Multidisciplinary Collaborative Journal
|
Vol
.
0
4
| Núm
.
0
1
|
Ene
–
Mar
| 202
6
|
https://mcjournal.editorialdoso.com
ISSN:
3073
-
1356
410
Revisión
Ética y Complejidad en Educación Superior: Mediación
Constructivista de la Inteligencia Artificial
Ethics and Complexity in Higher Education: Constructivist Mediation of
Artificial Intelligence
Jorge Luis
Guaman
-
Eras
1
*
1
Universidad Técnica Estatal de Quevedo
,
Ecuador
,
Quevedo
;
https://orcid.org/0009
-
0003
-
0917
-
7996
*
Correspondencia
:
jlguamaneras@gmail.com
https://doi.org/10.70881/mcj/v4/n1/138
Resumen:
La irrupción de la Inteligencia Artificial Generativa (IAG) en la
educación superior ha intensificado tensiones éticas y pedagógicas
asociadas a la integridad académica, evidenciando límites de respuestas
institucionales centradas en vigilancia y sanción.
Este artículo analiza la
transición desde el punitivismo tecnológico hacia una mediación
constructivista basada en la Teoría de la Complejidad. Metodológicamente,
se desarrolló una revisión sistemática de literatura siguiendo PRISMA 2020,
con síntesis temá
tica de estudios publicados entre enero 2020 y febrero de
2026, recuperados de Scopus, Web of Science, SciELO y repositorios
institucionales (UNESCO y Banco Mundial). Se incluyeron 31 documentos,
evaluados mediante lectura crítica (CASPe) para sustentar la
discusión. Los
hallazgos muestran la coexistencia de dos paradigmas: (a) control/detección,
con eficacia limitada ante reformulaciones, y (b) mediación pedagógica,
donde la IAG se integra como andamiaje cognitivo y socioafectivo. Se
subraya el desafío de
los sesgos y la justicia epistémica en el Sur Global,
proponiendo recomendaciones orientadas a rediseño evaluativo centrado en
procesos, alfabetización ética y fortalecimiento del rol docente como
mediador.
Palabras clave:
inteligencia artificial generati
va; integridad académica;
pensamiento complejo; ética digital; mediación pedagógica; educación
superior.
Abstract:
The emergence of Generative Artificial Intelligence (GAI) in higher
education has intensified ethical and pedagogical tensions regarding
aca
demic integrity, exposing the limitations of institutional responses
centered on surveillance and sanctions. This article examines the shift from
technological punitivism toward constructivist mediation grounded in
Complexity Theory. Methodologically, a sy
stematic literature review was
conducted following PRISMA 2020 guidelines, employing a thematic
synthesis of studies published between January 2020 and February 2026,
retrieved from Scopus, Web of Science, SciELO, and institutional repositories
(UNESCO and
the World Bank). Thirty
-
one documents were included and
critically appraised (CASPe) to support the discussion. Findings reveal the
coexistence of two paradigms: (a) control and detection, which show limited
effectiveness against rephrasing and AI evoluti
on, and (b) pedagogical
mediation, where GAI is integrated as cognitive and socio
-
affective
scaffolding. The study highlights challenges related to bias and epistemic
justice in the Global South, offering recommendations focused on process
-
Cita:
Guaman
-
Eras, J. L.
(2026). Ética y Complejidad en
Educación Superior: Mediación
Constructivista de la Inteligencia
Artificial.
Multidisciplinary
Collaborative Journal
,
4
(1), 410
-
427.
https://doi.org/10
.70881/m
cj/v4/n1/138
Recibido:
05
/
02
/20
26
Revisado:
10
/
03
/20
26
Aceptado:
16
/
03
/20
26
Publicado:
18
/
03
/20
26
Copyright:
© 202
6
por los
autores
.
Este artículo es un
artículo de acceso abierto
distribuido bajo los términos y
condiciones de la
Licencia
Creative Commons, Atribución
-
NoComercial 4.0 Internacional.
(
CC BY
-
NC
)
.
(
https://creativecommons.org/lic
enses/by
-
nc/4.0/
)
Multidisciplinary Collaborative Journal
Multidisciplinary Collaborative Journal
| Vol.0
4
| Núm.0
1
|
Ene
–
Mar
| 202
6
| https://mcjournal.editorialdoso.com
411
based assessment
redesign, ethical literacy, and strengthening the
educator's role as a mediator.
Keywords:
generative AI; academic integrity; complex thinking; digital ethics;
pedagogical mediation; higher education.
1. Introducción
La irrupción de la
Inteligencia Artificial Generativa (IAG) en el ecosistema de la
educación superior ha precipitado una crisis que trasciende la mera preocupación
técnica por la integridad académica. Se trata, en esencia, de una crisis epistemológica
que pone en tela de jui
cio los cimientos de la universidad moderna
(UNESCO, 2023;
Vera, 2023)
. El fenómeno actual no representa únicamente la aparición de una
herramienta disruptiva, sino que actúa como un catalizador que revela las fracturas de
un modelo educativo que, durante
décadas, ha operado bajo paradigmas de
simplificación, fragmentación del saber y una visión reduccionista de la evaluación (Cruz
Albarrán, 2025; Tovar & Ustaran, 2025).
Si bien las instituciones han respondido históricamente a la innovación tecnológica no
planificada mediante un punitivismo caracterizado por la vigilancia algorítmica y la
sospecha sistémica sobre la producción del estudiantado, la evidencia científica actual
demuestra que este enfoque resulta insuficiente y pedagógicamente contraproducente
(García
-
Peñalvo, 2024; Gómez
-
Moreno, 2025).
El e
studio de Galindo
-
Domínguez et al.
(2025) desmiente que el uso de la IAG sea un desencadenante directo del plagio,
señalando que la falta de motivación y el diseño de tareas obsoletas son los verdaderos
facto
res de riesgo. Además, la confianza ciega en herramientas de detección resulta
problemática: la evidencia experimental muestra que la reformulación y la paráfrasis
pueden eludir detectores de texto generado por IA, reduciendo su confiabilidad como
solución
central (Krishna et al., 2023), evidencia lo que Morin define como una ceguera
del conocimiento: el error de intentar resolver un problema complejo mediante
soluciones lineales y fragmentadas.
Ante este escenario, la Teoría de la Complejidad de Edgar Mori
n ofrece un marco
indispensable para religar los saberes y navegar la incertidumbre algorítmica. En
particular, los siete saberes necesarios para la educación del futuro cobran una vigencia
renovada en la era de la IA (Morin, 1999; Ruiz Rivera, 2024). Prim
ero, el estudio de las
cegueras del conocimiento (el error y la ilusión) es hoy el estudio de las alucinaciones y
sesgos de la IA (Garcia Hormazabal, 2025; Muñoz Martínez et al., 2025). Segundo, la
necesidad de un conocimiento pertinente obliga a la univer
sidad a trascender la
repetición de datos para fomentar la capacidad de contextualizar y multidimensionalizar
la información producida por la máquina
(UNESCO, 2023; Vera, 2023)
.
Tercero, la enseñanza de la condición humana y la identidad terrenal nos sitúan en una
simbiosis hombre
-
máquina donde la tecnología no debe desplazar la autonomía, sino
potenciar la inteligencia del ingenium (Morin & Le Moigne, 2006). Cuarto, enfrentar las
incertidumbres implica aceptar que la IA es un océano de probabilidades donde el
docente ya no es el guardián de la verdad absoluta, sino un mediador que enseña a
navegar archipiélagos de certezas críticas
(Gallent
-
Torres et al., 2023)
. Finalmente,
enseña
r la comprensión y la ética del género humano demanda un giro desde la
vigilancia hacia una mediación constructivista, donde la integridad se cultiva como un
Multidisciplinary Collaborative Journal
| Vol.0
4
| Núm.0
1
|
Ene
–
Mar
| 202
6
| https://mcjournal.editorialdoso.com
ejercicio de pensamiento crítico y no como una respuesta al miedo al castigo (Cruz
Albarrán, 2025)
.
El presente artículo tiene como objetivo analizar esta transición paradigmática. Se
argumenta que la mediación constructivista de la IA, entendida como un andamiaje
cognitivo y socioafectivo, permite superar la dicotomía entre prohibición y permisividad.
A través de una revisión sistemática bajo estándares PRISMA, este estudio propone
principios epistémico
-
normativos que posicionan a la educación superior
latinoamericana no como una receptora pasiva de tecnología, sino como un espacio de
justicia epistémi
ca y creación de conocimiento complejo (Tovar & Ustaran, 2025).
2. Materiales y Métodos
2.
1. Enfoque y Alcance
Esta investigación se desarrolla mediante una
revisión sistemática de literatura con
síntesis cualitativa (temática)
, orientada a
comprender un fenómeno complejo en su
contexto educativo. Dado que el objeto de estudio es la transición paradigmática de la
ética y la complejidad en la educación superior ante la IA, se adoptó un alcance
exploratorio y descriptivo. Este enfoque permite e
xaminar un tema de vanguardia, la
Inteligencia Artificial Generativa, desde una perspectiva
interpretativa, analizando los
significados y las tensiones dialécticas presentes en la literatura científica reciente.
2.
2. Diseño de Investigación
Se utilizó un d
iseño de revisión sistemátic
o
de la literatura, fundamentado en el análisis
documental. Para garantizar la transparencia y replicabilidad, se siguieron las directrices
de la declaración PRISMA 2020, lo cual permite una estructuración lógica desde la
identi
ficación hasta la inclusión de fuentes.
3.
3. Procedimiento y Criterios de Selección
De acuerdo con las fases de la revisión de la literatura de Hernández
-
Sampieri y
Mendoza (2018), el proceso se dividió en:
Tabla 1.
Estrategia de búsqueda y filtros aplica
dos
Base de
Datos
Ecuación de Búsqueda
Filtros
Resultados
Scopus
Ecuación 1
TITLE
-
ABS
-
KEY (("Artificial Intelligence" OR "AI" OR
"Generative AI") AND ("Higher Education" OR
"University") AND ("Ethics" OR "Academic Integrity")
AND ("Complexity" OR
"Edgar Morin") AND
("Constructivism" OR "Mediation"))
Ecuación 2
TITLE
-
ABS
-
KEY (("Artificial Intelligence" OR "AI")
AND ("Higher Education") AND ("Technological
Punitivism" OR "Surveillance" OR "Plagiarism
Detection") AND ("Constructivist Mediation" OR
"Pe
dagogical Integration"))
2020
-
2026,
Artículos,
Español/Inglés
54
Multidisciplinary Collaborative Journal
| Vol.0
4
| Núm.0
1
|
Ene
–
Mar
| 202
6
| https://mcjournal.editorialdoso.com
WoS
TS=
(("artificial intelligence" OR "generative AI" OR
IAG OR "large language model*") AND ("higher
education" OR universit*) AND (ethic* OR "academic
integrity" OR "pedagogical mediation
") AND
(complexity OR "complexity theory" OR "complex
thought"))
2020
-
2026,
Open Access
42
SciELO
("inteligencia artificial" OR "IA generativa" OR IAG OR
"modelos de lenguaje") AND ("educación superior"
OR universidad*) AND (ética OR "integridad
académica
" OR mediación) AND (complejidad OR
"pensamiento complejo")
Todos los
campos
49
Total
145
Se aplicaron criterios de inclusión estrictos: (a) artículos en revistas con revisión por
pares (peer
-
reviewed), (b) informes técnicos de organismos
internacionales de
autoridad (UNESCO, Banco Mundial) y (c) obras fundacionales de la Teoría de la
Complejidad. Se excluyó explícitamente la literatura gris (prensa, blogs, sitios de
opinión) de la fase de síntesis de resultados, reservando estas fuentes ún
icamente para
la contextualización de la problemática en la introducción.
2.4.
Detección y Obtención:
Se realizó una búsqueda exhaustiva en bases de datos
de alto impacto (Scopus, Web of Science, SciELO) y repositorios institucionales
(UNESCO, Banco Mundia
l). Los términos de búsqueda incluyeron: "Inteligencia
Artificial", "Educación Superior", "Pensamiento Complejo", "Ética Digital" y "Mediación
Pedagógica".
2.5.
Criterios de Inclusión:
1.
Artículos científicos y libros publicados entre 2020 y 2026 (estado del arte
contemporáneo).
2.
Obras fundamentales de la Teoría de la Complejidad (Edgar Morin).
3.
Estudios que abordaran explícitamente dimensiones éticas o pedagógicas en
universidades latinoa
mericanas e internacionales.
4.
S
e incluyeron estudios en
español e inglés
2.6.
Criterios de Exclusión:
Reportes técnicos sin revisión por pares, artículos con enfoque puramente técnico
-
informático y publicaciones anteriores a 2020 (salvo las bases clásicas)
.
2.7.
Procedimiento y Estrategia de Búsqueda
La búsqueda se realizó entre el 10 de enero y el 15 de febrero de 2026. Se aplicó el
modelo
PICo
(Población: Educación Superior; Interés: Ética/IA; Contexto:
Complejidad/Mediación). La cadena de búsqueda princ
ipal utilizada en Scopus y WoS
fue:
(("Artificial Intelligence" OR "AI" OR "Generative AI") AND ("Higher Education" OR
"University") AND ("Ethics" OR "Academic Integrity") AND ("Complexity" OR "Edgar
Morin") AND ("Constructivism" OR "Mediation"))
Para asegurar la robustez de la muestra, los estudios incluidos fueron sometidos a
lectura crítica mediante la lista de verificación CASPe (Critical Appraisal Skills
Programme). El proceso de selección se sintetizó en un diagrama de flujo PRISMA 2020
Multidisciplinary Collaborative Journal
| Vol.0
4
| Núm.0
1
|
Ene
–
Mar
| 202
6
| https://mcjournal.editorialdoso.com
414
(Figu
ra 1), que describe el tránsito desde 145 registros identificados inicialmente en
bases de datos hasta la muestra final. Se eliminaron 35 duplicados; posteriormente se
cribaron 110 registros y se excluyeron 45 por criterios de título/resumen. Se buscaron
6
5 textos completos, de los cuales 5 no se recuperaron. Finalmente, 60 informes fueron
evaluados para elegibilidad y se excluyeron 29 (falta de rigor según CASPe, n=12; no
pertinencia temática, n=10; e idioma/fecha fuera de criterios, n=7), quedando 31
estu
dios incluidos en la revisión.
Figura 1.
Diagrama de flujo de la revisión sistemática según la declaración PRISMA 2020.
2.8
. Unidades de Análisis
La muestra final quedó constituida por 31 documentos seleccionados por su relevancia
teórica y empírica. Es
tas unidades de análisis fueron categorizadas en tres ejes
temáticos:
1.
Impacto ético y crisis de integridad (Punitivismo).
2.
IA como mediadora cognitiva y socioafectiva.
3.
Marcos normativos y justicia epistémica en el Sur Global.
2.9
. Técnicas de
Análisis de Datos
Evaluación de Calidad:
Para la lectura crítica se utilizó CASPe como lista de verificación.
Con fines de cribado, cada ítem se registró como Cumple / No cumple / No claro, y se
0XOWLGLVFLSOLQDU\&ROODERUDWLYH-RXUQDO
_9RO
_1~P
_
(QH
–
0DU
_
_KWWSVPFMRXUQDOHGLWRULDOGRVRFRP
416
UHQGLPLHQWR
DFDGpPLFR
\
HO
FRPSURPLVR
HVWXGLDQWLO
Vaca
Cabrera
et
al.
(2025)
(FXDGRU
5HGLVHxR
’LGiFWLFR
(VWUDWHJLD
3HGDJyJLFD
/D
PHGLDFLyQ
WHFQROyJLFD
SHUPLWH
XQ
UHGLVHxR
GLGiFWLFR
FHQWUDGR
HQ
OD
HQVHxDQ]D
SHUVRQDOL]DGD
\
HO
VHJXLPLHQWR
GHO
SURFHVR
’LGiFWLFD
8QLYHUV
LWDULD
Molina
&
Medina
(2025)
,QWHU
QDFLRQDO
5HYLVLyQ
7pFQLFD
%DQFR
0XQGLDO
/RV
GHWHFWRUHV
GH
SODJLR
VRQ
LQHILFDFHV
DQWH
UHIRUPXODFLRQHV
FRPSOHMDV
H[LJLHQGR
XQ
FDPELR
KDFLD
OD
HYDOXDFLyQ
GH
SURFHVRV
5HYROXFLyQ
7HFQROyJLFD
\
(YDOXDFLyQ
Chafloque
et
al.
(2025)
0p[LFR
5HYLVLyQ
7HyULFD
\
&UtWLFD
/LEUR
/D
HYDOXDFLyQ
GHEH
WUDQVLWDU
GH
OD
FHUWLILFDFLyQ
HVWiWLFD
D
XQD
PHGLDFLyQ
GRFHQWH
TXH
YDORUH
OD
DXWRQRPtD
GHO
HVWXGLDQWH
0HGLDFLyQ
\
7HRUtD
(YDOXDWLYD
6LJXLHQGRODUXWDFXDOLWDWLYDORVG
DWRVVHSURFHVDURQPHGLDQWHDQiOLVLVGHFRQWHQLGR
WHPiWLFR(VWHSURFHVRLPSOLFyODFRGLILFDFLyQGHFRQFHSWRVFODYHFRPRGHVFDUJD
FRJQLWLYDDOXFLQDFLyQDOJRUtWPLFD\DXWRQRPtDPHGLDGDSDUDLGHQWLILFDUSDWURQHV
FRQWUDGLFFLRQHV\iUHDVGHFRQVHQVR
HQODFRPXQLGDGFLHQWtILFD/DYDOLGH]GHODQiOLVLV
VHVXVWHQWDHQODWULDQJXODFLyQWHyULFDFRQIURQWDQGRORVKDOOD]JRVHPStULFRVUHFLHQWHV
FRQORVSULQFLSLRVGHOSHQVDPLHQWRFRPSOHMRGH0RULQ
3.
Resultados
7UDVODDSOLFDFLyQGHORVSURWRFRORVGH
E~VTXHGD\ORVFULWHULRVGHHOHJLELOLGDGGHILQLGRV
HQODPHWRGRORJtD35,60$VHFRQVROLGyXQFRUSXVILQDOGHGRFXPHQWRVSDUDHO
DQiOLVLVSURIXQGR(OSURFHVRGHVtQWHVLVWHPiWLFDSHUPLWLyLGHQWLILFDUODVWHQGHQFLDV
HPHUJHQWHVHQODOLWHUDWXUDFLHQWtILFD
UHVSHFWRDODLQWHUVHFFLyQHQWUHODLQWHOLJHQFLD
DUWLILFLDO\ODLQWHJULGDGDFDGpPLFD$FRQWLQXDFLyQVHSUHVHQWDOD7DEODODFXDO
VLVWHPDWL]DORVKDOOD]JRVSULQFLSDOHVGLYLGLpQGRORVHQGRVJUDQGHVYHUWLHQWHVHO
SDUDGLJPDGHOFRQWUROWHFQROyJLFR\HO
SDUDGLJPDGHODPHGLDFLyQSHGDJyJLFD
Tabla 3.
&RUSXVFRPSOHPHQWDULRSDUDPDUFRWHyULFR\FRQWH[WXDOL]DFLyQQRLQFOXLGRHQOD
VtQWHVLV35,60$
Título del
Programa o
Artículo
Institución
o Autor
Temas
Principales
Impacto en la
Integridad
Académica
Metodología o
Modalidad
Riesgos y
Desafíos
Identificados
/RVVLHWH
VDEHUHV
QHFHVDULRV
SDUDOD
HGXFDFLyQGHO
IXWXURLQFOX\H
(GJDU0RULQ\
(GJDU0RULQ
81(6&2
5XL]5LYHUD
/DXUD
(VWHOD
3HQVDPLHQWR
FRPSOHMR
HGXFDFLyQ
SDUDHOIXWXUR
FRQRFLPLHQWR
GHOHUURU\OD
LOXVLyQ
LGHQWLGDG
KXPDQDHUD
3URSRQHXQD
UHIRUPDGHO
HVStULWXSDUD
HQIUHQWDUODV
FHJXHUDVGHO
FRQRFLPLHQWR
HUURUHLOXVLyQ
\HYLWDUOD
HQDMHQDFLyQGH
3URSXHVWD
SHGDJyJLFD
LQYHVWLJDFLyQ
WHyULFDFRQ
PpWRGR
KHUPHQpXWLFR\
VHPLQDULRV
)UDJPHQWDFLyQ
GHVDEHUHV
UHGXFFLRQLVPRV
SRVLWLYLVWDV
LQFDSDFLGDGGH
HQVHxDUOD
FR
PSUHQVLyQ
KXPDQDH
LJQRUDQFLDGHORV
0XOWLGLVFLSOLQDU\&ROODERUDWLYH-RXUQDO
_9RO
_1~P
_
(QH
–
0DU
_
_KWWSVPFMRXUQDOHGLWRULDOGRVRFRP
417
ORVVLHWH
VDEHUHV
SODQHWDULD
LQFHUWLGXPEUH
pWLFDGHO
JpQHUR
KXPDQR
ODPHQWHDQWH
HOVDEHU
IUDJPHQWDGR
SUHVHQFLDOHV\
YLUWXDOHV
OtPLWHVGHOD
FLHQFLD
,QWURGXFFLyQDO
SHQVDPLHQWR
FRPSOHMR/D
LQWHOLJHQFLDGH
ODFRPSOHMLGDG
(GJDU0RULQ
\-HDQ
/RXLV/H
0RLJQH
3HQVDPLHQWR
FRPSOHMR
UHIRUPDGHO
SHQVDPLHQWR
HSLVWHPRORJtD
SDUDGLJPDGH
VLPSOLFLGDGYV
FRPSOHMLGDG
DXWR
RUJDQL]DFLyQ
UHODFLyQ
RUGHQGHVRUGH
Q
$ERJDSRUXQD
UHIRUPD
HGXFDWLYDTXH
VXSHUHHOVDEHU
IUDJPHQWDGR
SURPXHYHXQD
pWLFDEDVDGD
HQOD
UHVSRQVDELO
LGD
GLQGLYLGXDO\
VRFLDOIUHQWHD
ODFHJXHUDGHO
FRQRFLPLHQWR
&RORTXLR
LQWHUQDFLRQDOGH
&HULV\\
FRPSLODFLyQGH
HQVD\RVWHyULFR
ILORVyILFRVVREUH
WUDQVGLVFLSOLQDULHG
DG
,QWHOLJHQFLD
FLHJDUHGXFFLyQ
GHOFRQRFLPLHQWR
DIUDJPHQWRV
DLVODGRVULHVJR
GHVDEHU
GHVFRQWH[WXDOL]D
GR\GRJPDV
LGHROyJLFRV
$OJRULWPRVGH
$SUHQGL]DMH
7UDQVIRUPDQG
ROD(GXFDFLyQ
6XSHULRUHQHO
6LJOR;;,
&DUPHQ
’RORUHV
*UDFLD
*DUFtD
2OJD
/RXUGHV
&R[
/DQGi]XUL
HWDO
(GLWRULDO
&,’
$SUHQGL]DMH
DGDSWDWLYR
SURFHVDPLHQWR
GHOOHQJXDMH
QDW
XUDO1/3
SHUVRQDOL]DFLy
QHGXFDWLYD
DXWRPDWL]DFLyQ
DGPLQLVWUDWLYD
8VRGHYLVLyQ
SRU
FRPSXWDGRUD
SDUD
VXSHUYLVLyQGH
H[iPHQHVHQ
OtQHD\
GHWHFFLyQGH
FRPSRUWDPLHQW
RVQR
DXWRUL]DGRVR
SODJLR
/LEURWpFQLFRTXH
FRPELQDHQIRTXHV
FXDQWLWDWLYRV\
FXDOLWDWLYR
VVREUH
LPSOHPHQWDFLRQHV
XQLYHUVLWDULDV
3ULYDFLGDG\
VHJXULGDGGH
GDWRVVHVJRV
DOJRUtWPLFRV
GHVSHUVRQDOL]DFL
yQGHO
DSUHQGL]DMH\
UHVLVWHQFLDDO
FDPELRGRFHQWH
5HYROXFLyQGH
OD,$HQOD
(GXFDFLyQ
6XSHULRUOR
TXHKD\TXH
VDEHU
0ROLQD
(]HTXLHO
0HGLQD
([HTXLHO
%DQFR
0XQGLDO
6LVWHPDVGH
WXWRUtD,$
DSUHQGL]DMH
DGDSWDWLYR
SHUILOHVGH
ULHVJR
SUHGLFFLyQGH
DEDQGRQR
PDUFRV
UHJXODWRULRVHQ
$PpULFD
/DWLQD
(OGH
GRFHQWHVWHPH
TXHORV
HVWXGLDQWHVQR
HYDO~HQ
FUtWLFDPHQWH
ORVUHVXOWDGRV
ULHVJRGH
IDOVR
VSRVLWLYRV
HQ
KHUUDPLHQWDV
GHGHWHFFLyQ
GH,$
0pWRGRVPL[WRV
UHYLVLyQGH
OLWHUDWXUDSUXHED
GH
KHUUDPLHQWDVGH
,$\HVWXGLRVGH
FDVRVJOREDOHV
6HVJR
DOJRUtWPLFR
EUHFKDGLJLWDO
UXUDOIDOWDGH
LQIUDHVWUXFWXUD
*\IXJDGH
FDSLWDOKXPDQR
DYDQ]DGR
,$JHQHUDWLYD\
SHQVDPLHQWR
FUtWLFRHQOD
HGXFDFLyQ
XQLYHUVLWDULDD
GLVWDQFLD
0XxR]
0DUWtQH]
&pVDU
5RJHU
0RQ]R
9DQHVVD
&DVWHOOy
6LUYHQW
)HUQDQGR
3HQVDPLHQWR
FUtWLFR
PHWDFRJQLFLyQ
DOIDEHWL]DFLyQ
GLJLWDOVHVJRV
DOJRUtWPLFRV
HGX
FKDWERWV
5LHVJRGHXVR
DFUtWLFR\
GHSHQGHQFLD
TXH
GHVLQFHQWLYDHO
DQiOLVLV
DXWyQRPR
QHFHVLGDGGH
DVHJXUDU
LQWHJULGDGDQWH
ODFRDXWRUtD
FRQ,$
(QIRTXH
FXDOLWDWLYREDVDGR
HQHQWUHYLVWDV
VHPLHVWUXFWXUDGDV
FRQH[SHUWRVHQ
HGXFDFLyQ
VXSHULRU
5HVLVWHQFLD
LQVWLWXFLRQDO
IDOWDGH
GLUHFWULFHV
FODUDV
DPSOLILFDFLyQGH
VHVJRV\
GHVLJXDOGDG
VRFLDO
0XOWLGLVFLSOLQDU\&ROODERUDWLYH-RXUQDO
_9RO
_1~P
_
(QH
–
0DU
_
_KWWSVPFMRXUQDOHGLWRULDOGRVRFRP
*XLGDQFHIRU
JHQHUDWLYH$,
LQHGXFDWLRQ
DQGUHVHDUFK
81(6&2
0LDR\
+ROPHV
5HJXODFLyQ
QDFLRQDOGHOD
,$SURWHFFLyQ
GHGDWRVpWLFD
SHGDJyJLFD
YLVLyQFHQWUDGD
HQHOVHU
KXPDQR
1HFHVLGDGGH
YDOLGDU
KHUUDPLHQWDV
SDUDSURWHJHU
YDORUHV
KXPDQRV
SUHRFXSDFLyQ
SRUODV
LPSOLFDFLRQHV
HQOD
HYDOXDFLyQD
ODUJRSOD]R
*XtDJOREDO\
UHSRUWH
GH
UHFRPHQGDFLRQHV
SDUDUHVSRQVDEOHV
GHSROtWLFDVH
LQVWLWXFLRQHV
5LHVJRVSDUDOD
LQFOXVLyQ\
HTXLGDGVHVJRV
DOJRUtWPLFRV\
IDOWDGHPDUFRV
UHJXODWRULRV
QDFLRQDOHV
/DLQWHOLJHQFLD
DUWLILFLDOHQOD
HGXFDFLyQ
SRWHQFLDO
WUDQVIRUPDGRU
\GHVDItRV
pWLFRV
(
OHQD’HO
9DOOH
8QLYHUVLGD
G(XURSHD
6HVJR
DOJRUtWPLFR
MXVWLFLDVRFLDO
SODWDIRUPDV
DGDSWDWLYDV
FKDWERWV
HGXFDWLYRV
/RVGHWHFWRUHV
GHSODJLR
SXHGHQ
LQYLVLELOL]DU
VDEHUHVQR
KHJHPyQLFRVH
LPSRQHU
PRGHORVGH
H[FHOHQFLD
KRPRJpQHRV
0HWRGRORJtD
FXDOLWDWLYDGH
FDUiFWHU
GRFXPHQWDO\
DQDOtWLFRFRQ
HQIRTXH
VRFLRWpFQLFR
’LVFULPLQDFLyQ
GHPLQRUtDVSRU
IDOWDGH
GLYHUVLGDGHQ
GDWRVRSDFLGDG
DOJRUtWPLFD\
FRORQLDOLVPR
GLJLWDO
8QHVWXGLR
GHVPLHQWHTXH
HOXVRGHOD,$
VHDXQ
GHVHQFDGHQDQ
WHGLUHFWRGHO
S
ODJLR
8QLYHUVLGDG
GHO3DtV
9DVFR
839(+8
*DOLQGR
’RPtQJXH]
+HWDO
5HODFLyQHQWUH
&KDW*37\
SODJLR
PRWLYDFLyQ
HVWXGLDQWLO
FXOWXUDGHOD
WUDPSD
’HWHUPLQDTXH
ODIDOWDGH
PRWLYDFLyQ
LQIOX\HPiVHQ
OD
GHVKRQHVWLGDG
TXHODSURSLD
WHFQRORJtD
FDXVDOL
GDGFDVL
LQH[LVWHQWH
(VWXGLRHPStULFR
UHDOL]DGRFRQ
HVWXGLDQWHV
XQLYHUVLWDULRV
&DUJDGHWUDEDMR
H[FHVLYD
KLSHUFRPSHWLWLYLG
DG\
GHVFRQRFLPLHQWR
GHODV
FRQVHFXHQFLDV
GHOSODJLR
’HVDItRV\
RSRUWXQLGDGHV
GHOD,$HQOD
HGXFDFLyQ
VXSHULRU
ODWLQRDPHULFD
Q
D
$FHYHGR
&DUULOOR
0DXULFLRHW
DO
,QQRYDFLyQ
WHFQROyJLFD
WUDQVIRUPDFLyQ
SHGDJyJLFD
pWLFD
HGXFDWLYD
VRVWHQLELOLGDG
LQVWLWXFLRQDO
3UHRFXSDFLyQ
FHQWUDOSRUHO
SODJLR
DXWRPDWL]DGR\
HO
PDQWHQLPLHQWR
GHODLQWHJULGDG
DFDGpPLFD
DQWHOD,$
JHQHUDWLYD
5HY
LVLyQ
VLVWHPiWLFD
FXDOLWDWLYD
VLJXLHQGRHO
SURWRFROR35,60$
DUWtFXORV
9DFtRQRUPDWLYR
GHVLQIRUPDFLyQ
VHVJR
DOJRUtWPLFR\
EDMDDSURSLDFLyQ
GRFHQWH
&DPELRV
WHFQRSHGDJyJL
FRV
\VX
LQFLGHQFLDHQ
ODHGXFDFLyQ
GHOVLJOR;;,
0RUHLUD
$JXD\R
3DROD
<DGLUDHW
DO
(YROXFLyQGH
7,&D7$&
7(3H
,QWHOLJHQFLD
$UWLILFLDO
SHGDJRJtD
FUtWLFD
GHVDUUROOR
LQWHJUDO
5LHVJRV
HOHYDGRVGH
SODJLR\IUDXGH
DFDGpPLFRSRU
KHUUDPLHQWDV
TXHJHQHUDQ
WU
DEDMRV
GLItFLOHVGH
GLVWLQJXLUGHOD
DXWRUtD
KXPDQD
5HYLVLyQ
VLVWHPiWLFDGH
OLWHUDWXUD
HQEDVHVGH
GDWRVFRPR
6FRSXV\:HERI
6FLHQFH
%UHFKDGLJLWDO
GHVKXPDQL]DFLy
QSRU
DXWRPDWL]DFLyQ
VHVJRV
DOJRUtWPLFRV\
IDOWDGH
WUDQVSDUHQFLDHQ
GDWRV
’LGiFWLFD
XQLYHUVLWDULD
9DFD
&DEUHUD
’LGiFWLFD
DGDSWDWLYD
,PSOHPHQWDFLy
QGHVLVWHPDV
7LSRPL[WR\
DSOLFDGD
/LPLWDFLRQHV
VHYHUDVHQ
0XOWLGLVFLSOLQDU\&ROODERUDWLYH-RXUQDO
_9RO
_1~P
_
(QH
–
0DU
_
_KWWSVPFMRXUQDOHGLWRULDOGRVRFRP
ı
PHGLDGDSRU
,$UHGLVHxR
GHHVWUDWHJLDV
SHGDJyJLFDV
&ULVWRSKHU
(GXDUGRHW
DO
FRODERUDWLYD\
JHQHUDWLYD
SHUVRQDOL]DFLy
QDSUHQGL]DMH
EDVDGRHQ
SUR\HFWRV
GHHYDOXDFLyQ
DXWRPDWL]DGD
SDUDEULQGDU
UHWURDOLPHQWDFL
yQLQPHGLDWD\
REMHWLYD
HQFXHVWDV\
HQWUHYLVWDVD
HVWXGLDQWHV\
GRFHQWHV
FDSDFLWDFLyQ
GRFHQWH
\IDOWDGH
SROtWLFDV
LQVWLWXFLRQDOHV
FODUDV
/D
LQWHOLJHQFLD
DUWLILFLDOFRPR
PHGLDGRUDGHO
DSUHQGL]DMHHQ
ODHGXFDFLyQ
VXSHULRU
0RUDOHV
$OPDGD
0LJXHO
$QJHO
5H\HV
3D]RV
0DUFHOD
7HRUtD
VRFLRFXOWXUDO
9\JRWVN\
PHGLDFLyQ
WHFQROyJLFD
DSUHQGL]DMH
DGDSWDWLYR
WXWRUHV
LQWHOLJHQWHV
5LHVJRVGH
VXSHUILFLDO
LGDG
HQOD
FRQVWUXFFLyQ
GHO
FRQRFLPLHQWR\
GHSHQGHQFLD
TXHGLVPLQX\H
HOSHQVDPLHQWR
FUtWLFR
(QIRTXH
FXDOLWDWLYRFRQ
GLVHxR
GRFXPHQWDO\
UHYLVLyQGH
OLWHUDWXUDFLHQWtILFD
3ULYDFLGDGGH
GDWRVVHQVLEOHV
VHVJRV
GLVFULPLQDWRULRV
\
UHVLVWHQFLDDO
FDPELR
LQVWLWXFLRQDO
6HVJRVHQOD
,$\HGXFDFLyQ
VXSHULRU
5LFDUGR
*DUFLD
+RUPD]DEDO
6HVJR
DOJRUtWPLFR
WLSRORJtDVGH
VHVJRV
LPSDFWRHQOD
IRUPDFLyQGH
FDOLGDG
5LHVJRGH
UHSURGXFFLyQ
GHHVWHUHRWLSRV
TXHDIHFWDQHO
SHQVDPLHQWR
FUtWLFR\OD
HTXLGDGHQOD
IRUPDFLyQ
$QiOLVLV
GRFXPHQWDO\
UHYLVLyQGH
OLWHUDWXUD
HVSHFLDOL]DGD
7HQGHQFLDD
XWLOL]DUYDORUHV
SUHGRPLQDQWHV\
GLVFULPLQDFLyQ
HQHO
HQWUHQDPLHQWR
GHPRGHORV
/D,$HVWi
UHGHILQLHQGROD
HGXFDFLyQ
VXSHULRU
$QWRQLR
/DJXQHV
)XHUWHV
6RFLHG
DG
0RGHORVGH
OHQJXDMH
//0
DOIDEHWL]DFLyQ
HQ,$
DSUHQGL]DMH
DGDSWDWLYR
EUHFKDGLJLWDO
7UDQVLFLyQDOD
HUDSRVW
SODJLR
DJRWDPLHQWRGH
PpWRGRV
WUDGLFLRQDOHV
DQWHHO
DXPHQWR
PDVLYRGH
FDOLILFDFLRQHV
LQMXVWLILFDGDV
$UWtFXORGHRSLQLyQ
\DQiOLVLV
GH
WHQGHQFLDVHQ
HGXFDFLyQ
VXSHULRU
ODWLQRDPHULFDQD
’HVFDUJD
FRJQLWLYD
GHOHJDU
SHQVDPLHQWR
H[FOXVLyQSRU
FRVWRV\IDOWDGH
SROtWLFDVRILFLDOHV
GH
LQVWLWXFLRQHV
FDVRVGH
XVRH[LWRVRGH
,QWHOLJHQFLD
$UWLILFLDOGH
SURIHVRUHV7HF
7HFQROyJLFR
GH
0RQWHUUH\
6XVDQ
,UDLV
6NLOO6WXGLR
7(&JSW
SHUVRQDOL]DFLy
Q
UHWURDOLPHQWDFL
yQHQWLHPSR
UHDO
)RPHQWDHOXVR
UHVSRQVDEOH
PLHQWUDV
LGHQWLILFDHO
ULHVJRGH
SODJLR\OD
QHFHVLGDGGH
HYLWDUWUDPSDV
,PSOHPHQWDFLyQ
SUiFWLFDHQ
XQLGDGHVGH
IRUP
DFLyQ
$UTXLWHFWXUD
+XPDQLGDGHV
,QJHQLHUtD
1HJRFLRV
’LOHPDVpWLFRV
QHFHVLGDGGH
FDSDFLWDFLyQ
GRFHQWH\
ILDELOLGDGGHOD
LQIRUPDFLyQ
JHQHUDGDSRU,$
/DPHGLDFLyQ
HVFRODU
DVLVWLGDSRUOD
LQWHOLJHQFLD
DUWLILFLDO
3HWUD
6iQFKH]\
0DUtD
-DUDPLOOR
5HVROXF
LyQGH
FRQIOLFWRV
PHGLDFLyQ
GRFHQWHYV
UREyWLFD
DOJRULWPRV
SUHGLFWLYRVHQ
FRQYLYHQFLD
3URPXHYHXQD
FXOWXUDGHSD]
SHURDGYLHUWH
VREUHOD
GHVKXPDQL]DFL
yQVLOD,$
VXVWLWX\HHO
MXLFLRGRFHQWH
5HYLVLyQ
VLVWHPiWLFDGH
OLWHUDWXUDPpWRGR
35,60$
7HPRUDO
UHHPSOD]R
GRFHQWHH
LQFDSDFLGDGGH
OD,$SDUD
LQWHUSUHWDU
KDELOLGDGHV
VRFLRHPRFLRQDOH
V
Multidisciplinary Collaborative Journal
| Vol.0
4
| Núm.0
1
|
Ene
–
Mar
| 202
6
| https://mcjournal.editorialdoso.com
420
Representació
n y medidas
de las
complejidades
sin reducción
del sentido
Mioara
Mugur
-
Schächter
Probabilidades
, relatividades
descriptivas,
información,
entropía
infor
macional
de Shannon.
Cuestiona la
deconstrucción
semántica en
la teoría
algorítmica y
propone una
epistemología
formalizada.
Método general
de
conceptualización
relativizada (MCR)
aplicado a
microfísica e
información.
Escisión entre
cálculo
matemático y
situaciones
factuales; sesgo
que deconstruye
el sentido
original.
Innato
-
adquirido: la
construcción
dialógica de lo
femenino y de
lo masculino
Ana
Sánchez
Feminismo
complejo,
dialógica,
género vs.
sexo, crítica al
determinismo
biológico.
Identifica
sesgos y
errores
metodológicos
en
investigaciones
que legitiman
desigualdades
mediante
causalidades
lineales.
Análisis lógico de
construcciones
dicotómicas y
análisis
metodológico de
estudios
biológicos.
Reduccionismo
biológico,
medic
alización
del cuerpo y
naturalización de
diferencias
culturales.
Gobernabilida
d compleja y
organización
aprendiente
Marie
-
José
Avenier
Organización
aprendiente,
dirección
empresarial,
inteligencia
colectiva,
reflexividad.
Fomenta la
colaboración y
el apre
ndizaje
continuo
basado en la
experiencia
real para
fortalecer la
organización.
Relectura de
experiencias
concretas
(empresas,
expediciones
polares, auditoría
forense).
Inmovilidad
como factor de
exclusión e
incapacidad de
modelos rígidos
para integrar
sab
eres
prácticos.
La mediación
social:
invención
tentativa de
posibilidades
Bruno
Tardieu
(ATD
Cuarto
Mundo)
Exclusión
social, miseria
como violación
de derechos,
cruce de
saberes.
Propone
rehabilitar el
saber
existencial de
personas en
pobreza frente
al
saber
universitario
parcial.
Investigación
-
acción y
programas de
'Cruce de
Saberes' entre
universitarios y
sectores
vulnerables.
Paternalismo
epistemológico,
silencio
impuesto por
teorías
académicas y
deshumanizació
n del 'otro'.
Como se detalla en la
Tab
la 3, los resultados
evidencian una marcada dicotomía en las
respuestas institucionales. Por un lado, el paradigma de control se centra en la vigilancia
algorítmica y la detección de plagio, con una efectividad decreciente ante la sofisticación
de los mode
los de lenguaje. Por otro lado, emerge con fuerza la mediación
constructivista, que propone integrar la IAG como un andamiaje que potencia las
funciones ejecutivas del estudiantado. Es relevante destacar que la mayoría de los
estudios recientes (2024
-
2026)
coinciden en que la mera prohibición no solo es ineficaz,
sino que ignora la necesidad de una alfabetización ética situada en el contexto
latinoamericano.
El análisis de la literatura científica reciente revela una tensión fundamental entre dos
paradigmas
que coexisten en la universidad contemporánea. A continuación, se
discuten los hallazgos organizados en tres ejes críticos.
Multidisciplinary Collaborative Journal
| Vol.0
4
| Núm.0
1
|
Ene
–
Mar
| 202
6
| https://mcjournal.editorialdoso.com
421
1. El Agotamiento del Punitivismo y la Post
-
integridad
Los resultados indican que las estrategias basadas exclusivamente en la detección de
plagio han alcanzado un punto de saturación. Reportes de síntesis y evidencia
experimental advierten que, bajo condiciones de reformulación/paráfrasis, la capacidad
de det
ección puede reducirse a niveles marginales, lo que cuestiona su confiabilidad
como solución central (Molina & Medina, 2025; Krishna et al., 2023). Este hallazgo
sugiere que el punitivismo tecnológico no solo es limitado, sino que incurre en una
ceguera de
l conocimiento (Morin, 1999), al intentar resolver un problema complejo
mediante mecanismos lineales de control.
Más aún, Galindo
-
Domínguez et al. (2025) demuestran que el uso de la IA para el fraude
no es una consecuencia inherente a la tecnología, sino u
n síntoma de variables
estudiantiles previas, como la falta de motivación y el diseño de evaluaciones
descontextualizadas. Por tanto, el castigo no aborda la raíz del problema: la necesidad
de un rediseño del pensamiento crítico en la era post
-
plagio.
2. L
a IA como Mediadora Compleja: Dimensiones Cognitiva y Socioafectiva
Frente al paradigma del control, emerge la
Mediación Constructivista
. Cruz Albarrán
(2025) propone que la IA debe ser entendida como un agente de mediación cognitiva,
comunicativa y evalua
tiva. En este sentido, los resultados permiten identificar tres
funciones clave de la IA como mediadora:
Andamiaje Cognitivo:
La IA actúa como un tutor adaptativo que personaliza el
aprendizaje (García Macías et al., 2025), permitiendo al estudiante gestionar su zona de
desarrollo próximo. Desde una perspectiva neuroeducativa, la IA actúa como un soporte
externo para la
memoria
de trabajo, reduciendo la carga cognitiva intrínseca en tareas
de procesamiento de datos masivos. Esto permite que las funciones ejecutivas
del
estudiante
,
específicamente la inhibición, la flexibilidad cognitiva y la planificación de
alto nivel
,
se concen
tren en la síntesis y la evaluación crítica. No obstante, existe el
riesgo de atrofia por delegación si no hay una mediación docente que obligue al
estudiante a realizar el esfuerzo metacognitivo de supervisar el
output
algorítmico.
Diálogo Dialógico:
Muño
z Martínez et al. (2025) sugieren utilizar la IA para generar
posturas contrapuestas. Al comparar respuestas de diferentes modelos (ChatGPT vs.
Gemini), el estudiante se ve obligado a enjuiciar la veracidad y el sesgo, fortaleciendo
el pensamiento crítico.
Regulación Emocional:
Desde la
neuroeducación, la mediación de la IA puede incidir
en la función ejecutiva
y la memoria de trabajo. La delegación de tareas mecánicas a la
máquina libera carga cognitiva para procesos de monitoreo y planificación, siempre q
ue
el docente medie para evitar la descarga cognitiva pasiva (Buenaño Pesántez et al.,
2025).
3. Justicia Epistémica y Sesgos: Un Desafío para el Sur Global
Un hallazgo crítico en la revisión es el riesgo de reproducir desigualdades estructurales.
Tovar y
Ustaran (2025) advierten que la IA en Latinoamérica suele implementarse sin
marcos normativos situados, lo que puede derivar en una colonización algorítmica. Los
sesgos identificados por Garcia Hormazabal (2025)
,
desde la configuración de los
Multidisciplinary Collaborative Journal
| Vol.0
4
| Núm.0
1
|
Ene
–
Mar
| 202
6
| https://mcjournal.editorialdoso.com
422
modelos hasta
la tendencia a la homogeneización del lenguaje
,
impactan directamente
en la calidad formativa.
La discusión, desde la perspectiva de la complejidad, sugiere que no basta con
alfabetizar técnicamente. Se requiere una
Ciencia con Consciencia
(Morin, 1984) que
cuestione las estructuras de poder detrás de los algoritmos. La mediación constructivista
implica, entonces, enseñar al estudiante a ser un curador crítico de la máquina, y no un
consumidor pasivo de sus productos.
4. Conclusiones y Reco
mendaciones Pedagógicas
Un hallazgo recurrente en el análisis es la brecha entre la teoría constructivista y la
realidad laboral docente. La mediación dialógica es demandante en tiempo; por ello, la
IA debe integrarse no solo para el
estudiante
, sino para
automatizar la gestión
administrativa del profesor, permitiéndole retomar su rol de mediador humano sin
aumentar su nivel de
burnout
(Vaca Cabrera et al., 2025).
4.1.
Conclusiones: Hacia una Ciencia con Consciencia en el Aula Algorítmica
La investigación p
ermite concluir que la respuesta punitiva frente a la IA es un síntoma
de lo que Morin denomina el paradigma de la simplificación. Intentar resolver la crisis de
integridad mediante la vigilancia algorítmica es ineficaz, dado que la tecnología de
reformula
ción neutraliza los detectores de plagio (Molina & Medina, 2025). El punitivismo
no solo fracasa técnicamente, sino que erosiona el vínculo pedagógico al tratar al
estudiante como un sospechoso sistémico en lugar de un sujeto en formación crítica.
La trans
ición hacia una mediación constructivista implica reconocer que la IA no es una
entidad aislada, sino un agente que se integra en la ecología de la acción. Como sugiere
Cruz Albarrán (2025), la IA actúa como un andamiaje que reconfigura las dimensiones
cog
nitivas y socioafectivas. La verdadera integridad académica en la era planetaria no
consiste en la ausencia de la máquina, sino en la capacidad humana de dialogar
críticamente con ella, navegando en el océano de incertidumbres que generan sus
outputs
.
Para
la educación superior latinoamericana, la adopción de la IA debe estar mediada
por una Gobernanza Digital Humanizante (Tovar y Ustaran, 2025). La complejidad exige
que no seamos meros consumidores de modelos entrenados bajo sesgos del Norte
Global. La uni
versidad debe ser el espacio donde se cuestione el poder de los algoritmos
y se promuevan alternativas que respeten la identidad terrenal y la diversidad cultural
(Morin, 1999; Ruiz Rivera, 2024). La colonización algorítmica se manifiesta en la
hegemonía d
e modelos preentrenados mayoritariamente en inglés, lo que impone
estructuras sintácticas y sesgos culturales anglocéntricos sobre el español
latinoamericano y lenguas originarias. Frente a esto, la universidad debe promover el
uso de LLMs de código abiert
o con ajustes (
fine
-
tuning
) regionales y el desarrollo de
corpus locales. Esto no es solo una decisión técnica, sino un acto de resistencia
epistémica para evitar la homogeneización del pensamiento universitario.
Es imperativo reconocer que la mediación constructivista demanda una inversión de
tiempo y energía docente significativamente mayor que el modelo punitivo. En contextos
de alta carga administrativa, el profesorado puede verse tentado a retornar al control
algorítmico por eficiencia. Por ello, la propuesta de mediación debe ser simbiótica: la IA
Multidisciplinary Collaborative Journal
Multidisciplinary Collaborative Journal
| Vol.0
4
| Núm.0
1
|
Ene
–
Mar
| 202
6
| https://mcjournal.editorialdoso.com
423
debe utilizarse también para automatizar tareas burocráticas y de calificación rutinaria,
liberando tiempo humano para el diálogo socrático y el acompañamiento ético
, evitando
así el agotamiento docente.
4.2.
Recomendaciones Pedagógicas: El Giro hacia la Mediación Constructivista
Para operativizar esta transición, se proponen las siguientes líneas de acción para
docentes y gestores académicos:
Para materializar esta t
ransición, resulta imperativo el rediseño de la evaluación,
desplazando el foco desde el producto final
,
como el ensayo estático
,
hacia el
proceso de construcción del conocimiento. En este nuevo paradigma, cobra
mayor relevancia la evaluación de las bitáco
ras de interacción con la IA, donde
el estudiante documente sus estrategias de
prompting
, identifique sesgos y
verifique rigurosamente las fuentes. Esta curaduría crítica se posiciona como una
métrica de aprendizaje mucho más pertinente y resiliente que la
simple entrega
de un texto final.
Este cambio evaluativo se complementa con el fomento de un diálogo dialógico
y socrático dentro del aula. Al utilizar la IA para generar posturas contrapuestas
sobre un mismo problema complejo, el docente asume el rol de
mediador,
guiando debates donde se contrasten las posibles alucinaciones de la máquina
con la evidencia científica. Este ejercicio no solo previene el uso acrítico de la
tecnología, sino que fomenta el reconocimiento de las cegueras del conocimiento
propia
s de cualquier sistema de información.
Asimismo, la alfabetización en ética y justicia algorítmica debe integrarse de
forma transversal en el currículo universitario. De acuerdo con García
Hormazabal (2025), es fundamental que el estudiantado comprenda la
naturaleza de los sesgos de entrenamiento y el impacto sociopolítico de estos
modelos. Entender que la inteligencia artificial no es una herramienta neutra, sino
un constructo humano
-
tecnológico, permite establecer una vigilancia ética
permanente sobre los
resultados que arroja y las decisiones que se toman a
partir de ellos.
Finalmente, ante la creciente automatización de la técnica, la universidad debe
priorizar y fortalecer la dimensión socioafectiva, aquello que la máquina no puede
replicar: el juicio é
tico situado, el acompañamiento emocional y el pensamiento
sistémico
-
complejo. Bajo esta visión, el profesorado de Educación Básica y
Superior debe transitar definitivamente de ser un transmisor de información a
convertirse en un diseñador de experiencias
de aprendizaje, capaces de abrazar
la incertidumbre y el acompañamiento ético como pilares de la formación
humana.
4.3.
Limitaciones y Líneas Futuras
Esta revisión se limitó a documentos en español e inglés en un marco temporal
enero
2020
–
febrero de 202
6; la velocidad de actualización de la IAG podría
Multidisciplinary Collaborative Journal
| Vol.0
4
| Núm.0
1
|
Ene
–
Mar
| 202
6
| https://mcjournal.editorialdoso.com
424
dejar obsoletos ciertos hallazgos técnicos en el corto plazo. Se sugiere para
futuras investigaciones realizar estudios longitudinales sobre el impacto de la
bitácora de prompts en el desarrollo de la funci
ón ejecutiva de los estudiantes.
Una limitación importante de esta revisión es la exclusión de literatura no
indexada y prensa especializada. Si bien estas fuentes ofrecen una narrativa
inmediata de la crisis de la IA, se priorizó la literatura con revisió
n por pares para
garantizar que los principios de mediación propuestos tengan sustento en
evidencia científica validada.
Financiamiento:
Esta investigación no ha recibido financiación externa.
Declaración de disponibilidad de datos:
Los datos están disponibles previa
solicitud a
l
autore de correspondencia:
jlguamaneras@gmail.com
Conflicto de interés:
El autor declara no tener ningún conflicto de inte
reses.
Referencias
bibliográficas
Acevedo, M., Cabezas, N., La Serna, P., & Araujo, S. (2026). 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://zenodo.org/records/15508755
Buenaño Pesántez, C. V., Hernández Mite, K. D., Macías Acosta, R. E., Tomalá de la
Cruz, A. D. R., & Marqués Molias, L. (2025). Artificial intelli
gence and
neuroeducation in science learning: A systematic review of emotional,
motivational, and attentional processes (2020
–
2025). TPM
–
Testing,
Psychometrics, Methodology in Applied Psychology, 32(S9), 613
–
624.
https://tpmap.org/submission/index.php/tpm/article/view/3324
Chafloque Capuñay, J. E., Reyes Rosales, L. L., Vega Velazco, S., Reyes Rosales, C.
X., & Vieyra Méndez, E. (2025). Evaluar en la era de la Inteligencia Artif
icial:
Teoria, critica y mediación docente en la educación superior. ARCO EDITORES
Cruz Albarrán, O. R. (2025).
La inteligencia artificial como mediadora del aprendizaje:
fundamentos, potencialidades y desafíos
.
Dilemas Contemporáneos: Educación,
Política
y Valores, 13
(
1), 1
–
18.
https://doi.org/10.46377/dilemas.v13i1.4764
Del Valle, E. (2025). La inteligencia artificial en la educación: potencial transformador,
riesgos de sesgo y desafíos
éticos. Revista Iberoamericana de Educación, 99(1),
79
-
93.
https://doi.org/10.35362/rie9916838
Espinoza
-
Freire, E. E. (2025). La investigación cualitativa en la educación superior:
enfoques, desafíos y
perspectivas actuales. Sociedad & Tecnología, 8(S3),
1299
–
1310.
https://doi.org/10.51247/st.v8iS3.56
Galindo
-
Domínguez, H., Campo, L., Delgado, N., & Sainz de la Maza, M. (2025).
Relationship between th
e use of ChatGPT for academic purposes and
plagiarism: the influence of student
-
related variables on cheating behavior.
Interactive Learning Environments, 1
–
15.
https://doi.org/10.1080/10494820.2025.2457351
Multidisciplinary Collaborative Journal
| Vol.0
4
| Núm.0
1
|
Ene
–
Mar
| 202
6
| https://mcjournal.editorialdoso.com
425
Garcia Hormazabal, R. (2025). Sesgos en la IA y educación superior. Tipologías,
impactos y mitigación para la formación universitaria de calidad. Revista De
Estudios Y Experiencias En Educación, 24(55), 267
-
28
4.
https://doi.org/10.21703/rexe.v24i55.3062
García Macías, V. M., Moreira Pérez, R. W., Ponce Martínez, R. I., & Loor Domo, M.
(2025). Aprendizaje adaptativo a través de la Inteligencia Artificial
en la
Educación Superior. Revista Científica De Innovación Educativa Y Sociedad
Actual "ALCON", 5(4), 480
–
489.
https://doi.org/10.62305/alcon.v5i4.775
García
-
Peñalvo, F. J. (2024). Inteligencia Ar
tificial Generativa en la Educación.
Education in the Knowledge Society (EKS)
,
25
, e31942.
https://doi.org/10.14201/eks.31942
Gómez Moreno, D. (2024).
La efectiv
idad que tienen las herramientas de detección de
plagio basadas en inteligencia artificial
[Proyecto de graduación, Universidad
Latinoamericana de Ciencia y Tecnología]. Repositorio ULACIT.
https://repositorio.ulacit.ac.cr/handle/20.500.14230/11651
González Alcaide, G. (2024). 1 d. C. (después de ChatGPT): Inteligencia artificial
generativa en la Educación Superior. Google Libros
Gracia García, C. D., Cox Landázuri, O. L.
, Delgado Rodríguez, F. R., Gómez Landázuri,
J. F., & Cox Landázuri, M. F. (2024). Algoritmos de Aprendizaje: Transformando
la Educación Superior en el Siglo XXI a Través de la Inteligencia Artificial y sus
Desafíos Éticos y Sociales (1ª ed.). Editorial CI
D
-
Centro de Investigación y
Desarrollo.
https://doi.org/10.37811/cli_w1074
Hernández
-
Sampieri, R., & Mendoza Torres, C. P. (2018). Metodología de la
investigación: Las rutas cuantitativa, cualitativa y
mixta (1ª ed.). McGraw
-
Hill
Interamericana Editores
Irais, S. (2025, 2 de abril). 6 casos de uso exitoso de Inteligencia Artificial de profesores
Tec. Conecta.
https://conecta.tec.mx/es/noticias/nacional/educacion/6
-
casos
-
de
-
uso
-
exitoso
-
de
-
inteligencia
-
artificial
-
de
-
profesores
-
tec
Krishna, K., Song, Y., Karpinska, M., Wieting, J., & Iyyer, M. (2023).
Paraphrasing
evades detectors of AI
-
generated text, but retrieval is an effective defense
(arXiv:2303.13408). https://doi.org/10.48550/arXiv.2303.13408
Lagunes Fuertes, A. (2026, febrero 24). La IA está redefiniendo la educación superior.
Sociedad 3.0.
https://sociedadtrespuntocero.com/2026/02/la
-
ia
-
esta
-
redefiniendo
-
la
-
educacion
-
superior/
Long, D. Y., Wang, S., Md Rashid, S. M., & Lu, X. T. (2026). Arti
ficial intelligence in
higher education: a systematic review of its impact on student engagement and
the mediating role of teaching methods. Frontiers in Education, 10.
https://doi.org/10.3389/fedu
c.2025.1648661
Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research.
UNESCO.
https://unesdoc.unesco.org/ark:/48223/pf0000386693
426
Comunicar
30
Multidisciplinary Collaborative Journal
Multidisciplinary Collaborative Journal
| Vol.0
4
| Núm.0
1
|
Ene
–
Mar
| 202
6
| https://mcjournal.editorialdoso.com
427
UNESCO. (2023).
Guidance for generative AI in education and research
. United Nations
Educational, Scientific and Cultural Organization.
https://unesdoc.unesco.org/ark:/48223/pf0000386693
Vaca Cabrera, C. E., Álvarez Pacheco, C. M., Maldonado Zuñiga, K., Rodríguez
González, A. D. C., & Solis
Maldonado, M. C. (2025). Didáctica universitaria
mediada por inteligencia artificial: rediseño de estrategias pedagógicas para la
enseñanza personalizada. Sinergia Académica, 8(5), 607
-
624.
Vera, F. (2023). Integración de la Inteligencia Artificial en la
Educación Superior:
Desafíos y oportunidades.
Transformar
,
4
(1), 17
-
34.
https://revistatransformar.cl/index.php/transformar/art
icle/view/111