Innovación educativa mediante inteligencia artificial generativa: beneficios, desafíos éticos y condiciones institucionales para su adopción
DOI:
https://doi.org/10.62697/rmiie.v5i4.439Palabras clave:
Inteligencia artificial generativa, innovación educativa, ética, educación superior, adopción tecnológica, gobernanza institucionalResumen
La incorporación de inteligencia artificial generativa (IAG) en la educación superior ha desplazado el debate desde la disponibilidad tecnológica hacia la calidad pedagógica, la responsabilidad ética y la capacidad institucional para orientar su uso. El objetivo de este artículo fue analizar la relación entre beneficios percibidos, dilemas éticos, condiciones institucionales y adopción responsable de IAG mediante un modelo cuantitativo exploratorio. Se trabajó con una base metodológica estructurada de 390 casos, distribuida de manera equilibrada entre estudiantes de grado, estudiantes de maestría y docentes, con 24 ítems Likert organizados en cuatro constructos. La consistencia interna osciló entre α = 0,753 y α = 0,805. El análisis factorial exploratorio mostró adecuación muestral alta (KMO = 0,881) y una prueba de Bartlett significativa (χ² = 2418,76; gl = 276; p < 0,001), con cuatro factores coherentes con el diseño conceptual. El modelo de rutas sobre puntuaciones compuestas explicó el 33,3 % de la varianza de la adopción responsable. Los beneficios percibidos (β = 0,381; p < 0,001) y las condiciones institucionales (β = 0,356; p < 0,001) se asociaron positivamente con la adopción, mientras los dilemas éticos mostraron una asociación negativa ajustada al controlar los demás predictores (β = -0,177; p < 0,001). Los resultados se interpretan como prueba metodológica del modelo y no como estimaciones poblacionales. Se concluye que la innovación educativa con IAG requiere combinar utilidad pedagógica, alfabetización crítica, reglas de transparencia y soporte institucional antes de promover una adopción intensiva.
Descargas
Citas
Alshamy, A., Al-Harthi, A. S. A., & Abdullah, S. (2025). Perceptions of generative AI tools in higher education: Insights from students and academics at Sultan Qaboos University. Education Sciences, 15(4), 501. https://doi.org/10.3390/educsci15040501
Avdiu-Kryeziu, S., & Kryeziu, V. (2026). Students’ use of artificial intelligence in academic research: Benefits, challenges, and academic integrity. Praxis Educativa, 21, e24164. https://revistas.uepg.br/index.php/praxiseducativa/en/article/view/26164/209209220574
Beckman, K., Apps, T., Howard, S. K., Rogerson, C., Rogerson, A., & Tondeur, J. (2025). The GenAI divide among university students: A call for action. The Internet and Higher Education, 67, 101036. https://doi.org/10.1016/j.iheduc.2025.101036
Cáceres-Mesa, M. L. (Comp.). (2026). Educación superior en tiempos de inteligencia artificial: Pedagogía, evaluación y bienestar. Sophia Editions.
Day, T., Gonzalez, M., Kim, J., McDaniel, P. N., Redican, K., & Zhu, T. (2025). Generative AI in undergraduate education: An early view of developments, prospects, and challenges of the AI revolution. The Professional Geographer, 77(4), 384–401. https://doi.org/10.1080/00330124.2025.2478075
Estaphan, S., Kramer, D., & Witchel, H. J. (2025). Navigating the frontier of AI-assisted student assignments: Challenges, skills, and solutions. Advances in Physiology Education, 49(3), 633–639. https://doi.org/10.1152/advan.00253.2024
Isaeva, R., Caner, H. N., Caner, M., Giray, L., & Karadag, E. (2026). Students’ engagement with generative AI in academic learning: A self-determination theory and epistemic network analysis study. Computers and Education: Artificial Intelligence, 10, 100606. https://doi.org/10.1016/j.caeai.2026.100606
Jin, Y., Yan, L., Echeverria, V., Gašević, D., & Martinez-Maldonado, R. (2025). Generative AI in higher education: A global perspective of institutional adoption policies and guidelines. Computers and Education: Artificial Intelligence, 8, 100348. https://doi.org/10.1016/j.caeai.2024.100348
Jurcec, L., Kolega, M., & Miljkovic Krecar, I. (2026). The chat dilemma: Usefulness, risk, ethics, and student intentions to use generative AI in higher education. Technology in Society, 87, 103427. https://doi.org/10.1016/j.techsoc.2026.103427
Kofinas, A. K., Tsay, C. H.-H., & Pike, D. (2025). The impact of generative AI on academic integrity of authentic assessments within a higher education context. British Journal of Educational Technology, 56(6), 2522–2549. https://doi.org/10.1111/bjet.13585
Madleňák, R., Madleňáková, L., Cvacho, V., & Gachulinec, D. (2026). Ethical challenges of artificial intelligence in higher education: A four-pillar student-activity framework for institutional governance. Education Sciences, 16(4), 555. https://doi.org/10.3390/educsci16040555
Martín-Gómez, S., & González Ruiz, C. J. (2025). AI in higher education: Initial teacher training in the critical and didactic use of artificial intelligence. IEEE Revista Iberoamericana de Tecnologías del Aprendizaje, 20, 302–309. https://doi.org/10.1109/RITA.2025.3616509
Melchior, C., & Farinosi, M. (2026). Beyond the hype: Unpacking Italian university students’ engagement with generative AI for learning and academic integrity. Innovation: The European Journal of Social Science Research. https://doi.org/10.1080/13511610.2026.2636830
Melisa, R., Ashadi, A., Triastuti, A., Hidayati, S., Salido, A., Luansi Ero, P. E., Marlini, C., Zefrin, Z., & Al Fuad, Z. (2025). Critical thinking in the age of AI: A systematic review of AI’s effects on higher education. Educational Process: International Journal, 14, e2025031. https://doi.org/10.22521/edupij.2025.14.31
Mohd Daud, N. (2026). Beyond “good” or “bad”: Investigating trust and techno-resistance in postgraduate students’ voluntary use of AI technologies. Technology in Society, 85, 103213. https://doi.org/10.1016/j.techsoc.2026.103213
Narimani, M. (2026). La transformación digital en la educación superior: Retos y oportunidades. Sophia Research Review, 3(2), 48–55. https://doi.org/10.64092/rvvkw007
Nguyen, M., Zhang, Y., Bu, Y., & Belk, R. (2026). Generative AI in academic research activities: The hidden side of self-detrimental consumption. International Journal of Information Management, 87, 103024. https://doi.org/10.1016/j.ijinfomgt.2025.103024
Qu, Y., Loo, H. E., & Wang, J. (2025). Generative artificial intelligence in higher education: Emotional tensions and ethical declaration. British Journal of Educational Technology. https://doi.org/10.1111/bjet.70029
Rücker, M. T., Büchting, C., & Kosch, T. (2025). Understanding the effect of risk perception on the acceptance and use of large language models among university students. Proceedings of the ACM on Human-Computer Interaction, 9(7), Article CSCW512. https://doi.org/10.1145/3757693
Tsao, J. (2025). Trajectories of AI policy in higher education: Interpretations, discourses, and enactments of students and teachers. Computers and Education: Artificial Intelligence, 9, 100496. https://doi.org/10.1016/j.caeai.2025.100496
Verma, C., & Kumar, D. (2026). An exploratory machine learning approach to understanding determinants of future ChatGPT use in higher education. Computers and Education: Artificial Intelligence, 10, 100613. https://doi.org/10.1016/j.caeai.2026.100613
Wang, P., Liu, T., Yang, Y., & Xiang, X. (2025). Optimizing self-regulated learning: A mixed-methods study on GAI’s impact on undergraduate task strategies and metacognition. British Journal of Educational Technology. https://doi.org/10.1111/bjet.70018
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Oscar José Alejo-Machado, Mario Enrique Vásquez-Jiménez
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los autores que publican en la Revista Mexicana de Investigación e Intervención Educativa (RMIIE), de la Universidad Pablo Latapí Sarre están de acuerdo con los siguientes términos:
1. Derechos de Autor
Los autores conservan los derechos de autor sobre sus trabajos sin restricciones. Los autores otorgan a la revista el derecho de primera publicación. Para ello, ceden a la revista, de forma no exclusiva, los derechos de explotación (reproducción, distribución, comunicación pública y transformación). Los autores pueden establecer otros acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista, siempre que exista un reconocimiento de su publicación inicial en esta revista.
© Los autores.
2. Licencia
Los trabajos se publican en la revista bajo la licencia de Atribución-NoComercial-CompartirIgual 4.0 Internacional de Creative Commons (CC BY-NC-SA 4.0). Los términos se pueden consultar en: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es
Esta licencia permite:
- Compartir: copiar y redistribuir el material en cualquier medio o formato.
- Adaptar: remezclar, transformar y crear a partir del material.
Bajo los siguientes términos:
- Atribución: ha de reconocer la autoría de manera apropiada, proporcionar un enlace a la licencia e indicar si se ha hecho algún cambio. Puede hacerlo de cualquier manera razonable, pero no de forma tal que sugiera que el licenciador le da soporte o patrocina el uso que se hace.
- NoComercial: no puede utilizar el material para finalidades comerciales.
- CompartirIgual: si remezcla, transforma o crea a partir del material, debe difundir su creación con la misma licencia que la obra original.
No hay restricciones adicionales. No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otros hacer cualquier cosa que la licencia permita.
