El Feedback Basado en Inteligencia Artificial en el Aprendizaje de Estudiantes de Educación General Básica Superior: Percepción Docente

Carlos Daniel Velásquez-García; Gladys Nohelia Villegas-Bravo; Emely Jamilet Cárdenas-Posligua

doi:10.70171/g3bjqr97

Autores/as

Carlos Daniel Velásquez-García Universidad Técnica Estatal de Quevedo Autor/a https://orcid.org/0009-0000-4383-9736
Gladys Nohelia Villegas-Bravo Universidad Técnica Estatal de Quevedo Autor/a https://orcid.org/0000-0002-3819-7246
Emely Jamilet Cárdenas-Posligua Universidad Técnica Estatal de Quevedo Autor/a https://orcid.org/0000-0001-8682-4147

DOI:

https://doi.org/10.70171/g3bjqr97

Palabras clave:

aprendizaje activo, inteligencia artificial, retroinformación, tecnología educacional

Resumen

Justificación: La incorporación de herramientas generativas en el ámbito escolar plantea interrogantes sobre sus aportes, formas de uso y posibles efectos en los procesos educativos. Objetivo: Por ello, este estudio analizó la percepción docente sobre la incidencia del feedback basado en inteligencia artificial en el aprendizaje de estudiantes de Educación General Básica Superior. Metodología: Se empleó un enfoque cuantitativo, con diseño no experimental de tipo descriptivo. Participaron 30 docentes de Educación Básica Superior de la Unidad Educativa “El Empalme”. Como técnica de recogida de datos se empleó la encuesta y como instrumento el cuestionario de preguntas en línea con el fin de abordar aspectos relacionados con el uso docente de la IA. Resultados: El 55,6% utiliza ChatGPT para el feedback, el 50% emplea frecuentemente la IA y el 66,7% la aplica durante el proceso de enseñanza. El 77,8% posee dominio medio, mientras que el 72,2% se autoforma. El 66,7% percibe mayor autonomía, el 72,2% un incremento leve de la motivación y el 72,2% mayor dependencia en la búsqueda de información. Conclusión: Se concluye que el feedback basado en IA puede fortalecer el aprendizaje de los estudiantes de Básica Superior cuando se utiliza responsablemente y como complemento del acompañamiento docente.

Descargas

Los datos de descarga aún no están disponibles.

Referencias

Brummer, L., de Boer, H., Mouw, J., y Strijbos, J. (2024). A meta-analysis of the effects of context, content, and task factors of digitally delivered instructional feedback on learning performance. Learning Environments Research, 27(3), 453–476. https://doi.org/10.1007/s10984-024-09501-4

Castillo, M. (2023). Impacto de la inteligencia artificial en el proceso de enseñanza y aprendizaje en la educación secundaria. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, 4(6), 515–530. https://doi.org/10.56712/latam.v4i6.1459

Crosthwaite, P., y Sun, S. (2026). Generative AI and L2 written feedback studies: A scoping review. RELC Journal, 57(1), 207-219. https://journals.sagepub.com/doi/10.1177/00336882251386530

Díaz, J., Molina, R., Bayas, C., y Ruiz, A. (2024). Asistencia de la inteligencia artificial generativa como herramienta pedagógica en la educación superior. Revista de Investigación en Tecnologías de la Información, 12(26), 61–76. https://doi.org/10.36825/RITI.12.26.006

Fernández, M., Román, D., Jurado, A., Limón, D., y Torres, C. (2024). Artificial intelligence in Latin American universities: Emerging challenges. Computación y Sistemas, 28(2), 435–450. https://doi.org/10.13053/CyS-28-2-4822

Fidalgo-Blanco, A., Fonseca-Escudero, D., y Sein-Echaluce, M. (2026). Un modelo integrado basado en IA generativa para la personalización del aprendizaje y la retroalimentación formativa. RIED-Revista Iberoamericana de Educación a Distancia, 29(2), 209–233. https://doi.org/10.5944/ried.47210

Hernández-Sampieri, R., y Mendoza, C. (2018). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill Education

Huamán, J., Treviños, L., y Medina, W. (2022). Epistemología de las investigaciones cuantitativas y cualitativas. Horizonte de la Ciencia, 12(22), 27–47. https://www.redalyc.org/journal/5709/570971314003/html/

Játiva-Ávila, D. J., Llumiquinga-Loya, R. del P., Gualotuña-Quishpe, M. N., y Poma-Ortiz, P. de los A. (2025). Aplicación de la inteligencia artificial en la retroalimentación educativa: oportunidades y retos en el aula digital. RICEd: Revista de Investigación en Ciencias de la Educación, 3(6), 178–189. https://doi.org/10.53877/phj9w436

Jiménez-García, E., Ruiz-Lázaro, J., Martínez-Requejo, S., y Redondo-Duarte, S. (2025). Inteligencia Artificial y chatbots para una educación superior sostenible: una revisión sistemática. RIED-Revista Iberoamericana de Educación a Distancia, 28(2), 81–104. https://doi.org/10.5944/ried.28.2.43240

Lo, C. K., Hew, K. F., y Jong, M. S.-Y. (2024). The influence of ChatGPT on student engagement: A systematic review and future research agenda. Computers & Education, 219, 105100. https://doi.org/10.1016/j.compedu.2024.105100

Lozano, M. (2025). El profesorado y el uso de la inteligencia artificial (IA) como proceso de aprendizaje. Revista de Investigación en Tecnologías de la Información, 13(30), 1–8. https://doi.org/10.36825/RITI.13.30.001

Mejía-Rivas, J. (2022). Los paradigmas en la investigación científica. Revista Ciencia Agraria, 1(14), 7-14. https://doi.org/10.35622/j.rca.2022.03.001

Ng, D., Tan, C., y Leung, J. (2024). Empowering student self-regulated learning and science education through ChatGPT: A pioneering pilot study. British Journal of Educational Technology, 55, 1328–1353. https://doi.org/10.1111/bjet.13454

Nicol, D. y Macfarlane-Dick, D. (2006). Formative assessment and self-regulated learning: A model and seven principles of good feedback practice. Studies in Higher Education, 31(2), 199–218. https://doi.org/10.1080/03075070600572090

Ossa, C., y Willatt, C. (2023). Uso de Inteligencia Artificial Generativa para retroalimentar escritura académica en procesos de formación inicial docente. European Journal of Education and Psychology, 16(2), 1–16. https://doi.org/10.32457/ejep.v16i2.2412

Santos-Vesga, A., Cáceres-Castellanos, G., y Ballesteros-Ricaurte, J. (2024). Rol de la inteligencia artificial en educación básica: Un mapeo sistémico global. Revista Latinoamericana de Estudios Educativos, 20(2), 47–72. https://doi.org/10.17151/rlee.2024.20.2.3

Sadler, D. R. (1989). Formative assessment and the design of instructional systems. Instructional Science, 18, 119–144. https://doi.org/10.1007/BF00117714

Xia, Q., Weng, X., Ouyang, F., Lin, T., y Chiu, T. (2024). A scoping review on how generative artificial intelligence transforms assessment in higher education. International Journal of Educational Technology in Higher Education, 21(1), 40. https://doi.org/10.1186/s41239-024-00468-z

Yue, M., Jong, M., y Ng, D. (2024). Understanding K–12 teachers’ technological pedagogical content knowledge readiness and attitudes toward artificial intelligence education. Education and Information Technologies, 29, 19505–19536. https://doi.org/10.1007/s10639-024-12621-2

Zhai, C., Wibowo, S., y Li, L. (2024). The effects of over-reliance on AI dialogue systems on students' cognitive abilities: A systematic review. Smart Learning Environments, 11, 28. https://doi.org/10.1186/s40561-024-00316-7