Del aula tradicional hacia espacios interactivos con el uso de prompts y modelos de IA

 

From the traditional classroom to interactive spaces using prompts and AI models

 

María Mitre Vásquez1 y Delia Consuegra de Sucre2

1Universidad de Panamá, maria.mitrev@up.ac.pa, https://orcid.org/0009-0000-8154-025X, Panamá

2Universidad de Panamá, delia.consuegra@up.ac.pa, https://orcid.org/0000-0002-4661-6578, Panamá

 

 

Información del Artículo

 

RESUMEN

 

 

Trazabilidad:

Recibido 06-12-2025

Revisado 07-12-2025

Aceptado 01-01-2026

 

 

La llegada de las inteligencias artificiales (IA) generativas ha transformado radicalmente los entornos educativos, desplazando el paradigma del aula tradicional hacia espacios de co-creación, exploración y conocimiento interactivo. Este estudio explora cómo docentes y estudiantes de Informática Aplicada experimentan emociones de entusiasmo, curiosidad y agencia al integrar tres modelos de IA ChatGPT (OpenAI), Gemini (Google) y Qwen (Alibaba Cloud) en actividades pedagógicas reales durante un semestre académico. Mediante un enfoque metodológico mixto (observación participante, encuestas Likert de 5 puntos y entrevistas semiestructuradas), se analizó la interacción de 42 estudiantes y 2 docentes con estas herramientas. Los resultados revelan un alto nivel de motivación específica, con el 85.7% de los estudiantes expresando “mucho interés” en descubrir nuevas funcionalidades mediante indicaciones. Se documentaron experiencias específicas en las que los estudiantes, guiados por las docentes, diseñaron indicaciones para explicar algoritmos, generar diagramas UML y redactar ensayos técnicos. Cada IA ​​mostró fortalezas diferenciadas: ChatGPT en redacción y tutoría conceptual; Gemini en análisis visual y generación multimodal; Qwen en soporte técnico y razonamiento lógico. Emergieron categorías temáticas como “la emoción del descubrimiento iterativo”, “la IA como compañero de pensamiento” y “la necesidad de validación crítica”. Estos hallazgos sugieren que la IA no sustituye al docente, sino que potencia un nuevo rol: el de diseñador de experiencias interactivas centradas en el estudiante, la equidad y la sostenibilidad. Se propone un modelo pedagógico flexible que integra buenas prácticas en el uso ético y pedagógico de tecnologías emergentes.

 

Palabras Clave:

Inteligencia artificial generativa

Aprendizaje interactivo,

Innovación pedagógica,

Formación docente

Instrucciones para IA (prompts)

 

 

Keywords:

Generative artificial intelligence

Interactive learning

Pedagogical innovation

Teacher training

AI prompts

 

ABSTRACT

The arrival of generative artificial intelligence (AI) has radically transformed educational environments, shifting the paradigm from the traditional classroom to spaces of co-creation, exploration, and interactive knowledge. This study explores how teachers and students of Applied Computer Science experience emotions of enthusiasm, curiosity, and agency when integrating three AI models ChatGPT (OpenAI), Gemini (Google), and Qwen (Alibaba Cloud) into real pedagogical activities during an academic semester. Using a mixed-methods approach (participant observation, 5-point Likert surveys, and semi-structured interviews), the interaction of 42 students and 2 teachers with these tools was analyzed. The results reveal a high level of specific motivation, with 85.7% of students expressing “great interest” in discovering new functionalities through prompts. Specific experiences were documented in which students, guided by teachers, designed prompts to explain algorithms, generate UML diagrams, and write technical essays. Each AI showed distinct strengths: ChatGPT in writing and conceptual tutoring; Gemini focused on visual analysis and multimodal generation; Qwen on technical support and logical reasoning. Thematic categories emerged, such as “the thrill of iterative discovery,” “AI as a thinking partner,” and “the need for critical validation.” These findings suggest that AI does not replace teachers but rather empowers them to assume a new role: that of designer of interactive experiences centered on the student, equity, and sustainability. A flexible pedagogical model is proposed that integrates best practices in the ethical and pedagogical use of emerging technologies.

 

 

 

INTRODUCCIÓN

 

Durante décadas, el aula universitaria se concibió como un espacio unidireccional: el docente transmitía conocimientos, y el estudiante los absorbía. Sin embargo, la convergencia de la digitalización, la inteligencia artificial (IA) generativa y nuevas teorías del aprendizaje ha desmantelado este modelo (Zawacki-Richter et al., 2019). Hoy, el conocimiento ya no reside únicamente en libros o en la figura del profesor, sino que emerge en la interacción dinámica entre humanos, máquinas y contextos (Luckin, 2022). En este nuevo escenario, las IA no son meras herramientas de productividad, sino agentes cognitivos y afectivos que transforman la forma en que se busca, crea, valida y comparte el saber.

La educación en informática, en particular, se encuentra en una encrucijada privilegiada: sus estudiantes no solo usan tecnologías, sino que están capacitados para comprender y cuestionar sus fundamentos. Esto los convierte en actores ideales para explorar cómo la AI puede redefinir la pedagogía universitaria desde una postura crítica, creativa y ética. (Aguilar et al., 2023; Numa-Sanjuán et al., 2024).

Investigaciones recientes señalan que la integración de IA generativa en la educación puede mejorar la motivación, la autorregulación y la resolución de problemas (Hwang y Chen, 2023; Chui et al., 2023). No obstante, la mayoría de estos estudios se centran en contextos anglosajones o en mediciones cuantitativas de rendimiento, dejando de lado la dimensión experiencial y emocional que impulsa la innovación real en el aula. Como señala la UNESCO (2023), “la tecnología no educa; las personas educan con tecnología”. Por tanto, comprender cómo se sienten y actúan docentes y estudiantes al interactuar con IA es tan relevante como medir su eficacia técnica.

Este artículo responde a la siguiente pregunta de investigación:

¿Cómo experimentan docentes y estudiantes de Informática Aplicada la transición del aula tradicional al conocimiento interactivo mediado por inteligencias artificiales?

El objetivo es analizar, desde una perspectiva cualitativa rica y humanizada, las emociones, prácticas y descubrimientos que surgen cuando se integran tres IA generativas ChatGPT, Gemini y Qwen en actividades reales de aula, prestando especial atención al diseño y uso de indicaciones pedagógicas.

La originalidad de este estudio radica en tres aspectos:

El artículo se estructura según el formato IMRaD, y concluye con un modelo pedagógico práctico para la integración crítica de IA en la educación superior.

 

MATERIALES Y MÉTODOS

 

El estudio se desarrolló durante el primer semestre de 2023 en dos secciones de la asignatura Metodologías de la Investigación, parte del plan de estudios de la carrera de Informática para la Gestión Educativa y Empresarial en una universidad pública de Panamá. Participaron 42 estudiantes (21 por sección, edad promedio = 22,3 años, 62% mujeres) y 2 docentes investigadoras (las autoras). Ambos docentes tienen formación avanzada en entornos virtuales y TIC educativas, lo que permitió una implementación reflexiva y adaptativa de las IA.

Se omiten referencias institucionales específicas para mantener el enfoque en la educación superior en general, como es habitual en estudios de caso en revistas indexadas.

Se adoptó un diseño mixto secuencial exploratorio con enfoque cualitativo predominante (Creswell y Plano Clark, 2017). La fase cualitativa (observación y entrevistas) guió la formulación de ítems para la encuesta cuantitativa. Entre los instrumentos y procedimientos utilizados se da la observación del participante por parte de las docentes la cuales actuaron como observadoras participantes durante 15 semanas. Cada sesión incluía una actividad específica con una de las tres IA. Se utilizaron diarios de campo digitales para registrar el tipo de indicaciones utilizadas por los estudiantes, tomando en cuenta las reacciones verbales y no verbales (risas, exclamaciones, frustración, asombro), con intervenciones docentes para guiar el uso crítico de la IA.

Para fortalecer la observación se planteó una encuesta de percepción al finalizar el semestre, se aplicó una encuesta online con escala Likert de 5 puntos agrupados en tres dimensiones:

El coeficiente alfa de Cronbach fue de 0,84, indicando buena consistencia interna. El valor de 0,84 es muy bueno, ya que el alfa de Cronbach va de 0 a 1, y se interpreta de la siguiente manera.

 

Tabla 1: Niveles de confianza e interpretación.

 

Valor del α

Nivel de confiabilidad

Interpretación

0,90 – 1,00

Excelente

Muy alta consistencia interna

0,80 – 0,89

Buena

Alta confiabilidad

0,70 – 0,79

Aceptable

Adecuada para investigación

0,60 – 0,69

Cuestionable

Baja, puede mejorarse

< 0,60

Deficiente

No confiable

 

Nota. α = 0,84 significa que el instrumento utilizado en tu estudio es confiable y que las preguntas miden de manera coherente el mismo constructo (por ejemplo: motivación, percepción, actitudes, etc.).

A la vez se intervino con entrevistas semiestructurada en donde se realizaron 8 entrevistas (4 por sección), seleccionando estudiantes con distintos niveles de participación. La guía incluyó preguntas como:

Las entrevistas se grabaron, transcribieron y anonimizaron (E01–E08).

 

 

Tabla 2: Actividades pedagógicas con IA: se diseñaron 6 actividades clave, cada una enfocada en una competencia específica

 

Semana

Actividad

IA Utilizada

Objetivo Pedagógico

3

Explicar algoritmos de ordenamiento

ChatGPT

Desarrollar claridad conceptual

5

Generar diagramas UML a partir de texto

Gemini

Fomentar pensamiento visual

7

Depurar código en Python

Qwen

Fortalecer razonamiento lógico

9

Crear guía para app de RA educativa

Todas

Comparar capacidades multimodales

11

Redactar ensayo sobre ética en IA

ChatGPT + Qwen

Estimular análisis crítico

13

Diseñar rúbrica de evaluación con IA

Gemini

Promover metacognición

 

Nota. Se contrastaron observaciones, encuestas y entrevistas para validar hallazgos.

En cuanto a las consideraciones éticas se obtuvo el consentimiento informado por escrito. Los participantes podrían retirarse en cualquier momento. Los datos se almacenaron en Google Drive con cifrado, cumpliendo con los principios de la UNESCO (2023) y la Ley de Protección de Datos de Panamá

 

RESULTADOS

 

Desde la primera sesión, los estudiantes mostraron una mezcla de curiosidad, entusiasmo y desconfianza. La docente D1 recordó la motivación y descubrimiento: la emoción del primer aviso

“Al principio, muchos decían: '¿Esto no es hacer trampa?' Pero en cuanto escribieron su primer aviso y vieron una respuesta útil, sus caras cambiaron. Fue como encender una chispa” (Entrevista D1).

La encuesta confirma este entusiasmo con un 85,7% (n = 36) en donde se estuvo “de acuerdo” o “totalmente de acuerdo” con: “Me emociona descubrir nuevas formas de usar la IA” y otra parte con el 78,6% en donde se reportó que “pasaba más tiempo del necesario” explorando funcionalidades.

En cuanto a las experiencias específicas con cada una de las IA se utilizaron los siguiente prompt.

 

ChatGPT: el tutor conversacional

En la actividad de algoritmos, los estudiantes usaron prompts como:

 

“Explícame el algoritmo de ordenamiento por burbuja como si fuera un estudiante de primer año, con un ejemplo en Python y una analogía cotidiana.”

 

ChatGPT respondió con claridad, usando la analogía de “organizar libros en una estantería”. La estudiante E03 comentó:

“No solo entendí el algoritmo; ¡pude explicárselo a mi hermano menor! Eso nunca me había pasado con un libro de texto” (Entrevista E03).

 

Este resultado refleja hallazgos previos sobre el potencial de ChatGPT para personalizar la enseñanza (Vera, 2023; Ruiz Miranda, 2023). Como señala Vera (2023), “la IA puede actuar como tutor virtual adaptado al nivel del estudiante”.

 

Gemini: el creador visual

En la actividad de UML, los estudiantes subieron un texto descriptivo de un sistema de biblioteca y solicitaron:

“Genera un diagrama de clases UML basado en este texto. Usa colores para diferenciar entidades, atributos y métodos.”

 

Gemini devolvió una imagen editable. La docente D2 observó:

“Los estudiantes no solo aceptaron el diagrama; lo modificaron, discutieron errores y propusieron mejoras. La IA fue el punto de partida, no el final” (Diario de campo, Semana 5).

 

Esta práctica evidencia cómo la IA fomenta la co-construcción del conocimiento, tal como sugiere Parra-Taboada et al. (2024): “la IA mejora procesos cognitivos como la resolución de problemas y el pensamiento crítico”.

 

Qwen: el aliado técnico

Al depurar código, un estudiante usó:

“Este código en Python da un error de índice. Revisa línea por línea, explica el error y corrígelo. Además, sugiere una versión más eficiente.”

 

Qwen no solo corrigió el error, sino que propuso usar list comprehensions. El estudiante E07 dijo:

“Fue como tener un compañero de programación que no se cansa. Pero aprendí más al comparar su solución con la mía” (Entrevista E07).

 

Observación. Esta interacción fue completamente realizada con las IA Chat GPT,

Este tipo de interacción refuerza el desarrollo de habilidades técnicas y metacognitivas, como indica Martínez et al. (2023): “la IA permite una retroalimentación inmediata que fortalece el aprendizaje autónomo”.

Por otra parte, es importante mencionar la evolución que hemos tenido al momento de interactuar con la IA por medio de prompt, ya que está diseñada para interactuar una conversación en tiempo real, es por lo que debemos saber qué y cómo le vamos a preguntar para que la respuesta que obtenemos sea diferencial, logrando de esta manera que se adapte a las a las necesidades de enseñanza. Un prompt bien definido proporciona contexto detallado, define el tipo de consulta e información con especificación hasta en el tipo de formato, los cuales pueden incluir restricciones y ejemplos. Por ejemplo:

"Redacta un ensayo de 500 palabras sobre los riesgos éticos de la IA en educación. Incluye tres argumentos con ejemplos reales, cita a la UNESCO (2023) y concluye con una propuesta para docentes universitarios".

 

Este tipo de instrucción no solo nos permite obtener una respuesta completa, amplia y estructurada, sino que aprendemos a pensar cómo piensa la IA.

Este cambio refleja un aprendizaje metacognitivo profundo. Como señala Chui et al. (2023), “el prompt es el nuevo plan de lección”. El estudiante deja de ser consumidor pasivo para convertirse en diseñador activo de su proceso de aprendizaje.

Las instrucciones, al inicio, consistían en prompt imprecisos y muy generales con preguntas abiertas tales como: “¿Qué es la Informática?”, con falta de contexto como: “Háblame de la Informática” o con falta de formato como “Escribe cómo funciona un ordenador”. Ejemplo de la respuesta:

La Informática es la disciplina que estudia el tratamiento automático y racional de la información mediante el uso de computadoras, abarcando el diseño de hardware y software para procesar, almacenar y transmitir datos.

 

Este tipo de prompt dan como resultado respuestas rápidas, muy genéricas, cortas y sin sentido de creatividad personalizada.

Entonces el uso de la IA nos permite expandir nuestra forma tradicional de enseñanza, nuestras aulas se transforman en espacios interactivos en donde se nos permite ir más allá de lo tradicional, tal y como se observa en la figura 1.


 

Fig. 1: Flujo de interacción estudiante-IA-docente

 

El uso de la Inteligencia Artificial ha llegado para establecerse de manera permanente en el ámbito educativo, ofreciendo una evolución indispensable hacia estructuras pedagógicas complementarias en cada actividad dentro del aula. Sin embargo, para que esta integración sea exitosa y ética, es importante que se respeten las reglas de la IA y que su aplicación sea solo para promover el bien y el desarrollo en la educación de forma positiva.

Para guiar esta transformación y asegurar un uso responsable, la guía docente es indispensable, ya que son los educadores quienes deben moldear y supervisar la ética digital de los estudiantes.

 

 

Diagrama El contenido generado por IA puede ser incorrecto.

 

Fig. 2: Modelo de integración crítica de la IA en el aula universitaria.

 

Este modelo se inspira en principios de educación 4.0 (Gibert Delgado et al., 2023) y en la necesidad de abordar la ética desde múltiples perspectivas (Gallent-Torres et al., 2023). Como afirma Navarrete-Cazales y Manzanilla-Granados (2023), en países en desarrollo, la automatización educativa sin marcos críticos puede profundizar brechas digitales.

A continuación, se muestran los ejemplos de las indicaciones (prompt) por las actividades con las cuales interactuaron los docentes y estudiantes utilizando las IA Chat GPT, Gemini; Qwen.

 

Tabla 3: Ejemplos de indicaciones pedagógicas utilizadas por estudiantes en actividades con IA (n = 42)

 

Actividad

Prompt típico (inicio)

Prompt refinado (final)

IA más usada

Explicación conceptual

“¿Qué es un algoritmo?”

“Explica el algoritmo de Dijkstra paso a paso, con un mapa visual y un ejemplo de ruta más corta entre ciudades de Panamá.”

ChatGPT

 

Generación visual

“Haz un diagrama”

“A partir de este caso de uso, genera un diagrama de secuencia en UML. Usa notación estándar y colores para flujos alternativos.”

Gemini

 

Soporte técnico

“Mi código no funciona”

“Revisa este script de Python para un chatbot educativo. Identifica errores de lógica, mejora la eficiencia y sugiere cómo integrar una API de traducción.”

Qwen

 

Creación crítica

“Escribe sobre ética”

“Analiza críticamente el sesgo algorítmico en sistemas de admisión universitaria. Usa ejemplos de Latinoamérica y propón tres estrategias para mitigarlo.”

ChatGPT + Qwen

 

 

Tabla 4: Del análisis cualitativo surgieron tres categorías temáticas, descripción y ejemplos representativos

 

Categoría

Descripción

Ejemplo de cita

La emoción del descubrimiento iterativo.

El acto de modificar prompts y observar cambios en la salida genera placer cognitivo y motivación para seguir explorando.

“Cada vez que cambiaba una palabra, la respuesta mejoraba. Era como jugar un videojuego de lógica.” (E05).

La IA como compañero de pensamiento.

Los estudiantes no ven la IA como fuente de respuestas, sino como interlocutor para ensayar ideas.

“Le pregunto a la IA lo que pienso, y si coincide, siento que voy por buen camino.” (E02).

Confianza con cautela crítica.

Aunque valoran la rapidez, todos verifican la información con fuentes académicas o el docente.

“La IA me da ideas, pero el profesor me enseña a juzgar si son buenas.” (E08).

 

DISCUSIÓN

 

Los hallazgos revelan que la integración de IA no es un mero cambio tecnológico, sino un replanteamiento del contrato pedagógico. El estudiante ya no es un receptor pasivo, sino un diseñador de interacciones cognitivas. El docente, por su parte, deja de ser la única fuente de autoridad para convertirse en guía del pensamiento crítico.

Este cambio se alinea con el enfoque de aprendizaje interactivo propuesto por Hwang y Chen (2023), donde la IA actúa como mediador que amplifica la agencia del estudiante. Nuestro estudio va más allá al documentar cómo esta interacción se vive emocionalmente: el asombro ante una imagen generada, la satisfacción de un código depurado, la alegría de una analogía que finalmente “hace clic”.

La comparación entre ChatGPT, Gemini y Qwen muestra que no existe una IA universalmente superior. Cada una responde mejor a ciertos estilos cognitivos y tareas disciplinares:

 

Esta diversidad es especialmente valiosa en carreras de informática, donde los estudiantes necesitan competencias tanto comunicativas como técnicas. Sugiera que las instituciones deben evitar depender de un solo proveedor y fomentar la alfabetización en múltiples ecosistemas de IA. (Bolaño y Duarte, 2024; Gibert Delgado et al., 2023).

Nuestro estudio confirma que el diseño de indicaciones es una competencia pedagógica clave. Como señala Chui et al. (2023), “el aviso es el nuevo plan de lección”. Los docentes deben enseñar no solo qué preguntar, sino cómo estructurar la pregunta para maximizar el aprendizaje. En nuestro caso, la evolución de estímulos vagos a estímulos ricos en contexto, restricciones y propósitos refleja un aprendizaje metacognitivo profundo. Aunque los resultados son prometedores, no podemos ignorar los desafíos. El acceso a versiones avanzadas de IA (como GPT-4 o Gemini Pro) requiere suscripciones, lo que puede exacerbar las brechas digitales. Además, el consumo energético de estos modelos plantea dilemas de sostenibilidad (Strubell et al., 2020). Como advierten Naranjo et al. (2023), “la privacidad de los datos y la equidad en el acceso a la IA destacan como desafíos éticos principales”.

Por ello, proponemos que la integración de IA en la educación se guía por tres principios:

  1. Equidad para priorizar herramientas gratuitas o de código abierto cuando sea posible,
  2. Sostenibilidad en cuanto al uso de la IA con moderación y conciencia ambiental,

Formación docente para crear espacios de capacitación no solo en uso técnico, sino en diseño pedagógico con IA.

 

CONCLUSIÓN

 

Este estudio demuestra que la transición del aula tradicional al conocimiento interactivo mediado por IA es una realidad viva, emocionante y profundamente humana. Los estudiantes no se limitan a consumir tecnología; la exploran, cuestionan y adaptan a sus necesidades de aprendizaje. Las docentes, por su parte, descubrieron que su rol no se diluye, sino que se enriquece: ya no son las únicas que saben, sino las que saben cómo guiar el descubrimiento.

Las experiencias documentadas desde el primer torpedo hasta la creación de rúbricas con IA revelan que la innovación educativa no depende de la sofisticación técnica, sino de la intención pedagógica. Cuando la IA se integra con propósito, equidad y crítica, el aula se convierte en un laboratorio de futuro.

Este trabajo ofrece evidencia empírica valiosa para docentes, investigadores y formuladores de políticas en América Latina. Futuras investigaciones podrían explorar la integración de IA en otras disciplinas, el impacto a largo plazo en el pensamiento crítico, o el desarrollo de repositorios colaborativos de indicaciones pedagógicas.

En un mundo donde la IA avanza a velocidad exponencial, la educación superior tiene una misión urgente: no solo preparar estudiantes para usar tecnologías, sino para humanizarlas.

 

REFERENCIAS

 

Aguilar, G. M. F., Gavilanes, D. C. A., Freire, E. M. A., & Quincha, M. L. (2023). Inteligencia artificial y la educación universitaria: Una revisión sistemática. Magazine de las ciencias: Revista de Investigación e Innovación, 8(1), 109-131. https://doi.org/10.33262/rmc.v8i1.2935

Bolaño García, M., & Duarte Acosta, N. (2024). Una revisión sistemática del uso de la inteligencia artificial en la educación. Rev. colomb. cir, 51-63. https://doi.org/10.30944/20117582.2365

Chui, M., Roberts, R., & Wong, J. (2023). The state of AI in 2023: Generative AI’s breakout year. McKinsey Global Institute. https://doi.org/10.2139/ssrn.4562833

Creswell, J. W., & Plano Clark, V. L. (2017). Designing and conducting mixed methods research (3rd ed.). Sage Publications.

Gallent-Torres, C., Zapata-González, A., & Ortego-Hernando, J.L. (2023). El impacto de la inteligencia artificial generativa en educación superior: una mirada desde la ética y la integridad académica. RELIEVE, 29 (2), art. M5. http://doi.org/10.30827/relieve.v29i2.29134

Gibert Delgado, R. D. P., Gorina Sánchez, A., Reyes-Palau, N. C., Tapia-Sosa, E. V., & Siza Moposita, S. F. (2023). Educación 4.0: Enfoque innovador apoyado en la inteligencia artificial para la educación superior. Revista Universidad y Sociedad, 15(6), 60-74. http://scielo.sld.cu/pdf/rus/v15n6/2218-3620-rus-15-06-60.pdf

Hwang, G.-J., & Chen, P.-Y. (2023). Generative artificial intelligence–based educational applications and their implications for learning and teaching. Computers and Education: Artificial Intelligence, 4, 100132. https://doi.org/10.1016/j.caeai.2023.100132

Luckin, R. (2022). *AI for schoolteachers. CRC Press. https://doi.org/10.4324/9781003285143

Martínez, R. L. I., Morales, J. L. C., & González, M. N. P. (2023). Inteligencia artificial en la educación. Revista Digital de Tecnologías Informáticas y Sistemas, 7(1), 100-106. https://doi.org/10.61530/redtis.vol7.n1.2023.136.100-106

Navarrete-Cazales, Z., & Manzanilla-Granados, H. M. (2023). Una perspectiva sobre la inteligencia artificial en la educación. Perfiles Educativos, 45 (Especial), 87-107. https://doi.org/10.22201/iisue.24486167e.2023.Especial.61693

Naranjo, B. M. M., Izurieta, C. E. A., Tibán, L., Morrillo, C. S., & Salazar, A. J. (2023). Ética y Responsabilidad en la Implementación de la Inteligencia Artificial en la Educación. Ciencia Latina: Revista Multidisciplinar, 7(6), 28. https://dialnet.unirioja.es/servlet/articulo?codigo=9481573

Numa-Sanjuán, N., Diaz-Guecha, L. Y., & Peñaloza-Tarazona, M. E. (2024). Importancia de la Inteligencia Artificial en la educación del siglo XXI. Aibi revista de investigación, administración e ingeniería, 12(2), 49-62. https://doi.org/10.15649/2346030X.3776

Parra-Taboada, M. E., Trujillo-Arteaga, J. C., Álvarez-Abad, D. R., Arias-Domínguez, A. S., & Santillán-Gordón, E. (2024). El impacto de la inteligencia artificial en la educación. Revista Científica Retos de la Ciencia, 1(4), 169-181. https://doi.org/10.53877/rc.8.19e.202409.14

Ruiz Miranda, E. (2023). La revolución de la inteligencia artificial en la educación: una reseña de ChatGPT. http://hdl.handle.net/2183/33283

Strubell, E., Ganesh, A., & McCallum, A. (2020). Energy and policy considerations for deep learning in NLP. Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, 3645–3650. https://doi.org/10.18653/v1/P19-1355

UNESCO. (2023). *Orientación para la IA generativa en la educación y la investigación*. Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura. https://doi.org/10.54675/MDZL7658

Vera, F. (2023). Integración de la Inteligencia Artificial en la Educación superior: Desafíos y oportunidades. Transformar, 4(1), 17–34. Recuperado a partir de https://www.revistatransformar.cl/index.php/transformar/article/view/84

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