Modelo pedagógico adaptativo para la educación superior en línea con inteligencia artificial generativa: mediación docente, autorregulación y transferencia del aprendizaje
DOI:
https://doi.org/10.65415/7p6s6971Palabras clave:
inteligencia artificial generativa; aprendizaje adaptativo; autorregulación del aprendizaje; mediación docente; transferencia del aprendizajeResumen
La expansión de la inteligencia artificial generativa (IAG) en la educación superior en línea ha avanzado con mayor rapidez que la capacidad institucional para definir el diseño pedagógico que la sostiene. El objetivo fue construir un modelo pedagógico adaptativo que articule adaptatividad tecnológica, mediación docente, autorregulación del aprendizaje y transferencia, a partir de la evidencia empírica verificable disponible. Se aplicó un diseño no experimental, documental y descriptivo-analítico sobre 25 fuentes comprobables publicadas entre 1992 y 2026: metaanálisis, revisiones sistemáticas, estudios empíricos primarios y marcos normativos internacionales. El análisis de contenido dirigido codificó seis categorías: adaptatividad, mediación docente, autorregulación, transferencia, riesgos cognitivos e integridad, y gobernanza institucional. Los sistemas adaptativos con inteligencia artificial reportan un efecto medio-alto sobre los resultados de aprendizaje (g = 0,70), mientras la IAG muestra efectos heterogéneos: g = 0,392 sobre resultados generales, g = 0,851 sobre pensamiento de orden superior y g = 0,509 de la retroalimentación automatizada sobre la autorregulación, con magnitudes menores en las dimensiones conductual y metacognitiva. La evidencia documenta además riesgos: el uso intensivo de herramientas de IA correlaciona negativamente con el pensamiento crítico (r = −0,68), con la descarga cognitiva como mecanismo mediador. En Ecuador, el 52 % de los estudiantes encuestados usa ChatGPT con frecuencia y ninguno reporta orientación institucional formal. Se propone el modelo MAP-IAG, con seis componentes, reglas operativas e indicadores verificables. Se concluye que la adaptatividad algorítmica se convierte en aprendizaje transferible únicamente cuando la mediación docente conserva las decisiones pedagógicas y se protege deliberadamente el esfuerzo cognitivo del estudiante.
Descargas
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. Revista InveCom, 6(1), 1–10. https://doi.org/10.5281/zenodo.15508755
Álvarez, M. (2025). Transferencia de aprendizajes estudiantiles en educación superior desde procesos de evaluación transformacionales, participativos y colaborativos. European Public & Social Innovation Review, 10, 1–14. https://doi.org/10.31637/epsir-2025-1751
Blake Angulo, J. (2026). Docencia e inteligencia artificial generativa en educación superior en América Latina: focos y vacíos de la investigación emergente (revisión sistemática 2023-2025). Revista Realidad Educativa, 6(1), 153–189. https://doi.org/10.38123/rre.v6i1.600
Fütterer, T., Bardach, L., Kuhn, J., Keller, S. D., & Gerjets, P. (2026). Enhancing school students’ self-regulated learning through generative AI support: A randomized controlled trial. Educational Psychology Review, 38(1), 42. https://doi.org/10.1007/s10648-026-10133-8
Garrison, D. R., Anderson, T., & Archer, W. (1999). Critical inquiry in a text-based environment: Computer conferencing in higher education. The Internet and Higher Education, 2(2–3), 87–105. https://doi.org/10.1016/S1096-7516(00)00016-6
Gerlich, M. (2025). AI tools in society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), 6. https://doi.org/10.3390/soc15010006
Gümüş, M. M., & Kara, M. (2025). Development and validation of the Generative AI Literacy for Learning Scale (GenAI-LLs). Australasian Journal of Educational Technology, 41(4), 1–16. https://doi.org/10.14742/ajet.10236
Hon, K. L. (2026). Generative AI in higher education: A systematic review of its effects on learning outcomes and academic performance. Journal of Educational Technology Systems, 54(3), 537–560. https://doi.org/10.1177/00472395251400089
Huang, C.-Q., Lu, L.-N., Huang, Q.-H., Zhang, Y.-R., He, T., Tu, Y.-F., & Hwang, G.-J. (2026). Effects of artificial intelligence feedback on students’ self-regulated learning in higher education: A three-level meta-analysis. Educational Psychology Review, 38(1), 64. https://doi.org/10.1007/s10648-026-10166-z
Järvelä, S., Nguyen, A., & Hadwin, A. (2023). Human and artificial intelligence collaboration for socially shared regulation in learning. British Journal of Educational Technology, 54(5), 1057–1076. https://doi.org/10.1111/bjet.13325
Jin, S.-H., Im, K., Yoo, M., Roll, I., & Seo, K. (2023). Supporting students’ self-regulated learning in online learning using artificial intelligence applications. International Journal of Educational Technology in Higher Education, 20, 37. https://doi.org/10.1186/s41239-023-00406-5
Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., … Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274
Molenaar, I. (2022). The concept of hybrid human-AI regulation: Exemplifying how to support young learners’ self-regulated learning. Computers and Education: Artificial Intelligence, 3, 100070. https://doi.org/10.1016/j.caeai.2022.100070
Mora Torres, C. E. (2026). Adopción de inteligencia artificial generativa en la educación superior ecuatoriana: evidencia empírica, brechas digitales y desafíos de gobernanza (2024–2025). LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, 7(1), 2839–2856. https://doi.org/10.56712/latam.v7i1.5479
Ng, D. T. K., Tan, C. W., & Leung, J. K. L. (2024). Empowering student self-regulated learning and science education through ChatGPT: A pioneering pilot study. British Journal of Educational Technology, 55(4), 1328–1353. https://doi.org/10.1111/bjet.13454
Nie, X., Tian, Y., Liu, M., Wu, D., & Guo, Y. (2025). The impact of generative artificial intelligence on students’ higher order thinking: Evidence from a three-level meta-analysis. Education and Information Technologies, 30(17), 25359–25390. https://doi.org/10.1007/s10639-025-13735-x
Perkins, D. N., & Salomon, G. (1992). Transfer of learning. En T. Husén & T. N. Postlethwaite (Eds.), The International Encyclopedia of Education (2.ª ed., pp. 425–441). Pergamon Press.
Suazo-Galdamés, I. C., & Chaple-Gil, A. M. (2025). AI-powered adaptive learning systems in higher education: A scoping review of implementation and impact on academic performance. Data and Metadata, 4, 981. https://doi.org/10.56294/dm2025981
UNESCO. (2023). Guidance for generative AI in education and research. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research
UNESCO. (2024). AI competency framework for teachers. https://www.unesco.org/en/articles/ai-competency-framework-teachers
Wang, X., Huang, R. T., Sommer, M., Pei, B., Shidfar, P., Rehman, M. S., Ritzhaupt, A. D., & Martin, F. (2024). The efficacy of artificial intelligence-enabled adaptive learning systems from 2010 to 2022 on learner outcomes: A meta-analysis. Journal of Educational Computing Research, 62(6), 1348–1383. https://doi.org/10.1177/07356331241240459
Xu, X., Qiao, L., Cheng, N., Liu, H., & Zhao, W. (2025). Enhancing self-regulated learning and learning experience in generative AI environments: The critical role of metacognitive support. British Journal of Educational Technology, 56(5), 1842–1863. https://doi.org/10.1111/bjet.13599
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, 39. https://doi.org/10.1186/s41239-019-0171-0
Zhu, Y., Liu, Q., & Zhao, L. (2025). Exploring the impact of generative artificial intelligence on students’ learning outcomes: A meta-analysis. Education and Information Technologies, 30(11), 16211–16239. https://doi.org/10.1007/s10639-025-13420-z
Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory Into Practice, 41(2), 64–70. https://doi.org/10.1207/s15430421tip4102_2
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Rodrigo José Pazmiño Pérez, Vanessa Vergara Lozano, Jennifer Gabriela Salinas Sedamanos, Liliam Stephania Garzón Reyes, Elisa Flor Guamán Troya
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
