Vol. 5 – Núm. 2 / Julio – Diciembre – 2024
Inteligencia artificial en el aula de derecho: potencial y retos para docentes
universitarios
Artificial Intelligence in the Law classroom: potential and challenges for university
professors
Inteligência Artificial na sala de aula de direito: potencial e desafios para professores
universitários
Julio A. Alvarado Vélez1
Universidad Nacional de Chimborazo
julio2alvarado@gmail.com
https://orcid.org/0000-0001-5403-7210
Eduardo Vinicio Mejía Chávez2
Universidad Nacional de Chimborazo
vmejia@unach.edu.ec
https://orcid.org/0009-0004-2850-9164
Lorena Becerra Erazo3
Universidad Nacional de Chimborazo
lorena.becerra@unach.edu.ec
https://orcid.org/0009-0002-4158-7875
Edison Fernando Bonifaz Aranda4
Universidad Nacional de Chimborazo
ebonifaz@unach.edu.ec
https://orcid.org/0000-0002-7743-0717
DOI / URL: https://doi.org/10.55813/gaea/ccri/v5/n2/614
Como citar:
Alvarado, J., Mejía, e., Becerra, L. & Bonifaz, E. (2024). Inteligencia artificial en el aula de
derecho: potencial y retos para docentes universitarios. Código Científico Revista de
Investigación. 5(2), 1098-1114.
Recibido: 03/11/2024 Aceptado: 05/12/2024 Publicado: 31/12/2024
1
PhD en Ciencias Sociales por la Facultad Latinoamericana de Ciencias Sociales (Argentina). Máster en Derecho mención
Derecho Administrativo por la Universidad Nacional de Chimborazo (Ecuador). Abogado por la Universidad Técnica
Particular de Loja (Ecuador). Docente VIVP de la Universidad Nacional de Chimborazo.
2
PhD en Ciencias Jurídicas por la Universidad de la Habana (Cuba). Magíster en Derecho Civil y Procesal Civil por la
Universidad Regional de los Andes (Ecuador). Abogado por la Universidad Central del Ecuador. Docente titular de la
Universidad Nacional de Chimborazo.
3
Máster en Derecho mención Derecho Administrativo y Abogada por la Universidad Nacional de Chimborazo (Ecuador).
Técnico docente de la Universidad Nacional de Chimborazo.
4
Magister en Docencia Universitaria y Administración Educativa por la Universidad Tecnológica Indoamérica (Ecuador).
Licenciado en Informática Aplicada a la Educación por la Universidad Nacional de Chimborazo. Docente de la Universidad
Nacional de Chimborazo.
Código Científico Revista de Investigación Vol. 5 – Núm. 2 / Julio – Diciembre – 2024
1099
Resumen
Este artículo explora el impacto de la inteligencia artificial (IA) en la enseñanza del derecho,
analizando sus beneficios y los desafíos éticos y pedagógicos que plantea para la formación
universitaria de futuros juristas. El objetivo fue evaluar cómo la IA puede transformar el
aprendizaje jurídico sin comprometer la integridad ética y pedagógica del proceso educativo.
A través de una metodología cualitativa con un diseño documental, se llevó a cabo un análisis
de contenido de diversas herramientas de IA educativas, evaluando aspectos como la
personalización del aprendizaje, la accesibilidad, la automatización de la retroalimentación y
la usabilidad. Los resultados indican que la IA permite personalizar el aprendizaje y optimizar
la retroalimentación y evaluación en tiempo real, aunque plantea riesgos de sesgo algorítmico
y de accesibilidad limitada. Además, el uso de IA puede modificar la dinámica en el aula y
reducir la interacción directa con los docentes, afectando el desarrollo ético de los estudiantes.
En conclusión, si bien la IA tiene un gran potencial en la enseñanza jurídica, su implementación
debe estar acompañada de una supervisión activa y un marco ético sólido que garanticen una
educación inclusiva y equitativa, preservando la calidad y los valores pedagógicos en el
aprendizaje del derecho.
Palabas clave: Inteligencia artificial, enseñanza del derecho, educación universitaria, etica
educativa, personalización del aprendizaje.
Abstract
This article explores the impact of artificial intelligence (AI) on legal education, analyzing its
benefits and the ethical and pedagogical challenges it poses for the university training of future
jurists. The objective was to assess how AI can transform legal learning without compromising
the ethical and pedagogical integrity of the educational process. Through a qualitative
methodology with a documentary design, a content analysis of various educational AI tools
was conducted, evaluating aspects such as personalized learning, accessibility, automated
feedback, and usability. The results indicate that AI allows for personalized learning and real-
time feedback and assessment optimization, though it also poses risks related to algorithmic
bias and limited accessibility. Additionally, the use of AI may change classroom dynamics and
reduce direct interaction with professors, impacting students' ethical development. In
conclusion, while AI has great potential in legal education, its implementation must be
accompanied by active supervision and a strong ethical framework to ensure inclusive and
equitable education, preserving quality and pedagogical values in the learning of law.
Keywords: Artificial intelligence, Legal education, University education, Educational ethics,
Personalized learning.
Resumo
Este artigo explora o impacto da inteligência artificial (IA) no ensino do direito, analisando
seus benefícios e os desafios éticos e pedagógicos que apresenta para a formação universitária
de futuros juristas. O objetivo foi avaliar como a IA pode transformar o aprendizado jurídico
sem comprometer a integridade ética e pedagógica do processo educativo. Por meio de uma
metodologia qualitativa com um desenho documental, foi realizada uma análise de conteúdo
de várias ferramentas educacionais de IA avaliando aspectos como a personalização do
Código Científico Revista de Investigación Vol. 5 – Núm. 2 / Julio – Diciembre – 2024
1100
aprendizado, a acessibilidade, a automação de feedback e a usabilidade. Os resultados indicam
que a IA permite personalizar o aprendizado e otimizar o feedback e a avaliação em tempo real,
embora traga riscos de viés algorítmico e acessibilidade limitada. Além disso, o uso de IA pode
modificar a dinâmica em sala de aula e reduzir a interação direta com os professores, afetando
o desenvolvimento ético dos alunos. Em conclusão, embora a IA tenha grande potencial no
ensino jurídico, sua implementação deve ser acompanhada de supervisão ativa e de um sólido
marco ético que garanta uma educação inclusiva e equitativa, preservando a qualidade e os
valores pedagógicos no aprendizado do direito.
Palavras-chave: Inteligência artificial, Ensino de direito, Educação universitária, Ética
educacional, Personalização do aprendizado.
Introducción
La inteligencia artificial (IA) ha transformado profundamente múltiples sectores de la
sociedad, y la educación no es una excepción (An et al., 2024; Liu & Zhong, 2024). En el
ámbito de la enseñanza del derecho, la IA representa una herramienta de gran potencial que
puede innovar la metodología docente, facilitar el aprendizaje, y promover un acceso más
equitativo a la formación jurídica. A medida que las tecnologías avanzan, los entornos
educativos enfrentan una creciente presión para adaptarse y aprovechar estas herramientas, y
la enseñanza del derecho en las universidades no queda exenta de este cambio (Tzirides et al.,
2024). Para los profesores de derecho, la integración de la inteligencia artificial ofrece
posibilidades de mejora en la calidad de la enseñanza, el alcance de la educación y la
preparación de los estudiantes para un entorno profesional cada vez más tecnológico (Cheong,
2023; Stöhr et al., 2024). Sin embargo, el uso de IA también plantea una serie de desafíos
éticos, pedagógicos y metodológicos, lo que exige una reflexión profunda sobre cómo estas
tecnologías pueden y deben ser utilizadas en el aula de derecho (Fu & Weng, 2024; Song et al.,
2024).
La enseñanza del derecho enfrenta actualmente desafíos específicos que la IA podría
ayudar a resolver. Por un lado, el volumen creciente de información legal y la complejidad de
la jurisprudencia moderna requieren métodos de enseñanza que preparen a los estudiantes no
Código Científico Revista de Investigación Vol. 5 – Núm. 2 / Julio – Diciembre – 2024
1101
solo para manejar grandes cantidades de información, sino también para desarrollar habilidades
analíticas y de razonamiento crítico (Doğan et al., 2024). Por otro lado, la educación jurídica
tradicional ha sido criticada por su rigidez y por depender de métodos de enseñanza que se
enfocan en la teoría y la memorización, dejando de lado el desarrollo práctico y la
personalización de la educación (Grimes, 2020). En este contexto, la IA puede ofrecer
soluciones innovadoras: desde herramientas que permiten personalizar el aprendizaje de cada
estudiante, hasta programas que facilitan el análisis de casos reales o la simulación de
situaciones jurídicas complejas.
El uso de IA en la educación jurídica puede manifestarse de diversas formas,
adaptándose a las necesidades específicas de los profesores y estudiantes de derecho. Las
plataformas de aprendizaje personalizadas, que utilizan algoritmos para ajustar el contenido y
el ritmo de aprendizaje a las necesidades individuales de cada estudiante, representan una de
las aplicaciones más destacadas. Estas herramientas pueden ayudar a los profesores a
identificar áreas de dificultad en sus estudiantes y ofrecer soluciones pedagógicas específicas
(Hashmi & Bal, 2024; D. Lee et al., 2024). Por otro lado, los sistemas de IA también pueden
apoyar la labor docente al automatizar tareas repetitivas, como la evaluación de exámenes y la
gestión de calificaciones, lo que permite a los profesores dedicar más tiempo a la enseñanza y
el acompañamiento personalizado de sus estudiantes (Davis, 2024; Parker et al., 2024).
Sin embargo, el uso de la inteligencia artificial en la enseñanza del derecho no está
exento de desafíos y riesgos. Uno de los problemas principales es la posible despersonalización
de la educación, donde el enfoque en algoritmos y tecnología pueda reducir el papel de la
interacción humana, una parte esencial en la formación de futuros abogados (Alexander et al.,
2024). La enseñanza del derecho va más allá de la transmisión de conocimientos técnicos;
implica también una dimensión ética, crítica y práctica que solo puede ser transmitida a través
de la interacción directa y personal entre docentes y estudiantes. Este aspecto es crucial, ya que
Código Científico Revista de Investigación Vol. 5 – Núm. 2 / Julio – Diciembre – 2024
1102
los abogados no solo necesitan conocimiento jurídico, sino también habilidades de
comunicación, ética profesional y una comprensión profunda del rol de la ley en la sociedad.
La dependencia excesiva de herramientas de IA podría, en última instancia, limitar el desarrollo
de estas habilidades en los estudiantes de derecho.
Además, el uso de inteligencia artificial en la educación plantea preguntas éticas
significativas (Kajiwara & Kawabata, 2024). La IA funciona sobre la base de algoritmos y
conjuntos de datos que, aunque técnicamente avanzados, no están libres de sesgos (Corrêa et
al., 2023; Vetter et al., 2024). La personalización del aprendizaje mediante IA, por ejemplo,
puede generar desigualdades si los algoritmos no consideran adecuadamente las diferencias de
contexto o si los datos utilizados para entrenar el sistema contienen prejuicios. Para el ámbito
jurídico, donde la equidad y la justicia son valores fundamentales, cualquier forma de sesgo en
la educación es especialmente problemática. Por lo tanto, la implementación de IA en la
enseñanza del derecho requiere no solo un enfoque técnico, sino también una evaluación
continua y cuidadosa de los sesgos potenciales, garantizando que estas herramientas no
reproduzcan o amplifiquen las desigualdades existentes en el sistema educativo.
La eficacia de la IA en la educación jurídica también depende en gran medida de la
formación y adaptabilidad de los propios docentes. Los profesores de derecho, acostumbrados
en gran medida a métodos tradicionales de enseñanza, pueden encontrar dificultades para
integrar estas nuevas tecnologías en su práctica diaria (Onwuachi-Willig, 2023). La
capacitación de los docentes en el uso de herramientas de inteligencia artificial, así como el
apoyo institucional para su adopción, son factores clave que influirán en el éxito de esta
transformación (Cantatore, 2019). A su vez, los docentes deben ser conscientes de las
limitaciones de estas herramientas y entender que la IA es un complemento, no un sustituto de
la enseñanza humana (Chan & Tsi, 2024; Pahi et al., 2024). La implementación de IA en el
Código Científico Revista de Investigación Vol. 5 – Núm. 2 / Julio – Diciembre – 2024
1103
aula de derecho exige un equilibrio que permita aprovechar las ventajas de la tecnología, sin
comprometer la calidad pedagógica ni la relación docente-estudiante.
Ante este contexto de oportunidades y desafíos, surge la necesidad de analizar cómo la
inteligencia artificial puede ser utilizada de manera óptima en la enseñanza del derecho. En
este sentido, el presente artículo busca abordar la utilidad y el potencial de la IA para
transformar la educación jurídica en el nivel universitario, así como las dificultades y dilemas
éticos que plantea. A través de una revisión de las herramientas actuales y un análisis crítico
de sus implicaciones, este estudio pretende ofrecer una visión clara y equilibrada sobre la
aplicación de la inteligencia artificial en el aula de derecho. Con ello, se espera contribuir a una
comprensión más profunda de esta tecnología y su impacto en la formación de futuros juristas.
Metodología
Para responder al objetivo establecido, la metodología empleada en este estudio fue de
carácter cualitativo con un diseño documental, lo cual permitió realizar un análisis profundo
sobre el impacto de las herramientas de inteligencia artificial en la enseñanza del derecho para
profesores universitarios. Este enfoque metodológico buscó proporcionar una comprensión
detallada de los aspectos pedagógicos y éticos asociados al uso de la IA en la educación
jurídica, enfocándose en cómo estas herramientas pueden apoyar el aprendizaje y en qué
medida su implementación podría desafiar ciertos principios educativos fundamentales.
La recolección de datos se realizó a través de un análisis de contenido detallado de
fuentes documentales que incluyeron estudios académicos y científicos, informes de casos y
descripciones técnicas de herramientas de IA educativas actualmente utilizadas en
universidades. Este proceso se complementó con la recopilación de materiales de soporte de
los principales proveedores de tecnología educativa y de los desarrolladores de IA que ofrecen
plataformas adaptativas y personalizadas en la educación jurídica. Además, se revisaron guías
Código Científico Revista de Investigación Vol. 5 – Núm. 2 / Julio – Diciembre – 2024
1104
de mejores prácticas en el uso de la IA en educación y políticas éticas publicadas por
instituciones educativas y organismos internacionales.
Para este estudio se seleccionaron Perplexity AI, You.com y Google Bard. La selección
metodológica de estas herramientas de IA se fundamenta en criterios de conveniencia y un
enfoque no probabilístico, los cuales son adecuados en contextos donde la exhaustividad de
muestra no es factible o necesario (Sexton, 2022; Yoder et al., 2024; Zickar & Keith, 2023).
Al optar por este tipo de muestreo intencionado, se priorizan herramientas que presentan
características específicas alineadas con los objetivos de investigación, como la adaptabilidad,
el respaldo pedagógico y la disponibilidad de evidencia sobre su eficacia en educación superior.
Asimismo, la elección de estas herramientas de apoyo en la educación jurídica se
fundamenta en su capacidad de ofrecer asistencia personalizada y adaptativa a través de
modelos de lenguaje natural, lo que permite mejorar la comprensión y análisis de temas
complejos. Cabe señalar que estas herramientas promueven la equidad en el acceso a recursos
de aprendizaje avanzados sin incurrir en costos adicionales. Además, su elección se justifica al
considerar su efectividad en el procesamiento de grandes volúmenes de información jurídica,
su habilidad para proporcionar referencias confiables y su adaptabilidad al contexto académico,
permitiendo así una experiencia educativa personalizada.
En paralelo, el análisis de contenido se aplicó a las herramientas específicas de IA
previamente seleccionadas, considerando funcionalidades relevantes como los algoritmos de
personalización, los sistemas de retroalimentación automática y las opciones de accesibilidad
y adaptabilidad. Este análisis implicó una revisión de las interfaces, las capacidades de
personalización y la seguridad de datos, aspectos críticos para asegurar que el uso de IA en el
aula de derecho no comprometa la calidad de la educación ni la equidad de acceso.
Para el análisis de contenido, se estructuraron categorías con base en los objetivos de la
investigación, tales como personalización, retroalimentación automatizada, usabilidad,
Código Científico Revista de Investigación Vol. 5 – Núm. 2 / Julio – Diciembre – 2024
1105
accesibilidad y sesgos algorítmicos. La revisión documental inicial facilitó la creación de un
marco conceptual que orientó el análisis de cada herramienta de IA educativa. Estas categorías
permitieron examinar en profundidad cómo cada funcionalidad de IA influía en la experiencia
educativa de los estudiantes y en la labor pedagógica de los docentes de derecho.
El análisis se enfocó también en identificar si los algoritmos presentaban sesgos en la
personalización del aprendizaje, lo que podría afectar la equidad educativa. Se evaluó cómo
cada herramienta se adaptaba a diferentes estilos de aprendizaje, atendiendo a la diversidad de
los estudiantes en el aula. Esto fue crucial para entender si las plataformas cumplían con el
principio de justicia pedagógica y si su uso contribuye o no al desarrollo de competencias en
todos los estudiantes por igual.
Finalmente, los datos obtenidos fueron interpretados mediante un análisis cualitativo
basado en técnicas hermenéuticas, lo que permitió contextualizar los resultados en un marco
teórico y ético. Cada hallazgo se evaluó en función de la literatura revisada, lo que posibilitó
una interpretación crítica sobre el impacto de las herramientas de IA en la educación jurídica.
Se empleó la teoría fundamentada para identificar patrones emergentes y temas clave en los
resultados, construyendo una estructura teórica que proporcionara un análisis reflexivo sobre
los beneficios y desafíos de la IA en la enseñanza del derecho.
Resultados
Breve caracterización de herramientas de IA adaptables al contexto académico jurídico
Perplexity AI es una herramienta gratuita de búsqueda asistida por IA permite a los
usuarios realizar preguntas complejas y obtener respuestas detalladas, con referencias a fuentes
confiables (Daungsupawong & Wiwanitkit, 2024; Gravina et al., 2024). En el ámbito jurídico,
puede ser útil para estudiantes y profesores al investigar jurisprudencia, artículos legales y
doctrinas específicas, proporcionando una experiencia de aprendizaje personalizada.
Código Científico Revista de Investigación Vol. 5 – Núm. 2 / Julio – Diciembre – 2024
1106
You.com es un motor de búsqueda potenciado por IA que ofrece un asistente de chat
interactivo gratuito (Tisman & Seetharam, 2023). Los estudiantes y académicos de derecho
pueden utilizar esta herramienta para obtener respuestas a preguntas legales, investigar
jurisprudencia y recibir asistencia en redacción, adaptándose a las necesidades del usuario.
Google Bard, la IA conversacional gratuita de Google que permite a los usuarios
realizar consultas complejas y obtener respuestas estructuradas (Daraqel et al., 2024; Moons &
Van Bulck, 2024). Bard puede ayudar en la educación jurídica al responder preguntas sobre
conceptos legales, ofrecer ejemplos y referencias, y facilitar el acceso a información
actualizada en derecho.
Personalización del aprendizaje y accesibilidad
Uno de los resultados más destacados del análisis de contenido de las herramientas de
inteligencia artificial aplicadas a la enseñanza del derecho fue la capacidad de personalización
del aprendizaje que ofrecen. Las herramientas analizadas empleaban algoritmos que ajustaban
el contenido y el ritmo de enseñanza en función del progreso y las necesidades de cada
estudiante. Esta capacidad de personalización permite a los estudiantes recibir un aprendizaje
más adaptado a sus habilidades y conocimientos, promoviendo una educación más inclusiva y
eficiente.
La personalización del aprendizaje en el contexto del derecho representa un avance
significativo en la pedagogía jurídica, pues permite abordar la heterogeneidad en los niveles de
preparación y estilos de aprendizaje de los estudiantes. Sin embargo, esta adaptabilidad plantea
ciertos riesgos éticos y pedagógicos. La capacidad de los algoritmos para personalizar el
aprendizaje depende en gran medida de la calidad y amplitud de los datos con los que se han
entrenado (Dong et al., 2024; Shoaib et al., 2024). Esto genera un riesgo de sesgo algorítmico,
donde estudiantes con características diferentes a las del conjunto de datos pueden recibir un
aprendizaje menos efectivo. Además, si bien la IA puede mejorar la eficiencia educativa, existe
Código Científico Revista de Investigación Vol. 5 – Núm. 2 / Julio – Diciembre – 2024
1107
la preocupación de que el enfoque individualizado pueda reducir la dimensión colectiva y
colaborativa que es esencial en la formación de abogados, al minimizar las oportunidades de
discusión grupal y aprendizaje compartido (Lokare & Jadhav, 2024).
Automatización de la retroalimentación y evaluación
Otro resultado clave fue la automatización de la retroalimentación y la evaluación. Las
herramientas de IA analizadas tenían la capacidad de proporcionar retroalimentación
instantánea sobre las respuestas de los estudiantes, utilizando sistemas automatizados para
evaluar conocimientos, analizar respuestas y corregir errores comunes en el razonamiento
jurídico. Esto permitió una evaluación continua y en tiempo real que ayudó a los estudiantes a
identificar sus fortalezas y áreas de mejora de manera oportuna.
Si bien la retroalimentación instantánea representa una ventaja considerable, el uso de
IA para la evaluación automática en el campo del derecho plantea importantes limitaciones. La
educación jurídica no solo implica el aprendizaje de normas y procedimientos, sino también el
desarrollo de habilidades de argumentación crítica, ética y contextualización de casos
específicos (Arias et al., 2024; Fest et al., 2022), que son difíciles de capturar y evaluar a través
de algoritmos. La evaluación automatizada, aunque útil para conocimientos técnicos o
normativos, puede resultar insuficiente para evaluar la calidad de los argumentos o la
comprensión de principios éticos y sociales complejos que fundamentan el derecho (Battelli,
2020; Gómez Rodríguez, 2022). Además, la automatización de la retroalimentación puede
llevar a una dependencia excesiva de los estudiantes en estos sistemas, reduciendo su capacidad
para desarrollar un juicio crítico autónomo, un aspecto esencial en la formación de futuros
abogados (Zhai et al., 2024).
Usabilidad y accesibilidad de las herramientas
El análisis de las interfaces de las herramientas de IA reveló que, en términos generales,
las plataformas eran intuitivas y fáciles de navegar, lo que facilita su uso tanto para estudiantes
Código Científico Revista de Investigación Vol. 5 – Núm. 2 / Julio – Diciembre – 2024
1108
como para profesores. No obstante, se detectaron algunas barreras de accesibilidad,
especialmente para estudiantes con discapacidades visuales o auditivas, o aquellos con un
acceso limitado a dispositivos tecnológicos de alta calidad. Aunque las herramientas estudiadas
incluían ciertas funciones de accesibilidad, como subtítulos automáticos y opciones de ajuste
de contraste, su aplicación no siempre era óptima para todos los usuarios.
La accesibilidad es un pilar fundamental en la educación inclusiva y debe ser una
prioridad en cualquier herramienta de IA educativa (Summers et al., 2024). Aunque las
plataformas de IA ofrecen una usabilidad intuitiva que facilita el acceso a la información (Wu
et al., 2024; Yue Yim, 2024), su implementación aún presenta retos para asegurar la equidad
en el acceso a la educación jurídica. La falta de accesibilidad completa no solo limita el
aprendizaje de estudiantes con discapacidades, sino que también va en contra de los principios
de justicia y equidad que el derecho promueve. Es fundamental que las herramientas de IA
incluyan funcionalidades de accesibilidad exhaustivas para garantizar que todos los estudiantes
puedan beneficiarse por igual de sus ventajas pedagógicas (Thomas et al., 2023). Además, la
dependencia de dispositivos tecnológicos de alto rendimiento plantea una barrera adicional
para estudiantes de contextos socioeconómicos diversos, lo que podría aumentar las
desigualdades en el acceso a una educación jurídica de calidad (Lavalle, 2020).
Sesgos algorítmicos y equidad educativa
Otro resultado significativo fue la presencia de sesgos algorítmicos en las herramientas
de IA. Estos sesgos se identificaron en la forma en que los algoritmos interpretaban las
respuestas y en las recomendaciones de aprendizaje que ofrecían. Los sesgos surgían debido a
los conjuntos de datos utilizados para entrenar las herramientas, que no siempre reflejaban la
diversidad de los estudiantes en términos de habilidades, contexto cultural o socioeconómico.
Esto podía derivar en una experiencia de aprendizaje menos efectiva para ciertos grupos de
estudiantes.
Código Científico Revista de Investigación Vol. 5 – Núm. 2 / Julio – Diciembre – 2024
1109
La identificación de sesgos algorítmicos en las herramientas de IA plantea una crítica
esencial sobre la equidad y justicia en la educación jurídica. La presencia de sesgos en los
algoritmos puede reforzar desigualdades preexistentes y reducir las oportunidades de
aprendizaje efectivo para estudiantes de entornos diversos (Suresh, 2023). En el campo del
derecho, donde la equidad es un valor central, cualquier sesgo en la educación podría tener
repercusiones significativas en la formación de profesionales. Para mitigar estos sesgos, es
fundamental que los desarrolladores de IA empleen conjuntos de datos más inclusivos y
representativos y que se implementen auditorías regulares para detectar y corregir posibles
sesgos en los algoritmos. Además, el uso de IA en la educación debe estar acompañado de un
enfoque pedagógico que reconozca las limitaciones de los algoritmos y compense cualquier
falta de equidad con apoyo adicional (J. Lee et al., 2024).
Impacto en el rol docente y la pedagogía jurídica
Finalmente, el análisis reveló que el uso de IA tiene un impacto profundo en el rol del
docente y en la pedagogía jurídica en general. Los profesores de derecho que utilizan
herramientas de IA pueden concentrarse en tareas de mayor valor añadido, como el
asesoramiento individual y el desarrollo de competencias prácticas en los estudiantes, ya que
la IA se encarga de tareas repetitivas o de evaluación. Sin embargo, la implementación de IA
también cambia la dinámica en el aula, pues los estudiantes pueden tender a depender
excesivamente de la tecnología y reducir su interacción directa con los profesores.
La transformación del rol docente plantea tanto oportunidades como desafíos en la
enseñanza del derecho. La IA permite a los docentes focalizar su tiempo y esfuerzo en áreas
donde su experiencia es insustituible, como el desarrollo de pensamiento crítico y habilidades
éticas en los estudiantes (Walter, 2024). No obstante, la dependencia tecnológica podría reducir
la dimensión humana y ética de la educación, que es crucial para la formación integral de los
abogados (Zhai et al., 2024; Zhao et al., 2024). La relación directa con el docente permite a los
Código Científico Revista de Investigación Vol. 5 – Núm. 2 / Julio – Diciembre – 2024
1110
estudiantes comprender no solo el marco técnico de la ley, sino también su dimensión social,
ética y cultural. La integración de IA en la enseñanza jurídica debe, por tanto, encontrar un
equilibrio que permita a los docentes utilizar la tecnología sin que esta sustituya la interacción
personal y la guía ética que ellos proporcionan.
Conclusiones
Este estudio evidenció el potencial transformador de la inteligencia artificial (IA) en la
enseñanza del derecho, destacando cómo su uso puede personalizar el aprendizaje, mejorar la
eficiencia en la retroalimentación y redefinir el rol del docente en el ámbito universitario. Sin
embargo, los resultados también subrayan importantes desafíos éticos y pedagógicos que deben
abordarse para que esta implementación sea verdaderamente inclusiva y equitativa. La
personalización, aunque beneficiosa, plantea riesgos de sesgo algorítmico que podrían afectar
la calidad de la educación para ciertos grupos de estudiantes, limitando la equidad en el acceso
a la formación jurídica. Además, la automatización de la retroalimentación y evaluación,
aunque valiosa para el aprendizaje técnico, resulta insuficiente para desarrollar habilidades
críticas y éticas fundamentales en el ámbito jurídico.
Por otro lado, la falta de accesibilidad total en algunas herramientas y el posible cambio
en la dinámica docente-estudiante evidencian la necesidad de implementar la IA de manera que
respete la interacción humana y mantenga la dimensión ética de la educación en derecho. La
IA debe complementarse con una supervisión activa de los docentes, quienes, como guías
formativos, juegan un papel insustituible en la enseñanza de valores y competencias prácticas.
Así, el estudio concluye que, para maximizar el potencial de la IA en la educación jurídica, es
crucial que su aplicación se acompañe de un enfoque crítico y regulado que garantice la justicia
y la calidad pedagógica en beneficio de todos los estudiantes.
Código Científico Revista de Investigación Vol. 5 – Núm. 2 / Julio – Diciembre – 2024
1111
Referencias bibliográficas
Alexander, J., McConnell, S., Mitchell, R., & McGrane, A. (2024). Technological challenges
for modern law school pedagogy: Preparing graduates for the modern legal workplace.
The Law Teacher, 58(1), 32-57. https://doi.org/10.1080/03069400.2023.2287393
An, Q., Yang, J., Xu, X., Zhang, Y., & Zhang, H. (2024). Decoding AI ethics from Users’ lens
in education: A systematic review. Heliyon, 10(20), e39357.
https://doi.org/10.1016/j.heliyon.2024.e39357
Arias, J., Moreno-Rebato, M., Rodríguez-García, J. A., & Ossowski, S. (2024). Automated
legal reasoning with discretion to act using s(LAW).
https://doi.org/10.48550/ARXIV.2401.14511
Battelli, E. (2020). La decisión robótica: Algoritmos, interpretación y justicia predictiva.
Revista de Derecho Privado, 40, 45-86. https://doi.org/10.18601/01234366.n40.03
Cantatore, F. (2019). New Frontiers in Clinical Legal Education: Harnessing Technology to
Prepare Students for Practice and Facilitate Access to Justice. Australian Journal of
Clinical Education, 5(1). https://doi.org/10.53300/001c.11191
Chan, C. K. Y., & Tsi, L. H. Y. (2024). Will generative AI replace teachers in higher education?
A study of teacher and student perceptions. Studies in Educational Evaluation, 83,
101395. https://doi.org/10.1016/j.stueduc.2024.101395
Cheong, B. C. (2023). Teaching and Engaging Adult Law Learners in a Singapore Business
Law Class—A Reflection of Legal Teaching Strategies. Asian Journal of Legal
Education, 10(1), 74-86. https://doi.org/10.1177/23220058221139063
Corrêa, N. K., Galvão, C., Santos, J. W., Del Pino, C., Pinto, E. P., Barbosa, C., Massmann, D.,
Mambrini, R., Galvão, L., Terem, E., & De Oliveira, N. (2023). Worldwide AI ethics:
A review of 200 guidelines and recommendations for AI governance. Patterns, 4(10),
100857. https://doi.org/10.1016/j.patter.2023.100857
Daraqel, B., Wafaie, K., Mohammed, H., Cao, L., Mheissen, S., Liu, Y., & Zheng, L. (2024).
The performance of artificial intelligence models in generating responses to general
orthodontic questions: ChatGPT vs Google Bard. American Journal of Orthodontics
and Dentofacial Orthopedics, 165(6), 652-662.
https://doi.org/10.1016/j.ajodo.2024.01.012
Daungsupawong, H., & Wiwanitkit, V. (2024). Assessing ChatGPT and perplexity AI
performance. Digestive and Liver Disease, 56(9), 1638.
https://doi.org/10.1016/j.dld.2024.04.001
Davis, A. J. (2024). AI rising in higher education: Opportunities, risks and limitations. Asian
Education and Development Studies, 13(4), 307-319. https://doi.org/10.1108/AEDS-
01-2024-0017
Doğan, E., Şahin, F., Şahin, Y. L., Kobak, K., & Okur, M. R. (2024). Enhancing clinical law
education through immersive virtual reality: A flow experience perspective. Learning
and Instruction, 94, 101989. https://doi.org/10.1016/j.learninstruc.2024.101989
Código Científico Revista de Investigación Vol. 5 – Núm. 2 / Julio – Diciembre – 2024
1112
Dong, W., Pan, D., & Kim, S. (2024). Exploring the integration of IoT and Generative AI in
English language education: Smart tools for personalized learning experiences. Journal
of Computational Science, 82, 102397. https://doi.org/10.1016/j.jocs.2024.102397
Fest, I., Wieringa, M., & Wagner, B. (2022). Paper vs. practice: How legal and ethical
frameworks influence public sector data professionals in the Netherlands. Patterns,
3(10), 100604. https://doi.org/10.1016/j.patter.2022.100604
Fu, Y., & Weng, Z. (2024). Navigating the ethical terrain of AI in education: A systematic
review on framing responsible human-centered AI practices. Computers and
Education: Artificial Intelligence, 7, 100306.
https://doi.org/10.1016/j.caeai.2024.100306
Gómez Rodríguez, J. M. (2022). Inteligencia artificial y neuroderechos. Retos y perspectivas.
Cuestiones Constitucionales, 46, 93-119.
https://doi.org/10.22201/iij.24484881e.2022.46.17049
Gravina, A. G., Pellegrino, R., Palladino, G., Imperio, G., Ventura, A., & Federico, A. (2024).
Charting new AI education in gastroenterology: Cross-sectional evaluation of ChatGPT
and perplexity AI in medical residency exam. Digestive and Liver Disease, 56(8), 1304-
1311. https://doi.org/10.1016/j.dld.2024.02.019
Grimes, R. (2020). Making and Managing Change in Legal Education: Yesterday, Today and
Tomorrow. Asian Journal of Legal Education, 7(2), 178-194.
https://doi.org/10.1177/2322005820919258
Hashmi, N., & Bal, A. S. (2024). Generative AI in higher education and beyond. Business
Horizons, 67(5), 607-614. https://doi.org/10.1016/j.bushor.2024.05.005
Kajiwara, Y., & Kawabata, K. (2024). AI literacy for ethical use of chatbot: Will students accept
AI ethics? Computers and Education: Artificial Intelligence, 6, 100251.
https://doi.org/10.1016/j.caeai.2024.100251
Lavalle, M. (2020). Acceso a la educación y brecha digital en tiempos de pandemia. Revista
Jurídica De La Universidad De San Andrés, 10, 27-56.
Lee, D., Arnold, M., Srivastava, A., Plastow, K., Strelan, P., Ploeckl, F., Lekkas, D., & Palmer,
E. (2024). The impact of generative AI on higher education learning and teaching: A
study of educators’ perspectives. Computers and Education: Artificial Intelligence, 6,
100221. https://doi.org/10.1016/j.caeai.2024.100221
Lee, J., Hicke, Y., Yu, R., Brooks, C., & Kizilcec, R. F. (2024). The life cycle of large language
models in education: A framework for understanding sources of bias. British Journal of
Educational Technology, 55(5), 1982-2002. https://doi.org/10.1111/bjet.13505
Liu, X., & Zhong, B. (2024). A systematic review on how educators teach AI in K-12 education.
Educational Research Review, 45, 100642.
https://doi.org/10.1016/j.edurev.2024.100642
Lokare, V. T., & Jadhav, P. M. (2024). An AI-based learning style prediction model for
personalized and effective learning. Thinking Skills and Creativity, 51, 101421.
https://doi.org/10.1016/j.tsc.2023.101421
Código Científico Revista de Investigación Vol. 5 – Núm. 2 / Julio – Diciembre – 2024
1113
Moons, P., & Van Bulck, L. (2024). Using ChatGPT and Google Bard to improve the
readability of written patient information: A proof of concept. European Journal of
Cardiovascular Nursing, 23(2), 122-126. https://doi.org/10.1093/eurjcn/zvad087
Onwuachi-Willig, A. (2023). New Frontiers in Legal Education. Boston University School of
Law. https://www.bu.edu/law/record/articles/2023/legal-education-and-artificial-
intelligence/
Pahi, K., Hawlader, S., Hicks, E., Zaman, A., & Phan, V. (2024). Enhancing active learning
through collaboration between human teachers and generative AI. Computers and
Education Open, 6, 100183. https://doi.org/10.1016/j.caeo.2024.100183
Parker, L., Carter, C., Karakas, A., Loper, A. J., & Sokkar, A. (2024). Graduate instructors
navigating the AI frontier: The role of ChatGPT in higher education. Computers and
Education Open, 6, 100166. https://doi.org/10.1016/j.caeo.2024.100166
Sexton, M. (2022). Convenience sampling and student workers: Ethical and methodological
considerations for academic libraries. The Journal of Academic Librarianship, 48(4),
102539. https://doi.org/10.1016/j.acalib.2022.102539
Shoaib, M., Sayed, N., Singh, J., Shafi, J., Khan, S., & Ali, F. (2024). AI student success
predictor: Enhancing personalized learning in campus management systems.
Computers in Human Behavior, 158, 108301.
https://doi.org/10.1016/j.chb.2024.108301
Song, X., Zhang, J., Yan, P., Hahn, J., Kruger, U., Mohamed, H., & Wang, G. (2024).
Integrating AI in College Education: Positive yet Mixed Experiences with ChatGPT.
Meta-Radiology, 100113. https://doi.org/10.1016/j.metrad.2024.100113
Stöhr, C., Ou, A. W., & Malmström, H. (2024). Perceptions and usage of AI chatbots among
students in higher education across genders, academic levels and fields of study.
Computers and Education: Artificial Intelligence, 7, 100259.
https://doi.org/10.1016/j.caeai.2024.100259
Summers, A., Haddad, M. E., Prichard, R., Clarke, K.-A., Lee, J., & Oprescu, F. (2024).
Navigating challenges and opportunities: Nursing student’s views on generative AI in
higher education. Nurse Education in Practice, 79, 104062.
https://doi.org/10.1016/j.nepr.2024.104062
Suresh, Dr. V. (2023). How can we manage biases in artificial intelligence systems – A
systematic literature review. International Journal of Information Management Data
Insights, 3(1), 100165. https://doi.org/10.1016/j.jjimei.2023.100165
Thomas, E. R., Lembke, E. S., & Gandhi, A. G. (2023). Universal Design for Learning within
an Integrated Multitiered System of Support. Learning Disabilities Research &
Practice, 38(1), 57-69. https://doi.org/10.1111/ldrp.12302
Tisman, G., & Seetharam, R. (2023). OpenAi’s ChatGPT-4, BARD and YOU.com (AI) and the
Cancer Patient, for Now, Caveat Emptor, but Stay Tuned. Digital Medicine and
Healthcare Technology, 2. https://doi.org/10.5772/dmht.19
Código Científico Revista de Investigación Vol. 5 – Núm. 2 / Julio – Diciembre – 2024
1114
Tzirides, A. O. (Olnancy), Zapata, G., Kastania, N. P., Saini, A. K., Castro, V., Ismael, S. A.,
You, Y., Santos, T. A. D., Searsmith, D., O’Brien, C., Cope, B., & Kalantzis, M. (2024).
Combining human and artificial intelligence for enhanced AI literacy in higher
education. Computers and Education Open, 6, 100184.
https://doi.org/10.1016/j.caeo.2024.100184
Vetter, M. A., Lucia, B., Jiang, J., & Othman, M. (2024). Towards a framework for local
interrogation of AI ethics: A case study on text generators, academic integrity, and
composing with ChatGPT. Computers and Composition, 71, 102831.
https://doi.org/10.1016/j.compcom.2024.102831
Walter, Y. (2024). Embracing the future of Artificial Intelligence in the classroom: The
relevance of AI literacy, prompt engineering, and critical thinking in modern education.
International Journal of Educational Technology in Higher Education, 21(1), 15.
https://doi.org/10.1186/s41239-024-00448-3
Wu, D., Chen, M., Chen, X., & Liu, X. (2024). Analyzing K-12 AI education: A large language
model study of classroom instruction on learning theories, pedagogy, tools, and AI
literacy. Computers and Education: Artificial Intelligence, 7, 100295.
https://doi.org/10.1016/j.caeai.2024.100295
Yoder, A. D., Proaño, G. V., Kelley, K., Wu, Y., & Banna, J. (2024). Perspectives of Food as
Medicine Concept: Report of an Online Convenience Sample Survey of Registered
Dietitian Nutritionists. Journal of the Academy of Nutrition and Dietetics, 124(2), 257-
267.e12. https://doi.org/10.1016/j.jand.2023.05.009
Yue Yim, I. H. (2024). A critical review of teaching and learning artificial intelligence (AI)
literacy: Developing an intelligence-based AI literacy framework for primary school
education. Computers and Education: Artificial Intelligence, 7, 100319.
https://doi.org/10.1016/j.caeai.2024.100319
Zhai, C., Wibowo, S., & Li, L. D. (2024). The effects of over-reliance on AI dialogue systems
on students’ cognitive abilities: A systematic review. Smart Learning Environments,
11(1), 28. https://doi.org/10.1186/s40561-024-00316-7
Zhao, Y., Zhang, L., & Hu, L. (2024). The Challenges and Responses Faced by Digital Legal
Education in the Era of Big Data. Journal of Education and Educational Research, 9(1),
27-30. https://doi.org/10.54097/mj7m9436
Zickar, M. J., & Keith, M. G. (2023). Innovations in Sampling: Improving the Appropriateness
and Quality of Samples in Organizational Research. Annual Review of Organizational
Psychology and Organizational Behavior, 10(1), 315-337.
https://doi.org/10.1146/annurev-orgpsych-120920-052946
