Etiqueta: AI
-
Inteligencia artificial
Continue ReadingInicioContextoTiposPrompts y riesgosUsosHerramientasLecturas recomendadasInicioPresentación
La presente guía tiene como propósito ofrecer una visión general y accesible sobre la inteligencia artificial (IA) y su aplicación en la vida académica. En un contexto educativo en constante transformación, la IA se ha convertido en una herramienta clave que influye en la forma en que los estudiantes investigan, aprenden y producen conocimiento.
Esta guía está dirigida a estudiantes, docentes e investigadores interesados en comprender los fundamentos de la inteligencia artificial y aprovechar sus beneficios de manera responsable en actividades académicas.
Fecha de publicación: 28/ABRIL/2026
Marco legal: Uso de la inteligencia artificial en la educación y la investigación
Marco internacional
A nivel internacional, el desarrollo y uso de la inteligencia artificial (IA) está guiado por principios éticos y normativos que buscan garantizar un uso responsable, inclusivo y centrado en el ser humano.
En este contexto, la UNESCO aprobó en 2021 la Recomendación sobre la Ética de la Inteligencia Artificial, constituyéndose en el primer instrumento normativo global en esta materia. Este documento establece principios fundamentales como el respeto a los derechos humanos, la equidad, la transparencia, la responsabilidad y la protección de datos. Asimismo, resalta la importancia de integrar la IA en los sistemas educativos de manera ética, promoviendo el desarrollo de competencias digitales y el pensamiento crítico en los estudiantes.
Por su parte, la OECD formuló Principios sobre Inteligencia Artificial en 2019 y los actualizó en mayo del 2024; los cuales han sido adoptados por diversos países. Estos principios promueven una IA innovadora y confiable, centrada en las personas, que opere con transparencia y rendición de cuentas.
En el ámbito educativo, destacan la necesidad de fortalecer las capacidades de los usuarios para interactuar de manera informada con sistemas basados en IA.
En el ámbito regulatorio, la Unión Europea ha desarrollado la AI Act (2024), que establece un enfoque basado en niveles de riesgo para regular el uso de la IA. Esta normativa clasifica ciertos sistemas utilizados en educación como de “alto riesgo”, lo que implica mayores exigencias en cuanto a seguridad, supervisión humana y protección de derechos fundamentales. Este enfoque resulta relevante para garantizar un uso adecuado de la IA en procesos formativos.
Marco regional (América Latina)
En América Latina, organismos como la CEPAL han promovido el uso estratégico de la inteligencia artificial como parte de la transformación digital, destacando la necesidad de fortalecer las capacidades digitales, especialmente en el ámbito educativo. En este marco, el Índice Latinoamericano de Inteligencia Artificial (ILIA, 2025) ofrece un diagnóstico del avance de la IA en la región, identificando brechas y oportunidades, y facilitando la formulación de estrategias según el nivel de madurez de los países.
Asimismo, el Informe sobre el impacto económico de la IA en América Latina evidencia su potencial para mejorar la productividad, pero advierte limitaciones como el bajo nivel de inversión y la insuficiente formación de capital humano, planteando la necesidad de políticas orientadas a cerrar estas brechas.
Marco nacional (Perú)
En el contexto peruano, el uso de tecnologías digitales, incluida la inteligencia artificial, se enmarca en la Secretaría de Gobierno y Transformación Digital, entidad encargada de liderar la transformación digital del país. En este marco, se ha establecido la Política Nacional de Transformación Digital, la cual promueve la adopción de tecnologías emergentes para mejorar los servicios públicos, la educación y la innovación.
Dicha política reconoce la importancia de desarrollar competencias digitales en la ciudadanía, incluyendo el uso crítico y responsable de herramientas tecnológicas, lo cual resulta directamente relacionado con el uso de la IA en procesos de capacitación académica.
Asimismo, el Perú viene avanzando en la Propuesta de la Estrategia Nacional de Inteligencia Artificial 2026-2030, orientada a fomentar el desarrollo, adopción y regulación de la IA en diversos sectores, incluyendo la educación superior. Esta estrategia busca garantizar un uso ético, inclusivo y sostenible de la IA, promoviendo la investigación y la formación de capital humano especializado.
Marco legal en educación superior
En el ámbito educativo, el uso de la inteligencia artificial debe alinearse con principios de calidad, equidad y pertinencia. En este sentido, la Guía para el uso de IA generativa en educación e investigación de la UNESCO señala que la IA puede emplearse como herramienta de apoyo para fortalecer los procesos de enseñanza y aprendizaje, siempre que se garantice un uso ético y se promueva el pensamiento crítico. No obstante, el documento Los desafíos de la IA en la educación superior y las respuestas institucionales: ¿hay espacio para marcos de competencias? de UNESCO IESALC advierte que, pese a las oportunidades que ofrece la IA, las instituciones de educación superior presentan limitaciones para adaptarse a su implementación, evidenciándose una brecha entre su avance y la falta de respuestas institucionales estructuradas. En este contexto, se plantea la necesidad de desarrollar marcos integrales de competencias en IA específicos para la educación superior.
ContextoDefinición
La inteligencia artificial es una rama de la ciencia informática que tiene como objetivo diseñar tecnología que emule la inteligencia humana. La inteligencia artificial es una rama de la ciencia informática que tiene como objetivo diseñar tecnología que emule la inteligencia humana. A diferencia de los programas tradicionales, la IA puede adaptarse, aprender a partir de los datos y mejorar su desempeño con el tiempo, lo que le permite autocorregirse y responder de manera más eficiente a distintas situaciones.
La expresión «inteligencia artificial» fue establecida formalmente en 1955 por John McCarthy, Marvin Minsky, N. Rochester y Claude Shannon en un documento para la Conferencia de Dartmouth de 1956 como una manera de separar la disciplina del campo de los autómatas y señalar su objetivo prioritario de la creación de máquinas que realizasen tareas similares a la inteligencia humana. El término además parecía más apropiado para obtener subvenciones que el original de «estudios de autómatas» , como explicó John McCarthy, en el debate Lighthill de 1973.
Hitos de la inteligencia artificial
1912 — Leonardo Torres Quevedo, desarrollo un sistema de control remoto y autómata ajedrecista (telekino), una máquina capaz de jugar al ajedrez de manera autónoma; no jugaba la partida completa sino que realizaba una jugada final de mate sencillo de torre y rey contra rey.
1950 — Alan Turing en el artículo «Computing machinery and intelligence» propone una prueba práctica para evaluar si una máquina puede exhibir un comportamiento inteligente indistinguible del humano.
1959-1961 — Robert K. Lindsay desarrolla «Sad Sam», un programa para la lectura de oraciones en inglés y la inferencia de conclusiones a partir de su interpretación.
1968-1970 — Terry Winograd desarrolló el algoritmo SHRDLU, que permitía interrogar y dar órdenes a un robot apilaba y movía diversos bloques en un entorno.
1966-1972 — Charles Rosen, Nils Nilsson y Peter Hart desarrollaron el «Robot Shakey», fue el primer robot móvil de propósito general con la capacidad de percibir y razonar sobre su entorno.
1973 — Alain Colmenauer y y Robert Kowalski en la Universidad de Aix-Marseille crean el lenguaje de programación PROLOG (del francés PROgrammation en LOGique) el cual tiene un paradigma declarativo que lo diferencia de lenguajes como C o Java. Se usa principalmente en aplicaciones de inteligencia artificial y permite representar conocimiento de forma modular y polimórfica.
1981 — Kazuhiro Fuchi anuncia el proyecto japonés de «Fifth Generation Computer Systems»; cuyo objetivo era el desarrollo de una nueva clase de computadoras que usarían técnicas y tecnologías de inteligencia artificial tanto en el plano del hardware como del software.
1997 — Deep Blue, una avanzada computadora de ajedrez desarrollada por IBM, derrotó al campeón mundial Garri Kaspárov.
2011 — IBM desarrolló un superordenador llamado Watson, el cual ganó un partido especial de dos juegos en el concurso de televisión estadounidense Jeopardy!, venciendo a sus dos máximos campeones, y ganando un premio de 1 millón de dólares que IBM luego donó a obras de caridad,
2016 — El software AlphaGo, desarrollado por la compañía Google DeepMind, ganó cinco a cero a Fan Hui, triple campeón de Europa de Go,
2016 — El programa informático AlphaGo derrota a Lee Sedol (campeón mundial de Go), Lo hizo a los 186 movimientos y tras casi tres horas y media de partida.
2017 — Google sacudió a la comunidad de la IA con su innovador artículo «Attention is all you need». Este artículo presentó la arquitectura Transformer, que revolucionó el modelado de secuencias utilizando mecanismos de autoatención.
2018 — Se lanza el primer televisor con inteligencia artificial por parte de LG Electronics con una plataforma de inteligencia artificial denominada ThinQ utiliza el aprendizaje profundo para comprender las necesidades y hábitos del usuario al interactuar con los distintos productos de LG.
2019 — Google presentó su primer Doodle que, mediante inteligencia artificial, es capaz de generar armonías y componer una pieza musical. El resultado es una melodía inspirada en el estilo barroco característico de Johann Sebastian Bach, como homenaje a su legado.
2022 — OpenAISe lanzó ChatGPT, aplicación de chatbot de inteligencia artificial generativa, basado en modelos de lenguaje (LLM) como GPT-4o y está diseñado para mantener conversaciones fluidas, responder preguntas, redactar textos, generar código y realizar tareas creativas, imitando el lenguaje humano.TiposTipos de inteligencia artificial
La inteligencia artificial (IA) ha evolucionado hasta convertirse en una herramienta clave en diversos ámbitos, desde la educación hasta el mundo empresarial. Su capacidad para analizar información, aprender de los datos y ejecutar tareas ha dado lugar a diferentes tipos de IA, cada uno con funciones y aplicaciones específicas.
Comprender estos tipos permite reconocer cómo la IA interviene en la vida cotidiana y en los procesos académicos. En este sentido, destacan tres enfoques principales: la inteligencia artificial predictiva, orientada a anticipar resultados; la inteligencia artificial generativa, enfocada en la creación de contenido; y la inteligencia artificial de automatización, centrada en la ejecución eficiente de tareas.
Conocer estos tipos de IA no solo facilita su uso adecuado, sino que también promueve una visión crítica sobre sus beneficios, limitaciones e implicancias en el aprendizaje y la toma de decisiones.
1. Inteligencia artificial predictiva
La inteligencia artificial predictiva implica el uso de análisis estadísticos y algoritmos de aprendizaje automático (machine learning) para identificar patrones, anticipar comportamientos y prever próximos eventos. Las organizaciones utilizan la IA predictiva para predecir posibles resultados futuros, causalidad, exposición al riesgo y mucho más.
🔎 ¿Para qué sirve?
Permite tomar decisiones informadas basadas en probabilidades.📘 ¿Cómo funciona?
La inteligencia artificial predictiva funciona a partir del análisis de datos para anticipar lo que podría suceder en el futuro. Su base principal es el uso de algoritmos que aprenden de la información disponible.🔄 Proceso básico de funcionamiento:
Recolección de datos.- La IA obtiene grandes cantidades de información (por ejemplo: registros de compras, calificaciones, comportamientos, etc.).
Análisis de patrones,. A través de técnicas de aprendizaje automático (machine learning), identifica relaciones y patrones repetitivos en los datos.
Entrenamiento del modelo.- El sistema “aprende” de esos patrones para construir un modelo que pueda hacer predicciones.
Predicción.- Una vez entrenado, el modelo utiliza nuevos datos para anticipar resultados o comportamientos futuros.📌 Ejemplos:
- Predicción de ventas en empresas.
- Recomendaciones en plataformas (como productos o contenidos).
- Detección de fraudes financieros.
- Pronósticos del clima.
💡 Idea clave
La IA predictiva no adivina, sino que estima probabilidades basándose en datos previos. Cuanta más información y mejor calidad tengan los datos, más precisas serán sus predicciones.2. Inteligencia artificial generativa
La inteligencia artificial generativa es capaz de crear contenido nuevo a partir de datos existentes. Puede producir textos, imágenes, música, videos o incluso código, imitando estilos o generando ideas originales.
🔎¿Para qué sirve?
Se utiliza para la creación de contenido y apoyo creativo.📘 ¿Cómo funciona?
Crea contenido nuevo a partir de la información con la que ha sido entrenada. A diferencia de otros tipos de IA que analizan o predicen, esta se enfoca en producir textos, imágenes, audios u otros contenidos.
🔄 Proceso básico de funcionamiento
- Entrenamiento con datos.- La IA se entrena con grandes cantidades de información (libros, imágenes, audios, etc.), aprendiendo cómo están estructurados.
- Aprendizaje de patrones.- Identifica estilos, formas, estructuras y relaciones entre los datos (por ejemplo, cómo se construyen las oraciones o cómo se combinan los colores en una imagen).
- Generación de contenido.- Cuando el usuario hace una solicitud (prompt), la IA utiliza lo aprendido para crear una respuesta nueva y coherente.
- Ajuste del resultado.- Puede mejorar o adaptar el contenido según nuevas indicaciones del usuario.
📌 Ejemplos:
- Generación de textos (como ensayos o resúmenes).
- Creación de imágenes o ilustraciones.
- Composición musical.
- Desarrollo de código.
💡 Idea clave
La IA generativa no “piensa” ni “comprende” como un ser humano, sino que construye respuestas a partir de patrones aprendidos. Por ello, es importante revisar y validar la información que produce.3. Inteligencia artificial para automatización
La inteligencia artificial de automatización es un tipo de IA que permite ejecutar tareas repetitivas y estructuradas de manera autónoma o semiautónoma, siguiendo reglas o procesos previamente definidos, con el fin de reducir la intervención humana y mejorar la eficiencia en la realización de actividades.
🔎¿Para qué sirve?
Optimiza procesos repetitivos y mejora la eficiencia.📘 ¿Cómo funciona?
La inteligencia artificial de automatización funciona ejecutando tareas de forma automática, siguiendo reglas, instrucciones o patrones previamente definidos. Su objetivo principal es ahorrar tiempo, reducir errores y hacer más eficientes los procesos.🔄 Proceso básico de funcionamiento
- Definición de la tarea.- Se establece qué actividad se desea automatizar (por ejemplo, responder mensajes o calificar pruebas).
- Programación de reglas o uso de modelos.- El sistema se configura con instrucciones claras o, en algunos casos, aprende mediante datos (IA).
- Ejecución automática.- La IA realiza la tarea sin intervención humana constante.
- Monitoreo y mejora.- El sistema puede ajustarse con el tiempo para mejorar su funcionamiento.
- Actúa.- Toma decisiones.
📌 Ejemplos:
- Chatbots de atención al cliente
- Automatización de procesos administrativos
- Sistemas de gestión de correos o respuestas automáticas
- Robots en procesos industriales
💡 Idea clave
La IA de automatización no crea contenido ni predice resultados, sino que ejecuta tareas de manera eficiente siguiendo instrucciones o patrones establecidos.Prompts y riesgosPrompt (instrucciones para IA)
Un prompt es la instrucción, pregunta o conjunto de indicaciones que un usuario proporciona a un sistema de inteligencia artificial para obtener una respuesta.
Constituye el punto de partida de la interacción con herramientas como ChatGPT, Gemini o Microsoft Copilot.
Importancia en el ámbito académico
El diseño adecuado de un prompt permite obtener resultados más precisos, relevantes y útiles para actividades como la búsqueda de información, la redacción académica, la generación de ideas o el análisis de contenidos.Características de un buen prompt
- Claridad: Expresar de forma directa lo que se necesita.
- Especificidad: Incluir detalles (tema, extensión, formato, enfoque).
- Contexto: Indicar el propósito (por ejemplo, “para un ensayo académico”).
- Restricciones: Señalar límites (número de palabras, estilo, idioma, etc.).
Ejemplo
- Prompt básico: “Explica inteligencia artificial.”
- Prompt mejorado: “Explica el concepto de inteligencia artificial en 150 palabras, con enfoque académico y ejemplos en educación superior.”
Recomendaciones
Se sugiere formular prompts que incluyan términos académicos, criterios de búsqueda y contexto disciplinar, lo que facilita la recuperación de información más pertinente.Alucinaciones de la IA
Las alucinaciones de la IA son un fenómeno en el cual un sistema de inteligencia artificial genera información incorrecta, imprecisa o completamente inventada, presentándola como si fuera verdadera.
¿Por qué ocurre?
Las herramientas de IA no “comprenden” la información como un humano; generan respuestas basadas en patrones aprendidos durante su entrenamiento. Esto puede llevar a:- Inventar datos o referencias inexistentes.
- Mezclar información correcta con errores.
- Presentar afirmaciones sin evidencia verificable.
Ejemplo
Un sistema puede generar una cita académica que parece válida (autor, fecha, título y fuente), pero que en realidad no existe en ningún recursos bibliográfico.Implicancias en el entorno universitario
- Riesgo de uso de información no confiable.
- Posibles errores en trabajos académicos.
- Problemas de integridad académica.
Buenas prácticas para evitar problemas
- Verificar la información en fuentes confiables (bases de datos, libros, artículos científicos).
- No confiar ciegamente en las referencias generadas por IA.
- Utilizar la IA como apoyo, no como única fuente.
- Contrastar la información con recursos de la biblioteca.
Rol de la biblioteca universitaria
La biblioteca cumple un papel clave al promover el uso crítico de la inteligencia artificial, enseñando a los usuarios a:- Evaluar la calidad de la información.
- Combinar herramientas de IA con fuentes académicas confiables.
- Desarrollar competencias informacionales y digitales.
UsosUsos principales en la vida académica
La inteligencia artificial ofrece múltiples aplicaciones que facilitan y enriquecen el trabajo académico, optimizando procesos que antes demandaban mayor tiempo y esfuerzo:
Apoyo en la investigación: permite identificar fuentes relevantes a través de búsquedas avanzadas en bases de datos académicas, filtrar información confiable y actualizada, así como resumir artículos científicos de manera rápida. Además, ayuda a detectar tendencias en la literatura y a organizar referencias bibliográficas, lo que fortalece la calidad del marco teórico y el estado del arte.
Redacción y corrección de textos: contribuye a mejorar la gramática, ortografía, coherencia y cohesión de los escritos académicos. También sugiere reformulaciones, mejora el estilo de redacción según el tipo de texto (ensayo, informe, artículo científico) y puede adaptar el contenido a normas académicas específicas, facilitando la producción de documentos más claros y profesionales.
Generación de ideas: facilita la lluvia de ideas al proponer temas innovadores, preguntas de investigación y posibles enfoques para abordar un problema. Asimismo, ayuda a estructurar trabajos académicos mediante esquemas, índices y propuestas de organización lógica del contenido, lo que resulta especialmente útil en las etapas iniciales de un proyecto.
Análisis de datos: contribuye al procesamiento de grandes volúmenes de información en investigaciones cuantitativas y cualitativas.
Permite identificar patrones, realizar análisis estadísticos, generar visualizaciones (gráficos, tablas) y apoyar en la interpretación de resultados, favoreciendo una toma de decisiones más fundamentada.Traducción y aprendizaje de idiomas: permite traducir textos académicos con mayor precisión y comprender contenidos en diferentes idiomas. Además, apoya el aprendizaje lingüístico al ofrecer explicaciones de vocabulario, estructuras gramaticales y uso contextual, lo que facilita el acceso a literatura científica internacional.
En conjunto, estas aplicaciones no solo incrementan la eficiencia del trabajo académico, sino que también potencian la capacidad de análisis, creatividad y aprendizaje autónomo de los estudiantes e investigadores.
Buenas prácticas en el uso académico de la IA
El uso de la inteligencia artificial en la educación debe ser responsable y ético, considerando tanto sus beneficios como los riesgos asociados a un uso inadecuado. Integrar estas herramientas en el ámbito académico implica no solo aprovechar su potencial, sino también fomentar una cultura de integridad, pensamiento crítico y respeto por la información:
Uso ético de la IA: es fundamental emplear estas herramientas como un apoyo al aprendizaje y no como un sustituto del esfuerzo intelectual propio. La IA debe servir para orientar, explicar, sugerir o complementar ideas, pero el proceso de comprensión, análisis y reflexión debe ser realizado por el estudiante. Un uso ético implica también reconocer cuándo y cómo se ha utilizado la IA en un trabajo académico, promoviendo la transparencia.
Evitar el plagio: uno de los principales riesgos es presentar contenido generado por IA como si fuera completamente propio. Por ello, es necesario revisar, comprender y adaptar la información proporcionada por estas herramientas, integrándola con ideas personales y citando adecuadamente cuando corresponda. El uso responsable de la IA implica respetar las normas de integridad académica y desarrollar una producción original basada en el aprendizaje.
Privacidad de datos: al utilizar plataformas de inteligencia artificial, es importante evitar compartir información personal, confidencial o sensible, como datos institucionales, contraseñas, documentos inéditos o información de terceros. Muchas herramientas procesan y almacenan datos, por lo que se debe tener precaución y conocer las políticas de privacidad para proteger la seguridad de la información.
Dependencia tecnológica: si bien la IA puede facilitar múltiples tareas, su uso excesivo puede limitar el desarrollo de habilidades fundamentales como el pensamiento crítico, la escritura autónoma, la capacidad de análisis y la resolución de problemas. Es importante mantener un equilibrio, utilizando la IA como un recurso complementario, sin perder la capacidad de aprender, investigar y producir conocimiento de manera independiente.
Verificación de la información: la IA puede generar respuestas incorrectas, incompletas o desactualizadas. Por ello, es esencial contrastar la información con fuentes confiables, especialmente en trabajos académicos. El usuario debe asumir un rol activo en la validación del contenido, evitando confiar ciegamente en los resultados generados.
Responsabilidad académica: el uso de la IA también implica asumir la autoría del trabajo final. Esto significa que el estudiante o investigador es responsable de la calidad, veracidad y coherencia del contenido presentado, incluso si ha utilizado herramientas de apoyo. La IA no sustituye la responsabilidad individual frente al proceso de aprendizaje.
En conjunto, un uso ético y responsable de la inteligencia artificial en la educación no solo previene malas prácticas, sino que también promueve un aprendizaje más consciente, autónomo y crítico, alineado con los valores de la formación académica.
HerramientasHerramientas de inteligencia artificial
La inteligencia artificial ofrece múltiples aplicaciones en el ámbito académico, orientadas a apoyar actividades como la investigación, la redacción y el análisis de información. A continuación, se presenta una selección de herramientas de inteligencia artificial que pueden ser utilizadas como apoyo en estas tareas.
Estas herramientas han sido seleccionadas por su utilidad, accesibilidad y pertinencia para el entorno académico, facilitando procesos como la búsqueda de información, la generación de contenidos, la organización de ideas y la mejora de la escritura.
FINALIDAD HERRAMIENTAS Búsqueda de información científica
Indexar bases de datos académicas, organizando la información científica para facilitar su búsqueda y recuperación.Claude; Consensus; Elicit; Gemini; Grok; Open Knowledge Maps; Paperguide; Perplexity; SciSpace; Semantic Scholar Análisis y gestión de documentos
Aplicaciones para sintetizar grandes volúmenes de documentos en PDF y extraer información relevante.AskYourPDF; Asta; ChatPDF; NotebookLM; PDF.ai; Perplexity; SciSpace; WhisperAI Diseño de investigación y metodología
Ayuda en la estructuración de protocolos, formulación de hipótesis y marcos teóricos.Claude; Consensus; Elicit; NotebookLM; Perplexity Mapeo de citas
Facilitan la identificación y visualización de vínculos entre publicaciones académicas a partir de sus citas y referencias.
Ver infoGuía de Mapeo de citasConnected Papers; Litmaps; ResearchRabbit Análisis y visualización de datos
Herramientas capaces de ejecutar código estadístico y generar representaciones gráficas de los datos.DataRobot; Julius AI; Observable AI Generación y optimización de códigos
Sistemas optimizados para la generación de código, la depuración y la traducción entre lenguajes de programación.codellama; Gemini Code Assist; GitHub Copilot Redacción y comunicaciones científicas
Herramientas para el perfeccionamiento estilístico, la corrección gramatical y la adaptación del tono del texto.Jenni Ai; Quillbot; Trinka; Wordtune; Writefull Creación de contenido audiovisual
Permiten generar recursos visuales para la comunicación científica y la creación de imágenes y presentaciones.Canva AI; DALL-E 3; Gamma; Grok Image; HeyGen; Pika; Runway; Sonix; Synthesia Ética e integridad científica
Permiten detectar plagio, verificar información y asegurar el cumplimiento de estándares éticos.Dupli Cheker; GPTZero; Originality.ai; quetext; QuillBot; Scribbr Lecturas recomendadasLecturas recomendadas
USO DE INTELIGENCIA ARTIFICIAL EN EDUCACION SUPERIOR
Annamalai, N., Bervell, B., Mireku, D. O., & Andoh, R. P. K. (2025). Artificial intelligence in higher education: Modelling students’ motivation for continuous use of ChatGPT based on a modified self-determination theory. Computers and Education: Artificial Intelligence, 8, 100346. https://doi.org/10.1016/j.caeai.2024.100346
Cabero-Almenara, J., Barroso-Osuna, J., Loaiza Aguirre, M. I., & Palacios-Rodríguez, A. (2026). Artificial Intelligence in higher education: Cognitive, emotional, behavioral and ethical attitudes of Latin American students. Journal of New Approaches in Educational Research, 15. https://link.springer.com/content/pdf/10.1007/s44322-026-00060-5.pdf
Cordero, J., Torres-Zambrano, J., & Cordero-Castillo, A. (2024). Integration of generative artificial intelligence in higher education: Best practices. Education Sciences, 15(1), 32. https://doi.org/10.3390/educsci15010032
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), 1–22. https://doi.org/10.1186/s41239-023-00392-8
Jwair, A. A. B. (2025). Generative artificial intelligence in higher education: Students’ journey through opportunities, challenges, and the horizons of academic transformation. Cogent Education, 12(1), 2589495. https://doi.org/https://doi.org/
Murni, S. (2026). Artificial intelligence in higher education management a bibliometric analysis of challenges opportunities and future research directions. Discover Education, 5. https://doi.org/10.1007/s44217-026-01165-x
Rajki, Z., Dringo-Horvath, I., & Nagy, J. T. (2025). Artificial Intelligence in higher education: Students’ Artificial Intelligence use and its influencing factors. Journal of University Teaching and Learning Practice, 22(2), 1-21. https://doi.org/10.53761/j0rebh67
Ren, X., & Wu, M. L. (2025). Examining teaching competencies and challenges while integrating artificial intelligence in higher education. TechTrends, 69(3), 519-538. https://doi.org/10.1007/s11528-025-01055-3
Schmidt, D. A., AlBloushi, B., Thomas, A., & Magalhaes, R. (2025). Integrating artificial intelligence in higher education: Perceptions, challenges, and strategies for academic innovation. Computers and Education Open, 100274. https://doi.org/10.1016/j.caeo.2025.100274
Torres-Gordillo, J. J., & Sanhueza, C. (2025). Artificial intelligence in higher education: Ethical and pedagogical challenges and the role of public policies. Journal of Education and E-Learning Research, 12(3), 355-364. https://doi.org/10.20448/jeelr.v12i3.6900
Wang, S., Wang, F., Zhu, Z., Wang, J., Tran, T., & Du, Z. (2024). Artificial intelligence in education: A systematic literature review. Expert Systems with Applications, 252, 124167. https://doi.org/10.1016/j.eswa.2024.124167.
Organismos internacionales
Naciones Unidas. Inteligencia artificial (IA)
Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura. Inteligencia artificial y tecnologías emergentes
Organización Internacional de Normalización. Inteligencia artificial: qué es, cómo funciona y por qué es importante
Organización Internacional del Trabajo. La inteligencia artificial
Programa de las Naciones Unidas para el Desarrollo. Atlas de inteligencia artificial para el desarrollo humano de América Latina y El Caribe
