INTRODUCCIÓN
La universidad vive una transformación acelerada desde que las herramientas de inteligencia artificial generativa se volvieron de uso público. Aplicaciones capaces de redactar textos, resolver ejercicios, resumir lecturas o proponer actividades de clase están hoy al alcance de cualquier docente o estudiante con conexión a internet. Rodríguez Vieira et al. (2024), en una revisión de la literatura académica sobre el tema, identifican cinco ámbitos en los que la IA ya interviene en la educación universitaria: el aprendizaje personalizado, la tutoría inteligente, la creación de contenidos, la retroalimentación inmediata y la evaluación del rendimiento académico. García-Peñalvo et al. (2024) advierten, no obstante, que estos sistemas se basan en modelos de lenguaje probabilísticos que no razonan ni comprenden lo que producen, por lo que sus respuestas pueden contener errores que deben verificarse; para los educadores, la cuestión ya no es si atender a estas herramientas, sino con qué rapidez analizarlas e integrarlas en la enseñanza.
Esta expansión no ocurre solo del lado del estudiante. Los profesores también han comenzado a incorporar la IA en su trabajo cotidiano. En un estudio con académicos de cinco instituciones de educación superior, Lucero-Baldevenites et al. (2025) encontraron que el 61 % utiliza ChatGPT a diario, principalmente para preparar clases y diseñar materiales didácticos. La herramienta, entonces, ha pasado de ser una curiosidad tecnológica a un recurso de planificación docente.
El entusiasmo, sin embargo, convive con la inquietud. Puche-Villalobos (2024) reporta que, aunque más de la mitad de los docentes de una facultad de educación venezolana considera que la IA mejora la calidad de la enseñanza, el 71,5 % teme que afecte la autonomía de los estudiantes. Del lado estudiantil, Vásquez Cardona et al. (2025) hallaron que el 46,7 % de los universitarios colombianos encuestados había usado ChatGPT en trabajos calificados y que solo el 7,6 % había recibido formación sobre su uso. Estos datos dibujan una brecha entre la velocidad de adopción y la preparación para usar la herramienta con criterio.
A esa brecha se suma la ausencia de reglas claras. Torres Ortega et al. (2025) observaron que la mayoría de los docentes y estudiantes de una facultad mexicana conocía y usaba ChatGPT con fines académicos, pero no contaba con capacitación ni con lineamientos éticos institucionales. Cuando no existen criterios compartidos sobre qué uso es legítimo, la frontera entre el apoyo al aprendizaje y la sustitución del esfuerzo intelectual queda en manos de cada persona. Gallent-Torres et al. (2023) señalan que la IA generativa abre nuevas formas de plagio y fraude académico que pueden reemplazar la autoría del estudiante, y que se necesitan pautas claras alineadas con los códigos éticos y las políticas de integridad de cada institución.
Pese al crecimiento de las investigaciones, los estudios suelen abordar por separado la mirada del docente, la del estudiante y la dimensión ética, lo que dificulta una visión integrada de lo que significa enseñar con IA en la universidad. En Iberoamérica, además, esta producción es reciente y se encuentra dispersa en revistas de distintos países, por lo que resulta oportuno sistematizarla.
Por lo expuesto, el objetivo de este artículo es analizar la evidencia científica sobre el uso de la inteligencia artificial en la enseñanza en educación superior, con atención a las percepciones de docentes y estudiantes, sus aplicaciones didácticas y sus implicaciones éticas.
MÉTODO
Se desarrolló una revisión sistemática con enfoque cualitativo y alcance descriptivo, orientada por las fases de la declaración PRISMA: identificación, cribado, elegibilidad e inclusión. Para el tratamiento de la información se emplearon fichas de registro bibliográfico y una matriz de codificación, y los hallazgos se interpretaron mediante análisis de contenido.
La búsqueda se realizó en la red SciELO, que reúne revistas iberoamericanas de acceso abierto con revisión por pares. Se combinaron descriptores en español e inglés con los operadores booleanos AND y OR, tal como se resume en la tabla 1.
Tabla 1.
Estrategia de búsqueda.
|
Elemento |
Descripción |
|
Base de datos |
Red SciELO (colecciones de Venezuela, México, Brasil, España, Ecuador, Perú y Colombia, entre otras). |
|
Descriptores |
("inteligencia artificial" OR "inteligencia artificial generativa" OR "ChatGPT" OR "artificial intelligence") AND ("educación superior" OR "universidad" OR "higher education") AND ("enseñanza" OR "docentes" OR "estudiantes" OR "aprendizaje"). |
|
Período e idioma |
Artículos publicados entre 2021 y 2025, en español, inglés o portugués. |
Elaboración: Los autores.
Se incluyeron artículos originales y revisiones evaluados por pares que estudiaran el uso de la IA en los procesos de enseñanza y aprendizaje universitarios, ya fuera desde la perspectiva de los docentes, de los estudiantes o de sus implicaciones éticas e institucionales. Se excluyeron tesis, libros, actas de congresos, preprints y demás literatura gris, así como ensayos de opinión sin metodología explícita y estudios centrados en niveles educativos distintos al superior. También se descartaron los artículos cuyos datos presentaban inconsistencias internas que impedían interpretarlos con seguridad.
Antes del análisis, los tres constructos centrales se definieron de manera operativa, como se muestra en la tabla 2.
Tabla 2.
Matriz de variables: definiciones e implicaciones para la enseñanza.
|
Variable |
Definición operativa |
Implicación para la enseñanza |
|
Inteligencia artificial generativa |
Sistemas capaces de producir textos, imágenes o respuestas a partir de instrucciones en lenguaje natural, como ChatGPT. |
Agiliza la planificación y la elaboración de materiales; exige verificar la exactitud de lo que produce. |
|
Apropiación pedagógica de la IA |
Grado en que docentes y estudiantes incorporan la IA en actividades de enseñanza, aprendizaje y evaluación con un propósito formativo. |
Determina si la herramienta potencia el aprendizaje o solo sustituye tareas. |
|
Integridad académica |
Principios de honestidad, autoría y responsabilidad que rigen la producción del conocimiento en la universidad. |
Requiere normas claras y formación para distinguir el apoyo legítimo de la sustitución del esfuerzo. |
Elaboración: Los autores.
Figura 1. Procedimiento de la revisión sistemática.
Elaboración: Los autores.
La figura 1 resume el proceso seguido. Cada registro se revisó primero por título y resumen y después en texto completo; en esta última fase se comprobó en la plataforma SciELO la autoría, la revista, el volumen y el DOI. Al final quedaron 12 artículos, que constituyen el corpus del análisis.
RESULTADOS
La tabla 3 presenta los estudios incluidos, ordenados alfabéticamente, con el país y los participantes de cada uno.
Tabla 3.
Estudios que conforman el corpus de la revisión.
|
Autores y año |
Título |
País y participantes |
|
Cordero Monzón (2025) |
Gestión ética y seguridad en el uso de inteligencia artificial por estudiantes universitarios. |
Guatemala; 60 estudiantes |
|
Costa et al. (2025) |
Desafíos y oportunidades de la Inteligencia Artificial en la Educación Superior: Percepciones del Profesorado en el Ambiente Universitario. |
Brasil; docentes de posgrado |
|
Culebro Castillo et al. (2025) |
Estudio sobre la percepción del uso de la Inteligencia Artificial Generativa en los procesos de aprendizaje en estudiantes de educación superior. |
México; estudiantes de pregrado |
|
Kroff et al. (2024) |
Inteligencia Artificial en la educación universitaria: Innovaciones, desafíos y oportunidades. |
Chile; 27 docentes |
|
Lucero-Baldevenites et al. (2025) |
El uso del ChatGPT en actividades académicas por parte de docentes universitarios. |
Iberoamérica; docentes de cinco instituciones |
|
Moreno Beltrán et al. (2025) |
La incorporación de ChatGPT en la educación universitaria: la enseñanza docente desde el modelo de difusión de innovaciones. |
Argentina, Uruguay y México; 53 docentes |
|
Navarrete Cochancela et al. (2025) |
Percepción de la inteligencia artificial como amenaza o aliada en la formación profesional de los universitarios. |
Ecuador; 450 estudiantes |
|
Puche-Villalobos (2024) |
Inteligencia artificial como herramienta educativa: ventajas y desventajas desde la perspectiva docente. |
Venezuela; 88 docentes |
|
Rodríguez Vieira et al. (2024) |
Perspectivas de la inteligencia artificial en la educación universitaria: un análisis basado en la literatura académica. |
Venezuela; revisión de 16 artículos |
|
Soto Vázquez et al. (2025) |
Percepciones del alumnado de educación sobre la Inteligencia Artificial: el caso de la Universidad de Extremadura (España). |
España; 510 estudiantes |
|
Torres Ortega et al. (2025) |
Una brújula ética sobre el empleo del ChatGPT en la FCA. |
México; 93 docentes y 276 estudiantes |
|
Vásquez Cardona et al. (2025) |
ChatGPT in Higher Education: A Cross-Sectional Study of Student Usage, Ethical Perceptions, and Implications for Academic Integrity. |
Colombia; 381 estudiantes |
Elaboración: Los autores.
Cinco de los doce estudios trabajaron con docentes, cinco con estudiantes, uno con ambos grupos y uno es una revisión de la literatura. En cuanto al diseño, ocho son encuestas cuantitativas, uno es mixto, dos son cualitativos y uno es una revisión. Llama la atención que, aunque la búsqueda abarcó desde 2021, todos los artículos que cumplieron los criterios se publicaron en 2024 y 2025, lo que indica que la investigación sobre IA en la docencia universitaria se intensificó tras la difusión masiva de la IA generativa. El análisis de contenido permitió agrupar los hallazgos en cuatro categorías.
Tabla 4.
Apropiación docente de la inteligencia artificial.
|
Apropiación docente de la inteligencia artificial |
|
Planificación de clases |
|
Diseño de materiales didácticos |
|
Ahorro de tiempo |
|
Conocimiento básico de la herramienta |
Fuente: Puche-Villalobos (2024); Kroff et al. (2024); Lucero-Baldevenites et al. (2025); Moreno Beltrán et al. (2025).
Los docentes han comenzado a usar la IA sobre todo como apoyo para planificar. Lucero-Baldevenites et al. (2025) reportan que los profesores emplean ChatGPT para preparar clases (69,2 %), diseñar materiales (66,5 %) y redactar o revisar textos (59,5 %). En Chile, el 48,15 % de los docentes encuestados por Kroff et al. (2024) ya utilizaba alguna herramienta de IA, y el ahorro de tiempo fue el beneficio más citado. La valoración es favorable: Puche-Villalobos (2024) encontró que el 54,5 % de los docentes cree que la IA mejora la calidad de la enseñanza, y Moreno Beltrán et al. (2025) observaron que cerca del 80 % considera útil e importante a ChatGPT. Este último estudio, no obstante, matiza el panorama: el 54,7 % de los profesores tenía apenas un conocimiento básico de la herramienta y el 92,5 % no conocía a ningún colega que la usara en clase, lo que indica que su empleo se concentra en la preparación del trabajo docente más que en la interacción con los estudiantes.
Tabla 5.
Uso estudiantil y efectos en el aprendizaje.
|
Uso estudiantil y efectos en el aprendizaje |
|
Uso extendido en tareas académicas |
|
Eficiencia percibida |
|
Apoyo a la escritura |
|
Riesgo para el pensamiento crítico |
Fuente: Culebro Castillo et al. (2025); Navarrete Cochancela et al. (2025); Soto Vázquez et al. (2025); Cordero Monzón (2025).
Entre los estudiantes, el uso de la IA es ya generalizado. Culebro Castillo et al. (2025) reportan que el 90 % de los universitarios mexicanos encuestados la emplea en sus trabajos académicos y que el 88 % comprende sus conceptos básicos. En España, el alumnado de las carreras de educación la utiliza en ámbitos académicos, personales y sociales, valora el equilibrio entre resultados y esfuerzo y considera que mejora su escritura (Soto Vázquez et al., 2025). En Guatemala, el 75 % de los estudiantes coincidió en que la IA hace más eficiente el aprendizaje (Cordero Monzón, 2025). Aun así, la percepción no es ingenua: en Ecuador, una parte importante del estudiantado teme que la IA reemplace habilidades esenciales o afecte el pensamiento crítico y la creatividad (Navarrete Cochancela et al., 2025). Un dato llama la atención: el 58 % de los estudiantes mexicanos considera que sus profesores no usan la IA de manera eficaz (Culebro Castillo et al., 2025), lo que sugiere un desfase entre la práctica estudiantil y la docente.
Tabla 6.
Ética e integridad académica.
|
Ética e integridad académica |
|
Autoría de los trabajos |
|
Información inexacta |
|
Seguridad de los datos |
|
Dependencia tecnológica |
Fuente: Rodríguez Vieira et al. (2024); Lucero-Baldevenites et al. (2025); Vásquez Cardona et al. (2025); Cordero Monzón (2025).
La dimensión ética aparece en casi todos los estudios. La revisión de Rodríguez Vieira et al. (2024) identifica el plagio y la producción de contenidos no auténticos como los principales desafíos de la IA en la universidad. Los datos de Vásquez Cardona et al. (2025) dan dimensión al problema: el 60,4 % de los estudiantes había permitido que ChatGPT completara partes de una tarea y el 17,1 % lo había usado para resolver un trabajo completo. Los docentes, por su parte, desconfían de la exactitud de lo que la herramienta produce: el 78 % se preocupa por la información inexacta y el 63,7 % por su uso éticamente indebido (Lucero-Baldevenites et al., 2025). A ello se añade la protección de los datos personales, que el 61,7 % de los estudiantes guatemaltecos considera prioritaria (Cordero Monzón, 2025).
Tabla 7.
Formación docente y respaldo institucional.
|
Formación docente y respaldo institucional |
|
Falta de capacitación |
|
Disposición a formarse |
|
Lineamientos institucionales |
|
Políticas de uso responsable |
Fuente: Kroff et al. (2024); Moreno Beltrán et al. (2025); Torres Ortega et al. (2025); Costa et al. (2025).
La falta de formación es la barrera más mencionada. En Chile fue el principal obstáculo para usar la IA, y la capacitación fue la recomendación más frecuente de los docentes (Kroff et al., 2024). Moreno Beltrán et al. (2025) encontraron que el 81,1 % de los profesores no había recibido formación sobre ChatGPT, aunque cerca del 95 % estaba dispuesto a recibirla. En México, la mayoría de docentes y estudiantes no contaba con capacitación ni con pautas éticas, por lo que Torres Ortega et al. (2025) reclaman con urgencia lineamientos de uso. En Brasil, los responsables de un programa de posgrado señalaron la ausencia de una política institucional sobre IA, junto con problemas de infraestructura y financiamiento, aunque reconocieron oportunidades para el desarrollo de cursos, los estudios de caso y los escenarios virtuales (Costa et al., 2025).
La tabla 8 sintetiza los patrones que emergen al cruzar las cuatro categorías.
Tabla 8.
Patrones pedagógicos identificados.
|
Patrón identificado |
Foco estratégico |
Objetivo pedagógico |
|
Adopción adelantada |
Uso de la IA anterior a la formación |
Convertir el uso espontáneo en un uso planificado y con propósito formativo. |
|
Docente como mediador |
Diseño de tareas y retroalimentación |
Integrar la IA en actividades que exijan análisis, verificación y elaboración propia del estudiante. |
|
Integridad acordada |
Normas sobre autoría y uso legítimo |
Establecer con claridad qué usos de la IA se permiten y cómo deben declararse. |
|
Alfabetización en IA |
Formación de docentes y estudiantes |
Desarrollar criterio para evaluar la exactitud, los sesgos y los límites de la herramienta. |
Elaboración: Los autores.
DISCUSIÓN
Los resultados permiten sostener que la inteligencia artificial ya forma parte de la enseñanza universitaria, aunque su presencia es desigual. Los docentes la usan sobre todo para preparar clases y elaborar materiales (Kroff et al., 2024; Lucero-Baldevenites et al., 2025), mientras que los estudiantes la han incorporado de manera más amplia en la resolución de sus tareas (Culebro Castillo et al., 2025; Soto Vázquez et al., 2025). En otras palabras, la IA entra al aula más por la vía del estudiante que por la del diseño didáctico del profesor.
Esta asimetría tiene consecuencias. Si el estudiante usa la herramienta sin orientación, la línea entre apoyarse en ella y delegarle el trabajo se vuelve difusa, como muestran los datos sobre tareas completadas total o parcialmente con ChatGPT (Vásquez Cardona et al., 2025). El problema no parece estar en la tecnología misma, sino en la ausencia de un diseño pedagógico que la integre: una tarea que puede resolverse íntegramente con un chatbot probablemente evaluaba poco más que la reproducción de información. García-Peñalvo et al. (2024) apuntan en la misma dirección al observar que muchos de los problemas que la IA generativa plantea en la educación son anteriores a ella, aunque su potencia impide seguir ignorándolos.
En este punto, el papel del docente es decisivo. La preocupación de los profesores por la autonomía y el pensamiento crítico de sus estudiantes (Puche-Villalobos, 2024; Lucero-Baldevenites et al., 2025) puede convertirse en una oportunidad si se traduce en actividades que obliguen a contrastar, verificar y justificar lo que la IA produce. La manera en que el profesor comunica esas expectativas también importa: Molina et al. (2025) plantean el discurso metacomunicativo como herramienta para el aprendizaje en el aula, y cuando el docente explicita qué uso de la IA admite, con qué propósito y cómo debe declararse, reduce la ambigüedad que hoy rodea a estas herramientas.
La dimensión ética, por su parte, no puede resolverse solo con prohibiciones. Como proponen Gallent-Torres et al. (2023), la respuesta pasa por prácticas pedagógicas que enseñen a usar estas herramientas correctamente y por normas institucionales coherentes con las políticas de integridad académica. Los estudios del corpus coinciden en que faltan lineamientos institucionales (Torres Ortega et al., 2025; Costa et al., 2025) y en que la mayoría de docentes y estudiantes no ha recibido formación (Moreno Beltrán et al., 2025; Vásquez Cardona et al., 2025). La alta disposición a capacitarse que expresan los profesores indica que el obstáculo no es la resistencia al cambio, sino la falta de oportunidades organizadas. Esa formación gana sentido cuando se vincula con problemas reales; en esa línea, Isea Arguelles et al. (2026) muestran que integrar la vinculación con la sociedad en el currículo universitario acerca la formación a las necesidades concretas del entorno, un principio que también puede orientar el uso de la IA hacia proyectos con valor social y no solo hacia la resolución rápida de tareas.
También conviene advertir el contraste entre percepciones. Mientras el alumnado español no manifestó preocupaciones éticas (Soto Vázquez et al., 2025), los docentes de varios países expresaron inquietudes marcadas sobre la exactitud de la información y la dependencia tecnológica. Esta diferencia sugiere que las universidades deben trabajar la alfabetización en IA con ambos grupos, pero con énfasis distintos: con los estudiantes, en el uso responsable y la declaración de autoría; con los docentes, en el diseño de tareas y en la evaluación.
Esta revisión tiene limitaciones que conviene reconocer. Se circunscribió a SciELO, por lo que pudo dejar fuera estudios relevantes de otras bases; el corpus es pequeño, predominan las encuestas de percepción con muestras no probabilísticas y no se hallaron estudios experimentales que midan el efecto de la IA en el rendimiento académico. Por ello, las relaciones descritas deben entenderse como una síntesis interpretativa y no como una prueba causal.
CONCLUSIONES
La evidencia revisada indica que la inteligencia artificial, en especial la generativa, se ha incorporado con rapidez a la enseñanza en educación superior. Los docentes la emplean principalmente para planificar clases y elaborar materiales, y los estudiantes la usan de forma extendida en sus actividades académicas.
La valoración general es favorable, pues docentes y estudiantes reconocen beneficios en eficiencia, ahorro de tiempo y apoyo a la escritura. Sin embargo, esa valoración coexiste con preocupaciones consistentes sobre la autonomía intelectual, el pensamiento crítico, la exactitud de la información y la autoría de los trabajos.
El principal obstáculo para un uso pedagógico de la IA no es la resistencia de los profesores, sino la falta de formación y de lineamientos institucionales. La adopción ha avanzado más rápido que la capacitación y que las normas, lo que deja en manos de cada persona la decisión sobre qué uso es legítimo.
Finalmente, se recomienda que las universidades desarrollen programas de alfabetización en IA para docentes y estudiantes, establezcan políticas claras de uso y declaración, y promuevan estudios empíricos, de preferencia con diseños experimentales o longitudinales, que midan el efecto real de la IA en el aprendizaje.
FINANCIAMIENTO
No monetario.
AGRADECIMIENTOS
A la Universidad Estatal de Milagro y a la Universidad César Vallejo, por el acompañamiento académico brindado durante la elaboración de este trabajo.
REFERENCIAS CONSULTADAS
Cordero Monzón, M. A. (2025). Gestión ética y seguridad en el uso de inteligencia artificial por estudiantes universitarios. RIDE Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 16(31), e968. Disponible en: https://doi.org/10.23913/ride.v16i31.2623
Costa, M. F. B., Tinoco, G. O., Corrêa, N. dos S. F., Botelho, P. C., & Fontainha, T. C. (2025). Desafíos y oportunidades de la Inteligencia Artificial en la Educación Superior: Percepciones del Profesorado en el Ambiente Universitario. Avaliação: Revista da Avaliação da Educação Superior, 30, e025003. Disponible en: https://doi.org/10.1590/1982-57652025v30id286435
Culebro Castillo, K., Garizurieta Bernabe, J., & Gazca Herrera, L. A. (2025). Estudio sobre la percepción del uso de la Inteligencia Artificial Generativa en los procesos de aprendizaje en estudiantes de educación superior. RIDE Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 16(31), e984. Disponible en: https://doi.org/10.23913/ride.v16i31.2661
Gallent-Torres, C., Zapata-González, A., & Ortego-Hernando, J. L. (2023). El impacto de la inteligencia artificial generativa en educación superior: una mirada desde la ética y la integridad académica. RELIEVE. Revista Electrónica de Investigación y Evaluación Educativa, 29(2), art. M5. Disponible en: https://doi.org/10.30827/relieve.v29i2.29134
García-Peñalvo, F. J., Llorens-Largo, F., & Vidal, J. (2024). La nueva realidad de la educación ante los avances de la inteligencia artificial generativa. RIED-Revista Iberoamericana de Educación a Distancia, 27(1), pp. 9-39. Disponible en: https://doi.org/10.5944/ried.27.1.37716
Isea Arguelles, J. J., Romero Fernández, A. J., Infante Miranda, M. E. & Comas Rodríguez, R. (2026). Integración de la vinculación con la sociedad en el currículo universitario: el caso en una universidad ecuatoriana. Revista San Gregorio, 1(65), pp. 72-79. Disponible en: https://doi.org/10.36097/rsan.v1i65.4048
Kroff, F. J., Coria, D. F., & Ferrada, C. A. (2024). Inteligencia Artificial en la educación universitaria: Innovaciones, desafíos y oportunidades. Revista Espacios, 45(05), pp. 120-135. Disponible en: https://doi.org/10.48082/espacios-a24v45n05p09
Lucero-Baldevenites, E. V., Bueno-Fernández, M. M., Caballero-de Lamarque, C. P., & Bracho-Fuenmayor, P. L. (2025). El uso del ChatGPT en actividades académicas por parte de docentes universitarios. Episteme Koinonía, 8(16), pp. 264-284. Disponible en: https://doi.org/10.35381/e.k.v8i16.4591
Molina, T., Lizcano, C., Burbano, L. & Isea, J. (2025). Discurso metacomunicativo como herramienta para el aprendizaje en el aula. Revista Conrado, 21(103), e4353, pp. 1-7. Disponible en: https://conrado.ucf.edu.cu/index.php/conrado/article/view/4353
Moreno Beltrán, R., Hernández Valerio, J. S., & Olivo García, E. (2025). La incorporación de ChatGPT en la educación universitaria: la enseñanza docente desde el modelo de difusión de innovaciones. RIDE Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 16(31), e993. Disponible en: https://doi.org/10.23913/ride.v16i31.2682
Navarrete Cochancela, J. A., Nuñez Zamora, W. R., Viscarra Armijos, L. B., Cedillo Fajardo, M., & Cedeño Cedeño, R. J. (2025). Percepción de la inteligencia artificial como amenaza o aliada en la formación profesional de los universitarios. PROHOMINUM. Revista de Ciencias Sociales y Humanas, 7(2), pp. 123-136. Disponible en: https://doi.org/10.47606/ACVEN/PH0337
Puche-Villalobos, D. J. (2024). Inteligencia artificial como herramienta educativa: ventajas y desventajas desde la perspectiva docente. Areté, Revista Digital del Doctorado en Educación, 10(Especial), pp. 85-100. Disponible en: https://doi.org/10.55560/arete.2024.ee.10.7
Rodríguez Vieira, M. G., Marín Díaz, J., & Maiuri Del Buono, C. (2024). Perspectivas de la inteligencia artificial en la educación universitaria: un análisis basado en la literatura académica. Areté, Revista Digital del Doctorado en Educación, 10(Especial), pp. 175-193. Disponible en: https://doi.org/10.55560/arete.2024.ee.10.12
Soto Vázquez, J., Pérez Parejo, R., Jaraíz Cabanillas, F. J., & Gómez Caballero, M. (2025). Percepciones del alumnado de educación sobre la Inteligencia Artificial: el caso de la Universidad de Extremadura (España). Educação e Pesquisa, 51, e295334. Disponible en: https://doi.org/10.1590/S1678-4634202551295334es
Torres Ortega, E. A., Flores Ahumada, O. I., Cabrera Ramos, C., & Rivera Cabezas Radovich, E. A. (2025). Una brújula ética sobre el empleo del ChatGPT en la FCA. Apertura, 17(2), pp. 6-19. Disponible en: https://doi.org/10.32870/Ap.v17n2.2663
Vásquez Cardona, F., Carmona García, V., & Pérez Valencia, D. (2025). ChatGPT in Higher Education: A Cross-Sectional Study of Student Usage, Ethical Perceptions, and Implications for Academic Integrity. Revista de Bioética y Derecho, (65), pp. 101-119. Disponible en: https://doi.org/10.1344/rbd2025.65.49416
©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/)