Código Científico Revista de Investigación/ V.6/ N.E2/ www.revistacodigocientifico.itslosandes.net
ISSN: 2806-5697
Vol. 6 – Núm. E2 / 2025
pág. 267
Comparación entre los métodos de enseñanza tradicional y el
método de enseñanza con IA
Comparison between traditional teaching methods and AI-based teaching
methods
Comparação entre os métodos de ensino tradicionais e o método de ensino
com IA
Maurad Maurad, Galo Eduardo
Instituto Superior Tecnológico Portoviejo Con Condición Superior Universitario
galo.maurad@itsup.edu.ec
https://orcid.org/0000-0003-3552-9089
Zambrano Santos, Roberth Olmedo
Instituto Superior Tecnológico Portoviejo con Condición Superior Universitario
rzambranosantos@yahoo.es
https://orcid.org/0000-0002-4072-4738
DOI / URL: https://doi.org/10.55813/gaea/ccri/v6/nE2/1027
Como citar:
Maurad Maurad, G. E., & Zambrano Santos, R. O. (2025). Comparación entre los métodos de
enseñanza tradicional y el método de enseñanza con IA. Código Científico Revista De
Investigación, 6(E2), 267–281.
Recibido: 27/07/2025 Aceptado: 19/08/2025 Publicado: 30/09/2025
Código Científico Revista de Investigación/ V.6/ N.E2/ www.revistacodigocientifico.itslosandes.net
pág. 268
Research Article
Volumen 6, Número Especial 2, 2025
Resumen
La creciente incorporación de la inteligencia artificial (IA) en la educación plantea
interrogantes sobre su efectividad en comparación con los métodos tradicionales. Este estudio
tuvo como objetivo comparar la enseñanza tradicional con la enseñanza apoyada en IA,
analizando su impacto en la motivación, personalización, interacción y percepción de eficacia.
Se desarrolló una investigación de enfoque mixto y carácter exploratorio, aplicada a una
muestra de 96 estudiantes seleccionados mediante muestreo aleatorio simple. La recolección
de datos se realizó principalmente a través de encuestas estructuradas y observación en aula.
Los resultados muestran que el método tradicional conserva fortalezas en la interacción directa
y la estructura pedagógica, mientras que la IA destaca en la personalización del aprendizaje, la
retroalimentación inmediata y el aumento del compromiso estudiantil. Sin embargo, se
identificaron barreras como limitaciones tecnológicas y desigualdad en el acceso a recursos
digitales. La discusión señala que ambos enfoques son complementarios y que la integración
de la IA debe realizarse de forma planificada para maximizar beneficios y minimizar
desigualdades. En conclusión, un modelo híbrido que combine las ventajas de la enseñanza
tradicional y la IA puede ofrecer un aprendizaje más inclusivo, dinámico y efectivo, siempre
que se acompañe de capacitación docente e infraestructura adecuada.
Palabras clave: enseñanza tradicional; inteligencia artificial; personalización del aprendizaje;
retroalimentación educativa; tecnología educativa.
Abstract
The growing incorporation of artificial intelligence (AI) in education raises questions about its
effectiveness compared to traditional methods. This study aimed to compare traditional
teaching with AI-supported teaching, analyzing its impact on motivation, personalization,
interaction, and perceived effectiveness. A mixed-method, exploratory study was conducted
on a sample of 96 students selected through simple random sampling. Data collection was
mainly carried out through structured surveys and classroom observation. The results show that
the traditional method retains strengths in direct interaction and pedagogical structure, while
AI excels in personalizing learning, providing immediate feedback, and increasing student
engagement. However, barriers such as technological limitations and inequality in access to
digital resources were identified. The discussion points out that both approaches are
complementary and that the integration of AI must be planned in order to maximize benefits
and minimize inequalities. In conclusion, a hybrid model that combines the advantages of
traditional teaching and AI can offer more inclusive, dynamic, and effective learning, provided
that it is accompanied by teacher training and adequate infrastructure.
Keywords: traditional teaching; artificial intelligence; personalized learning; educational
feedback; educational technology.
Resumo
A crescente incorporação da inteligência artificial (IA) na educação levanta questões sobre sua
eficácia em comparação com os métodos tradicionais. Este estudo teve como objetivo comparar
o ensino tradicional com o ensino apoiado pela IA, analisando seu impacto na motivação,
personalização, interação e percepção de eficácia. Foi desenvolvida uma pesquisa de
abordagem mista e caráter exploratório, aplicada a uma amostra de 96 alunos selecionados por
meio de amostragem aleatória simples. A coleta de dados foi realizada principalmente por meio
de pesquisas estruturadas e observação em sala de aula. Os resultados mostram que o método
Código Científico Revista de Investigación/ V.6/ N.E2/ www.revistacodigocientifico.itslosandes.net
pág. 269
Research Article
Volumen 6, Número Especial 2, 2025
tradicional mantém pontos fortes na interação direta e na estrutura pedagógica, enquanto a IA
se destaca na personalização da aprendizagem, no feedback imediato e no aumento do
envolvimento dos alunos. No entanto, foram identificadas barreiras como limitações
tecnológicas e desigualdade no acesso a recursos digitais. A discussão aponta que ambas as
abordagens são complementares e que a integração da IA deve ser feita de forma planejada
para maximizar os benefícios e minimizar as desigualdades. Em conclusão, um modelo híbrido
que combine as vantagens do ensino tradicional e da IA pode oferecer uma aprendizagem mais
inclusiva, dinâmica e eficaz, desde que acompanhado de capacitação docente e infraestrutura
adequada.
Palavras-chave: ensino tradicional; inteligência artificial; personalização da aprendizagem;
feedback educacional; tecnologia educacional.
Introducción
El sistema educativo se encuentra en un proceso de transformación acelerada impulsado
por la incorporación de tecnologías emergentes, entre las que destaca la inteligencia artificial
(IA). A nivel global, la enseñanza tradicional, caracterizada por la interacción presencial, la
instrucción directa del docente y un currículo estructurado, ha sido durante décadas el modelo
predominante para la transmisión del conocimiento (Paniagua & Istance, 2018). Sin embargo,
el avance de herramientas inteligentes basadas en algoritmos de aprendizaje automático y
procesamiento del lenguaje natural está redefiniendo las prácticas pedagógicas y ampliando las
posibilidades de personalización del aprendizaje (Luckin et al., 2016).
La IA en educación permite adaptar contenidos al ritmo, estilo y necesidades específicas
de cada estudiante, facilitando entornos de aprendizaje más inclusivos y flexibles (Holmes et
al., 2019). Estas tecnologías no solo automatizan procesos administrativos, sino que también
ofrecen tutorías virtuales, análisis predictivos del rendimiento y retroalimentación inmediata,
lo que contrasta con las dinámicas del aula tradicional, donde la retroalimentación depende
principalmente de la interacción directa con el docente y se desarrolla en un tiempo más
prolongado (Zawacki-Richter et al., 2019).
La integración de la IA en el ámbito educativo se inserta en un escenario de cambio
estructural hacia la digitalización y la educación basada en datos. En un nivel meso, las
Código Científico Revista de Investigación/ V.6/ N.E2/ www.revistacodigocientifico.itslosandes.net
pág. 270
Research Article
Volumen 6, Número Especial 2, 2025
instituciones educativas se ven desafiadas a replantear sus métodos para responder a la
demanda de competencias digitales y pensamiento crítico en la sociedad contemporánea.
Finalmente, en un nivel micro, el impacto de la IA se evalúa en la experiencia individual de
aprendizaje, donde la motivación, la autonomía y la adquisición de competencias pueden variar
significativamente respecto a la enseñanza tradicional.
En la literatura académica reciente, diversas investigaciones comparan la enseñanza
tradicional con los enfoques mediados por IA, identificando mejoras significativas en
personalización, motivación y rendimiento cuando se emplean entornos digitales inteligentes
(Chen et al., 2020; Roll & Wylie, 2016). No obstante, también se advierten desafíos críticos,
como la brecha de acceso tecnológico, la formación docente insuficiente para integrar
herramientas de IA y la necesidad de preservar el componente humano en el proceso de
aprendizaje (Luckin, 2017). Estas limitaciones subrayan la importancia de evaluar de manera
rigurosa las implicaciones pedagógicas y sociales de su adopción.
El problema científico de esta investigación radica en la falta de evidencias
comparativas sólidas que permitan determinar, en contextos educativos reales, si la enseñanza
basada en IA supera o complementa de forma significativa a la enseñanza tradicional en
términos de eficacia, interacción y adaptabilidad. La pertinencia del estudio se fundamenta en
que una comprensión clara de estas diferencias puede orientar políticas educativas, programas
de formación docente y estrategias de implementación tecnológica en las aulas.
Por ello, el presente trabajo tiene como objetivo principal comparar la efectividad del
método de enseñanza tradicional y el método de enseñanza basado en inteligencia artificial en
el proceso de aprendizaje, analizando no solo el desempeño académico de los estudiantes, sino
también su interacción, motivación y adaptación al entorno de aprendizaje. Esta comparación
busca aportar evidencia empírica que respalde la toma de decisiones en el diseño de modelos
educativos híbridos y digitalmente enriquecidos.
Código Científico Revista de Investigación/ V.6/ N.E2/ www.revistacodigocientifico.itslosandes.net
pág. 271
Research Article
Volumen 6, Número Especial 2, 2025
Metodología
La investigación se desarrolló bajo un enfoque mixto, integrando métodos cuantitativos
y cualitativos para obtener una visión más completa de las diferencias entre el método de
enseñanza tradicional y el método apoyado en inteligencia artificial. El carácter exploratorio
de la investigación permitió indagar en un fenómeno aún poco documentado en contextos
reales de aula en Ecuador, generando datos tanto numéricos como descriptivos que pudieran
servir de base para investigaciones posteriores. La elección de este enfoque respondió a la
necesidad de evaluar no solo el rendimiento académico medido a través de pruebas objetivas,
sino también percepciones, actitudes y experiencias de los estudiantes y docentes frente a
ambos métodos de enseñanza.
La población objeto de estudio estuvo conformada por estudiantes matriculados en los
niveles de Educación General Básica (EGB) y Bachillerato General Unificado (BGU) del
sistema educativo ecuatoriano durante el año lectivo 2023-2024. Según datos del Ministerio de
Educación y del Instituto Nacional de Estadística y Censos, este grupo ascendió a un total de 4
202 798 estudiantes, de los cuales 2 994 350 cursaban EGB y 885 123 estaban inscritos en
BGU (Ministerio de Educación del Ecuador, 2024; INEC, 2024).
Con el fin de garantizar la representatividad estadística y la validez de los resultados,
se aplicó un muestreo aleatorio simple sobre esta población. El tamaño de la muestra se
determinó empleando la fórmula para poblaciones finitas, considerando un nivel de confianza
del 95 %, una proporción esperada de 0,5 y un margen de error del 10 %, lo que dio como
resultado una muestra de aproximadamente 96 participantes. Estos se distribuyeron
proporcionalmente según nivel educativo y zona geográfica (urbana y rural) para reflejar la
estructura real del sistema educativo nacional.
Para la selección de los participantes se establecieron criterios específicos: se
incluyeron únicamente estudiantes matriculados en EGB o BGU durante el periodo de estudio,
Código Científico Revista de Investigación/ V.6/ N.E2/ www.revistacodigocientifico.itslosandes.net
pág. 272
Research Article
Volumen 6, Número Especial 2, 2025
que dispusieran de acceso básico a dispositivos digitales e Internet, condición necesaria para el
desarrollo de las sesiones con inteligencia artificial. Se excluyeron aquellos que carecían de
conectividad o dispositivos, así como quienes habían abandonado sus estudios antes de concluir
el año lectivo. Asimismo, se eliminaron de la base de datos los casos en que la información
recabada fue incompleta o los estudiantes decidieron retirarse voluntariamente de la
investigación.
El desarrollo de la investigación contempló un procedimiento sistemático que inició
con la coordinación con las autoridades de las instituciones educativas seleccionadas, a quienes
se presentó el protocolo del estudio y se solicitó la autorización correspondiente.
Posteriormente, se llevó a cabo una sesión de inducción para docentes y estudiantes, explicando
los objetivos, el alcance y la dinámica del estudio, así como los derechos de los participantes.
La técnica principal de recolección de datos fue la aplicación de encuestas
estructuradas, diseñadas para medir variables como percepción de la calidad de la enseñanza,
nivel de motivación, facilidad de comprensión, interacción con el docente y compañeros, y
grado de adaptación a la metodología utilizada. Se empleó una escala tipo Likert de cinco
puntos para cuantificar las percepciones y actitudes, complementada con preguntas abiertas
que permitieron profundizar en las experiencias personales de los participantes.
Resultados
En el marco de la investigación, se evaluaron las percepciones iniciales y el nivel de
familiaridad de docentes y estudiantes con los métodos de enseñanza tradicional y con el uso
de inteligencia artificial en entornos educativos. Las encuestas aplicadas permitieron identificar
no solo las preferencias declaradas, sino también el grado de conocimiento previo y de
experiencia práctica con cada enfoque. La Tabla 1 presenta la síntesis de las respuestas
Código Científico Revista de Investigación/ V.6/ N.E2/ www.revistacodigocientifico.itslosandes.net
pág. 273
Research Article
Volumen 6, Número Especial 2, 2025
obtenidas en este apartado, correspondientes a la muestra de 96 participantes seleccionados
mediante muestreo aleatorio simple.
Tabla 1
Percepciones y familiaridad con los métodos de enseñanza
Pregunta
Tendencia observada
¿Cómo calificarías tu
experiencia general con el
método de enseñanza
tradicional?
La mayoría reporta
experiencias satisfactorias
con este método.
¿Cómo calificarías tu
experiencia con el uso de
herramientas de IA en tu
aprendizaje?
Se aprecia una valoración
alta hacia la IA,
especialmente en su
potencial innovador.
¿Está familiarizado(a) con el
uso de IA en el ámbito
educativo?
Predomina un nivel
intermedio de familiaridad,
con experiencias parciales.
¿Cuál de los siguientes
métodos considera más
efectivo para el aprendizaje?
Se percibe equilibrio en la
valoración de la eficacia
entre ambos métodos.
Nota: los resultados presentados fueron agrupados y solo se presenta la opción de respuesta con la mayor
frecuencia, Autores (2025)
Los resultados evidencian que, aunque el método tradicional sigue siendo reconocido
por su valor pedagógico y su capacidad para generar un ambiente de aprendizaje estructurado,
las experiencias con herramientas de IA han sido mayoritariamente positivas. Esto sugiere que
los participantes identifican en la tecnología un elemento capaz de dinamizar el proceso
educativo y aportar beneficios adicionales a la enseñanza convencional. La coexistencia de
ambas metodologías se perfila como una alternativa viable, dado que las respuestas muestran
una apertura a integrar recursos digitales sin abandonar las prácticas presenciales.
En cuanto al nivel de familiaridad con la IA, se observa que la mayoría posee
conocimientos y experiencias parciales, lo que indica que su implementación ha sido gradual
y aún no alcanza una presencia uniforme en todos los contextos educativos. Esta situación
plantea la necesidad de fortalecer los procesos de formación docente y de capacitación
estudiantil para optimizar el uso de estas herramientas. Asimismo, la percepción equilibrada
sobre la eficacia de ambos métodos apunta a que las comparaciones no se basan únicamente en
Código Científico Revista de Investigación/ V.6/ N.E2/ www.revistacodigocientifico.itslosandes.net
pág. 274
Research Article
Volumen 6, Número Especial 2, 2025
el rendimiento académico, sino también en factores como la accesibilidad, la interacción y la
comodidad del usuario en el entorno de aprendizaje.
Motivación, compromiso e interacción
La motivación y el compromiso son factores clave que influyen directamente en la
calidad del aprendizaje y en la participación activa de los estudiantes. En esta investigación se
evaluó cómo varían estos aspectos al aplicar métodos de enseñanza tradicionales y aquellos
apoyados en inteligencia artificial. Las preguntas incluidas en este bloque permitieron explorar
no solo la frecuencia con la que los estudiantes se sienten motivados, sino también su nivel de
implicación en actividades interactivas y su percepción de la utilidad de la IA para fomentar la
interacción con el contenido. La Tabla 2 resume las respuestas más frecuentes y las tendencias
observadas (Herrera-Sánchez et al, 2025).
Tabla 2
Motivación, compromiso e interacción según el método de enseñanza
Pregunta
Tendencia observada
¿Con qué frecuencia te
sientes motivado/a durante
las clases tradicionales?
La mayoría mantiene un
nivel constante de
motivación en entornos
presenciales.
¿Te sientes más
comprometido/a con las
actividades interactivas
basadas en IA que con los
métodos tradicionales?
Se destaca un mayor interés y
participación en actividades
apoyadas por IA.
¿Qué tan útil consideras que
es la IA para mejorar la
interacción con el contenido
de aprendizaje?
La IA es percibida como una
herramienta que potencia la
interacción y el dinamismo.
Nota: los resultados presentados fueron agrupados y solo se presenta la opción de respuesta con la mayor
frecuencia, Autores (2025)
Los hallazgos muestran que, si bien las clases tradicionales mantienen un nivel de
motivación sostenido, las actividades mediadas por IA generan un compromiso
significativamente más alto. Esto puede atribuirse a la capacidad de las herramientas
inteligentes para adaptar el contenido, ofrecer retroalimentación inmediata y proponer retos
dinámicos que capturan la atención del estudiante. En este sentido, la IA parece estimular una
Código Científico Revista de Investigación/ V.6/ N.E2/ www.revistacodigocientifico.itslosandes.net
pág. 275
Research Article
Volumen 6, Número Especial 2, 2025
participación más activa, especialmente en entornos donde el aprendizaje requiere un alto grado
de interacción.
Asimismo, la percepción de la IA como una herramienta “muy útil” para mejorar la
interacción con el contenido indica que los participantes valoran la inmediatez y flexibilidad
de estas tecnologías. Las respuestas sugieren que la incorporación de recursos interactivos y
adaptativos no solo complementa, sino que amplifica la experiencia de aprendizaje, creando un
entorno más inmersivo. Sin embargo, esta preferencia por lo digital no implica un rechazo a la
presencialidad, sino que refuerza la idea de que la combinación de ambos métodos podría
ofrecer un balance óptimo entre estructura académica y dinamismo tecnológico.
Personalización y retroalimentación del aprendizaje
Uno de los objetivos centrales de este estudio fue examinar en qué medida los
estudiantes perciben que la enseñanza apoyada en inteligencia artificial puede personalizar su
proceso de aprendizaje y mejorar la calidad de la retroalimentación académica que reciben. Las
preguntas seleccionadas para este apartado permitieron identificar las preferencias en cuanto a
la adaptación de contenidos, la forma de recibir comentarios sobre el desempeño y las áreas
del método tradicional que podrían beneficiarse de la incorporación de tecnologías inteligentes.
La Tabla 3 presenta un resumen de las respuestas más frecuentes y las tendencias identificadas.
Tabla 3
Percepciones sobre personalización y retroalimentación del aprendizaje
Pregunta
Tendencia observada
En comparación con el
método tradicional, ¿crees
que la IA ofrece más
oportunidades para
personalizar tu aprendizaje?
La mayoría reconoce un
mayor potencial de la IA para
adaptar contenidos y ritmos.
¿Cómo prefieres recibir
retroalimentación sobre tu
desempeño académico?
Se valora la integración de
retroalimentación presencial
y automatizada.
¿Qué aspectos del método
tradicional te gustaría
mejorar usando IA?
Se identifica la rapidez como
un elemento clave que la IA
puede optimizar.
Nota: los resultados presentados fueron agrupados y solo se presenta la opción de respuesta con la mayor
frecuencia, Autores (2025)
Código Científico Revista de Investigación/ V.6/ N.E2/ www.revistacodigocientifico.itslosandes.net
pág. 276
Research Article
Volumen 6, Número Especial 2, 2025
Las respuestas reflejan una fuerte percepción de que la inteligencia artificial aporta un
valor diferencial en la personalización del aprendizaje. Los estudiantes destacan la capacidad
de estas herramientas para ajustar el nivel de dificultad, el ritmo y los contenidos de acuerdo
con sus necesidades, algo que en el método tradicional depende en gran medida de la capacidad
del docente para individualizar la enseñanza en grupos heterogéneos. Este hallazgo sugiere que
la IA no solo complementa, sino que amplifica la posibilidad de atender la diversidad de estilos
y ritmos de aprendizaje (Puyol-Cortez et al, 2023).
En cuanto a la retroalimentación, los participantes muestran una preferencia marcada
por un enfoque combinado, en el que la inmediatez de las herramientas automatizadas se
complemente con el juicio profesional y la orientación personalizada del docente. Esta
convergencia de lo tecnológico y lo humano se percibe como un equilibrio óptimo para
garantizar tanto la rapidez como la calidad de la retroalimentación. Además, la mención
recurrente a la necesidad de retroalimentación más rápida indica que, independientemente del
método empleado, la oportunidad temporal con la que se entregan los comentarios es un factor
crítico para el aprendizaje efectivo.
Desafíos y posibilidades de integración de la IA en la enseñanza
Además de analizar percepciones y beneficios, este estudio exploró los desafíos que
enfrentan docentes y estudiantes al incorporar la inteligencia artificial en los procesos
educativos, así como sus opiniones sobre la viabilidad de integrarla con los métodos
tradicionales. Este bloque permitió identificar tanto barreras técnicas y formativas como
actitudes hacia la combinación o sustitución de enfoques pedagógicos. La Tabla 4 resume las
respuestas más frecuentes y las tendencias observadas en este apartado.
Código Científico Revista de Investigación/ V.6/ N.E2/ www.revistacodigocientifico.itslosandes.net
pág. 277
Research Article
Volumen 6, Número Especial 2, 2025
Tabla 4
Desafíos y posibilidades de integración de la IA
Pregunta
Tendencia observada
¿Qué desafíos encuentra al
implementar el uso de IA en la
enseñanza?
Las restricciones de acceso y
conectividad son la principal
barrera identificada.
¿Te sentirías cómodo/a
aprendiendo más en un entorno
completamente basado en
inteligencia artificial?
Predomina la preferencia por
mantener elementos
presenciales.
¿Considera que la IA puede
complementar los métodos
tradicionales en la enseñanza
sin reemplazarlos
completamente?
Se valora la integración
equilibrada de ambos métodos
como la opción más viable.
Nota: los resultados presentados fueron agrupados y solo se presenta la opción de respuesta con la mayor
frecuencia, Autores (2025)
Los resultados muestran que las limitaciones tecnológicas, especialmente en lo
referente a conectividad y disponibilidad de dispositivos, constituyen el principal obstáculo
para una implementación amplia de la IA en la educación. Este hallazgo coincide con la
realidad de diversos entornos educativos donde la infraestructura digital no es uniforme, lo que
genera desigualdades en el acceso y en las oportunidades de aprendizaje mediado por
tecnología. La brecha digital sigue siendo, por tanto, un factor determinante en la viabilidad de
aplicar de forma generalizada la enseñanza con IA (Moreira-Alcivar, 2025).
En términos de disposición a adoptar entornos completamente digitales, una parte
significativa de los participantes expresó reservas, lo que evidencia que existe un valor
asignado a la interacción humana y presencial. Sin embargo, la mayoría reconoce que la IA
puede desempeñar un papel complementario de gran utilidad, siempre que su integración se
realice de manera planificada y manteniendo el equilibrio con las estrategias tradicionales. Este
posicionamiento sugiere que, más que reemplazar al docente o al aula física, la IA debe
concebirse como una herramienta para enriquecer las prácticas pedagógicas existentes,
potenciando aquellas áreas donde la personalización, la eficiencia y la interactividad son más
necesarias.
Código Científico Revista de Investigación/ V.6/ N.E2/ www.revistacodigocientifico.itslosandes.net
pág. 278
Research Article
Volumen 6, Número Especial 2, 2025
Discusión
Los hallazgos de este estudio confirman que tanto el método tradicional como la
enseñanza mediada por inteligencia artificial poseen fortalezas específicas que, en lugar de
excluirse mutuamente, pueden integrarse para optimizar la experiencia de aprendizaje. La
percepción positiva general hacia el método tradicional refleja su papel consolidado en la
construcción de interacciones directas y estructuradas, un aspecto que diversos estudios han
vinculado con la estabilidad y la confianza en el proceso educativo (Darling-Hammond et al.,
2020). No obstante, la valoración alta que recibe la IA, especialmente en lo que respecta a la
personalización y retroalimentación rápida, coincide con investigaciones que destacan su
capacidad para adaptar contenidos y proponer itinerarios de aprendizaje individualizados
(Woolf et al., 2021).
En el ámbito de la motivación y el compromiso, los resultados obtenidos refuerzan lo
planteado por Hew y Brush (2020), quienes señalan que la incorporación de recursos digitales
interactivos aumenta la participación activa del estudiante y estimula un aprendizaje más
autónomo. Sin embargo, la persistencia de un nivel constante de motivación en las clases
tradicionales indica que la tecnología, aunque beneficiosa, no sustituye necesariamente el valor
pedagógico de la interacción presencial. Esto concuerda con la visión de Zhao et al. (2022),
que defienden la coexistencia de ambos enfoques como estrategia para atender distintas
preferencias y estilos de aprendizaje (Tamayo-Verdezoto, 2025).
En cuanto a la personalización y la retroalimentación, la preferencia por un enfoque
combinado revela la necesidad de equilibrar la rapidez y precisión que aporta la IA con la
dimensión humana de la orientación docente. Esta perspectiva se alinea con lo argumentado
por Holmes y Tuomi (2022), quienes advierten que la dependencia exclusiva de sistemas
automatizados puede limitar la comprensión profunda de las necesidades emocionales y
contextuales del estudiante. De ahí que un modelo híbrido no solo atienda la diversidad de
Código Científico Revista de Investigación/ V.6/ N.E2/ www.revistacodigocientifico.itslosandes.net
pág. 279
Research Article
Volumen 6, Número Especial 2, 2025
ritmos y estilos de aprendizaje, sino que también preserve la capacidad de interpretación
cualitativa del profesor (Vimos-Buenaño et al, 2024).
Por último, las barreras identificadas para la implementación de la IA, como las
limitaciones tecnológicas y la desigualdad de acceso, reafirman lo expuesto por Trucano (2021)
sobre la brecha digital como factor crítico para la equidad educativa. La reticencia a entornos
completamente digitales sugiere que, si bien existe apertura a la innovación, la transición debe
planificarse cuidadosamente para garantizar inclusión, calidad y sostenibilidad. En este
sentido, la discusión se orienta hacia la necesidad de políticas educativas que promuevan la
capacitación docente, la inversión en infraestructura tecnológica y el desarrollo de marcos
éticos para el uso de IA en la enseñanza (Avilez-Figueroa et al, 2024).
Conclusión
El presente estudio permitió evidenciar que la enseñanza tradicional y la enseñanza
mediada por inteligencia artificial no deben concebirse como enfoques excluyentes, sino como
métodos complementarios capaces de potenciar el aprendizaje cuando se integran de manera
equilibrada. Mientras que el enfoque tradicional mantiene su fortaleza en la interacción directa,
la estructura y la cercanía entre docente y estudiante, la inteligencia artificial aporta dinamismo,
personalización y retroalimentación inmediata, ampliando las oportunidades para atender la
diversidad de necesidades educativas.
Los resultados muestran que la motivación y el compromiso de los estudiantes se ven
favorecidos con la inclusión de recursos interactivos y adaptativos propios de la IA, sin que
esto signifique una disminución en el valor asignado a las actividades presenciales. La
preferencia por modelos combinados refuerza la idea de que la convergencia entre lo
tecnológico y lo humano ofrece un balance óptimo para promover aprendizajes significativos.
Código Científico Revista de Investigación/ V.6/ N.E2/ www.revistacodigocientifico.itslosandes.net
pág. 280
Research Article
Volumen 6, Número Especial 2, 2025
Se identificaron desafíos importantes para la implementación de la IA, principalmente
relacionados con las limitaciones tecnológicas y la desigualdad de acceso a dispositivos y
conectividad. Estos factores deben considerarse prioritarios en cualquier plan de adopción, a
fin de evitar que las innovaciones profundicen las brechas educativas existentes.
La integración planificada de la inteligencia artificial en los entornos educativos,
acompañada de una adecuada capacitación docente y del fortalecimiento de la infraestructura
tecnológica, representa una oportunidad para evolucionar hacia un modelo híbrido que
combine lo mejor de la enseñanza tradicional con las ventajas de la tecnología, asegurando así
un aprendizaje más inclusivo, dinámico y efectivo.
Referencias bibliográficas
Avilez-Figueroa, C. M., Apráez-Márquez, S. X., Herrera-Enríquez, V. N., Guiscasho-Chicaiza,
D. R., & Gualoto-Díaz, M. C. (2024). Estrategias innovadoras para fomentar el
pensamiento crítico en niños de educación preescolar a través de la ciencia. Journal of
Economic and Social Science Research, 4(4), 56–72.
https://doi.org/10.55813/gaea/jessr/v4/n4/132
Chen, X., Xie, H., Zou, D., & Hwang, G.-J. (2020). Application and theory gaps during the rise
of Artificial Intelligence in Education. Computers and Education: Artificial
Intelligence, 1, 100002. https://doi.org/10.1016/j.caeai.2020.100002
Darling-Hammond, L., Flook, L., Cook-Harvey, C., Barron, B., & Osher, D. (2020).
Implications for educational practice of the science of learning and development.
Applied Developmental Science, 24(2), 97–140.
https://doi.org/10.1080/10888691.2018.1537791
Fajardo-Garcia, L. M. (2025). Estrategias de enseñanza basadas en el contexto sociocultural en
la asignatura de educación para la ciudadanía. Revista Científica Zambos, 4(1), 61-73.
https://doi.org/10.69484/rcz/v4/n1/76
Fuentes-Riquero, S. Y. (2025). Estrategias de aprendizaje autónomo a través de las TIC en
estudios sociales: Un enfoque para mejorar la autoeficacia y el rendimiento académico.
Revista Científica Zambos, 4(1), 74-86. https://doi.org/10.69484/rcz/v4/n1/77
Herrera-Sánchez, P. J., López -Cudco, L. L., & Mina-Villalta, G. Y. (2025). Uso de realidad
virtual en la formación de habilidades clínicas en estudiantes de enfermería. Revista
Científica Ciencia Y Método, 3(2), 1-14. https://doi.org/10.55813/gaea/rcym/v3/n2/1
Hew, K. F., & Brush, T. (2020). Integrating technology into K-12 teaching and learning:
Current knowledge gaps and recommendations for future research. Educational
Technology Research and Development, 68(4), 2003–2026.
Código Científico Revista de Investigación/ V.6/ N.E2/ www.revistacodigocientifico.itslosandes.net
pág. 281
Research Article
Volumen 6, Número Especial 2, 2025
https://doi.org/10.1007/s11423-019-09719-7
Holmes, W., & Tuomi, I. (2022). State of the art in the use of AI for learning, teaching and
assessment in schools. European Journal of Education, 57(4), 542–561.
https://doi.org/10.1111/ejed.12506
Luckin, R. (2017). Towards artificial intelligence-based assessment systems. Nature Human
Behaviour, 1(3), 0028. https://doi.org/10.1038/s41562-016-0028
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An
argument for AI in education. Pearson.
Moreira-Alcivar, E. F. (2025). Desarrollo de un modelo de aprendizaje colaborativo para la
enseñanza de la historia en Ecuador. Revista Científica Zambos, 4(1), 87-100.
https://doi.org/10.69484/rcz/v4/n1/78
Puyol-Cortez, J. L., Piedra-Castro, W. I., Saavedra-Calberto, I. M., Mendoza-Cusme, M. P., &
Centeno-Bone, C. V. (2023). Evaluación del impacto de la educación emocional en el
rendimiento académico en adolescentes. Revista Científica Ciencia Y Método, 1(1), 42-
54. https://doi.org/10.55813/gaea/rcym/v1/n1/9
Roll, I., & Wylie, R. (2016). Evolution and revolution in artificial intelligence in education.
International Journal of Artificial Intelligence in Education, 26(2), 582–599.
https://doi.org/10.1007/s40593-016-0110-3
Tamayo-Verdezoto, J. J. (2025). Los rezagos de la educación tradicional en los momentos
actuales en el Ecuador: Una educación carcelaria dentro de las instituciones
educativas. Journal of Economic and Social Science Research, 5(1), 131–145.
https://doi.org/10.55813/gaea/jessr/v5/n1/165
Trucano, M. (2021). Building and sustaining national ICT/education agencies: Lessons from
20 years of World Bank support for ICT in education. World Bank.
https://doi.org/10.1596/35918
Vimos-Buenaño, K. E., Viteri-Ojeda, J. C., Naranjo-Sánchez, M. J., & Novillo-Heredia, K. H.
(2024). Uso de la inteligencia artificial en los procesos de investigación científica, por
parte de los docentes universitarios. Journal of Economic and Social Science
Research, 4(4), 215–236. https://doi.org/10.55813/gaea/jessr/v4/n4/143
Woolf, B. P., Arroyo, I., & Woolf, E. (2021). Intelligent tutoring systems: Past, present, and
future. International Journal of Artificial Intelligence in Education, 31(3), 595–612.
https://doi.org/10.1007/s40593-021-00241-6
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of
research on artificial intelligence applications in higher education – Where are the
educators? International Journal of Educational Technology in Higher Education,
16(1), 39. https://doi.org/10.1186/s41239-019-0171-0
Zhao, Y., Lei, J., & Frank, K. A. (2022). The role of technology in personalized learning.
Computers & Education, 186, 104545. https://doi.org/10.1016/j.compedu.2022.104545