Tabla 2.
Artículos seleccionados para la síntesis bibliográfica y datos relevantes
extraídos.
|
Autoría Año |
Tipo de investigación |
Datos relevantes extraídos |
Aporte principal para el análisis |
|
An et al. (2025) |
Estudio mixto de políticas institucionales |
Analizó lineamientos de las 50 principales universidades de Estados Unidos sobre el uso de IA generativa en actividades académicas y administrativas. |
Evidencia que la transformación del rol docente no depende solo de decisiones individuales, sino también de políticas institucionales, criterios de uso, regulación y acompañamiento universitario. |
|
Bittle y El-Gayar (2025) |
Revisión sistemática |
Incluyó estudios publicados entre enero de 2021 y diciembre de 2024 sobre IA generativa e integridad académica en educación superior. |
Permite analizar cómo la IA generativa modifica las preocupaciones sobre honestidad académica, autoría, plagio, conducta estudiantil y responsabilidad institucional. |
|
Bhullar et al. (2024) |
Síntesis bibliométrica |
Identificó inicialmente 48 documentos sobre ChatGPT en educación superior y seleccionó 47 para el análisis bibliométrico mediante VOSviewer. |
Muestra la consolidación de ChatGPT como línea de investigación en educación superior, especialmente en temas de enseñanza, aprendizaje, integridad académica y desafíos institucionales. |
|
Chan y Tsi (2024) |
Estudio mixto |
Encuestó a 399 estudiantes y 184 docentes de ocho instituciones de educación superior de Hong Kong sobre si la IA generativa puede reemplazar o asistir al profesorado. |
Respalda la idea de que la IA puede asistir la docencia, pero no sustituye cualidades humanas como el pensamiento crítico, la interacción social, la sensibilidad pedagógica y la mediación emocional. |
|
Furze et al. (2024) |
Estudio piloto |
Implementó la AI Assessment Scale, compuesta por cinco niveles de uso de IA. El estudio reportó mejoras en prácticas evaluativas. |
Aporta una propuesta concreta para rediseñar la evaluación universitaria y establecer niveles claros de uso permitido de IA en tareas académicas. |
|
Khlaif et al. (2024) |
Estudio cuantitativo |
Encuestó a 358 docentes universitarios de Medio Oriente sobre la adopción de herramientas de IA generativa para la evaluación estudiantil, utilizando el modelo UTAUT y análisis con SmartPLS. |
Evidencia que la adopción docente de IA en evaluación depende de factores tecnológicos, pedagógicos e institucionales, no solo de la disponibilidad de herramientas. |
|
Li et al. (2024) |
Revisión de alcance |
Revisó literatura reciente en inglés, chino y japonés sobre implicaciones éticas de ChatGPT en educación superior. |
Refuerza la dimensión ética del rol docente y la necesidad de orientar el uso responsable de IA en contextos universitarios. |
|
Nikoçeviq-Kurti (2024) |
Estudio cualitativo |
Analizó la integración de ChatGPT en la planificación de clases, la preparación docente y el desarrollo profesional de profesores universitarios. |
Muestra cómo la IA generativa empieza a incorporarse en tareas docentes previas al aula, como diseño de clases, generación de materiales y actualización profesional. |
|
Perkins et al. (2024) |
Propuesta metodológica |
Propuso la AI Assessment Scale como marco de cinco niveles para definir el grado de uso permitido de IA en actividades evaluativas. |
Ofrece una herramienta práctica para que el docente rediseñe tareas, explicite criterios de uso de IA y fortalezca la transparencia evaluativa. |
|
Walter (2024) |
Artículo conceptual |
Planteó la importancia de la alfabetización en IA, el diseño de instrucciones, el pensamiento crítico y la adaptación curricular ante la IA generativa. |
Contribuye a comprender la alfabetización en IA como una competencia transversal del docente universitario contemporáneo. |
|
Xia et al. (2024) |
Revisión de alcance |
Recuperó 969 artículos, revisó 231 textos completos y seleccionó 32 estudios empíricos sobre IA generativa y evaluación en educación superior. |
Evidencia que la evaluación universitaria es una de las dimensiones más transformadas por la IA generativa y que requiere fortalecer autorregulación y responsabilidad académica. |
|
Chiu et al. (2023) |
Revisión sistemática |
Analizó literatura de 2012 a 2021 e identificó 13 roles de la IA en educación en dominios como aprendizaje, enseñanza, evaluación y administración educativa. |
Permite ubicar la transformación docente dentro de un campo más amplio de oportunidades, desafíos y líneas futuras de investigación sobre IA educativa. |
|
Crompton y Burke (2023) |
Revisión sistemática |
Incluyó 138 artículos sobre IA en educación superior; 72 % de los estudios se centró en estudiantes, 17 % en instructores y 11 % en gestores. |
Aunque la investigación sobre IA en educación superior ha crecido, el análisis específico del rol docente sigue siendo menos desarrollado que el enfoque en estudiantes. |
|
Kiryakova y Angelova (2023) |
Estudio empírico |
Encuestó a 87 profesores universitarios. El 60,9 % consideró útil ChatGPT para actividades docentes que consumen tiempo; el 73,6 % expresó preocupación por la confianza acrítica de los estudiantes y el 67,8 % por la deshonestidad académica. |
Muestra la tensión entre utilidad pedagógica y riesgos éticos, lo que refuerza el papel del docente como mediador crítico y orientador del uso responsable de IA. |
|
Moorhouse et al. (2023) |
Análisis documental |
Examinó guías universitarias sobre herramientas de IA generativa y evaluación académica en instituciones de alto posicionamiento internacional. |
Evidencia la necesidad de lineamientos institucionales claros para orientar la evaluación, la integridad académica y el uso permitido de IA en tareas universitarias. |
|
UNESCO (2023) |
Documento institucional |
Presentó orientaciones internacionales sobre IA generativa en educación e investigación, con énfasis en regulación, equidad y responsabilidad institucional. |
Aporta el marco ético-político para entender que el docente universitario actúa como mediador entre innovación tecnológica, calidad educativa, equidad e inclusión. |
|
Celik et al. (2022) |
Revisión sistemática |
Analizó las promesas y desafíos de la IA para el profesorado, especialmente en planificación, implementación y evaluación de la enseñanza. |
Sitúa al docente como actor clave de la integración pedagógica de la IA y no solo como usuario instrumental de herramientas tecnológicas. |
|
Ng et al. (2021) |
Revisión exploratoria |
Conceptualizó la alfabetización en IA como una competencia que integra comprensión técnica, uso crítico, evaluación de resultados y consideraciones éticas. |
Sirve como base conceptual para argumentar que el docente universitario necesita competencias de alfabetización en IA para orientar a los estudiantes. |
Elaboración: Los autores.
Mapa temático de la literatura revisada
El análisis de los documentos seleccionados permitió identificar seis ejes temáticos principales, que no son excluyentes, relacionados con la transformación del rol docente universitario ante la IA (Figura 1). Los ejes más frecuentes fueron la transformación de las funciones docentes y la evaluación universitaria, con cuatro artículos cada uno. A continuación, se situaron la alfabetización en IA, la mediación pedagógica y el diseño de experiencias, la integridad académica y los retos éticos e institucionales con tres artículos cada eje. Estos resultados muestran que la discusión académica se sitúa fundamentalmente en la transformación de las funciones del profesorado y la necesidad de transformar la evaluación, pero también se incorporan las preocupaciones relacionadas con las competencias docentes, la ética, la integridad académica y el acompañamiento pedagógico.
Figura 1. Frecuencia de aparición de los ejes temáticos en la literatura revisada
Elaboración: Los autores.
Transformaciones del rol docente universitario ante la IA
De la revisión de la documentación se constató que la transformación del rol docente universitario ante la IA no consiste solo en hacer uso de las herramientas digitales, sino que conlleva una reconfiguración de las tareas pedagógicas, evaluativas, éticas y laborales vinculadas a la institución. La bibliografía analizada sugiere que la IA puede ser utilizada para la planificación, la producción de materiales, el acompañamiento y la evaluación. Sin embargo, su incorporación requiere una mediación docente crítica que organice el aprendizaje, contextualice las fuentes de información, fomente el juicio humano y plantee criterios de uso responsable (Celik et al., 2022; Crompton y Burke, 2023).
Un cambio que se ha observado es la transición de un enfoque educativo centrado en la transmisión de información hacia un rol más activo en la mediación crítica del conocimiento. Las herramientas de IA generativa facilitan la creación de explicaciones, resúmenes, textos académicos y respuestas rápidas, lo que transforma la manera en que se relacionan la información, la enseñanza y el aprendizaje. No obstante, a pesar de esta capacidad de la IA, no puede reemplazar la labor del docente, quien sigue siendo la figura clave en guiar la interpretación de la información, cuestionar los contenidos, seleccionar recursos adecuados y transformar el acceso a datos en un aprendizaje realmente significativo. La IA puede ser un apoyo en el proceso educativo, pero no puede sustituir aspectos humanos esenciales como el pensamiento crítico, la interacción social, la empatía ética y el acompañamiento en el aprendizaje (Chan y Tsi, 2024).
Esta evolución en el papel del docente requiere un mayor dominio de la IA. No se trata solo de conocimientos técnicos, sino de comprender cómo operan los sistemas de IA, reconocer sus limitaciones y sesgos, evaluar la calidad de las respuestas que generan y enseñar a los estudiantes a utilizarlas de manera transparente y responsable. Por lo tanto, el educador universitario debe enseñar a usar la IA sin hacer que esta suplante el razonamiento crítico, la lectura analítica, la formulación de argumentos y la responsabilidad académica de los estudiantes (Ng et al., 2021; Walter, 2024).
A su vez, la IA también modifica el diseño de las experiencias de aprendizaje. La literatura revisada muestra que estas herramientas favorecen la personalización, la retroalimentación, la generación de recursos educativos y la preparación de actividades docentes. No obstante, su potencial educativo depende de que el profesorado las integre con intencionalidad pedagógica, objetivos claros y criterios de uso definidos.
Los estudios también apuntan a aspectos relacionados con tareas previas a la clase, como la planificación y la elaboración de materiales, lo que pone de manifiesto que la transformación del rol docente tiene lugar en la interacción con estudiantes, pero también en la planificación anterior a la enseñanza (Chiu et al., 2023; Nikoçević-Kurti, 2024).
La evaluación universitaria aparece como una de las dimensiones más influenciadas por la IA generativa. La posibilidad de que el estudiantado utilice estas herramientas para elaborar ensayos, informes, respuestas o proyectos cuestiona la forma de evaluar en el ámbito universitario basado en productos escritos descontextualizados. Por ello, se plantea la necesidad de avanzar hacia evaluaciones auténticas, procesuales, reflexivas y transparentes respecto al uso de la IA. Así, el docente deja de ser un simple calificador de productos finales para convertirse en diseñador de experiencias de evaluación que valoren el proceso, la argumentación, la toma de decisiones, la autorregulación y la responsabilidad académica (Xia et al., 2024; Perkins et al., 2024; Furze et al., 2024).
Finalmente, la transformación del rol docente tiene una dimensión ética y de construcción institucional. La literatura revisada plantea y advierte sobre problemas relacionadas con privacidad de datos, sesgo algorítmico, equidad en el acceso, autoría académica, plagio, transparencia y dependencia tecnológica. Estos desafíos se abordan desde la decisión individual del profesor y requieren políticas universitarias claras, formación docente permanente y criterios compartidos. En este sentido, el docente universitario se convierte en un intermediario entre la innovación tecnológica y los principios de calidad, equidad, inclusión e integridad académica (UNESCO, 2023; Li et al., 2024; An et al., 2025).
Desplazamiento del rol docente universitario ante la IA
Los resultados de la revisión permiten reconocer una serie de dinámicas en el rol del docente universitario el cual no se ve sustituido o reemplazado sino desplazado por una reconfiguración de su función académica mediada por sistemas de IA (Tabla 3). La transformación que observamos a partir del análisis realizado es que determinados tipos de tareas pueden ser llevadas a cabo con ayuda de la tecnología, otras, en cambio, adquieren un valor añadido. Estas son las tareas relacionadas con la mediación crítica, la ética, el diseño pedagógico, la evaluación auténtica y el acompañamiento en el proceso de enseñanza-aprendizaje.
Tabla 3.
Desplazamientos
del rol docente universitario ante la IA.
|
Antes de la incorporación amplia de la IA |
Con la incorporación de la IA en educación superior |
Nueva responsabilidad docente |
|
Transmitía contenidos disciplinares como fuente principal de información. |
Media críticamente entre la información disponible y el aprendizaje del estudiante. |
Orientar la interpretación, contextualización y aplicación crítica del conocimiento. |
|
Organizaba clases centradas principalmente en la exposición de contenidos. |
Diseña experiencias de aprendizaje apoyadas en recursos digitales e IA generativa. |
Planificar actividades que integren la IA con intencionalidad pedagógica. |
|
Seleccionaba bibliografía y materiales académicos tradicionales. |
Cura información digital, contrasta fuentes y evalúa la calidad de contenidos generados por IA. |
Enseñar a verificar, comparar y valorar críticamente la información. |
|
Evaluaba productos finales, como exámenes, ensayos o trabajos escritos. |
Diseña evaluaciones auténticas, procesuales y transparentes respecto al uso de IA. |
Valorar procesos, razonamiento, argumentación, reflexión y uso responsable de herramientas digitales. |
|
Controlaba el cumplimiento de normas académicas desde una lógica de vigilancia. |
Orienta criterios de integridad académica, autoría, transparencia y declaración del uso de IA. |
Formar en responsabilidad académica y uso ético de la tecnología. |
|
Usaba la tecnología como apoyo ocasional para la enseñanza. |
Integra la IA como recurso pedagógico, evaluativo y de acompañamiento del aprendizaje. |
Decidir cuándo, cómo y para qué utilizar IA en función de objetivos formativos. |
|
Acompañaba el aprendizaje principalmente en el aula o en tutorías presenciales. |
Acompaña trayectorias formativas más flexibles, personalizadas y mediadas por herramientas digitales. |
Favorecer autonomía, autorregulación y pensamiento crítico en los estudiantes. |
|
Actuaba principalmente desde decisiones individuales en su asignatura. |
Participa en la construcción de criterios institucionales sobre uso responsable de IA. |
Contribuir a políticas universitarias de evaluación, ética, protección de datos y formación docente. |
Elaboración: Los autores.
DISCUSIÓN
Tras examinar la literatura es posible sostener que la IA no está desplazando al docente universitario, sino modificando lo que se espera de él. Este hallazgo desplaza el debate desde el enfoque centrado en la amenaza tecnológica hacia una concepción de la docencia como práctica mediadora, reflexiva y comprometida tanto con la ética como con la institución académica. Aunque la IA, sobre todo la IA generativa, puede apoyar tareas como la planificación, el diseño y generación de materiales de clase, la retroalimentación y la evaluación, estas herramientas no sustituyen el juicio pedagógico, la sensibilidad ética ni la función formativa del docente. Este hallazgo se alinea con estudios recientes que sitúan el uso de la IA en la educación superior en diversas áreas, como la personalización del aprendizaje, la predicción del rendimiento académico, los sistemas de tutoría inteligente, así como en la evaluación y gestión del proceso educativo (Chiu et al., 2023; Crompton y Burke, 2023).
Uno de los cambios más significativos que se ha realizado es el paso de un modelo educativo centrado en la simple transmisión de conocimientos a uno que favorece una mediación crítica del saber. Esta visión está en consonancia con las observaciones de Chan y Tsi (2024), quienes enfatizan que, aunque la IA puede ser de gran ayuda para los educadores, no puede sustituir habilidades humanas fundamentales como el pensamiento crítico, la interacción social, la sensibilidad pedagógica y el acompañamiento en el proceso educativo.
La alfabetización en IA se ha convertido en una habilidad clave en el nuevo rol del docente. No es suficiente conocer herramientas digitales o aprender a formular instrucciones; es crucial entender sus potencialidades, sus limitaciones, los sesgos que pueden presentar, los riesgos éticos involucrados y las circunstancias en las que se pueden implementar en el ámbito académico. Bajo esta óptica, el profesor universitario se convierte en un guía del uso responsable de la IA, asistiendo en la verificación de la información, identificando errores, mostrando el uso adecuado de las herramientas y enseñando a asumir la responsabilidad por los resultados de los productos académicos. Esta interpretación coincide con la de Ng et al. (2021) y Walter (2024), los cuales argumentan que la alfabetización en IA incluye dimensiones técnicas, críticas, éticas y pedagógicas.
La evaluación universitaria constituye una de las dimensiones más tensionadas por la IA generativa. La posibilidad de que los estudiantes puedan recurrir a sistemas generativos para realizar ensayos, informes o proyectos hace necesario orientar la evaluación hacia propuestas más auténticas, procesuales y reflexivas. En este sentido, Xia et al. (2024) concluyen que hay que reforzar la autorregulación del aprendizaje, la responsabilidad del estudiante y la integridad académica. De la misma forma, propuestas como la AI Assessment Scale permiten establecer criterios explícitos de cuándo, cómo y en qué límites puede utilizarse la IA en las diferentes tareas académicas (Perkins et al., 2024; Furze et al., 2024)
Es importante señalar que la integridad académica no debe limitarse únicamente a la detección del uso de IA. Enfocarse exclusivamente en la vigilancia de esta herramienta puede establecer una relación punitiva con la tecnología y desvíar la atención del verdadero aprendizaje. La cuestión no radica solo en si el estudiante utilizó IA, sino que también se debe reflexionar sobre si realmente comprendió el contenido, si verificó la información, si fue claro en su uso de la IA y si asumió la responsabilidad del resultado final. Por lo tanto, es fundamental que los docentes universitarios aclaren los criterios de uso aceptable, diseñen tareas que visibilicen el proceso académico y promuevan una cultura de responsabilidad, autoría y transparencia (Moorhouse et al., 2023; Li et al., 2024; Bittle y El-Gayar, 2025).
Asimismo, la integración responsable de la IA requiere políticas institucionales claras, formación docente continua y criterios compartidos sobre el uso ético de herramientas digitales. En esta dirección, los aportes de la UNESCO (2023) y An et al. (2025) coinciden en que la universidad debe ayudar al profesorado a través de lineamientos institucionales que encaucen la innovación y que no la limiten a prohibiciones o a propuestas solamente de carácter técnico. Esto implica una evaluación de las metodologías de enseñanza, los modos de aprendizaje, los métodos de evaluación y la naturaleza de la relación que se establece con el conocimiento. Aunque la IA ofrece posibilidades para personalizar la educación, proporcionar retroalimentación y facilitar el acceso a recursos, también puede traer consigo riesgos como la dependencia de la tecnología, el debilitamiento de la capacidad crítica al leer, la erosión de la autoría y la perpetuación de sesgos. Por lo tanto, es fundamental que el docente determine qué herramientas utilizar, con qué fines educativos, en qué condiciones y con qué límites.
Una limitación de esta revisión radica en que, al tratarse de una revisión bibliográfica sistematizada, no se realizaron metaanálisis ni evaluaciones estadísticas de efectos, por lo que los resultados deben entenderse como una síntesis temática de la literatura reciente. Además, el corpus se restringió a documentos publicados en español e inglés entre 2021 y 2025, lo que pudo excluir estudios relevantes en otros idiomas o investigaciones posteriores.
En términos generales, la discusión reafirma que el desafío no radica en decidir si la IA debe formar parte de la universidad, pues ya está integrada en el ecosistema académico moderno. El verdadero reto es establecer qué criterios pedagógicos, éticos e institucionales deben guiar su integración. En este punto, el rol del docente universitario sigue siendo insustituible: debe fomentar el pensamiento crítico, humanizar el proceso de aprendizaje, mantener la integridad académica y convertir la tecnología en una herramienta que enriquezca la formación en lugar de sustituir el conocimiento.
CONCLUSIONES
La revisión de la bibliografía permitió establecer que la IA no sustituye al profesor universitario, sino que transforma sus funciones. El docente deja de ser la persona que centra su trabajo en la transmisión de contenidos para pasar a ser mediador crítico, diseñador pedagógico, orientador ético y acompañante del aprendizaje.
Esta transformación implica fortalecer la alfabetización en IA, entendida no solo como la capacidad técnica para manejar este tipo de herramientas. También supone desarrollar la capacidad para evaluar los resultados que produce la IA, detectar sesgos y orientar su uso responsable en los procesos académicos. Además, exige rediseñar la evaluación hacia procesos más auténticos, reflexivos y transparentes, así como revisar la forma en que se construyen los planes de asignatura, se secuencian las actividades y se organizan las evaluaciones.
La presencia de la IA en la educación superior requiere políticas institucionales explícitas, docentes en formación permanente y consensos en torno a la ética académica. En el transcurso de esa transformación, el profesor mantiene una función irreemplazable: humanizar el aprendizaje, estimular el pensamiento crítico y poner la tecnología al servicio de una enseñanza integral.
FINANCIAMIENTO
No monetario.
AGRADECIMIENTO
A todos los autores por sus relevantes aportes en el análisis documental del presente estudio.
REFERENCIAS CONSULTADAS
An, Y., Yu, J. H., & James, S. (2025). Investigating the higher education institutions’ guidelines and policies regarding the use of generative AI in teaching, learning, research, and administration. International Journal of Educational Technology in Higher Education, 22. https://doi.org/10.1186/s41239-025-00507-3
Bhullar, P. S., Joshi, M., & Chugh, R. (2024). ChatGPT in higher education: A synthesis of the literature and a future research agenda. Education and Information Technologies, 29, 21501-21522. https://doi.org/10.1007/s10639-024-12723-x
Bittle, K., & El-Gayar, O. (2025). Generative AI and academic integrity in higher education: A systematic review and research agenda. Information, 16(4). https://doi.org/10.3390/info16040296
Celik, I., Dindar, M., Muukkonen, H., & Järvelä, S. (2022). The promises and challenges of artificial intelligence for teachers: A systematic review of research. TechTrends, 66, 616-630. https://doi.org/10.1007/s11528-022-00715-y
Chan, C. K. Y., & Tsi, L. H. Y. (2024). Will generative AI replace teachers in higher education? A study of teacher and student perceptions. Studies in Educational Evaluation, 83, 101395. https://doi.org/10.1016/j.stueduc.2024.101395
Chiu, T. K. F., Xia, Q., Zhou, X., Chai, C. S., & Cheng, M. (2023). Systematic literature review on opportunities, challenges, and future research recommendations of artificial intelligence in education. Computers and Education: Artificial Intelligence, 4, 100118. https://doi.org/10.1016/j.caeai.2022.100118
Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education: The state of the field. International Journal of Educational Technology in Higher Education, 20, 22. https://doi.org/10.1186/s41239-023-00392-8
Furze, L., Perkins, M., Roe, J., & MacVaugh, J. (2024). The AI Assessment Scale (AIAS) in action: A pilot implementation of GenAI-supported assessment. Australasian Journal of Educational Technology, 40(4), 38-55. https://doi.org/10.14742/ajet.9434
Khlaif, Z. N., Ayyoub, A., Hamamra, B., Bensalem, E., Mitwally, M. A. A., Ayyoub, A., Hattab, M. K., & Shadid, F. (2024). University teachers’ views on the adoption and integration of generative AI tools for student assessment in higher education. Education Sciences, 14(10), 1090. https://doi.org/10.3390/educsci14101090
Kiryakova, G., & Angelova, N. (2023). ChatGPT—A challenging tool for the university professors in their teaching practice. Education Sciences, 13(10), 1056. https://doi.org/10.3390/educsci13101056
Li, M., Enkhtur, A., Cheng, F., & Yamamoto, B. A. (2024). Ethical implications of ChatGPT in higher education: A scoping review. Journal of Interdisciplinary Studies in Education, 13(1), 55-69. https://eric.ed.gov/?id=EJ1427507
Moorhouse, B. L., Yeo, M. A., & Wan, Y. (2023). Generative AI tools and assessment: Guidelines of the world’s top-ranking universities. Computers and Education Open, 5, 100151. https://doi.org/10.1016/j.caeo.2023.100151
Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, 100041. https://doi.org/10.1016/j.caeai.2021.100041
Nikoçeviq-Kurti, E., & Bërdynaj-Syla, L. (2024). ChatGPT integration in higher education: Impacts on teaching and professional development of university professors. Educational Process: International Journal, 13(3), 22-39. https://doi.org/10.22521/edupij.2024.133.2
Perkins, M., Furze, L., Roe, J., & MacVaugh, J. (2024). The Artificial Intelligence Assessment Scale (AIAS): A framework for ethical integration of generative AI in educational assessment. Journal of University Teaching and Learning Practice, 21(6). https://doi.org/10.53761/q3azde36
UNESCO. (2023). Guidance for generative AI in education and research. https://unesdoc.unesco.org/ark:/48223/pf0000386693
Walter, Y. (2024). Embracing the future of artificial intelligence in the classroom: The relevance of AI literacy, prompt engineering, and critical thinking in modern education. International Journal of Educational Technology in Higher Education, 21, 15. https://doi.org/10.1186/s41239-024-00448-3
Xia, Q., Weng, X., Ouyang, F., Lin, T. J., & Chiu, T. K. F. (2024). A scoping review on how generative artificial intelligence transforms assessment in higher education. International Journal of Educational Technology in Higher Education, 21, 40. https://doi.org/10.1186/s41239-024-00468-z
©2026 por los autores. Este artículo es de acceso abierto y distribuido según los términos y condiciones de la licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) (https://creativecommons.org/licenses/by-nc-sa/4.0/)