La inteligencia artificial como coautora del aprendizaje: narración educativa y tecnologías emergentes en Educación Básica

Artificial Intelligence as a Co-Author of Learning: Educational Narratives and Emerging Technologies in Basic Education

Silvia Janeth Casanova Obando¹, Diana Carolina Villareal Muñoz², Deyvis Patricio Veintimilla Cuenca³, Joselyn Andrea Jaramillo Pinela⁴, Evelyn Samantha Valarezo Rivera⁵ y Bryan Oswaldo Valenzuela Espinoza⁶

¹Escuela Fe y Alegría, silvia.casanova@docentes.educacion.edu.ec, https://orcid.org/0009-0006-5564-3339, Ecuador

²Unidad Educativa Vicente Fierro, carolina.villarreal@docentes.educacion.edu.ec, https://orcid.org/0009-0001-1317-8049, Ecuador

³Centro de educación básica héroes de Paquisha, deyvis.veintimilla@educacion.gob.ec, https://orcid.org/0009-0007-9300-9088, Ecuador

⁴Universidad Estatal de Milagro Unemi, jjaramillop5@unemi.edu.ec, https://orcid.org/0009-0001-0835-5661, Ecuador

⁵Unidad Educativa Ing. Agustín Eduardo Pazmiño Barciona, evelyn.valarezo@docentes.educación.edu.ec, https://orcid.org/0009-0002-2040-6078, Ecuador

⁶Unidad educativa Santo Domingo de Guzmán, bryan.valenzuela@stodomingogualaceo.edu.ec, https://orcid.org/0009-0005-0504-1877, Ecuador

Información del Artículo	RESUMEN
Trazabilidad: Recibido 15-05-2026 Revisado 16-05-2026 Aceptado 15-07-2026	La incorporación de la inteligencia artificial (IA) en los sistemas educativos ha transformado las prácticas de enseñanza y aprendizaje, generando nuevas posibilidades para la personalización del aprendizaje, la mediación pedagógica y la innovación didáctica. En este contexto, el presente artículo tuvo como objetivo analizar el papel de la inteligencia artificial como coautora del aprendizaje en Educación Básica, integrando las perspectivas de la narración educativa y las tecnologías emergentes mediante una revisión narrativa de la literatura científica. Metodológicamente, se adoptó un enfoque cualitativo de carácter documental, sustentado en una revisión narrativa de publicaciones indexadas recuperadas de las bases de datos Scopus, Web of Science, ERIC, SciELO y Google Scholar, correspondientes al período 2020–2026. El análisis temático permitió organizar la evidencia en cinco categorías: transformación estructural de la educación mediante IA, inteligencia artificial generativa y ética, tecnologías emergentes en Educación Básica, narración educativa y construcción de significado, e inteligencia artificial como mediadora cognitiva y pedagógica. Los resultados evidencian que la IA favorece procesos de aprendizaje personalizados, fortalece la retroalimentación y amplía las oportunidades para el desarrollo de experiencias educativas más flexibles e interactivas. Asimismo, se identificó una limitada producción científica centrada en Educación Básica y en la integración de enfoques narrativos con inteligencia artificial, lo que constituye un vacío de investigación relevante. Se concluye que la inteligencia artificial puede comprenderse como una coautora del aprendizaje, en tanto participa activamente en la construcción del conocimiento sin sustituir el papel del docente ni el protagonismo del estudiante, siempre que su incorporación responda a principios pedagógicos, éticos y humanistas.
Palabras Clave: Inteligencia artificial Educación básica Tecnologías emergentes Narración educativa Aprendizaje Revisión narrativa
Keywords: Artificial intelligence Basic education Emerging technologies Educational narrative Learning Narrative review	ABSTRACT The integration of artificial intelligence (AI) into educational systems has transformed teaching and learning processes, creating new opportunities for personalized learning, pedagogical mediation, and educational innovation. In this context, this article aimed to analyse the role of artificial intelligence as a co-author of learning in Basic Education by integrating educational narrative and emerging technologies through a narrative literature review. A qualitative documentary approach was adopted, based on a narrative review of scientific publications indexed in Scopus, Web of Science, ERIC, SciELO, and Google Scholar between 2020 and 2026. The thematic analysis organized the evidence into five analytical categories: AI as a structural transformation in education, generative AI and ethics, emerging technologies in Basic Education, educational narrative and meaning making, and AI as a cognitive and pedagogical mediator. The findings indicate that AI promotes personalized learning processes, enhances continuous feedback, and expands opportunities to develop more flexible and interactive educational experiences. The review also revealed a limited body of research focused on Basic Education and on the integration of narrative approaches with artificial intelligence, highlighting a significant research gap. It is concluded that artificial intelligence can be understood as a co-author of learning because it actively participates in knowledge construction without replacing teachers or diminishing students’ central role, provided that its implementation is guided by pedagogical, ethical, and humanistic principles.

INTRODUCCIÓN

En el contexto de la transformación digital contemporánea, la inteligencia artificial (IA) se ha consolidado como uno de los ejes más relevantes en la reconfiguración de los sistemas educativos a nivel global. Su incorporación progresiva en los procesos de enseñanza y aprendizaje ha generado cambios sustanciales en la mediación pedagógica, la gestión del conocimiento y la interacción entre sujetos educativos y entornos digitales. En este escenario, la IA trasciende su condición instrumental para configurarse como un componente estructural de los ecosistemas educativos emergentes, redefiniendo las formas en que se produce, organiza y distribuye el conocimiento (Zamora & Mendoza, 2023; Scarci et al., 2026).

La literatura reciente evidencia que la inteligencia artificial en educación ha experimentado un crecimiento exponencial, especialmente en el ámbito de la educación superior, donde se ha analizado su impacto en la personalización del aprendizaje, la analítica educativa y la optimización de recursos formativos. En este sentido, estudios recientes destacan que la IA permite la construcción de entornos de aprendizaje adaptativos que responden a las necesidades individuales del estudiantado, al tiempo que plantea desafíos relacionados con la ética, la transparencia algorítmica y la dependencia tecnológica (Jiménez-García et al., 2025; Romeu et al., 2025).

De manera complementaria, investigaciones empíricas han evidenciado que la apropiación de la inteligencia artificial por parte de los estudiantes no es homogénea, sino que está condicionada por dimensiones como la accesibilidad tecnológica, las competencias digitales, las estrategias de aprendizaje y los procesos metacognitivos asociados a la autorregulación del conocimiento (Díaz-Castro & Carreto-Bernal, 2026). Este hallazgo sugiere que la IA no solo actúa como herramienta, sino también como mediador cognitivo que reconfigura las formas de interacción con el saber.

En este mismo orden, la inteligencia artificial generativa ha ampliado el debate educativo contemporáneo al introducir nuevas dinámicas de producción textual, resolución de prácticas académicas y construcción colaborativa del conocimiento. Sin embargo, este avance tecnológico también ha generado tensiones en torno al uso ético, la integridad académica y la necesidad de desarrollar competencias críticas en el estudiantado para su uso responsable (Pérez-Velasco & Álvarez-Hernández, 2025; Zazueta et al., 2025).

Desde una perspectiva más amplia, la inteligencia artificial ha sido analizada como parte de un ecosistema de tecnologías emergentes que incluye la realidad aumentada, la realidad virtual y sistemas inteligentes de recomendación de recursos educativos. Estas tecnologías han demostrado su potencial para enriquecer las experiencias de aprendizaje en entornos digitales, facilitando procesos más interactivos, personalizados y contextualizados (Sanabria & Regil-Vargas, 2024; Navas et al., 2025). En particular, los sistemas de recomendación basados en IA han sido identificados como herramientas clave para optimizar la selección de recursos educativos en entornos virtuales de aprendizaje.

Paralelamente, la literatura también ha comenzado a explorar la dimensión emocional y motivacional del aprendizaje mediado por tecnologías digitales. Desde la neuroeducación, se ha evidenciado que la emoción constituye un factor determinante en la consolidación de aprendizajes significativos, especialmente en etapas tempranas de formación. En este sentido, el uso de tecnologías emergentes puede potenciar la motivación intrínseca del estudiantado cuando se integra de manera pedagógicamente estructurada (Macías-Acosta et al., 2026).

A pesar del avance significativo de la investigación en inteligencia artificial aplicada a la educación, la mayor parte de la producción científica se concentra en la educación superior, dejando relativamente menos explorados los niveles de Educación Básica. En este nivel, los estudios disponibles sugieren que la integración de tecnologías emergentes puede contribuir al desarrollo de habilidades cognitivas superiores, creatividad y pensamiento crítico desde edades tempranas, siempre que exista una adecuada mediación pedagógica (Wu et al., 2025). También, se ha identificado que la implementación de IA en Educación Básica aún se encuentra en una fase incipiente, caracterizada por experiencias aisladas y falta de sistematización teórica.

En este contexto, la narrativa educativa emerge como un enfoque pedagógico relevante para comprender los procesos de aprendizaje como construcciones de significado mediadas por experiencias, discursos y representaciones simbólicas. Desde esta perspectiva, el aprendizaje no se reduce a la adquisición de contenidos, sino que implica la configuración de relatos educativos en los que intervienen múltiples agentes, incluidos los entornos tecnológicos. En consecuencia, la inteligencia artificial puede ser comprendida no solo como herramienta, sino como un actor co-participante en la construcción de dichas narrativas, ampliando las posibilidades de mediación educativa.

Sin embargo, a pesar del creciente interés por la inteligencia artificial en educación y el desarrollo de tecnologías emergentes, persiste un vacío científico significativo en la articulación entre IA, narración educativa y su aplicación específica en Educación Básica desde enfoques integradores de revisión narrativa. La literatura existente tiende a abordar estos elementos de manera fragmentada, sin establecer una comprensión sistémica que permita vincularlos en un marco interpretativo coherente.

Por lo tanto, este artículo tiene como objetivo analizar, desde una revisión narrativa de la literatura científica reciente, el papel de la inteligencia artificial como coautora del aprendizaje en Educación Básica, articulando la narración educativa y las tecnologías emergentes como ejes de transformación pedagógica. Este enfoque permite no solo sistematizar el conocimiento existente, sino también proponer una lectura crítica e integradora del fenómeno.

Finalmente, el artículo se organiza en cuatro secciones principales. En primer lugar, se describe la metodología de la revisión narrativa empleada. En segundo lugar, se presentan los hallazgos organizados temáticamente a partir de la literatura analizada. En tercer lugar, se desarrolla la discusión crítica en diálogo con investigaciones recientes. Finalmente, se exponen las conclusiones y las implicaciones educativas derivadas del análisis.

La inteligencia artificial como transformación estructural de la educación

La inteligencia artificial (IA) se ha consolidado como un eje estructural en la transformación de los sistemas educativos contemporáneos, reconfigurando no solo las prácticas pedagógicas, sino también los modelos de gestión del conocimiento y los entornos de aprendizaje digitales. Su incorporación ha sido analizada como parte de un proceso más amplio de innovación educativa que redefine la interacción entre estudiantes, docentes y contenidos en distintos niveles formativos (Zamora & Mendoza, 2023; Scarci et al., 2026).

En este contexto, la IA ha sido comprendida como un elemento que impulsa la transición hacia ecosistemas educativos más dinámicos, adaptativos y centrados en el estudiante. La literatura evidencia que este proceso no se limita a la incorporación de herramientas tecnológicas, sino que implica una reconfiguración profunda de los modelos pedagógicos tradicionales, especialmente en lo relacionado con la mediación del aprendizaje y la organización del conocimiento (Jiménez-García et al., 2025).

Inteligencia artificial generativa, ética e integridad académica

El surgimiento de la inteligencia artificial generativa ha intensificado el debate sobre sus implicaciones éticas y académicas en la educación. En particular, se ha señalado que su uso plantea desafíos relacionados con la integridad académica, la autoría del conocimiento y el desarrollo de competencias críticas en los estudiantes (Romeu et al., 2025).

Asimismo, se ha evidenciado que la apropiación de estas tecnologías requiere procesos de alfabetización digital avanzada, orientados no solo al uso técnico, sino también a la comprensión de sus implicaciones pedagógicas y éticas. En este sentido, la IA generativa no solo transforma las prácticas de aprendizaje, sino que también redefine los límites entre producción individual y asistida del conocimiento (Pérez-Velasco & Álvarez-Hernández, 2025; Zazueta et al., 2025).

Educación Básica y tecnologías emergentes: una brecha en la investigación

Aunque la mayor parte de la producción científica sobre inteligencia artificial se ha desarrollado en el ámbito universitario, existe una creciente preocupación por su integración en Educación Básica. En este nivel, la evidencia disponible sugiere que las tecnologías emergentes, como la IA, la realidad aumentada y la realidad virtual, pueden enriquecer significativamente los procesos de enseñanza-aprendizaje (Navas et al., 2025).

Sin embargo, los estudios también indican que su implementación aún es incipiente y carece de marcos pedagógicos consolidados que orienten su uso sistemático en el aula. Esta situación evidencia una brecha de conocimiento en torno a cómo estas tecnologías pueden ser adaptadas a las características cognitivas, emocionales y sociales de los estudiantes en etapas escolares tempranas.

Narrativa educativa y construcción de significado

Desde la perspectiva pedagógica, la narrativa educativa se ha posicionado como un enfoque que permite comprender el aprendizaje como un proceso de construcción de significado. Este enfoque sostiene que los sujetos no solo adquieren información, sino que la organizan en estructuras narrativas que integran experiencia, contexto y subjetividad.

En este sentido, el aprendizaje se entiende como un proceso interpretativo en el que los estudiantes construyen sentido a partir de sus interacciones con el entorno educativo. La narrativa educativa, por tanto, permite analizar cómo los procesos de enseñanza se articulan con la experiencia vivida, facilitando una comprensión más profunda del conocimiento (Luna, 2024).

Inteligencia artificial como mediador cognitivo y pedagógico

La inteligencia artificial también ha sido analizada como un mediador cognitivo que influye en la forma en que los estudiantes acceden, procesan y construyen conocimiento. Estudios recientes indican que su uso puede favorecer procesos de aprendizaje adaptativo, al proporcionar retroalimentación personalizada y facilitar la toma de decisiones educativas (Sanabria & Regil-Vargas, 2024).

Además, la IA permite la creación de entornos de aprendizaje más flexibles y dinámicos, en los que el estudiante interactúa con sistemas inteligentes que ajustan los contenidos según sus necesidades. Este tipo de mediación redefine el rol tradicional del docente y amplía las posibilidades de interacción pedagógica en entornos digitales.

A pesar de los avances en la investigación sobre inteligencia artificial en educación, la evidencia científica se concentra principalmente en la educación superior, mientras que su aplicación en Educación Básica desde enfoques narrativos sigue siendo limitada. Además, la articulación entre IA, narrativa educativa y tecnologías emergentes no ha sido suficientemente explorada de manera integrada.

Este vacío teórico justifica la necesidad de una revisión narrativa que permita sistematizar el conocimiento existente y proponer una comprensión más amplia del papel de la inteligencia artificial como coautora del aprendizaje en Educación Básica.

MATERIALES Y MÉTODOS

Enfoque de la investigación

El presente estudio se enmarca en un enfoque cualitativo de carácter documental, propio de las revisiones narrativas de literatura científica. Este enfoque permite comprender, interpretar y sintetizar de manera crítica la producción académica existente sobre inteligencia artificial, narración educativa y tecnologías emergentes en Educación Básica.

A diferencia de los enfoques cuantitativos, centrados en la medición de variables, la investigación cualitativa documental se orienta a la construcción de significados a partir del análisis interpretativo de textos científicos, lo que resulta especialmente pertinente en campos emergentes como la inteligencia artificial aplicada a la educación, donde los marcos conceptuales aún se encuentran en consolidación (Herrera et al., 2015).

En este sentido, el enfoque adoptado permite no solo describir el estado del arte, sino también organizarlo en categorías analíticas que faciliten la comprensión de tendencias, tensiones teóricas y vacíos de conocimiento.

Tipo y diseño de investigación

El diseño corresponde a una revisión narrativa de la literatura científica, caracterizada por la sistematización flexible, crítica e interpretativa del conocimiento disponible. Este tipo de diseño es ampliamente utilizado en investigaciones educativas cuando el fenómeno estudiado es emergente, multidisciplinario y en constante evolución.

La revisión narrativa se diferencia de la revisión sistemática en que no busca una replicación estricta del proceso ni la exhaustividad absoluta de los estudios, sino la construcción de una síntesis argumentativa que permita comprender el fenómeno desde una perspectiva integradora y teóricamente fundamentada (Millán-Franco & Domínguez-de-la-Rosa, 2024).

En este caso, el diseño es pertinente debido a que la relación entre inteligencia artificial, narración educativa y Educación Básica constituye un campo en consolidación, donde predominan enfoques fragmentados y estudios dispersos.

Fuentes de información

La recopilación de información se realizó mediante una estrategia de búsqueda estructurada en bases de datos académicas de alto impacto, incluyendo Scopus, Web of Science, ERIC y SciELO, priorizando literatura científica publicada entre 2020 y 2026.

Se emplearon combinaciones de palabras clave en español e inglés, tales como:

· inteligencia artificial en educación

· artificial intelligence in education

· educación básica y tecnologías emergentes

· educational narrative learning

· generative AI in education

· AI cognitive mediation

· digital transformation in education

La búsqueda se orientó a identificar estudios empíricos, revisiones sistemáticas, revisiones narrativas, artículos teóricos y estudios bibliométricos relacionados con el objeto de estudio.

Posteriormente, los documentos fueron organizados en función de su relevancia temática, contribución conceptual y pertinencia con los objetivos del estudio.

Criterios de inclusión y exclusión

Criterios de inclusión

Se incluyeron documentos que cumplían con los siguientes criterios:

· Artículos científicos publicados en revistas indexadas con revisión por pares.

· Estudios publicados entre 2020 y 2026.

· Investigaciones relacionadas con inteligencia artificial aplicada a la educación.

· Estudios sobre tecnologías emergentes en contextos educativos formales.

· Literatura sobre narración educativa, aprendizaje significativo y construcción de significado.

· Revisiones sistemáticas, narrativas y bibliométricas en el campo educativo.

· Estudios metodológicos sobre investigación cualitativa en educación.

Criterios de exclusión

Se excluyeron:

· Documentos sin revisión por pares o sin rigor académico.

· Publicaciones fuera del ámbito educativo.

· Estudios duplicados en distintas bases de datos.

· Literatura sin acceso completo al texto.

· Investigaciones que no abordaran procesos de enseñanza-aprendizaje o mediación tecnológica.

Proceso de selección de la literatura

El proceso de selección de los estudios se realizó en tres fases metodológicas secuenciales:

Fase 1: Identificación

Se llevó a cabo la búsqueda inicial en bases de datos científicas, obteniendo un conjunto amplio de artículos relacionados con inteligencia artificial, educación y tecnologías emergentes.

Fase 2: Depuración

Se eliminaron registros duplicados y se realizó una revisión preliminar de títulos y resúmenes para descartar estudios no pertinentes al objetivo de investigación.

Fase 3: Elegibilidad

Se efectuó la lectura completa de los documentos seleccionados para evaluar su pertinencia conceptual, metodológica y temática con respecto a los ejes del estudio.

Este proceso permitió conformar un corpus documental organizado que sirvió como base para el análisis temático posterior.

Técnica de análisis de la información

El análisis de la información se realizó mediante un análisis documental cualitativo de tipo temático, orientado a la identificación de patrones conceptuales, categorías emergentes y relaciones teóricas entre los estudios revisados.

A partir de este proceso, la literatura fue organizada en cinco ejes analíticos principales:

1. Inteligencia artificial como transformación estructural en educación

2. Inteligencia artificial generativa, ética e integridad académica

3. Educación Básica y tecnologías emergentes

4. Narrativa educativa y construcción de significado

5. Inteligencia artificial como mediador cognitivo y pedagógico

Este proceso permitió identificar convergencias conceptuales, tendencias de investigación y vacíos teóricos relevantes para el campo de estudio (Mendoza et al., 2024).

RESULTADOS

Categorías de análisis

Con el propósito de garantizar la coherencia entre el objetivo de la investigación y el análisis de la literatura, se establecieron categorías temáticas derivadas tanto del problema de investigación como de la revisión preliminar de los estudios seleccionados. Estas categorías orientaron el proceso de lectura, clasificación, comparación e interpretación de la evidencia científica, permitiendo organizar los hallazgos en ejes conceptuales que responden al propósito del estudio. La definición de categorías constituye una estrategia metodológica ampliamente utilizada en investigaciones cualitativas de revisión, ya que facilita la sistematización del conocimiento y la identificación de convergencias, divergencias y vacíos en la literatura (Herrera et al., 2015; Millán-Franco & Domínguez-de-la-Rosa, 2024).

Categorías de análisis

Tabla 1: Categorías de análisis utilizadas en la revisión narrativa

Categoría	Descripción	Dimensiones analizadas
Inteligencia artificial en educación	Transformación de los procesos de enseñanza y aprendizaje mediante IA	Personalización del aprendizaje, automatización, analítica educativa
Inteligencia artificial generativa	Uso educativo, oportunidades y desafíos éticos	Integridad académica, alfabetización digital, uso responsable
Tecnologías emergentes en Educación Básica	Integración de IA, realidad aumentada y realidad virtual en el aula	Innovación pedagógica, recursos didácticos, experiencias de aprendizaje
Narración educativa	Construcción de significado mediante experiencias narrativas	Aprendizaje significativo, reflexión, construcción del conocimiento
IA como mediador cognitivo	Papel de la IA en la mediación del aprendizaje	Retroalimentación, aprendizaje adaptativo, apoyo a la toma de decisiones

Nota. Elaboración propia

Tabla 2: Estrategia de búsqueda de información empleada en la revisión narrativa

Base de datos	Palabras clave principales	Operadores booleanos	Ejemplo de cadena de búsqueda	Tipo de documentos recuperados
Scopus	Artificial Intelligence, Basic Education, Educational Narrative, Emerging Technologies	AND / OR	("Artificial Intelligence" AND "Basic Education") AND ("Educational Narrative" OR "Emerging Technologies")	Artículos científicos indexados
Web of Science	Artificial Intelligence in Education, Learning Technologies, Narrative Learning	AND / OR	("Artificial Intelligence in Education") AND ("Narrative Learning")	Artículos de alto impacto y revisiones
ERIC	AI in Education, Primary Education, Digital Learning	AND	("AI in Education") AND ("Primary Education")	Investigaciones especializadas en educación
SciELO	Inteligencia artificial, Educación Básica, Tecnologías emergentes	AND	("Inteligencia artificial") AND ("Educación Básica")	Artículos científicos iberoamericanos
Google Scholar*	Inteligencia artificial educativa, narración educativa, aprendizaje	AND / OR	("Inteligencia artificial educativa") AND ("narración educativa")	Literatura complementaria y documentos académicos

Nota. Elaboración propia.

Tabla 3: Categorías de análisis empleadas en la revisión narrativa

Categoría	Propósito analítico	Aspectos considerados
Inteligencia artificial como transformación educativa	Identificar el impacto de la IA en los sistemas educativos.	Innovación pedagógica, transformación digital, personalización del aprendizaje.
IA generativa, ética e integridad académica	Analizar oportunidades y desafíos derivados del uso de IA generativa.	Uso responsable, alfabetización digital, integridad académica.
Tecnologías emergentes en Educación Básica	Examinar la incorporación de tecnologías emergentes en contextos escolares.	IA, realidad aumentada, realidad virtual, recursos digitales.
Narración educativa	Analizar el aprendizaje como construcción de significado mediante narrativas.	Experiencias de aprendizaje, mediación pedagógica, construcción del conocimiento.
IA como mediador cognitivo	Examinar el papel de la IA en los procesos de aprendizaje.	Retroalimentación personalizada, aprendizaje adaptativo, apoyo a la toma de decisiones.

Nota. Elaboración propia.

Análisis de resultados

El análisis de la literatura científica permitió identificar cinco categorías temáticas que sintetizan las principales tendencias de investigación sobre la inteligencia artificial como coautora del aprendizaje en Educación Básica. Estas categorías reflejan la evolución del campo, las líneas de investigación predominantes y los principales aportes reportados en la literatura reciente.

La Tabla 4 presenta una síntesis de los estudios más relevantes considerados en esta revisión, indicando su propósito principal y la contribución realizada al campo de estudio.

Tabla 4: Síntesis de los estudios analizados en la revisión narrativa

Autor(es)	Año	Tipo de estudio	Aporte principal
Zamora y Mendoza	2023	Revisión teórica	Analizan los desafíos y oportunidades de la inteligencia artificial para la transformación de la educación superior, destacando la necesidad de modelos pedagógicos adaptativos.
Luna	2024	Estudio cualitativo	Examina la comprensión del conocimiento desde una perspectiva filosófica, resaltando la construcción de significado durante el aprendizaje.
Sanabria y Regil-Vargas	2024	Investigación aplicada	Desarrollan sistemas de recomendación basados en IA para optimizar la selección de recursos educativos en entornos virtuales.
Navas et al.	2025	Revisión documental	Analizan la incorporación de inteligencia artificial, realidad aumentada y realidad virtual en Educación Básica como tecnologías emergentes para fortalecer el aprendizaje.
Jiménez-García et al.	2025	Revisión sistemática	Identifican el crecimiento del uso de chatbots e inteligencia artificial como apoyo a la sostenibilidad educativa.
Romeu et al.	2025	Investigación educativa	Analizan los desafíos éticos derivados de la inteligencia artificial generativa y la necesidad de desarrollar competencias críticas en los estudiantes.
Zazueta et al.	2025	Estudio empírico	Exploran la percepción estudiantil sobre la inteligencia artificial y su influencia en los procesos formativos.
Scarci et al.	2026	Revisión de alcance	Evidencian el crecimiento de la investigación sobre inteligencia artificial y gestión del conocimiento en educación superior.
Díaz-Castro y Carreto-Bernal	2026	Estudio mixto	Analizan las percepciones y usos de la inteligencia artificial generativa para orientar estrategias educativas emergentes.

Nota. Elaboración propia.

La inteligencia artificial como transformación estructural de los procesos educativos

Tabla 5: Principales aportes identificados sobre la inteligencia artificial como transformación educativa

Aspecto identificado	Evidencia encontrada
Personalización del aprendizaje	Adaptación de contenidos y actividades según las necesidades del estudiante.
Gestión del conocimiento	Organización y recuperación inteligente de información educativa.
Innovación pedagógica	Transformación de metodologías tradicionales hacia modelos centrados en el estudiante.
Analítica educativa	Uso de datos para apoyar la toma de decisiones pedagógicas.
Redefinición del rol docente	El docente asume funciones de mediador y diseñador de experiencias de aprendizaje.

Nota. Elaboración propia.

Inteligencia artificial generativa, ética e integridad académica

La segunda categoría agrupa investigaciones relacionadas con la expansión de la inteligencia artificial generativa y sus implicaciones para los procesos educativos. La evidencia muestra un crecimiento acelerado del uso de herramientas capaces de generar textos, imágenes y otros recursos digitales, modificando las formas tradicionales de producción del conocimiento.

Los estudios coinciden en que estas herramientas ofrecen oportunidades para fortalecer la creatividad, facilitar la resolución de problemas y apoyar la elaboración de materiales educativos. No obstante, también destacan preocupaciones relacionadas con la integridad académica, la autenticidad de las producciones estudiantiles y la necesidad de establecer criterios claros para un uso responsable de la IA (Romeu et al., 2025; Pérez-Velasco & Álvarez-Hernández, 2025).

De manera complementaria, la literatura evidencia que la alfabetización digital constituye un elemento indispensable para el aprovechamiento de estas tecnologías. Los estudiantes requieren desarrollar competencias que les permitan evaluar críticamente la información generada por sistemas inteligentes, verificar su confiabilidad y comprender los límites éticos asociados a su utilización.

Otra tendencia identificada corresponde a la necesidad de fortalecer las políticas institucionales sobre el uso de inteligencia artificial en educación. Diversos estudios sugieren que las instituciones educativas deben establecer lineamientos que promuevan la transparencia, la responsabilidad y el respeto por la autoría intelectual.

Tabla 6: Hallazgos sobre inteligencia artificial generativa en educación

Tendencia identificada	Hallazgo
Producción automatizada de contenidos	Incremento del uso de herramientas generativas para actividades académicas.
Integridad académica	Necesidad de establecer criterios para prevenir usos inadecuados.
Alfabetización digital	Desarrollo de competencias críticas para el uso responsable de la IA.
Regulación institucional	Elaboración de políticas y orientaciones para la implementación ética de estas tecnologías.

Nota. Elaboración propia.

Tecnologías emergentes en Educación Básica

Los estudios centrados en Educación Básica muestran un interés creciente por la incorporación de tecnologías emergentes, particularmente inteligencia artificial, realidad aumentada y realidad virtual, como recursos para enriquecer las experiencias de aprendizaje.

La evidencia revisada indica que estas tecnologías favorecen el desarrollo de ambientes de aprendizaje interactivos, promoviendo la participación del estudiantado y facilitando la comprensión de contenidos mediante experiencias inmersivas. Asimismo, se observa una tendencia hacia la integración de recursos digitales capaces de responder a distintos estilos y ritmos de aprendizaje (Navas et al., 2025).

No obstante, la literatura también evidencia que la implementación de estas tecnologías en Educación Básica aún presenta un desarrollo desigual. La mayoría de las investigaciones corresponden a estudios exploratorios o revisiones documentales, mientras que existe una menor cantidad de investigaciones empíricas que evalúen su impacto en contextos escolares reales.

Tabla 7: Tecnologías emergentes identificadas en Educación Básica

Tecnología	Principales aplicaciones educativas
Inteligencia artificial	Personalización del aprendizaje y tutoría inteligente.
Realidad aumentada	Visualización interactiva de contenidos.
Realidad virtual	Simulación de escenarios educativos inmersivos.
Plataformas adaptativas	Seguimiento del progreso y ajuste de actividades.

Nota. Elaboración propia.

Narración educativa y construcción de significado

La cuarta categoría evidencia que la narración educativa constituye una estrategia pedagógica que favorece la construcción de significado mediante la integración de experiencias, conocimientos previos y contextos de aprendizaje.

Los estudios revisados destacan que la comprensión profunda del conocimiento se fortalece cuando los estudiantes participan activamente en procesos de interpretación, reflexión y elaboración de explicaciones propias, superando la memorización de contenidos (Luna, 2024).

Asimismo, la literatura identifica una convergencia entre narración educativa y tecnologías digitales, al reconocer que las herramientas inteligentes pueden facilitar nuevas formas de representación del conocimiento mediante recursos multimedia, historias interactivas y experiencias personalizadas de aprendizaje.

La inteligencia artificial como mediadora cognitiva y coautora del aprendizaje

La última categoría integra los hallazgos relacionados con el papel de la inteligencia artificial como mediadora de los procesos cognitivos. Los estudios analizados muestran que los sistemas inteligentes pueden proporcionar retroalimentación inmediata, recomendar recursos educativos y adaptar las actividades según el desempeño del estudiante, fortaleciendo procesos de autorregulación y aprendizaje autónomo (Sanabria & Regil-Vargas, 2024).

En conjunto, la evidencia revisada permite identificar una evolución conceptual en la comprensión de la inteligencia artificial. Más allá de su función como herramienta tecnológica, la literatura comienza a reconocer su capacidad para participar activamente en la construcción del conocimiento, mediante procesos de interacción, apoyo cognitivo y mediación pedagógica. Esta perspectiva sustenta la idea de la IA como coautora del aprendizaje, al intervenir en la organización, enriquecimiento y personalización de las experiencias educativas sin reemplazar el papel del docente, sino complementándolo mediante nuevas formas de interacción pedagógica.

DISCUSIÓN

Los hallazgos de la presente revisión narrativa evidencian que la inteligencia artificial se ha consolidado como uno de los principales factores de transformación de los sistemas educativos contemporáneos. La literatura analizada coincide en señalar que su incorporación trasciende el uso de herramientas digitales de apoyo para configurar nuevas formas de mediación pedagógica, organización del conocimiento e interacción entre estudiantes, docentes y recursos tecnológicos. En este sentido, la IA deja de ocupar un papel exclusivamente instrumental para convertirse en un componente que participa activamente en la construcción de experiencias educativas más dinámicas, personalizadas y adaptativas.

Esta transformación resulta consistente con los planteamientos de Zamora y Mendoza (2023), quienes sostienen que la inteligencia artificial representa una oportunidad para replantear los modelos educativos tradicionales mediante estrategias orientadas a la innovación pedagógica y la adaptación de los procesos de enseñanza a las necesidades del estudiantado. De manera complementaria, Scarci et al. (2026) destacan que el crecimiento de la inteligencia artificial en educación ha impulsado nuevas formas de gestión del conocimiento, facilitando el acceso, la organización y el aprovechamiento de la información como parte del proceso formativo. En conjunto, estos aportes permiten comprender que la transformación educativa no depende únicamente de la incorporación de tecnologías, sino de la manera en que estas modifican las relaciones entre los actores educativos y el conocimiento.

Uno de los principales hallazgos identificados en esta revisión corresponde al creciente reconocimiento de la inteligencia artificial como un mediador cognitivo del aprendizaje. La literatura revisada muestra que los sistemas inteligentes no solo proporcionan respuestas automáticas, sino que ofrecen retroalimentación personalizada, recomiendan recursos, adaptan actividades y favorecen procesos de autorregulación. Desde esta perspectiva, la IA amplía las posibilidades de aprendizaje al responder a las necesidades individuales de los estudiantes, promoviendo experiencias educativas más flexibles y contextualizadas.

Esta evidencia permite fundamentar la noción propuesta en el presente artículo de considerar a la inteligencia artificial como una coautora del aprendizaje. El término no implica atribuir autonomía educativa plena a los sistemas inteligentes ni sustituir el papel del docente o del estudiante. Por el contrario, hace referencia a una relación de co-construcción del conocimiento en la que la IA participa como un agente tecnológico capaz de influir en la selección de información, la organización de contenidos, la generación de propuestas de aprendizaje y la retroalimentación continua. La autoría del aprendizaje continúa correspondiendo al estudiante como sujeto activo del proceso educativo; sin embargo, dicha autoría se desarrolla en interacción permanente con tecnologías inteligentes que intervienen en la construcción del conocimiento.

Este planteamiento adquiere especial relevancia en el contexto de la narración educativa. La revisión realizada evidencia que el aprendizaje constituye un proceso de construcción de significado mediante experiencias, interpretaciones y representaciones compartidas. Desde esta perspectiva, la inteligencia artificial puede enriquecer la narrativa educativa al facilitar la generación de escenarios interactivos, recursos personalizados y experiencias de aprendizaje adaptadas a las características individuales de cada estudiante. En consecuencia, la IA no sustituye la narrativa humana, sino que amplía sus posibilidades de construcción, diversificando los recursos disponibles para favorecer procesos de comprensión y reflexión.

No obstante, la literatura también pone de manifiesto que la incorporación de inteligencia artificial generativa plantea importantes desafíos éticos y pedagógicos. Diversos estudios advierten sobre los riesgos asociados a la dependencia tecnológica, la disminución del pensamiento crítico, la generación de información inexacta y las implicaciones para la integridad académica (Romeu et al., 2025; Pérez-Velasco & Álvarez-Hernández, 2025). Estos desafíos coinciden con las preocupaciones expresadas por Díaz-Castro y Carreto-Bernal (2026), quienes subrayan la necesidad de fortalecer las competencias digitales y metacognitivas del estudiantado para garantizar un uso responsable de estas herramientas.

En este sentido, los resultados de la revisión permiten sostener que la inteligencia artificial no constituye, por sí misma, una garantía de mejora educativa. Su potencial depende de la existencia de propuestas pedagógicas que orienten su integración, de la formación del profesorado y del desarrollo de competencias críticas en los estudiantes. La evidencia revisada muestra que las tecnologías emergentes generan mejores resultados cuando se articulan con metodologías activas, aprendizaje colaborativo, estrategias narrativas y procesos permanentes de reflexión sobre el uso de la información.

Otro aspecto relevante identificado corresponde a la limitada producción científica sobre inteligencia artificial en Educación Básica. Aunque el número de investigaciones ha aumentado durante los últimos años, la mayoría de los estudios continúa concentrándose en la educación superior. Esta situación coincide con la revisión documental de Navas et al. (2025), quienes señalan que la incorporación de inteligencia artificial, realidad aumentada y realidad virtual en los primeros niveles educativos todavía se encuentra en una etapa de consolidación. En consecuencia, persiste la necesidad de ampliar la investigación sobre modelos pedagógicos específicos que orienten la implementación de estas tecnologías en contextos escolares.

La revisión evidencia que la mayor parte de las investigaciones analizan la inteligencia artificial desde perspectivas tecnológicas o instrumentales, mientras que son escasos los estudios que la abordan desde enfoques narrativos y de construcción de significado. Esta ausencia representa un vacío conceptual relevante, ya que limita la comprensión de la IA como un elemento integrado a las experiencias educativas y no únicamente como un recurso digital. En este contexto, el presente artículo aporta una perspectiva interpretativa que vincula la inteligencia artificial, la narración educativa y las tecnologías emergentes dentro de un mismo marco analítico, contribuyendo a ampliar la comprensión del fenómeno.

Desde el punto de vista teórico, la principal contribución de esta revisión consiste en proponer la noción de la inteligencia artificial como coautora del aprendizaje, entendida como una metáfora pedagógica que explica la participación de los sistemas inteligentes en la construcción del conocimiento sin desplazar el protagonismo del estudiante ni la función mediadora del docente. Esta perspectiva permite superar visiones dicotómicas que presentan a la inteligencia artificial como una amenaza o como una solución absoluta para la educación, proponiendo, en cambio, una comprensión relacional basada en la colaboración entre inteligencia humana e inteligencia artificial.

Finalmente, es importante reconocer las limitaciones de este estudio. Al tratarse de una revisión narrativa, los hallazgos dependen de la literatura seleccionada y de la interpretación realizada por el investigador, por lo que no pretenden establecer relaciones causales ni generalizaciones estadísticas. Además, el rápido desarrollo de la inteligencia artificial implica que nuevos avances tecnológicos puedan modificar el panorama analizado en un corto plazo. Por ello, futuras investigaciones podrían desarrollar revisiones sistemáticas, estudios bibliométricos y trabajos empíricos que evalúen el impacto de la inteligencia artificial como mediadora del aprendizaje en distintos niveles educativos, especialmente en Educación Básica, así como explorar la relación entre narración educativa, aprendizaje significativo y tecnologías inteligentes en contextos escolares diversos.

CONCLUSIÓN

La presente revisión narrativa permitió analizar el papel de la inteligencia artificial como coautora del aprendizaje en Educación Básica, integrando la evidencia científica reciente sobre narración educativa y tecnologías emergentes. A partir de la literatura revisada, se constató que la inteligencia artificial ha evolucionado desde una función instrumental orientada a la automatización de tareas hacia un recurso con capacidad para mediar procesos de enseñanza y aprendizaje, favoreciendo la personalización de los contenidos, la retroalimentación continua y la adaptación de las experiencias educativas a las necesidades del estudiantado.

Uno de los principales aportes del estudio consiste en proponer una comprensión de la inteligencia artificial como coautora del aprendizaje, entendida como una metáfora pedagógica que reconoce su participación en la construcción del conocimiento sin sustituir el protagonismo del estudiante ni la función mediadora del docente. Desde esta perspectiva, la IA se configura como un agente tecnológico que amplía las posibilidades de interacción, facilita la construcción de significados y fortalece los procesos de aprendizaje mediante una relación colaborativa entre inteligencia humana e inteligencia artificial.

Asimismo, la revisión evidenció que la integración de la inteligencia artificial en Educación Básica requiere trascender una visión centrada exclusivamente en la innovación tecnológica para orientarse hacia modelos pedagógicos que articulen la narración educativa, el aprendizaje significativo y el desarrollo de competencias digitales. En este sentido, el valor educativo de la IA no depende únicamente de sus capacidades técnicas, sino de la forma en que es incorporada en propuestas didácticas que promuevan el pensamiento crítico, la creatividad, la reflexión y la participación activa de los estudiantes.

Otro hallazgo relevante fue la identificación de una brecha en la producción científica. Aunque la investigación sobre inteligencia artificial en educación ha crecido de manera acelerada durante los últimos años, la mayor parte de los estudios continúa concentrándose en la educación superior. En contraste, la evidencia específica sobre Educación Básica, particularmente aquella que vincula la inteligencia artificial con la narración educativa y la construcción de significado, sigue siendo limitada. Esta situación pone de manifiesto la necesidad de ampliar las investigaciones en este nivel educativo para generar fundamentos teóricos y metodológicos que orienten la implementación de tecnologías emergentes en contextos escolares.

Desde el punto de vista científico, el artículo contribuye a la literatura al integrar tres campos que habitualmente se estudian de forma independiente: la inteligencia artificial, la narración educativa y las tecnologías emergentes. Esta articulación ofrece un marco interpretativo que favorece una comprensión más amplia de las posibilidades y los desafíos que implica la incorporación de la IA en los procesos de enseñanza y aprendizaje, aportando elementos para el diseño de estrategias pedagógicas innovadoras y contextualizadas.

Finalmente, se concluye que el futuro de la inteligencia artificial en Educación Básica no debe orientarse hacia la sustitución de la labor docente, sino hacia la construcción de modelos de colaboración en los que docentes, estudiantes y sistemas inteligentes interactúen de manera ética, crítica y responsable. En este escenario, la inteligencia artificial puede constituirse en una aliada para enriquecer las experiencias de aprendizaje, siempre que su implementación esté sustentada en principios pedagógicos sólidos, en el fortalecimiento de las competencias digitales y en una concepción humanista de la educación que preserve el papel central de las personas en la construcción del conocimiento.

REFERENCIAS

Campos Medina, M. A. (2025). Educación universitaria disruptiva: Inteligencia artificial y andragogía desde la transcomplejidad. Acción y Reflexión Educativa, 50, 77–89. https://doi.org/10.48204/j.are.n50.a6551

Delgado Hernández, P., & Marqués Ibáñez, A. M. (2025). La inteligencia artificial como herramienta en arte generativo aplicada en experiencias de educación artística. Hachetetepé. Revista Científica de Educación y Comunicación, 30, 1–20.

Díaz-Castro, L. E., & Carreto-Bernal, F. (2026). Percepciones y usos de la inteligencia artificial generativa en estudiantes de licenciatura de la Facultad de Geografía de la UAEMEX: Diagnóstico para el diseño de estrategias educativas emergentes. Revista RedCA, 8(24), 169–196. https://doi.org/10.36677/redca.v8i24.27528

Herrera Rodríguez, J. I., Guevara Fernández, G. E., & Munster de la Rosa, H. (2015). Los diseños y estrategias para los estudios cualitativos: Un acercamiento teórico-metodológico. Gaceta Médica Espirituana, 17(2), 120–134.

Jiménez-García, E., Ruiz-Lázaro, J., Martínez-Requejo, S., & Redondo-Duarte, S. (2025). Inteligencia artificial y chatbots para una educación superior sostenible: Una revisión sistemática. RIED. Revista Iberoamericana de Educación a Distancia, 28(2), 81–104. https://doi.org/10.5944/ried.28.2.43240

Luna, F. G. (2024). Las características de la comprensión de la filosofía en estudiantes de un doctorado en educación. Revista RedCA, 6(18), 23–29.

Macías-Acosta, R. E., Alarcón-Hernández, B. R., Romero-Alarcón, V. A., & Romero-Alarcón, J. C. (2026). Emoción y motivación en el aprendizaje lúdico: Una revisión sistemática desde la neuroeducación. RICEAFS. Revista de Investigación en Ciencias de la Educación, Actividad Física y Salud, 4(1), e59.

Martínez-De la Muela, A., Ruiz-Fuentes, J. P., & González-Geraldo, J. L. (2026). Inteligencia artificial e inteligencia colectiva en la educación superior digital: Estudio cuasi-experimental con la plataforma Kampal. RIED. Revista Iberoamericana de Educación a Distancia, 29(1), 29–51. https://doi.org/10.5944/ried.45560

Mendoza, L. P. V., Sánchez, H. C., Cuzco, A. E. E., & Faubla, A. J. C. (2024). Metodología de revisión sistemática en educación superior: Beneficios y desafíos. Revista de Ciencias Sociales, 30(3), 381–394.

Millán-Franco, M., & Domínguez-de-la-Rosa, L. (2024). La revisión bibliográfica sistemática y la investigación cualitativa: Manual para las ciencias sociales (Parte 2/2). La práctica de la metodología cualitativa, 55.

Navas, C. D. H., Cedillo, T. E. V., Tumailli, V. M. D., & Cantos, D. A. V. (2025). Uso de tecnologías emergentes (IA, RA, RV) en la Educación Básica: Una revisión documental. Código Científico. Revista de Investigación, 6(E2), 1653–1676.

Pérez-Velasco, A. A., & Álvarez-Hernández, G. A. (2025). Repensando la educación superior: Apropiación de la inteligencia artificial en el aprendizaje universitario. Revista RedCA, 7(21), 236–261.

Romeu Fontanillas, T., Romero Carbonell, M., Guitert Catasús, M., & Baztán Quemada, P. (2025). Desafíos de la inteligencia artificial generativa en educación superior: Fomentando su uso crítico en el estudiantado. RIED. Revista Iberoamericana de Educación a Distancia, 28(2), 189–231. https://doi.org/10.5944/ried.28.2.43535

Sanabria Medina, G., & Regil-Vargas, L. (2024). Inteligencia artificial para la recomendación de recursos en educación en línea. Apertura, 16(2), 6–21. https://doi.org/10.32870/Ap.v16n2.2542

Scarci, A. S., Fonseca, M. H., Moser Teixeira, T., & Fleig Dal Forno, L. (2026). Gestión del conocimiento e inteligencia artificial en la educación superior. Alteridad. Revista de Educación, 21(1), 108–122. https://doi.org/10.17163/alt.v21n1.2026.08

Wu, J., Zhang, Y., & Li, H. (2025). Early creative dance education: A bibliometric review with knowledge mapping analysis. Journal for the Study of Education and Development, 48(2), 335–369.

Wiener, N. (s. f.). Diseño metodológico de una revisión sistemática asistida por inteligencia artificial. En Inteligencia artificial asistida para revisiones sistemáticas: Innovación, precisión y eficiencia (p. 51).

Zamora Varela, Y., & Mendoza Encinas, M. D. (2023). La inteligencia artificial y el futuro de la educación superior: Desafíos y oportunidades. Horizontes Pedagógicos, 25(1), 1–13. https://doi.org/10.33881/0123-8264.hop.25101

Zazueta-López, D., Romero-Rubio, S. A., & López-Castro, M. P. (2025). La inteligencia artificial en la educación: Perspectiva del estudiante de comunicación. Hachetetepé. Revista Científica de Educación y Comunicación, 31, 1–15. https://doi.org/10.25267/Hachetetepe.2025.i31.2205