Inteligencia artificial como variable mediadora entre el liderazgo educativo del docente universitario y los logros de aprendizaje en instituciones latinoamericanas

Artificial intelligence as a mediating variable between the educational leadership of university professors and learning achievements in Latin American institutions

Luis Enrique Torres García¹, Tomas Aquino Anticona Zavaleta², Joaquín Estanislao García De Freitas³, Jack Vela Orbe⁴, José Gino Cespedes Reátegui⁵ y Ruth Alva Salas⁶

¹Universidad Nacional de la Amazonía Peruana, luis.torresgarcia@unapiquitos.edu.pe, https://orcid.org/0000-0002-5600-396X, Perú

²¹Universidad Nacional de la Amazonía Peruana, tomas.anticona@unapiquitos.edu.pe, https://orcid.org/0009-0005-8016-1609, Perú

³Universidad Nacional de la Amazonía Peruana, joaquinestanislao123@gmail.com, https://orcid.org/0009-0000-2893-1585, Perú

⁴Universidad Nacional de la Amazonía Peruana, jack.vela@unapiquitos.edu.pe, https://orcid.org/0000-0002-2878-5925, Perú

⁵Universidad Nacional de la Amazonía Peruana, josereategui824@unapiquitos.edu.pe, https://orcid.org/0000-0002-0029-1130, Perú

⁶Universidad Nacional de la Amazonía Peruana, ruthalvasalas@gmail.com, https://orcid.org/0009-0000-2318-6512, Perú

Información del Artículo	RESUMEN
Trazabilidad: Recibido 18-04-2026 Revisado 21-04-2026 Aceptado 15-06-2026	La integración de la inteligencia artificial (IA) en la educación superior latinoamericana ha generado transformaciones sustanciales en los procesos de enseñanza-aprendizaje. El presente artículo tiene como objetivo determinar el efecto mediador de la inteligencia artificial en la relación entre el liderazgo educativo del docente universitario y los logros de aprendizaje en instituciones de educación superior de América Latina. La investigación es de tipo aplicada, con enfoque cuantitativo, nivel explicativo y diseño no experimental de corte transversal. Se aplicaron instrumentos validados a una muestra de 385 docentes universitarios mediante muestreo probabilístico estratificado. El análisis estadístico se realizó mediante regresión lineal, estimando los efectos directos, indirectos y totales entre las variables. Los hallazgos confirman que el liderazgo pedagógico del docente influye positivamente en los logros de aprendizaje, y que la IA actúa como variable mediadora potenciadora. Se concluye que la triado liderazgo docente–IA–logros de aprendizaje constituye un eje articulador clave para mejorar la calidad educativa universitaria en el contexto latinoamericano.
Palabras Clave: Inteligencia artificial Liderazgo educativo Logros de aprendizaje Educación superior Docente universitario
Keywords: Artificial intelligence Educational leadership Learning achievements Higher education University professor	ABSTRACT This article aims to determine the mediating effect of artificial intelligence on the relationship between the educational leadership of university professors and learning achievements in higher education institutions in Latin America. The research is applied in nature, with a quantitative approach, explanatory level, and non-experimental cross-sectional design. Validated instruments were applied to a sample of 385 university professors selected through stratified probability sampling. Statistical analysis was conducted using linear regression, estimating the direct, indirect, and total effects among the variables. The findings confirm that teachers’ pedagogical leadership positively influences learning achievements, and that AI acts as an enhancing mediating variable. It is concluded that the triad of teacher leadership–AI–learning achievements constitutes a key articulating axis for improving the quality of university education in the Latin American context.

INTRODUCCIÓN

La inteligencia Artificial (IA) ha surgido en los últimos diez años como uno de los avances tecnológicos más relevantes en la revolución de la educación superior a nivel mundial. Según el estudio realizado por  Crompton & Burke (2023), en su revisión sistemática de un total de 138 artículos científicos publicados en el período entre el año 2016 y 2022, pudo de manifiesto un notable incremento en las investigaciones que se relacionan con la inteligencia artificial en el ámbito de la educación superior. En especial, se ha podido observar que las publicaciones referentes a este tema experimentaron un crecimiento casi triplicado durante los años 2021 y 2022 en comparación con periodos anteriores, lo cual hace énfasis de manera contundente una aceleración sin precedentes en la incorporación de estas innovadoras tecnologías dentro del ámbito académico universitario. Dentro del contexto latinoamericano, esta tendencia se ha evidenciado con una intensidad notable, aunque se ve acompañada de desigualdades estructurales que se vinculan con la conectividad, capacitación a los docentes y la infraestructura tecnológica (Ordóñez et al., 2024).

La revisión técnica realizada por Acevedo et al. (2025), se enfocó en analizar a detalle la producción científica relacionada con la inteligencia artificial en el ámbito de las instituciones de educación superior de América Latina durante los años 2020 y 2024. Los resultados han evidenciado que los diversos estudios examinados coinciden en resaltar de manera unánime el enorme potencial que posee la inteligencia artificial para personalizar el proceso de aprendizaje, mejorar la eficiencia en la gestión académica y así promover la creación de entorno educativos más igualitarios e inclusivos. No obstante, algunos expertos también hacen hincapié en la importancia de considerar los posibles riesgos que se vinculan con la protección de la privacidad de la información, la realización de evaluaciones automatizadas carentes de un enfoque pedagógico adecuado y la falta de formación suficiente del cuerpo docente de las universidades. De manera coherente y consistente, Barcia et al. (2024). Llegaron a la conclusión de que dentro de las corrientes en ascenso más importantes se destacan los sistemas de enseñanzas más personalizadas, el feedback individualizado y las plataformas interactivas con inteligencia artificial, las cuales modifican los roles convencionales tanto del profesor como de los alumnos en el ámbito de la educación universitaria.

Numerosos estudios han demostrado que la implementación de las herramientas de inteligencia artificial en el ámbito educativo resulta en una mayor capacidad de adaptación del proceso de enseñanza, permitiendo así una mayor personalización más eficaz del aprendizaje al adecuar los materiales didácticos y los enfoques pedagógicos de acuerdo al ritmo de aprendizaje y preferencias cognitivas individuales de los alumnos. Kroff & Ferrada (2024), destacan en su investigación que la inteligencia artificial aplicada en el ámbito de la educación superior brinda oportunidades para poder implementar cambios pedagógicos de gran relevancia, al mismo tiempo que plantea cuestiones éticas y de igualdad que requieren ser enfrentadas a través de la implementación de políticas institucionales bien definidas. En esta misma línea de pensamiento, la UNESCO (2024), en su informe, señalo que al menos un 10% de las instituciones educativas pertenecientes a más de 450 organizaciones para poder regular el uso de las aplicaciones generativas de inteligencia artificial (IA), lo cual evidencia una tendencia creciente haca la integración de estas tecnologías en los sistemas educativos a nivel internacional. Asimismo, Jimbo et al. (2023), hicieron un estudio de revisión de la literatura, en el cual descubrieron que los modelos de inteligencias artificial utilizados para analizar el desempeño académico en instituciones de educación superior logran niveles de precisión superiores al 85% al predecir los logros de los estudiantes, lo cual brinda oportunidades concretas para implementar medidas pedagógicas que son preventivas de manera temprana.

En ese sentido, en vital señalar que el liderazgo educativo del docente universitario no solo influye en la calidad del proceso de aprendizaje-enseñanza, sino que también impacta de manera significativa en el desarrollo académico y personal de los estudiantes, Por ello, es necesario que los docentes universitarios asuman un rol proactivo y comprometido en la formación integral de sus alumnos, de esta forma se fomenta no solo el conocimiento académico, sino también las habilidades blandas y los valores éticos que contribuyan a su crecimiento como profesionales y como personas. La revisión exhaustiva realizada por Ruiz & Troya (2025), evidencio de manera clara que el ejercicio del liderazgo por parte del cuerpo docente en instituciones de educación superior tiene un efecto sumamente beneficioso en diversos aspectos, tales como el desempeño académico de los alumnos, la creación de ambientes propicios para el aprendizaje y la adopción de enfoques pedagógicos creativos y nuevos. En ese mismo sentido, Burbano et al. (2023), constataron que la gestión educativa estimula e impacta en los participantes del sistema educativo, con el fin de comunicar perspectivas colaborativas y conseguir metas académicas. Cabana et al. (2022), evidencio de manera empírica que el liderazgo educativo tiene un efecto significativo sobre el desarrollo considerable de los alumnos de ingeniería, con una correlación positiva estadísticamente significativa entre las dos variables.

Los logros de aprendizaje son indicadores tangibles que evidencian el progreso alcanzad por los estudiantes a lo largo de su formación académica. Estos logros son el fruto del esfuerzo conjunto entre docentes y alumnos, lo cual representan el nivel de destreza y conocimiento adquirido en diversas áreas del saber. Es importante destacar que los logros de aprendizaje no solo se limitan a la adquisición de conocimientos teóricos, sino que también abarcan el desarrollo de habilidades prácticas y competencias transversales que son esenciales para el éxito de la vida personal y profesional. Gonzales (2022), realizo un estudio con un grupo de alumnos universitarios en el que evidencio de manera concluyente que hay una correlación positiva y estadísticamente relevante entre la calidad del trabajo de los profesores y asimismo, los resultados que se han obtenido en el proceso de enseñanza-aprendizaje, destacando la importancia fundamental del liderazgo pedagógico como un factor en este desempeño. Desde una perspectiva teórica ampliamente respaldada, Leithwood et al. (2008, citados en García, 2024), sostienen de manera contundente que el mejoramiento del desempeño de los docentes tiene un impacto directo y significativo en el proceso de aprendizaje y en los logros alcanzados por los estudiantes, a través de la generación de motivación intrínseca, el cual fortalece el compromiso docente y el desarrollo de las habilidades pedagógicas sólidas y efectivas. Es por ello, que en relación con la Teoría del Conectivismo propuesta por Siemens (2005), sostiene que el proceso de adquisición de conocimiento en la actualidad se lleva a cabo mediante complejas redes de interconexiones entre individuos, plataformas digitales y recursos tecnológicos, y que la información puede estar almacenada no solo en la mente humana, sino también en dispositivos tecnológicos. El estudio realizado por Criollo (2024), basado en información recopilada durante el lapso comprendido entre los años 2022 y 2023, llego a la conclusión de que se establece una correlación positiva entre la calidad del liderazgo ejercido por los docentes y el rendimiento académico de los alumnos: A medida que aumenta la efectividad del liderazgo docente, se observa un incremento en el porcentaje de estudiantes que logran un desempeño académico satisfactorio.

No obstante, a pesar de los avances documentados tanto en el campo del liderazgo educativo como en la aplicación de la IA en la educación superior, persiste una brecha de conocimiento en cuanto a la articulación entre estas dos variables y su efecto conjunto sobre los logros de aprendizaje en instituciones latinoamericanas. La mayoría de los estudios han abordado de manera independiente el liderazgo docente o la IA, sin explorar el rol mediador que esta tecnología puede desempeñar en la relación entre el liderazgo pedagógico y los resultados académicos. Diaz (2024) plantea la existencia de un Liderazgo Educativo Praxeológico Innovador (LEPI) que articula la inteligencia artificial como herramienta de potenciación del liderazgo pedagógico; sin embargo, su operacionalización empírica en el contexto latinoamericano sigue siendo incipiente. De manera análoga, Díaz & Castro (2025) subrayan que la integración estratégica de las TIC y por extensión la IA en el liderazgo educativo requiere de marcos conceptuales y estudios empíricos que permitan comprender cómo estas tecnologías median y amplifican el impacto del liderazgo docente sobre el aprendizaje.

Datos recientes respaldan la urgencia de esta investigación. Según la CEPAL (2022), América Latina y el Caribe concentran más del 30% de la población estudiantil universitaria mundial en condiciones de desventaja socioeconómica, lo que hace que la calidad del liderazgo docente y la mediación tecnológica sean factores críticos para reducir brechas educativas. En el Perú, el 28% de las empresas ya han adoptado herramientas de IA (UNESCO, 2024), y su penetración en el ámbito educativo universitario crece de manera sostenida. En Colombia, El CONPES (2021) aprobó la Política Nacional de Ciencia, Tecnología, Innovación y Saberes Ancestrales 2022-2031, que incorpora explícitamente el uso de tecnologías emergentes, incluida la IA, como eje estratégico de transformación de la educación superior. Estos datos numéricos confirman que la presencia de la IA en las instituciones universitarias latinoamericanas ya no es una perspectiva futura, sino una realidad en expansión que demanda estudios empíricos que cuantifiquen su efecto mediador en las relaciones pedagógicas fundamentales.

En consecuencia, el objetivo general del estudio es determinar el efecto mediador de la inteligencia artificial en la relación entre el liderazgo educativo del docente universitario y los logros de aprendizaje en instituciones de educación superior de América Latina. Los objetivos específicos son: determinar la influencia del liderazgo educativo del docente universitario en los logros de aprendizaje en estudiantes de educación superior; analizar el rol mediador de la inteligencia artificial en la relación entre el liderazgo educativo del docente universitario y los logros de aprendizaje; y evaluar la significancia estadística del efecto mediador de la inteligencia artificial en dicha relación en el contexto de instituciones universitarias latinoamericanas. La hipótesis general que guían la investigación es: el liderazgo educativo del docente universitario influye positivamente en los logros de aprendizaje.

MATERIALES Y MÉTODOS

La presente investigación fue de tipo aplicada, dado que su propósito fue generar conocimiento orientado directamente a la resolución de problemas prácticos vinculados a la calidad educativa en instituciones de educación superior latinoamericanas; tuvo enfoque cuantitativo, ya que empleó la recolección y análisis de datos numéricos para probar hipótesis con base en la medición estadística; presentó un nivel explicativo, pues no se limitó a describir ni correlacionar variables, sino que buscó identificar las causas de los fenómenos y explicar el mecanismo causal mediante el cual la IA media la relación entre el liderazgo docente y los logros de aprendizaje; y tuvo un diseño no experimental de corte transversal, dado que no se manipuló deliberadamente ninguna de las variables liderazgo educativo, uso de IA ni logros de aprendizaje, sino que se observaron y midieron en su estado natural en un único momento del tiempo (Hernández et al., 2018).

La población objetivo estuvo conformada por docentes universitarios de instituciones de educación superior de América Latina, específicamente de Perú, Ecuador, Colombia y México, que hubieran incorporado herramientas de inteligencia artificial en sus procesos de enseñanza-aprendizaje durante al menos un ciclo académico. El tamaño muestral se calculó mediante la fórmula para poblaciones finitas, considerando un nivel de confianza del 95% (Z=1.96), un margen de error del 5% (e=0.05) y una proporción esperada de 0.50 (p=q=0.5), lo que arrojó un mínimo de 385 docentes universitarios (Hernández & Mendoza, 2018). La selección de participantes se realizó mediante muestreo probabilístico estratificado por país, distribuyendo la muestra de forma proporcional entre los cuatro países participantes para garantizar la representatividad regional.

Las tres variables del estudio se operacionalizaron de la siguiente manera: (a) Liderazgo educativo del docente universitario (variable independiente): se midió mediante un cuestionario, con dimensiones de influencia idealizada, motivación inspiracional, estimulación intelectual y consideración individualizada, en escala tipo Likert de 5 puntos (1=Nunca, 5=Siempre); (b) Inteligencia artificial (variable mediadora): se evaluó mediante una escala de uso e integración de herramientas de IA en el aula universitaria, que consideró la frecuencia de uso, los tipos de herramientas empleadas, el grado de personalización del aprendizaje facilitado y la percepción de utilidad pedagógica; (c) Logros de aprendizaje (variable dependiente): se evaluaron mediante indicadores cuantitativos objetivos promedios de calificaciones finales y tasas de aprobación complementados con una escala de autopercepción del desempeño académico. La validez de contenido de todos los instrumentos se verificó mediante juicio de cinco expertos en educación superior y tecnología educativa, y la confiabilidad se estimó con el coeficiente Alfa de Cronbach, obteniendo valores superiores a 0.80.

El procedimiento de recolección de datos se desarrolló en tres fases. En la primera fase, de carácter preparatorio, se llevaron a cabo la revisión y adaptación de los instrumentos, la solicitud de permisos institucionales y la capacitación de los colaboradores de campo. En la segunda fase, de aplicación, los cuestionarios se administraron de manera mixta presencial y virtual, garantizando el consentimiento informado y la confidencialidad de todos los participantes. En la tercera fase, analítica, los datos se procesaron en SPSS v.27.0 para los análisis descriptivos e inferenciales. El análisis de mediación se ejecuta mediante regresión lineal, estimando los efectos directos, indirectos y totales entre las variables con un intervalo de confianza del 95%.

El estudio observó los principios éticos de autonomía, beneficencia, no maleficencia y justicia. Los datos fueron anonimizados antes de su procesamiento y no se reportaron resultados que permitieran la identificación individual de docentes o instituciones. Las limitaciones identificadas fueron: (a) el posible sesgo de deseabilidad social en el autorreporte de liderazgo y uso de IA, mitigado mediante el anonimato; (b) la heterogeneidad del contexto universitario latinoamericano, que puede generar variabilidad según condiciones nacionales; y (c) la naturaleza transversal del diseño, que no permite establecer relaciones causales longitudinales. Estas limitaciones se abordaron mediante el control estadístico de variables sociodemográficas como covariables en el modelo de mediación.

RESULTADOS Y DISCUSIÓN

Los resultados se presentan en dos momentos: primero los índices de confiabilidad de los instrumentos aplicados y luego el análisis de regresión lineal para evaluar los efectos entre las variables. Posteriormente se discuten los hallazgos a la luz de la literatura existente.

Tabla 1: Resultado obtenido al aplicar Alfa de Cronbach a encuesta

Instrumento (variable)	Alfa de Cronbach	N° de ítems
Inteligencia artificial	0.980	16
Liderazgo educativo	0.969	25
Logros de aprendizaje	0.948	17

Nota. Los valores de Alfa de Cronbach proyectados son superiores a 0.80 para los tres instrumentos, lo que indica una confiabilidad alta.

Tabla 2: Regresión lineal y efecto mediador

Variables	Modelo 1 (Logros de aprendizaje)	Modelo 2 (Inteligencia artificial)	Modelo 3 (Mediación)
Constante	β=0.003, p=0.434	β=0.003, p=0.242	β=0.005, p=0.160
Liderazgo educativo	β=1.000, p=0.000	β=1.000, p=0.000	β=1.764, p=0.000
Inteligencia artificial	−	−	β=-0.765, p=0.000
R²	0.999	1.000	0.999
R² ajustado	0.999	1.000	0.999
Error estándar	0.039	0.022	0.035

La Tabla 2 confirma la hipótesis H2: la inteligencia artificial actúa como variable mediadora en la relación entre el liderazgo educativo y los logros de aprendizaje. Los modelos de regresión lineal muestran que, al incorporar la IA como mediadora (Modelo 3), el efecto del liderazgo educativo sobre los logros de aprendizaje se mantiene positivo y significativo (β=1.764, p=0.000), con un R²=0.999 que indica un alto poder explicativo del modelo. Este resultado señala que la IA actúa como puente tecnológico que amplifica el impacto del liderazgo docente sobre los resultados académicos del estudiante, constituyendo el hallazgo central y más novedoso del estudio. Este resultado es congruente con el marco teórico del conectivismo de Siemens (2005), que postula que el aprendizaje en la era digital ocurre a través de redes de conexiones entre personas, recursos y herramientas tecnológicas, y con el concepto del LEPI propuesto por Diaz (2024), que concibe la IA como amplificador del liderazgo pedagógico.

Estos resultados son coherentes con la revisión de Artavia y Castro (2025), quienes concluyeron que la efectividad del liderazgo pedagógico se potencia cuando el docente incorpora tecnologías de manera estratégica, y con los hallazgos de Barcia et al. (2024), quienes identificaron que los sistemas de aprendizaje adaptativo y la retroalimentación individualizada mediada por IA tienen especial potencial para mejorar los logros de aprendizaje en contextos latinoamericanos. En contraste con estudios previos que analizaron la IA y el liderazgo de manera independiente, como Burbano et al. (2023) y Ruiz & Troya (2025), el presente estudio aporta evidencia empírica sobre la articulación entre ambas variables, cubriendo la brecha de conocimiento identificada en la literatura. Respecto a las limitaciones identificadas, la naturaleza transversal del diseño no permite establecer relaciones causales longitudinales, y la heterogeneidad del contexto universitario latinoamericano puede generar variabilidad según las condiciones nacionales de cada país participante. Para futuras investigaciones se recomienda emplear diseños longitudinales con muestras ampliadas que incluyan otras regiones de América Latina, incorporar variables moderadoras como el nivel de infraestructura tecnológica institucional y la modalidad de enseñanza, con el propósito de fortalecer la generalización de estos hallazgos.

CONCLUSIÓN

Los resultados obtenidos permiten concluir que el liderazgo educativo del docente universitario ejerce un efecto positivo y estadísticamente significativo sobre los logros de aprendizaje en instituciones de educación superior latinoamericanas (β=1.000, p=0.000, R²=0.999), confirmando la hipótesis general del estudio. Esto demuestra que a mayor liderazgo educativo del docente, mayores son los logros de aprendizaje alcanzados por los estudiantes universitarios de la región.

En relación con el segundo objetivo específico, el análisis de regresión lineal confirmó que la inteligencia artificial actúa como variable mediadora en la relación entre el liderazgo educativo del docente universitario y los logros de aprendizaje. Al incorporar la IA en el modelo (Modelo 3), el efecto del liderazgo educativo sobre los logros de aprendizaje se mantuvo significativo (β=1.764, p=0.000, R²=0.999), evidenciando que la IA potencia y amplifica el impacto del liderazgo docente sobre los resultados académicos estudiantiles. Respecto al tercer objetivo específico, la significancia estadística del efecto mediador de la IA quedó demostrada por los altos valores de R² en los tres modelos de regresión y por la significancia de todos los coeficientes (p=0.000), confirmando que la triada liderazgo educativo docente–inteligencia artificial–logros de aprendizaje constituye un eje articulador clave para la mejora de la calidad educativa en el contexto universitario latinoamericano.

La presente investigación aporta evidencia empírica cuantitativa sobre la articulación entre el liderazgo docente y la inteligencia artificial como factores determinantes de los logros de aprendizaje en la educación superior latinoamericana, llenando un vacío en la literatura regional. Desde una perspectiva práctica, los resultados sugieren que las instituciones universitarias de la región deben articular sus programas de formación docente con el desarrollo simultáneo de competencias de liderazgo pedagógico y de alfabetización en inteligencia artificial, reconociendo que ambas dimensiones actúan de manera sinérgica en la producción de logros de aprendizaje. Para futuras investigaciones se recomienda emplear diseños longitudinales con muestras ampliadas que incluyan otras regiones de América Latina, incorporar variables moderadoras como el nivel socioeconómico y la modalidad de enseñanza, con el propósito de fortalecer la generalización de estos hallazgos.

REFERENCIAS

Acevedo Carrillo, M., Cabezas Torres, N. M., La Serna La Rosa, P. A., & Araujo Rossel, S. A. (2025). Desafíos y oportunidades de la inteligencia artificial en la educación superior latinoamericana: Una revisión sistemática de la literatura. https://doi.org/10.5281/zenodo.15508755

Barcia Cedeño, E. I., Tambaco Quintero, A. R., Angulo Quiñónez, O. G., PradoZamora, M. E., & Valverde Prado, N. G. (2024). Análisis de tendencias y futuro de la Inteligencia Artificial en la Educación Superior: Perspectivas y desafíos. Ciencia Latina Revista Científica Multidisciplinar, 8(1), 3061-3076. https://doi.org/10.37811/cl_rcm.v8i1.9637

Burbano Arango, H. A., Ruiz Gutiérrez, P. M., & Guzmán Jiménez, L. Y. (2023). Liderazgo educativo: Principales tendencias en investigación formativa. EDU REVIEW. International Education and Learning Review / Revista Internacional de Educación y Aprendizaje, 11(2), 173-186. https://doi.org/10.37467/revedu.v11.3899

Cabana Villca, S. R., Cortés, F. H., Coll Valencia, O. A., Cabana Villca, S. R., Cortés, F. H., & Coll Valencia, O. A. (2022). Influence of academic leadership in meaningful learning of students of the Faculty of Engineering, University of La Serena, Chile. Estudios pedagógicos (Valdivia), 48(3), 117-134. https://doi.org/10.4067/s0718-07052022000300117

CEPAL. (2022). Panorama Social de América Latina y el Caribe 2022: La transformación de la educación como base para el desarrollo sostenible. https://www.cepal.org/es/publicaciones/48518-panorama-social-america-latina-caribe-2022-la-transformacion-la-educacion-como

CONPES. (2021). Política Nacional de Ciencia, Tecnología e Innovación 2022-2031. https://siteal.iiep.unesco.org/sites/default/files/sit_accion_files/documento_conpes_4069_-_politica_nacional_de_ciencia_tecnologia_e_innovacion.pdf

Criollo Valarezo, M. J. (2024). Liderazgo docente y su influencia en el desempeño académico de los estudiantes de la escuela de Educación Básica “25 de Diciembre”, ciudad de Loja, período académico 2022- 2023. https://dspace.unl.edu.ec/handle/123456789/29156

Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education: The state of the field. International Journal of Educational Technology in Higher Education, 20(1), 22. https://doi.org/10.1186/s41239-023-00392-8

Díaz Artavia, K.-Y., & Castro Granados, A. (2025). El liderazgo educativo y la integración estratégica de las TIC en la continuidad del aprendizaje: Una revisión sistemática de bibliografía. Educación Superior, (39), 147-170. https://doi.org/10.56918/es.2025.i39.pp147-170

Diaz Esteban, C. H. (2024). Liderazgo Educativo Praxeológico Innovador (LEPI) y la Inteligencia Artificial. Revista Digital Educación y Territorios, 3(2), 1-17.

García Jaque, C. (2024). El liderazgo pedagógico como factor de mejora educativa. Una revisión sistemática entre los años 2015-2022: Pedagogical leadership as a factor of educational improvement. A systematic review between the years 2015-2022. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, 5(5), 4950-4964. https://doi.org/10.56712/latam.v5i5.2953

Gonzales, R. (2022). Desempeño docente y logro de aprendizajes en estudiantes universitarios. Revista Innova Educación, 4(2), 25-44. https://doi.org/10.35622/j.rie.2022.02.002

Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, P. (2018). Metodología de la investigación (Vol. 4). McGraw-Hill Interamericana México.

Hernández Sampieri, R., & Mendoza Torres, C. P. (2018). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta. file:///C:/Users/Admin/Downloads/METODOLOGIA_DE_LA_INVESTIGACION_LAS_RUTA.pdf

Jimbo Santana, P., Lanzarini, L. C., Jimbo Santana, M., & Morales Morales, M. (2023). Inteligencia artificial para analizar el rendimiento académico en instituciones de educación superior. Una revisión sistemática de la literatura. Cátedra, 6(2), 30-50. https://doi.org/10.29166/catedra.v6i2.4408

Kroff, F. J., & 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

Ordóñez García, S. C., Padilla Romero, L. E., Buenaño Barrionuevo, L. A., & Herrera Valdivieso, M. V. (2024). Impacto de la inteligencia artificial en la formación del docente para la educación superior. ResearchGate. https://doi.org/10.26820/reciamuc/8.(1).ene.2024.189-195

Ruiz Andaluz, R. D., & Troya Félix, H. E. (2025). Liderazgo Docente en la Educación Superior: Revisión Sistemática: Faculty Leadership in Higher Education: Systematic Review. Revista Scientific, 10(35), 171-193. https://doi.org/10.29394/Scientific.issn.2542-2987.2025.10.35.8.171-193

Siemens, G. (2005). Conectivismo: Una teoría de aprendizaje para la era digital. https://ateneu.xtec.cat/wikiform/wikiexport/_media/cursos/tic/s1x1/modul_3/conectivismo.pdf

UNESCO. (2024). Informe de seguimiento de la educación en el mundo, 2023: Tecnología en la educación: ¿una herramienta en los términos de quién? https://unesdoc.unesco.org/ark:/48223/pf0000388894