2023) y Del Cisne et al., (2024). Para que la IA
actúe como un verdadero soporte cognitivo que
fomente la argumentación y la resolución de
problemas (Guerra & Oyola, 2026), se requiere de
manera indispensable la mediación docente.
Asimismo, se concluye que la integración de
la IA es un ecosistema interdependiente que no
puede ignorar las condiciones materiales y éticas.
Los hallazgos confirman que la falta de acceso
equitativo a dispositivos y la presencia de sesgos
algorítmicos son amenazas reales que pueden
ampliar las brechas existentes.
Referencias
Alfaro Salas, H., & Díaz Porras, J. A. (2024).
Percepciones y aplicaciones de la IA entre
estudiantes de secundaria. Revista Tecnológica-
Educativa Docentes 2.0, 17(1), 200–215.
Documento en línea. Disponible
https://doi.org/10.37843/rted.v17i1.458
Amo Filvà, D., Guàrdia, L., Donate Beby, B.,
Bautista Pérez, G., & Fanni, L. (2026).
Integración de la inteligencia artificial y la
alfabetización de datos en la ESO: Análisis de
percepciones y condiciones de adopción. Revista
de Educación a Distancia (RED), 26(83), 1–30.
Documento en línea. Disponible
https://doi.org/10.6018/red.690641
Andrade Peña, O. del R., Cuenca Zambrano, M. M.,
García Montenegro, S. J., Cuamacás Chafuelán,
S. M., & Ramos Arias, E. A. (2024). La
incidencia de la inteligencia artificial en la
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2103)
http://www.aulavirtual.web.ve
educación secundaria del Ecuador. Revista
Imaginario Social, 7(1), 1–13. Documento en
línea. Disponible
https://doi.org/10.59155/is.v7i1.125
Arroba-Vite, N. M., Cotto-Cerruffo, H. C., Merelo-
Barahona, M. L., & Casquete-Meneses, S. M.
(2026). Impacto de la Inteligencia Artificial
Generativa en el Rendimiento Académico:
Desafíos y Oportunidades en Estudiantes de
Bachillerato. Revista Científica
Multidisciplinaria Arbitrada Yachasun - ISSN:
2697-3456, 10(18), 1180–1198. Documento en
línea. Disponible
https://www.editorialibkn.com/index.php/Yacha
sun/article/view/929
Asencio Morocho, M., Farinango Tayo, M., &
Chele Delgado, S. (2026). Uso de un asistente
educativo basado en inteligencia artificial y su
relación con el aprendizaje hacia la
programación en estudiantes de bachillerato
técnico. ASCE Magazine, 5(3), 454. Documento
en línea. Disponible
https://doi.org/10.70577/asce.v5i3.998
Ayala Sánchez, W. C. (2025). Uso de la inteligencia
artificial en educación: Una revisión sistemática.
Ciencia y Reflexión, 4(4). Documento en línea.
Disponible https://doi.org/10.70747/cr.v4i4.564
Banco Interamericano de Desarrollo (BID). (2023,
5 de diciembre). PISA 2022: ¿Cómo le fue a
América Latina y el Caribe? [Entrada de blog].
Documento en línea. Disponible
https://www.iadb.org/es/blog/educacion/pisa-
2022-como-le-fue-america-latina-y-el-caribe
Bautista Contreras, H., & Rodríguez Zapata, J. A.
(2025). El papel de la inteligencia artificial
generativa en secundarias: Realidades y desafíos.
Revista Iberoamericana de Innovación
Científica JA TUAIDA, 2(2), 67–98. Documento
en línea. Disponible
https://doi.org/10.59722/riic.v2i2.924
Cabrera, K. (2024). Transformando la educación
básica: Retos y perspectivas de la inteligencia
artificial. Revista Científica de Salud y
Desarrollo Humano, 5(2), 1–17. Documento en
línea. Disponible
https://doi.org/10.61368/r.s.d.h.v5i2.113
Calderón Loyola, A., & Nieto Rivas, E. (2024).
Implicaciones de la inteligencia artificial en la
educación: Revisión sistemática. Horizontes.
Revista de Investigación en Ciencias de la
Educación, 8(35), 2304–2315. Documento en
línea. Disponible
https://doi.org/10.33996/revistahorizontes.v8i35
.870
Campillo Herrero, P., & Antón Espada, R. (2025).
Inteligencia artificial en educación: Una revisión
sistemática. Miguel Hernández Communication
Journal, 16, 443–465. Documento en línea.
Disponible https://doi.org/10.21134/0rh1zg17
Castillo Herrera, M. E. (2023). Impacto de la
inteligencia artificial en el proceso de enseñanza
y aprendizaje en la educación secundaria: Impact
of artificial intelligence on the teaching and
learning process in secondary education. LATAM
Revista Latinoamericana de Ciencias Sociales y
Humanidades, 4(6), 515–530. Documento en
línea. Disponible
https://doi.org/10.56712/latam.v4i6.1459
Chele Delgado, S., Martínez Caracundo, N., &
Castro Vera, I. (2026). Impacto de la inteligencia
artificial generativa en el desarrollo de
competencias innovadoras en estudiantes de
bachillerato. Revista Ivecom, 6, 1–12.
Documento en línea. Disponible
https://ve.scielo.org/pdf/ric/v6n4/2739-0063-ric-
6-04-e604031.pdf
Cobos Gutiérrez, C. E. (2024). Impacto de la
inteligencia artificial en el rendimiento
académico de estudiantes de secundaria: Un
estudio correlacional. Puriq: Revista de
Investigación Científica, 6, 1–11. Documento en
línea. Disponible
https://dialnet.unirioja.es/servlet/articulo?codigo
=9856614
Del Cisne Loján, M., Antonio Romero, J., Sancho
Aguilera, D., & Yajaira Romero, A. (2024).
Consecuencias de la dependencia de la
inteligencia artificial en habilidades críticas y
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2104)
http://www.aulavirtual.web.ve
aprendizaje autónomo en los estudiantes. Ciencia
Latina Revista Científica Multidisciplinar, 8(2),
2368–2382. Documento en línea. Disponible
https://doi.org/10.37811/cl_rcm.v8i2.10678
Delgado, N., Campo Carrasco, L., Sainz de la Maza,
M., & Etxabe Urbieta, J. M. (2024). Aplicación
de la inteligencia artificial (IA) en educación:
Los beneficios y limitaciones de la IA percibidos
por el profesorado de educación primaria,
educación secundaria y educación superior.
Revista Electrónica Interuniversitaria de
Formación del Profesorado, 27(1), 207–224.
Documento en línea. Disponible
https://ekoizpen-
zientifikoa.ehu.eus/documentos/65d3ae4b48f4b
77dc2130d38?lang=en
Espinosa Aguilar, J., Moreno Ruiz, S., Arana Arias,
R., Cadena Quelal, S., Cadena Cando, O., &
Pichogagón Pazmiño, F. (2025). La inteligencia
artificial en la educación: Una revisión
sistemática de aplicaciones, beneficios y desafíos
éticos. Revista Latinoamericana de Calidad
Educativa, 2(4), 41–47. Documento en línea.
Disponible https://doi.org/10.70625/rlce/134
Flores Vivar, J. M., & García Peñalvo, F. J. (2023).
Reflexiones sobre la ética, el potencial y los
desafíos de la inteligencia artificial en el marco
de una educación de calidad (ODS 4).
Comunicar, 31(74), 35–44. Documento en línea.
Disponible https://doi.org/10.3916/C74-2023-03
García Mendoza, M. E., Flores Piñas, W. V.,
Párraga Panéz, A., & Baylon Salvador, E. G.
(2024). Impacto de la inteligencia artificial en el
proceso educativo del nivel secundaria.
Simbiosis, 4(8), 79–90. Documento en línea.
Disponible
https://doi.org/10.59993/simbiosis.V.4i8.52
Gestión. (2026, 8 de septiembre). Perú retrocede en
prueba PISA: Así le fue en lectura, matemática y
ciencias. Documento en línea. Disponible
https://gestion.pe/economia/prueba-pisa-2025-
peru-retrocede-en-lectura-matematica-y-
ciencias-que-peruanos-estan-mas-relegados-
noticia/
González Said de la Oliva, M. del P., Solís Trujillo,
B. P., Gonzales Núñez, C., & Flores Revoredo,
R. (2025). Desafíos de la inteligencia artificial en
la educación secundaria: Una revisión
sistemática (2020–2025). Horizontes. Revista de
Investigación en Ciencias de la Educación,
9(39), 2989–3003. Documento en línea.
Disponible
https://doi.org/10.33996/revistahorizontes.v9i39
.1099
Gordon, A. D. (1987). A review of hierarchical
classification. Journal of the Royal Statistical
Society: Series A (General), 150(2), 119–137.
Documento en línea. Disponible
https://doi.org/10.2307/2981629
Guerra Olivella, R., & Oyola Moreno, C. A. (2026).
Integración de la inteligencia artificial en la
educación secundaria: Una revisión sistemática.
Revista Educación, 50(1). Documento en línea.
Disponible
https://doi.org/10.15517/revedu.v50i1.4009
Hubert, L. J. (2014). Hierarchical cluster analysis.
En N. Balakrishnan, T. Colton, B. Everitt, W.
Piegorsch, F. Ruggeri, & J. L. Teugels (Eds.),
Wiley StatsRef: Statistics Reference Online.
Wiley. Documento en línea. Disponible
https://doi.org/10.1002/9781118445112.stat024
49
Melo Rodríguez, A. A. (2026). Impacto del uso y
del nivel de adopción de herramientas de
inteligencia artificial en la eficacia pedagógica de
los docentes de educación secundaria: Una
revisión sistemática (2020–2025). Revista
Multidisciplinar Epistemología de las Ciencias,
3(1), 2628–2655. Documento en línea.
Disponible https://doi.org/10.71112/jf653j78
Miao, F., & Holmes, W. (2023). Guía para el uso
de IA generativa en educación e investigación.
UNESCO. Documento en línea. Disponible
https://www.unesco.org/es/articles/guia-para-el-
uso-de-ia-generativa-en-educacion-e-
investigacion
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2105)
http://www.aulavirtual.web.ve
Ouyang, F., & Jiao, P. (2021). Artificial intelligence
in education: The three paradigms. Computers
and Education: Artificial Intelligence, 2, 100020.
Documento en línea. Disponible
https://doi.org/10.1016/j.caeai.2021.100020
Page, M. J., McKenzie, J. E., Bossuyt, P. M.,
Boutron, I., Hoffmann, T. C., Mulrow, C. D.,
Shamseer, L., Tetzlaff, J. M., Akl, E. A.,
Brennan, S. E., Chou, R., Glanville, J.,
Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M.,
Li, T., Loder, E. W., Mayo-Wilson, E.,
McDonald, S., & Moher, D. (2021). The
PRISMA 2020 statement: An updated guideline
for reporting systematic reviews. BMJ, 372, n71.
Documento en línea. Disponible
https://doi.org/10.1136/bmj.n71
Patiño, M., & Sánchez, L. (2026). La inteligencia
artificial en la educación secundaria
implementada a través del trabajo colaborativo
para la transformación de prácticas pedagógicas.
Trascendere, 7, 83–111. Documento en línea.
Disponible
https://revistas.upel.edu.ve/index.php/trascender
e/article/view/5646/6527
Quintanchala Taquez, M. C., Matango Angamarca,
V. S., Arias Coronado, J. K., & Velasco Caspi,
G. F. (2025). La inteligencia artificial, un reto
para los docentes de secundaria. Estudios y
Perspectivas. Revista Científica y Académica,
5(2), 567–581. Documento en línea. Disponible
https://doi.org/10.61384/r.c.a.v5i2.1144
Sánchez Céspedes, M., Ortega Vega, S. L., Serrano
Ardila, O. M., & León Rodríguez, O. (2025).
Perspectivas docentes sobre la inteligencia
artificial en la educación básica secundaria:
Análisis crítico desde la ruralidad. Ciencia
Latina Revista Científica Multidisciplinar, 9(3),
7743–7762. Documento en línea. Disponible
https://doi.org/10.37811/cl_rcm.v9i3.18396