INTRODUCCIÓN
En
los últimos tiempos la inteligencia artificial (IA) se ha introducido en muchos
ámbitos incluida la educación tomando un papel fundamental para la innovación e
inclusión tanto laboral como educativa. En la Educación Superior las
aplicaciones han sido varias desde las plataformas de aprendizaje adaptativo,
sistemas inteligentes de retroalimentación hasta la utilización de herramientas
analíticas (Murgatroyd,
2024; Vaca Zambrano et al., 2025). Desde el punto de vista
conceptual, el aprendizaje adaptativo es un método que adapta los contenidos y
las trayectorias de aprendizaje a las necesidades particulares de los
estudiantes (Cuenca Masache et al., 2025).
Recientes
revisiones ratifican la expansión académica del tema, pues posibilita la
automatización de las evaluaciones y la retroalimentación instantánea y con
ello la satisfacción de los alumnos y su rendimiento académico se ve
beneficiado (Caicedo
et al., 2024; Diez Cuan, 2023). Dadas las ventajas evidentes del aprendizaje
adaptativo con inteligencia artificial en la educación superior como lo
demuestra el análisis de varios estudios revisados por los autores anteriores que indican avances
estadísticamente significativos.
En
la experiencia práctica, se ha observado que con las plataformas adaptativas ha
mejorado el rendimiento de los alumnos y la automatización inteligente de las
calificaciones de las actividades y las evaluaciones dando a los docentes más
fluidez y agilidad en su trabajo (Chambi Huacani et al., 2024). Además, con las tecnologías de IA aplicadas en el
sistema educativo se ha contribuido a identificar y solucionar el problema de
deserción escolar. Investigaciones como la de Vaca Zambrano et al., (2025), resaltan que las
aplicaciones principales de la inteligencia artificial en el ámbito educativo
como el modelado predictivo, analítica inteligente, asistentes virtuales,
análisis de contenido e imagen, contribuyen a mejorar la retención y la calidad
de la educación.
En
las zonas de bajos recursos del territorio latinoamericano la aplicación de
estas tecnologías se ve afectadas por limitantes económicas y sociales. No
obstante, los países de la región han comenzado a reorganizar la educación con
medidas como aumentar el acceso a la universidad, establecer criterios de
eficacia en el ámbito académico y coordinar entre instituciones (Chambi Huacani et al., 2024). Al mismo tiempo, la
investigación local en inteligencia artificial educativa se expande: múltiples
equipos latinoamericanos utilizan algoritmos que manejan extensas bases de
datos educativas, lo cual favorece a los alumnos, pero también a los maestros y
administradores.
Algunos
autores identificaron a la tecnología asistida, los modelos predictivos de
aprendizaje y los sistemas de análisis inteligente como las aplicaciones de IA
que más se utilizaban en la región. El uso de estas herramientas, representa un
progreso en el uso de IA, pero en la educación su adopción es aún baja (Kang et al., 2025).
La
pandemia de COVID-19 marco un antes y un después en la digitalización de muchos
sectores, se inició entonces un creciente interés en la inteligencia artificial
educativa en el nivel superior. En Ecuador, debido a la digitalización se
realizó una investigación mixta en cinco universidades para analizar la
adopción de la tecnología digital y se registró un acogimiento dispar, con
aumento entre los alumnos de los primeros semestres en línea, utilizando las
herramientas de IA para la automatización de tareas, la elaboración de textos
académicos, la programación y el análisis de datos (Silva & Gavilanes, 2021).
La
información manifiesta que la IA plantea oportunidades de empleabilidad porque
mejora las habilidades digitales, permite el acceso a recursos sofisticados y
se puede individualizar el aprendizaje. No obstante, siguen existiendo barreras
como la brecha digital, la falta de capacitación técnica del profesorado y
conflictos éticos de plagio y privacidad. Otro aporte importante para la
educación ha sido la accesibilidad e inclusión de estudiantes con discapacidad,
pues con las adaptaciones inteligentes hay un mejor entendimiento de los
contenidos (Kang
et al., 2025; Sriram et al., 2025).
La
aplicación de una educación adaptativa con IA hace que las actividades de
aprendizaje sean más interesantes e interactivas y tengan un mayor valor
pedagógico. Por lo tanto, es esencial, la revisión de investigaciones que
plantean estrategias pedagógicas adaptativas aplicadas con efectividad en el
contexto educativo superior, así como también el análisis de aquellos estudios
que identifiquen elementos críticos que impiden o dificultan la escalabilidad
de la tecnología (Shimizu et al., 2023; Xu, 2025).
La
persistencia de limitantes significativas en el sector educativo
latinoamericano para la diversificación de la implementación de la IA está
siendo motivo de evaluación en la región sobre todo en el nivel universitario.
Ya que existe una marcada disparidad digital en cuanto acceso a dispositivos e
internet, los profesores tienen poca preparación específica en inteligencia
artificial educativa y los proyectos de simulaciones y plataformas adaptativas
basadas en IA son costosos. (Khakpaki, 2025).
Es
importante reunir conocimientos que permitan profundizar en los beneficios y
limitaciones del aprendizaje adaptativo con inteligencia artificial, pues la
innovación educativa es un tema de relevancia (Murgatroyd, 2024; Shimizu
et al., 2023). Dada esta realidad el objetivo fue analizar la evidencia científica
sobre la aplicación del aprendizaje adaptativo con IA en enseñanza del nivel
superior en Latinoamérica.
MÉTODO
La
investigación tiene enfoque cualitativo a partir de una revisión sistemática de
la literatura siguiendo las directrices de la Declaración PRISMA 2020. En esta
revisión de tipo descriptiva se describieron las tendencias, beneficios,
limitaciones y perspectivas de aplicación de estas tecnologías educativas en el
contexto latinoamericano con el propósito de evaluar la evidencia científica
disponible y fundamentar las repercusiones del aprendizaje adaptativo con
inteligencia artificial en la educación superior.
Siguiendo
el modelo PICO y para dar relevancia científica a la revisión se formuló la
pregunta de investigación ¿Qué impacto tiene el aprendizaje adaptativo con
inteligencia artificial comparado con las metodologías tradicionales no
adaptativas en los estudiantes universitarios en Latinoamérica, en cuanto al
rendimiento académico, personalización del aprendizaje y motivación? Por lo que
se planteó en la tabla 1 los aspectos de la población específica, dentro de un
determinado contexto y en relación a fenómeno concreto.
Tabla 1.
La estrategia PICO de la revisión sistemática.
|
COMPONENTE
|
Descripción
|
|
P (Población)
|
Estudiantes en el nivel superior de Latinoamérica
|
|
I (Intervención)
|
Ejecución del aprendizaje adaptativo con inteligencia artificial
|
|
C (Comparación)
|
Métodos tradicionales de aprendizaje sin tecnologías educativas no
adaptativas.
|
|
o (outcome)
|
Impacto en el aprendizaje (rendimiento académico, motivación,
retención de conocimientos, habilidades digitales, satisfacción estudiantil)
|
Elaboración: Los autores.
La
información se obtuvo de bases de datos como Scielo, Redalyc, ScienceDirect,
Dialnet y PubMed, de los últimos cinco años, teniendo en cuenta palabras
claves interconectadas con operadores booleanos y utilizando los criterios de
inclusión y exclusión (Tabla 2).
Tabla 2.
Criterios estratégicos para la búsqueda.
|
Sección
|
Ítems
|
|
Criterios
|
Aspectos definidos en la Inclusión y exclusión.
|
|
Fuentes
|
ScienceDirect, SciELO, Dialnet, Redalyc
|
|
Cadenas de búsquedas
|
“Aprendizaje adaptativo” and “inteligencia artificial”
and “educación superior” and “Latinoamérica”
“Adaptive learning” and “artificial intelligence” and “higher
education” and “Latin America”
|
|
Filtros
|
Años,
idioma, tipo de artículo, accesibilidad y relevancia.
|
|
Información
|
El
aprendizaje adaptativo con inteligencia artificial en estudiantes del nivel
superior en Latinoamérica
|
|
Selección
|
Eliminación de títulos repetidos, descartar los textos
que no cumplan con el objetivo, con una metodología inadecuada y un objeto de
análisis diferente.
|
|
Recopilación de datos
|
Una matriz de Microsoft Excel se utilizó en el
procesamiento y análisis de datos.
|
|
Método de síntesis
|
Se presentó una tabla según autor, año, país, objetivo, diseño del estudio, resultados y conclusiones.
|
Elaboración: Los autores.
Criterios
de inclusión
- Artículos originales y capítulos de libros revisados por pares y
publicados en los últimos cinco años en revistas indexadas.
- Publicaciones en idioma español, inglés.
- Estudios
que abordaran el uso del aprendizaje adaptativo con inteligencia
artificial en estudiantes de nivel superior en Latinoamérica.
Criterios
de exclusión
- Documentos
publicados como tesis de grado y posgrado, blogs, carta al editor,
resúmenes o comentarios y noticias.
- Artículos
publicados fuera de los últimos cinco años.
- Estudios
que abordaran el uso del aprendizaje adaptativo con inteligencia
artificial en estudiantes de otros niveles educativos y fuera de
Latinoamérica.
- Documentos
sin acceso a texto completo.
Para garantizar la calidad metodológica de los estudios se
aplicaron listas de chequeo como las guías del Joanna Briggs Institute (JBI).
Se obtuvo una matriz de análisis, en Microsoft Excel para sistematizar la
información basada en autor, año, país, objetivo, diseño del estudio,
resultados, limitaciones. A continuación, se hizo una síntesis narrativa
temática sobre: tecnologías aplicadas, resultados académicos, barreras y
perspectivas para identificar patrones comunes, vacíos de investigación y enfoques
futuros.
En la figura 1 se detalla el proceso de la revisión sistemática
mediante el diagrama sobre el aprendizaje adaptativo con inteligencia
artificial en estudiantes del nivel superior en Latinoamérica.
Figura 1. Diagrama de flujo de los artículos revisados.
Elaboración: Los autores.
RESULTADOS
La
información encontrada en las bases de datos fue abundante, pues existen varias
investigaciones que abordan actualmente desde diferentes aristas y en
diferentes contextos el uso de la IA, para la revisión como se muestra en la
figura 1 se realizó un proceso de análisis y cribado que llevo a la obtención
de los estudios más acordes con los criterios de inclusión. Estos estudios se
sintetizaron en la tabla 3 mostrando su enfoque en la transformación del
aprendizaje adaptativo en los centros de Educación Superior en Latinoamérica.
DISCUSIÓN
A
pesar de que muchos investigadores analizan en la actualidad el uso de la IA en
el entorno educativo desde una perspectiva adaptativa del aprendizaje y sobre
todo en el nivel superior, aun son pocos en América Latina. Además, la mayoría
de los estudios se enfocan en el análisis cualitativo de la información y son
insuficientes las investigaciones cuantitativas y que analizan en la práctica
las estrategias adaptativas de aprendizaje que se aplican en los centros de
Educación Superior sobre todo en Latinoamérica (Paredes Gaibor et al., 2024).
Para el análisis de los hallazgos encontrados al respecto se desarrollaron los
siguientes ejes temáticos.
Contexto
de las experiencias educativas
Los estudios revisados que provienen de las universidades
latinoamericanas reportan las experiencias sobre el aprendizaje adaptativo con
inteligencia artificial (IA) en carreras como las ingenierías, áreas de las
ciencias exactas y las tecnologías fundamentalmente (Cadena et al., 2025;
González Rodríguez et al., 2025). La aplicación de estas herramientas es más
evidente en modalidad virtual, aunque se aplican en modalidades híbridas y
presencial también, esto depende de las particularidades de las carreras y de
las condiciones institucionales para su implementación efectiva (Meza Arguello et al., 2025).
En la educación universitaria como se mostró en las
investigaciones hay un uso destacado de sistemas de evaluaciones automatizados,
manejo de plataformas académicas de retroalimentación inteligente y algoritmos
de recomendación, así como de asistentes conversacionales y tutores virtuales (Rodríguez Chávez, 2021; Romero
González & Romero Enríquez, 2022). Estas
herramientas aseguraron una mayor retención estudiantil, que los docentes
fueran más eficientes y a su vez que la experiencia de aprendizaje sean óptimas
e individualizadas. Estas experiencias no tienen el alcance esperado en la
región pues las condiciones estructurales y recursos materiales y humanos de muchas
instituciones no son los adecuados para la implementación de las iniciativas
educativas con IA (Jiménez Barrera et al., 2022; Pérez et al., 2025).
Tecnologías y enfoques de IA
Los enfoques técnicos identificados, dan a los modelos pedagógicos
constructivistas apoyados en IA sobretodo a los híbridos, la posibilidad de que
los contenidos y las actividades se adapten al perfil del estudiante, pues es
una realidad práctica que estas arquitecturas con procesamiento de lenguaje
natural y análisis predictivo-avanzados permiten adaptar la dinámica de
aprendizaje, su ritmo y nivel de dificultad. Con estas tecnologías innovadoras
se han ido modificando gradualmente los recursos de aprendizaje, las mallas
curriculares y se ha capacitado a los docentes para la ejecución responsable y
exitosa de las herramientas (Acón-Matamoros & Morales-Hernández, 2023).
Resultados académicos en los estudiantes
La implementación del aprendizaje adaptativo con IA se reporta en
la literatura con efectos positivos, las investigaciones revisadas coinciden en
que los estudiantes tienen mejorías en las calificaciones y a su vez en el
rendimiento académico, también indican que ellos almacenan el conocimiento y captan
los contenidos complejos de mejor manera porque se sienten motivados y
satisfechos con su experiencia educativa. Es confirmado que las habilidades
cognitivas y metacognitivas se fortalecen en el proceso enseñanza-aprendizaje
con los sistemas adaptativos con IA (Meza Arguello et al., 2025;
Pérez et al., 2025; Supelano Londoño, 2024).
Personalización y
experiencia de aprendizaje
Las
estrategias de personalización del proceso educativo en la Educación Superior
han sido influenciadas por los modelos adaptados con IA, pues coincidentemente
mencionan algunos autores que a diferencia de los modelos convencionales de
educación la enseñanza personalizada adecua los contenidos, recursos y
ritmo de aprendizaje a las necesidades de cada estudiante, para que este tenga
mayor motivación y permanencia en su proceso, adquiera mayor independencia y
avance con fluidez en la resolución de problemas. Estas adaptaciones
flexibilizan el estudio, les da a los estudiantes una experiencia más favorable
y los empodera con su proceso formativo (Cadena et al., 2025).
Retos e inconvenientes
En
los países de Latino América la revisión detectó limitantes generalizadas en la
implementación de la adaptabilidad educativa con IA en las universidades.
Primeramente, existe un acceso desigual a las tecnologías digitales dentro de
los países y a nivel regional, muchas instituciones educativas carecen de las
adecuaciones técnicas de la infraestructura, así como de los recursos
económicos para su implementación. También se documenta de manera organizativa
resistencia institucional a realizar los cambios ya que se requieren muchas
transformaciones e inversión desde elementos regulatorios, modificaciones
curriculares, capacitación docente y renovación tecnológica y estructural
(Pérez et al., 2025; Silva & Gavilanes, 2021; Supelano Londoño et al., 2024;).
Es importante
indicar que los profesores y autoridades manifiestan temores en cuanto a la
privacidad de la información, la seguridad de los datos y la transparencia
ética de los algoritmos aplicados. Estos desafíos requieren de esfuerzos e
iniciativa coordinada entre las universidades y en diferentes niveles
administrativos de la educación para que la integración de la IA sea más
organizada, consolidada y aprovechen equitativamente sus beneficios (Barrera et
al., 2022; Chambi Huacani et al., 2024; Román Acosta et al., 2023).
Posibilidades para el futuro
Los
investigadores confluyen en la idea que la IA es una influencia beneficiosa
para la renovación de los sistemas de aprendizaje adaptativos en la Educación
Superior toda Latinoamérica, impulsando los ambientes universitarios inclusivos
y eficientes. El acceso a una educación personalizada y adaptada potencia la
calidad de los egresados y su integración a una sociedad (Acón-Matamoros et
al., 2025; Cadena et al., 2025). Se hace reiterativa la afirmación que el éxito
depende políticas precisas y con pautas éticas claras, realizar inversiones en
recursos tecnológicos y formación de los docentes. Promover la colaboración
interdisciplinaria de las instituciones para una adopción sostenible y
equitativa (González & Enríquez, 2022; Paredes Gaibor et al., 2024).
CONCLUSIONES
Se
concluye en esta investigación que son evidentes los beneficios de la
integración del aprendizaje adaptativo con IA en la transformación de la
Educación Superior en Latinoamérica. Esta educación personalizada según las
necesidades de los estudiantes se convierte en resultados a favor de una mayor
motivación estudiantil y de una mejor comprensión de los contenidos y a su vez
un alto rendimiento académico y retención.
Estas
herramientas tecnológicas en conclusión son recursos pedagógicos que permiten
una educación más inclusiva, con una retroalimentación automatizada e
individualizada que detecta inmediatamente las falencias que tienen los
estudiantes, pero que no debe sustituir la labor docente, el cual si debe
integrar crítica y reflexivamente estas tecnologías para facilitar su labor.
Se
reconocen las limitantes vinculadas a la infraestructura tecnológica, el acceso
digital, la falta de formación específica de los docente y dilemas éticos con
la privacidad y el manejo de datos personales, así como el riesgo de
dependencia de los estudiantes a la IA. Por lo que las instituciones de la enseñanza superior deben participar en el
desarrollo de políticas formativas y regulatorias y promover un enfoque
crítico, ético y colaborativo en la integración responsable y equitativa de la
IA en la comunidad académica.
FINANCIAMIENTO
No monetario.
AGRADECIMIENTOS
A todos los
actores sociales involucrados en la investigación.
REFERENCIAS CONSULTADAS
Acón-Matamoros, A. y
Morales-Hernández, R. (2023). Retos de la educación y la inteligencia
artificial en la Universidad Estatal a Distancia, Costa Rica. Revista
Sapientia 15(30), 20-29. https://doi.org/10.54278/sapientia.v15i30.17
Barrera, M. J., Meneses-La-Riva,
M. E., Cruz, Y. C. de la, Cabanillas-Chavez, M. T., & Olvera, J. L. C.
(2022). Experiencia docente en la aplicación de metodologías activas de
aprendizaje en la educación superior enfermera. Index De Enfermería Digital,
134-138. https://doi.org/10.58807/indexenferm20225062
Cadena, D., Valverde Tobar, I., & Remache Males, M.
(2025). Estrategias de aprendizaje inteligente, equitativo y adaptativo con IA
para estudiantes de mercadotécnica. Revista Latinoamericana De Calidad
Educativa, 2(3), 92-98. https://doi.org/10.70625/rlce/250
Caicedo,
S. S. G., Vélez, N. P. R., Zambrano, Á. A. S., Godoy, N. A. Q., & Macias,
J. R. V. (2024). Análisis al uso de herramientas de inteligencia artificial
para la personalización del aprendizaje en la Educación Superior. Revista Científica
Multidisciplinar G-nerando, 5(1), 573-598. https://doi.org/10.60100/rcmg.v5i1.214
Chambi Huacani, Mary Carmen,
& Choquetarqui Castaño, Carmiña Madalin. (2024). Implementación de
herramientas basadas en inteligencia artificial en el ámbito de la educación
superior. Educación Superior, 11(1), 81-92. https://doi.org/10.53287/ueay5969vp97x
Cuenca
Masache, D. T., Chiza López, D. F., Ramírez Maza, A., & Alvarado Ortiz, J.
de J. (2025). Transformando las estrategias docentes y el aprendizaje
personalizado en la educación superior a través de la inteligencia artificial. Reincisol.,
4(7), 1581–1599. https://doi.org/10.59282/reincisol.V4(7)1581-1599
Diez
Cuan, J. (2023). El metaverso y la inteligencia artificial en la educación
superior. Revisión de casos de éxito. Experior, 2(1), 66-74. https://doi.org/10.56880/experior21.6
González Rodríguez, C. M., Ochoa
Espinoza, V., Argüeso Mendoza, Y., & Miranda Arnold, J. A. (2025).
Conocimiento y uso de nuevas tecnologías con inteligencia artificial (IA) en la
educación, aplicado a un grupo de ingeniería en educación superior. Revista
NeyArt, 3(2), 1–17. https://doi.org/10.61273/neyart.v3i2.98
González, K. L. R., &
Enríquez, O. S. R. (2022). Uso de metodologías activas y su relación en la
formación inicial del profesorado en educación física. MENTOR Revista De
Investigación Educativa Y Deportiva, 1(3), 247-259. https://doi.org/10.56200/mried.v1i3.3487
Jiménez Barrera, M.,
Meneses-La-Riva, M. E., Cano De la Cruz, Y., Cabanillas-Chavez, M. T., &
Cabrera Olvera, J. L. (2022). Experiencia docente en la aplicación de
metodologías activas de aprendizaje en la educación superior enfermera. Index De Enfermería, 31(2), 134-138. https://doi.org/10.58807/indexenferm20225062
Kang,
N., Liu, L., & Zhang, S. (2025). The Research Hotspots and Future Trends of
Adaptive Learning in the Age of Artificial Intelligence: A Bibliometric
Analysis From 2014 to 2024. Journal of Nursing Management, 2025,
6689213. https://doi.org/10.1155/jonm/6689213
Khakpaki, A.
(s. f.). Advancements in artificial intelligence transforming medical
education: A comprehensive overview. Medical Education Online, 30(1),
2542807. https://doi.org/10.1080/10872981.2025.2542807
Kroff, F. J., Coria, D. F.,
& Ferrada, C. A. (2024). Inteligencia
Artificial en la educación universitaria: Innovaciones, desafíos y
oportunidades. Revista Espacios, 45(5), 120-135. https://doi.org/10.48082/espacios-a24v45n05p09
Meza Arguello, D. M., Obando
Burbano, M. de los Ángeles, Franco Valdez, J. L., & Simisterra Muñoz, J. M.
(2025). El uso de la inteligencia artificial como recurso pedagógico en la
educación superior: experiencias de los docentes. Sage Sphere International Journal, 2(2), 1-10. https://doi.org/10.63688/jrd8es89
Murgatroyd,
S. (2024). Artificial
Intelligence and future of higher education. REVISTA PARAGUAYA DE EDUCACIÓN A DISTANCIA
(REPED), 5(1),
4–11. https://doi.org/10.56152/reped2024-vol5num1-art1
Paredes Gaibor, D. S., Montero
Jiménez, J. F., Allán Granja, C. D., & Villao Jiménez, J. A. (2024).
Integración de la inteligencia artificial en la enseñanza universitaria. Chone,
Ciencia Y Tecnología, 2(2). https://doi.org/10.56124/cct.v2i2.005
Pérez, G. H., Galvez, J. B. B.,
Campos, E. R., & Bustamante, E. S. (2025). Inteligencia artificial y pedagogía: Retos para la
educación superior en el Perú. Revista InveCom, 6(2), 1-6. https://doi.org/10.5281/zenodo.16997148
Prada Segura, J. A., &
Beltrán Gómez, A. (2024).
Implementación de Aprendizaje Adaptativo en Moodle con Inteligencia Artificial.
In Perspectivas contemporáneas sobre educación y tecnología digital (pp.
176-195). Editorial Transdigital. https://n9.cl/4ujpr
Rodríguez Chávez, M. H. (2021).
Sistemas de tutoría inteligente y su aplicación en la educación superior. RIDE
Revista Iberoamericana Para La Investigación Y El Desarrollo Educativo, 11(22).
https://doi.org/10.23913/ride.v11i22.848
Román Acosta, D. D., Alarcón
Osorio, D., y Rodríguez Torres, E. (2023). Implementación de ChatGPT: aspectos
éticos, de edición y formación para estudiantes de posgrado. Revista
Senderos Pedagógicos, 15(1), 15–31. https://doi.org/10.53995/rsp.v15i1.1592
Romero González, K. L., &
Romero Enríquez, O. S. (2022). Uso de Metodologías Activas y su relación en la
formación inicial del profesorado Educación Física. MENTOR Revista De
investigación Educativa Y Deportiva, 1(3), 247–259. https://doi.org/10.56200/mried.v1i3.3487
Silva, A., & Gavilanes, M.
(2021). Limitantes didácticas y tecnológicas en la enseñanza universitaria en
época pandémica. Revista Tecnológica Ciencia y Educación, 5(1), 66-78. https://doi.org/10.37957/ed.v5i1.66
Shimizu,
I., Kasai, H., Shikino, K., Araki, N., Takahashi, Z., Onodera, M., Kimura, Y.,
Tsukamoto, T., Yamauchi, K., Asahina, M., Ito, S., & Kawakami, E. (2023). Developing Medical Education
Curriculum Reform Strategies to Address the Impact of Generative AI:
Qualitative Study. JMIR Medical Education, 9, e53466. https://doi.org/10.2196/53466
Sriram,
A., Ramachandran, K., & Krishnamoorthy, S. (s. f.). Artificial Intelligence in
Medical Education: Transforming Learning and Practice. Cureus, 17(3), e80852. https://doi.org/10.7759/cureus.80852
Supelano Londoño, M. L.
(2024). Incidencia de la
inteligencia artificial en el aprendizaje de los estudiantes universitarios. Plumilla
Educativa, 33(2), 1-24. https://doi.org/10.30554/p.e.2.5153.2024
Vaca
Zambrano, S. E., Machado Herrera, P. H., Huera Paltan, B. P., & Farez
Atiencia, J. C. (2025). Implementation of Artificial Intelligence for Personalized
Learning in Higher Education. Salud, Ciencia y Tecnología - Serie de Conferencias, ISSN-e
2953-4860, Vol. 4, No. 0, 2025, 0. https://n9.cl/vzv4eg
Xu,
X. (2025). AI optimization algorithms enhance higher education management and
personalized teaching through empirical analysis. Scientific Reports, 15, 10157. https://doi.org/10.1038/s41598-025-94481-5
©2026 por los autores. Este artículo es de acceso abierto y
distribuido según los términos y condiciones de la licencia Creative Commons
Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) (https://creativecommons.org/licenses/by-nc-sa/4.0/)