Revista NEYART  
ISSN: 2992 - 7161  
USO DE INTELIGENCIA ARTIFICIAL EN ESTUDIANTES DE INGENIERÍA: ESTUDIO  
COMPARATIVO 2024-2025  
USE OF ARTIFICIAL INTELLIGENCE AMONG ENGINEERING STUDENTS: A  
COMPARATIVE STUDY 2024–2025  
González Rodríguez Carmen María  
Tecnológico Nacional de México/ I.T. De Los Mochis  
https://orcid.org/0009-0001-9457-486X  
carmen.gr@mochis.tecnm.mx  
Ochoa Espinoza Valente  
Tecnológico Nacional de México/ I.T. De Los Mochis  
https://orcid.org/0009-0005-6163-962X  
valente.oe@mochis.tecnm.mx  
Argüeso Mendoza Yeniba  
Tecnológico Nacional de México/ I.T. De Los Mochis  
https://orcid.org/0000-0002-5691-7841  
yeniba.am@mochis.tecnm.mx  
Molina Mendoza Margarita  
Tecnológico Nacional de México/I. T. de Lerma  
https://orcid.org/0009-0008-0856-2661  
margarita.mm@itlerma.edu.mx  
Robles Verdugo Selene Guadalupe  
Universidad Autónoma de Occidente/Unidad Regional El Fuerte  
https://orcid.org/0009-0000-5264-2388  
selene.robles@uadeo.mx  
DOI: https://doi.org/10.61273/neyart.v4i1.201  
Recibido: 08/02/2026| Aceptado: 09/04/2026 | Publicado: 11/05/2026  
Esta obra está bajo  
una licencia internacional  
Creative Commons Atribución 4.0.  
Página 225  
Revista NEYART  
ISSN: 2992 - 7161  
Resumen-- Este estudio comparativo analiza los avances en el conocimiento y uso de herramientas de  
inteligencia artificial (IA) entre estudiantes de ingeniería de Los Mochis, Sinaloa, México, durante los  
periodos de diciembre de 2024 y diciembre de 2025. La investigación se desarrolló mediante  
cuestionarios estructurados aplicados a dos grupos de estudiantes, evaluando diferentes áreas de  
conocimiento general de IA, como el uso de plataformas educativas, asistentes virtuales, recursos  
digitales, colaboración en línea, simulaciones educativas y aspectos de ética y privacidad. Los resultados  
muestran un alto reconocimiento de la IA en ambos grupos, con un aumento significativo en la adopción  
de herramientas avanzadas como Gemini, Copilot y Symbolab en 2025. Asimismo, se evidencian  
mejoras en la personalización del aprendizaje, la participación estudiantil, la colaboración digital y el  
uso de simulaciones, reflejando una integración más estratégica y autónoma de la IA en los procesos  
formativos (Pertusa, 2023). Estos avances potencian competencias técnicas, analíticas y colaborativas,  
fortaleciendo la creatividad, la eficiencia y la preparación de los alumnos para enfrentar entornos  
digitales complejos y dinámicos (Alvarado, 2015).  
Palabras clave-- Colaboración digital, Herramientas de Inteligencia Artificial, Inteligencia Artificial,  
Personalización del aprendizaje, Simulaciones educativas.  
Abstract-- This comparative study analyzes the advances in knowledge and use of artificial intelligence  
(AI) tools among engineering students in Los Mochis, Sinaloa, Mexico, during the periods of December  
2024 and December 2025. The research was conducted using structured questionnaires applied to two  
groups of students, evaluating various areas of general AI knowledge, such as the use of educational  
platforms, virtual assistants, digital resources, online collaboration, educational simulations, and aspects  
of ethics and privacy. The results show a high recognition of AI in both groups, with a significant  
increase in the adoption of advanced tools such as Gemini, Copilot, and Symbolab in 2025. Additionally,  
improvements are observed in personalized learning, student engagement, digital collaboration, and the  
use of simulations, reflecting a more strategic and autonomous integration of AI into the educational  
process (Pertusa, 2023). These advances enhance technical, analytical, and collaborative skills,  
strengthening creativity, efficiency, and students’ readiness to face complex and dynamic digital  
environments (Alvarado, 2015).  
Keywords: Artificial Intelligence, Artificial Intelligence Tools, Personalized Learning, Educational  
Simulations, Digital Collaboration.  
Edición 4 | Vol. 4 – No. 1 | Enero – junio 2026 |  
Página 226  
Artículo de Investigación Original  
Revista NEYART  
ISSN: 2992 - 7161  
INTRODUCCIÓN  
En la última década, la inteligencia artificial ha transformado la educación superior, especialmente en  
carreras de ingeniería, al integrarse en plataformas de aprendizaje, simulaciones educativas y herramientas  
colaborativas que incrementan tanto el conocimiento conceptual como las habilidades prácticas de los  
estudiantes (Pertusa, 2023). Este proceso de incorporación paulatina de la IA ha modificado las dinámicas  
de enseñanza y aprendizaje, impulsando nuevas metodologías centradas en la interacción con sistemas  
inteligentes y ambientes digitales especializados. Avila-Tomás et al. (2020), señala que la inteligencia  
artificial es un campo de la computación que busca crear sistemas capaces de imitar habilidades humanas  
como aprender, razonar y tomar decisiones y que hoy en día ya forma parte de nuestra vida cotidiana en  
todos los ámbitos.  
Como resultado de esta transición tecnológica, la educación en ingeniería ha experimentado cambios  
profundos que demandan de los programas académicos la integración de competencias relacionadas con  
el uso de tecnologías avanzadas, análisis de datos y aplicaciones de IA para responder a un entorno  
profesional cada vez más complejo y digitalizado (Montúfar, 2025). Tales transformaciones han permitido  
no solo la automatización y personalización del aprendizaje, sino también el fortalecimiento de  
habilidades prácticas, analíticas y colaborativas que son esenciales para la formación académica.  
De manera complementaria a este panorama, un estudio reciente realizado en México con estudiantes de  
ingeniería reportó un alto nivel de aceptación y valoración del uso de herramientas de inteligencia artificial  
en la formación universitaria. Dichos estudiantes, especialmente aquellos en semestres avanzados,  
manifestaron mayor familiaridad, satisfacción y percepción de impacto positivo en su proceso de  
aprendizaje, reconociendo a la IA como un recurso significativo para mejorar su rendimiento académico  
y su autonomía en entornos digitales. (Niebla et. al., 2025).  
Con el objetivo de profundizar en la comprensión del conocimiento y uso de tecnologías con inteligencia  
artificial entre estudiantes de ingeniería, se desarrolló un estudio comparativo con dos grupos de alumnos  
de nivel superior en Los Mochis, Sinaloa, México. La investigación consistió en la aplicación presencial  
de un cuestionario estructurado para identificar el porcentaje de estudiantes que conocen y utilizan  
herramientas de IA en su formación profesional, así como las variaciones en su apropiación tecnológica  
entre 2024 y 2025. A partir del análisis cuantitativo y cualitativo de los datos obtenidos, se busca no solo  
determinar el nivel de familiaridad con estas tecnologías, sino también reconocer avances, diferencias y  
Edición 4 | Vol. 4 – No. 1 | Enero – junio 2026 |  
Página 227  
Artículo de Investigación Original  
Revista NEYART  
ISSN: 2992 - 7161  
patrones emergentes en su adopción. De este modo, la investigación aporta evidencia relevante para  
comprender la evolución del uso de la IA en la educación en ingeniería, contribuyendo al fortalecimiento  
de los programas académicos y a la formación de profesionales más competentes, críticos y preparados  
para enfrentar los desafíos tecnológicos y productivos del entorno actual.  
Este estudio comparativo se basa en una investigación previa realizada con estudiantes de la misma carrera  
de ingeniería en la misma institución (correspondiente al Grupo 1 y base del análisis comparativo de la  
presente investigación), la cual evidenció que, aunque una proporción considerable de los alumnos  
reconocía conceptos básicos y herramientas iniciales de inteligencia artificial, dicho conocimiento no se  
traducía necesariamente en competencias aplicables que fortalecieran su formación profesional. Los  
resultados mostraron que el uso de dichas tecnologías estaba aún limitado por la falta de capacitación  
específica, así como por la necesidad de promover entornos educativos más inclusivos y personalizados  
que atendieran la diversidad de perfiles, habilidades y necesidades presentes en el aula. Este antecedente  
fundamenta la importancia de analizar la evolución entre ambos periodos y valorar los avances logrados  
en el uso y conocimiento de herramientas de IA. (González, 2025).  
DESARROLLO  
La inteligencia artificial surge con el propósito de ampliar las capacidades humanas, optimizando procesos  
y facilitando tareas mediante sistemas capaces de aprender, analizar información y tomar decisiones con  
mayor rapidez y precisión. Su presencia se extiende a múltiples ámbitos, desde la automatización de  
entornos inteligentes y la robótica hasta los videojuegos y el procesamiento avanzado de datos mediante  
redes neuronales artificiales. A partir del contexto mencionado, se puede exponer que los llamados agentes  
inteligentes dotados de sensores para percibir su entorno y mecanismos para actuar sobre él ejecutan  
funciones específicas tanto en entornos digitales como físicos, integrando software y hardware  
especializado. Así, la IA no solo imita habilidades como el razonamiento, la planificación o la resolución  
de problemas, sino que también incorpora capacidades de adaptación, autocorrección y modelado del  
entorno, consolidándose como una tecnología estratégica que redefine la manera en que interactuamos  
con los sistemas tecnológicos contemporáneos (Alvarado, 2015).  
Este notable avance tecnológico, que en los últimos años se ha integrado de manera natural en la vida  
cotidiana, también ha impactado de forma significativa al ámbito educativo. Tanto docentes como  
estudiantes se encuentran hoy inmersos en un entorno marcado por el uso creciente de herramientas  
Edición 4 | Vol. 4 – No. 1 | Enero – junio 2026 |  
Página 228  
Artículo de Investigación Original  
Revista NEYART  
ISSN: 2992 - 7161  
digitales basadas en inteligencia artificial, las cuales facilitan, optimizan y transforman múltiples  
actividades vinculadas al proceso de enseñanza y aprendizaje, promoviendo dinámicas más ágiles,  
interactivas y adaptadas a las nuevas demandas formativas.  
De igual manera, resulta necesario delimitar conceptualmente las principales categorías que orientan el  
presente estudio. La Tabla 1, expone las definiciones objeto de investigación relacionadas con la  
inteligencia artificial en el ámbito educativo, incluyendo dimensiones como la personalización del  
aprendizaje, las evaluaciones automatizadas, los asistentes virtuales, el análisis de datos, la colaboración  
digital y la protección de la privacidad. Esta sistematización constituye el sustento teórico que guía la  
construcción del instrumento y el análisis de los resultados.  
Tabla 1. Definiciones objeto de este estudio sobre inteligencia artificial en educación.  
Concepto  
Definición  
Campo orientado a reproducir capacidades humanas como el razonamiento, la resolución de  
problemas y la toma de decisiones mediante sistemas computacionales que emulan  
comportamientos inteligentes (Alvarado, 2015).  
Inteligencia Artificial  
Enfoque educativo que adapta contenidos, metodologías, secuencias y evaluaciones a las  
Aprendizaje Personalizado características individuales del estudiante, apoyado en sistemas inteligentes basados en datos  
y algoritmos predictivos (Torres et al., 2025).  
Herramientas basadas en inteligencia artificial que optimizan la precisión y eficiencia en la  
evaluación académica mediante procesos automatizados, reduciendo tiempo y recursos  
(Escobar et al., 2024).  
Evaluaciones Automáticas  
con IA  
Programas informáticos basados en IA y procesamiento de lenguaje natural que interactúan  
con los usuarios para brindar apoyo académico y resolver consultas (Crespo & Benavides,  
2024).  
Asistentes Virtuales  
Educativos  
Personalización del  
Aprendizaje (Sistemas  
Adaptativos)  
Proceso sustentado en sistemas hipermedia adaptativos y sistemas de tutorización inteligente  
que ajustan los contenidos según las características y necesidades del estudiante (Leris &  
Sein-Echaluce, 2011).  
Materiales digitales accesibles a través de TIC e Internet (videos, documentos, software y  
multimedia) que apoyan el aprendizaje y favorecen distintos estilos cognitivos (Lozano et  
al., 2018).  
Recursos Educativos en  
Línea (REL)  
Tecnologías interactivas que integran entornos virtuales o elementos digitales sobre la  
realidad para generar experiencias inmersivas aplicadas al aprendizaje y la simulación  
educativa (Abásolo et al., s.f.).  
Realidad Aumentada y  
Realidad Virtual  
Aplicación de inteligencia artificial y minería de datos para el procesamiento masivo y  
automatizado de información educativa con fines de optimización y toma de decisiones  
(Martínez, 2015).  
Análisis de Datos en  
Educación  
Herramientas de  
Colaboración en Línea  
Sistemas digitales que apoyan la comunicación, coordinación y cooperación en entornos  
virtuales de aprendizaje, facilitando el trabajo colaborativo (Rosa et al., s.f.).  
Conjunto de principios éticos y normativos orientados a garantizar la confidencialidad, el  
consentimiento informado y el uso responsable de datos personales en sistemas educativos  
con IA (Amén-Mora et al., 2024).  
Protección de la Privacidad  
en Entornos con IA  
Edición 4 | Vol. 4 – No. 1 | Enero – junio 2026 |  
Página 229  
Artículo de Investigación Original  
Revista NEYART  
ISSN: 2992 - 7161  
Concepto  
Definición  
Estrategias de modelado computacional que permiten experimentar en entornos virtuales  
interactivos, fortaleciendo el pensamiento crítico y la resolución de problemas (Aleman et  
al., 2025).  
Simulaciones Educativas con  
IA  
Fuente. Elaboración propia con base en los autores citados.  
A partir de las definiciones presentadas en la Tabla 1, se estableció el sustento conceptual que orienta el  
desarrollo metodológico del estudio. Estas categorías teóricas permiten contextualizar las principales  
aplicaciones y recursos asociados a la inteligencia artificial en el ámbito educativo, sirviendo como  
sustento para la elaboración del instrumento y para el análisis comparativo del uso y conocimiento de  
dichas herramientas en estudiantes de ingeniería.  
La investigación se desarrolló bajo un diseño descriptivo comparativo de carácter longitudinal, orientado  
a analizar la evolución en el uso y conocimiento de herramientas de inteligencia artificial en estudiantes  
de ingeniería.  
Para ello, se contrastaron los resultados obtenidos del Grupo 1 (2024) y del Grupo 2 (2025), con el  
propósito de identificar cambios, diferencias y tendencias en la apropiación tecnológica con inteligencia  
artificial entre ambos periodos en estudiantes de Ingeniería en Los Mochis, Sinaloa, México, tomando  
como base un estudio previo realizado con el Grupo 1 en diciembre de 2024.  
La población estuvo conformada por los estudiantes inscritos en diciembre de 2024 (Grupo 1, n = 41) y  
diciembre de 2025 (Grupo 2, n = 29), seleccionados mediante muestreo por conveniencia, con el objetivo  
de identificar diferencias y avances en la adopción de herramientas de IA a lo largo de un año.  
Se elaboró un cuestionario estructurado de 12 ítems, fundamentado en la literatura reciente sobre  
inteligencia artificial en la educación superior y en estudios previos relacionados, integrando preguntas  
cerradas y una de opción múltiple.  
Este instrumento permitió evaluar de manera integral conocimientos generales, uso de plataformas de  
aprendizaje, herramientas de evaluación, asistentes virtuales, recursos educativos digitales, colaboración  
en línea, personalización del aprendizaje, simulaciones educativas, así como aspectos de ética y  
protección de la privacidad.  
La recolección de datos se llevó a cabo mediante aplicación presencial del cuestionario a ambos grupos,  
garantizando la comprensión de los ítems y la confiabilidad de las respuestas. Para el análisis, se  
calcularon frecuencias absolutas y porcentajes, estableciendo comparaciones entre ambos periodos para  
evidenciar la evolución en el uso y conocimiento de las distintas aplicaciones de inteligencia artificial.  
Edición 4 | Vol. 4 – No. 1 | Enero – junio 2026 |  
Página 230  
Artículo de Investigación Original  
Revista NEYART  
ISSN: 2992 - 7161  
Este enfoque permitió identificar tendencias, diferencias significativas y avances en la integración de  
tecnologías educativas mediadas por IA, proporcionando información clave sobre el desarrollo del  
aprendizaje digital en la educación superior.  
Los resultados que se presentan a continuación muestran de manera comparativa cómo los estudiantes  
de los Grupos 1 (Dic. 2024) y 2 (Dic. 2025) reconocen y aplican herramientas avanzadas de inteligencia  
artificial, revelando cambios relevantes en su adopción y contribuyendo a la comprensión de la evolución  
del dominio tecnológico en la formación académica.  
La inteligencia artificial se concibe como un campo orientado a reproducir capacidades propias del ser  
humano, tales como pensar, actuar, adaptarse y autocorregirse, integrando procesos como la adquisición  
de conocimiento, la resolución de problemas, el razonamiento lógico, la planificación, la evaluación de  
alternativas, la generación y generalización de conceptos, así como la representación simbólica del  
mundo; de esta manera, la IA también se entiende como una técnica de software aplicada al desarrollo de  
sistemas capaces de ofrecer soluciones óptimas, emulando comportamientos inteligentes observados en  
la naturaleza y específicamente en los humanos.  
La Tabla 2, presenta la matriz de operacionalización del cuestionario sobre inteligencia artificial en la  
educación, mostrando cómo cada dimensión, variable e indicador se relaciona con los ítems formulados.  
Se incluyen aspectos de conocimiento general, uso de tecnologías educativas, evaluación digital,  
colaboración y ética. El instrumento combina ítems binarios y de opción múltiple para facilitar la  
medición del nivel de conocimiento y aplicación de herramientas de inteligencia artificial por parte de  
los estudiantes.  
Tabla 2. Matriz de operacionalización del cuestionario de diagnóstico sobre inteligencia artificial en la  
educación.  
Dimensión  
Variable  
Indicador  
Ítem / Pregunta  
Escala de medición  
Conocimiento de la Nivel  
de  
reconocimiento  
del  
Conocimiento  
general sobre IA  
1.- ¿Conoces qué es la  
inteligencia artificial?  
inteligencia  
artificial  
concepto de inteligencia artificial  
por parte del estudiante  
Binaria (Sí/No)  
Uso de  
tecnologías  
educativas  
Uso de plataformas Frecuencia  
de aprendizaje con plataformas  
de  
utilización  
educativas  
de 2.- ¿Utilizas plataformas de  
que aprendizaje en línea con Binaria (Sí/No)  
incorporan inteligencia artificial inteligencia artificial?  
IA  
Conocimiento de Identificación de herramientas de 3.- ¿Conoces herramientas de  
Evaluación  
educativa digital  
evaluación  
automática  
evaluación automática aplicadas en evaluación  
los cursos utilizadas en tus cursos?  
automática Binaria (Sí/No)  
Apoyo  
académico  
digital  
Uso de asistentes virtuales como 4.- ¿Has utilizado asistentes  
apoyo para la resolución de dudas virtuales para obtener ayuda Binaria (Sí/No)  
Uso de asistentes  
virtuales  
académicas  
académica?  
Edición 4 | Vol. 4 – No. 1 | Enero – junio 2026 |  
Página 231  
Artículo de Investigación Original  
Revista NEYART  
ISSN: 2992 - 7161  
Dimensión  
Variable  
Conocimiento de Nivel de comprensión sobre la 5.- ¿Conoces qué es la  
personalización personalización del aprendizaje personalización del aprendizaje Binaria (Sí/No)  
Indicador  
Ítem / Pregunta  
Escala de medición  
Personalización  
del aprendizaje  
con IA  
mediante inteligencia artificial  
con inteligencia artificial?  
6.- ¿Has utilizado recursos  
Recursos  
educativos  
digitales  
Uso de materiales recursos  
educativos en línea que integran  
inteligencia artificial  
y
Uso de recursos  
educativos con IA  
educativos  
incorporan  
artificial?  
en  
la  
línea  
inteligencia  
que  
Binaria (Sí/No)  
Uso de realidad Participación  
en  
experiencias 7.- ¿Has participado en cursos  
Innovación  
educativa  
aumentada y  
virtual  
formativas mediadas por realidad en línea que utilizan realidad Binaria (Sí/No)  
aumentada o virtual aumentada o virtual?  
Conocimiento del Nivel de conocimiento sobre el 8.- ¿Conoces cómo funciona el  
Gestión de datos  
educativos  
análisis de datos en análisis de datos aplicado  
a
la análisis de datos en la educación Binaria (Sí/No)  
superior?  
educación  
educación superior  
Uso de  
herramientas  
colaborativas con  
IA  
Utilización de herramientas digitales 9.- ¿Has utilizado herramientas  
colaborativas basadas en inteligencia de colaboración en línea con Binaria (Sí/No)  
Colaboración  
digital  
artificial  
inteligencia artificial?  
10.- ¿Sabes cómo proteger tu  
privacidad en entornos de  
aprendizaje con inteligencia  
artificial?  
Conocimiento sobre prácticas de  
protección de datos personales en  
entornos educativos con IA  
Ética y seguridad Protección de la  
Binaria (Sí/No)  
digital  
privacidad  
Uso de  
simulaciones  
educativas con IA el aprendizaje  
Uso de simulaciones educativas 11.-  
basadas en inteligencia artificial para simulaciones educativas con Binaria (Sí/No)  
¿Has  
utilizado  
Aprendizaje  
experiencial  
inteligencia artificial?  
12.- ¿Cuál de estas herramientas  
de inteligencia artificial conoces  
o has usado para mejorar o Opción múltiple  
ayudarte a aprender más como  
estudiante?  
Reconocimiento  
Uso de  
y
uso  
inteligencia  
de  
Herramientas de  
apoyo al  
aprendizaje  
herramientas  
de  
herramientas de IA  
artificial que apoyan el proceso de  
aprendizaje  
para el aprendizaje  
Fuente. Elaboración propia.  
La matriz de operacionalización del cuestionario (ver Tabla 2), permite medir de manera sistemática el  
conocimiento y uso de la inteligencia artificial en la educación, los ítems, principalmente de escala binaria,  
facilitan la identificación de tendencias en el reconocimiento y uso de herramientas de inteligencia  
artificial, mientras que el ítem de opción múltiple amplía el análisis sobre recursos específicos. En  
conjunto, la matriz asegura la validez conceptual y la pertinencia del instrumento para evaluar la  
integración de la inteligencia artificial en la educación superior.  
La Tabla 3, presenta los resultados del cuestionario aplicado a los participantes de los Grupos 1 y 2, con  
el propósito de analizar y comparar el nivel de conocimiento, uso y percepción de la inteligencia artificial  
en el contexto del aprendizaje en educación superior. En ella se muestran la respuesta más frecuente, la  
frecuencia absoluta y el porcentaje correspondiente a cada grupo, lo que permite identificar tendencias,  
similitudes y diferencias en la integración de herramientas y recursos basados en inteligencia artificial  
dentro de los procesos formativos.  
Edición 4 | Vol. 4 – No. 1 | Enero – junio 2026 |  
Página 232  
Artículo de Investigación Original  
Revista NEYART  
ISSN: 2992 - 7161  
Tabla 3. Resultados de las respuestas del cuestionario aplicado, Grupo 1 vs Grupo 2.  
Respuesta más  
frecuente  
Frecuencia  
G1  
Frecuencia  
G2  
Pregunta  
% G1  
% G2  
1. ¿Conoces qué es la inteligencia artificial?  
Sí  
Sí  
Sí  
Sí  
Sí  
Sí  
No  
40  
28  
18  
36  
14  
21  
5
97.6%  
68.3%  
43.9%  
87.8%  
34.1%  
51.2%  
12.2%  
29  
24  
17  
27  
20  
23  
10  
100%  
82.8%  
58.6%  
93.1%  
69.0%  
79.3%  
34.5%  
2. ¿Utilizas plataformas de aprendizaje en línea con IA?  
3. ¿Conoces herramientas de evaluación automática?  
4. ¿Has utilizado asistentes virtuales para ayuda académica?  
5. ¿Conoces la personalización del aprendizaje con IA?  
6. ¿Has utilizado recursos educativos en línea con IA?  
7. ¿Has participado en cursos con RA o RV?  
8. ¿Conoces cómo funciona el análisis de datos en educación  
superior?  
No  
8
19.5%  
15  
51.7%  
9. ¿Has utilizado herramientas de colaboración con IA?  
10. ¿Sabes cómo proteger tu privacidad en entornos con IA?  
11. ¿Has utilizado simulaciones educativas con IA?  
Sí  
13  
9
31.7%  
22.0%  
17.1%  
22  
18  
21  
75.9%  
62.1%  
72.4%  
No  
No  
7
Fuente. Elaboración propia.  
Los resultados del cuestionario muestran diferencias relevantes entre el Grupo 1 y el Grupo 2 en relación  
con el conocimiento, uso y aplicación de la inteligencia artificial en el ámbito educativo. Aunque en ambos  
grupos se observa un alto nivel de reconocimiento general de la inteligencia artificial y un uso frecuente  
de asistentes virtuales con fines académicos, el Grupo 2 presenta mayores porcentajes en el uso de  
plataformas de aprendizaje con inteligencia artificial, recursos educativos inteligentes, herramientas de  
colaboración, así como en la comprensión del análisis de datos y de la protección de la privacidad en  
entornos digitales.  
Por el contrario, el Grupo 1 evidencia una menor experiencia en el uso de aplicaciones educativas más  
avanzadas, como simulaciones con inteligencia artificial y cursos que incorporan realidad aumentada o  
virtual.  
Estos hallazgos sugieren que, si bien existe una base común de conocimiento conceptual sobre la  
inteligencia artificial en ambos grupos, el nivel de integración y aprovechamiento de estas tecnologías en  
los procesos de aprendizaje es superior en el Grupo 2, lo que podría estar asociado a un mayor acceso,  
formación o exposición a entornos educativos mediados por tecnologías digitales.  
A continuación, se presentan los datos demográficos de los estudiantes incluidos en el estudio:  
Tabla 4. Distribución porcentual de los participantes por sexo en los Grupos 1 y 2.  
Sexo  
Grupo 1 (n = 41)  
Porcentaje  
Grupo 2 (n = 29)  
Porcentaje  
Mujeres  
13  
31.7 %  
11  
37.9 %  
Edición 4 | Vol. 4 – No. 1 | Enero – junio 2026 |  
Página 233  
Artículo de Investigación Original  
Revista NEYART  
ISSN: 2992 - 7161  
Sexo  
Hombres  
Total  
Grupo 1 (n = 41)  
Porcentaje  
68.3 %  
Grupo 2 (n = 29)  
Porcentaje  
62.1 %  
28  
18  
41  
100 %  
29  
100 %  
Fuente. Elaboración propia.  
La muestra estuvo conformada por dos grupos de estudiantes evaluados en distintos periodos. El Grupo  
1, correspondiente a diciembre de 2024, estuvo integrado por 41 participantes, de los cuales el 68.3 %  
fueron hombres y el 31.7 % mujeres. Por su parte, el Grupo 2, evaluado en diciembre de 2025, estuvo  
conformado por 29 estudiantes, con una distribución por sexo del 62.1 % de hombres y el 37.9 % de  
mujeres.  
En ambos grupos se observa una mayor participación masculina; no obstante, el Grupo 2 presenta una  
distribución más equilibrada entre hombres y mujeres, lo que contribuye a una mayor heterogeneidad de  
la muestra y fortalece la comparación entre periodos. (Ver Tabla 4).  
Tabla 5. Distribución de los participantes por edad en los Grupos 1 y 2.  
Edad (años)  
Grupo 1 (n = 41)  
% Grupo 1  
–
Grupo 2 (n = 29)  
% Grupo 2  
17  
18  
–
6
5
21  
3
17.2 %  
14.6 %  
61.0 %  
9.8 %  
7.3 %  
2.4 %  
2.4 %  
2.4 %  
100 %  
72.4 %  
19  
25  
4
10.4 %  
20  
–
–
21  
3
–
–
22  
1
–
–
24  
1
–
–
–
26  
1
–
Total  
41  
29  
100 %  
Fuente. Elaboración propia.  
La Tabla 5, evidencia diferencias en la distribución por edad entre los grupos. El Grupo 1 presenta una  
diversidad de edades, con predominio de estudiantes de 19 años, mientras que el Grupo 2 muestra una  
población más homogénea, concentrada principalmente en los 18 años.  
Estas características permiten contextualizar los resultados del estudio en función de la edad de los  
participantes. La mayor diversidad de edad y la distribución más equilibrada por sexo del Grupo 2 se  
asocian con un aprendizaje más dinámico y una adopción más rápida de herramientas avanzadas de IA.  
Esta heterogeneidad se refleja en los resultados de la Tabla 6 y la Figura 1, donde el Grupo 2 mostró  
aumentos notables en el uso de cursos con realidad aumentada/virtual, simulaciones educativas y  
herramientas colaborativas, lo que sugiere que una muestra más diversa potencia la integración efectiva  
Edición 4 | Vol. 4 – No. 1 | Enero – junio 2026 |  
Página 234  
Artículo de Investigación Original  
Revista NEYART  
ISSN: 2992 - 7161  
de tecnologías de IA en el aprendizaje académico. La comparación entre ambos periodos evidenció  
progresos sustanciales en el segundo año.  
100%  
97.60%  
2.40%  
No  
Grupo 1 Dic-2024  
0%  
No  
Sí  
Sí  
Grupo 2 Dic-2025  
Figura 1. Conocimiento y uso de IA.  
Fuente. Elaboración propia.  
Los resultados de la Figura 1, reflejan un conocimiento general elevado sobre inteligencia artificial en  
ambos grupos. En diciembre de 2024, el 97.6% del Grupo 1 afirmó conocer el concepto, mientras que en  
diciembre de 2025, todo el Grupo 2 (100%) mostró familiaridad con él. Para Alvarado (2015), la  
inteligencia artificial busca replicar capacidades humanas como pensar, actuar y adaptarse, permitiendo  
desarrollar sistemas que emulan comportamientos inteligentes.  
La ligera mejora observada en el Grupo 2 puede relacionarse con la mayor difusión y uso de estas  
tecnologías en entornos educativos, consolidando una base sólida para adoptar aplicaciones más  
avanzadas en la educación superior.  
Tabla 6. Comparación del uso y conocimiento de aplicaciones avanzadas de IA en Grupos 1 y 2.  
Grupo 1  
Dic. 2024  
Sí  
Grupo 1  
Dic. 2024  
No  
Grupo 2  
Dic. 2025  
Sí  
Grupo 2  
Dic. 2025  
No  
Aplicación / Conocimiento de IA  
(n=41)  
(n=41)  
(n=29)  
(n=29)  
Plataformas de aprendizaje en línea con IA  
Herramientas de evaluación automática  
Asistentes virtuales  
31 (75.6ꢀ%)  
10 (24.4ꢀ%)  
27 (65.9ꢀ%)  
1 (2.4ꢀ%)  
26 (89.7ꢀ%)  
13 (44.8ꢀ%)  
26 (89.7ꢀ%)  
14 (48.3ꢀ%)  
3 (10.3ꢀ%)  
16 (55.2ꢀ%)  
3 (10.3ꢀ%)  
15 (51.7ꢀ%)  
14 (34.1ꢀ%)  
40 (97.6ꢀ%)  
15 (36.6ꢀ%)  
Personalización del aprendizaje con IA  
26 (63.4ꢀ%)  
Edición 4 | Vol. 4 – No. 1 | Enero – junio 2026 |  
Página 235  
Artículo de Investigación Original  
Revista NEYART  
ISSN: 2992 - 7161  
Grupo 1  
Dic. 2024  
Sí  
Grupo 1  
Dic. 2024  
No  
Grupo 2  
Dic. 2025  
Sí  
Grupo 2  
Dic. 2025  
No  
Aplicación / Conocimiento de IA  
(n=41)  
(n=41)  
(n=29)  
(n=29)  
Recursos educativos en línea con IA  
Cursos con RA / RV  
26 (63.4ꢀ%)  
15 (36.6ꢀ%)  
36 (87.8ꢀ%)  
33 (80.5ꢀ%)  
24 (58.5ꢀ%)  
28 (68.3ꢀ%)  
30 (73.2ꢀ%)  
20 (69.0ꢀ%)  
21 (72.4ꢀ%)  
10 (34.5ꢀ%)  
23 (79.3ꢀ%)  
15 (51.7ꢀ%)  
17 (58.6ꢀ%)  
9 (31.0ꢀ%)  
8 (27.6ꢀ%)  
19 (65.5ꢀ%)  
6 (20.7ꢀ%)  
14 (48.3ꢀ%)  
12 (41.4ꢀ%)  
5 (12.2ꢀ%)  
8 (19.5ꢀ%)  
17 (41.5ꢀ%)  
13 (31.7ꢀ%)  
11 (26.8ꢀ%)  
Análisis de datos en educación superior  
Herramientas de colaboración con IA  
Protección de la privacidad en entornos con IA  
Simulaciones educativas con IA  
Fuente. Elaboración propia.  
Entre diciembre de 2024 y diciembre de 2025, los estudiantes del Grupo 2 mostraron un avance notable  
en el uso de aplicaciones de inteligencia artificial (IA) en su aprendizaje (Ver Figura 2).  
La participación en cursos con realidad aumentada o virtual pasó de 12.2ꢀ% a 72.4ꢀ%, mientras que el uso  
de simulaciones educativas con IA se duplicó de 26.8ꢀ% a 58.6ꢀ% (ver Tabla 6). Asimismo, las  
herramientas de colaboración digital crecieron de 41.5ꢀ% a 79.3ꢀ%, y los recursos educativos en línea se  
consolidaron en un 100ꢀ%.  
Según Torres et al. (2025) y Leris & Sein-Echaluce (2011), estas tecnologías permiten personalizar el  
aprendizaje, adaptando contenidos y rutas educativas a cada estudiante. Los asistentes virtuales (Crespo  
& Benavides, 2024), las evaluaciones automáticas (Escobar et al., 2024), la realidad aumentada y virtual  
(Abásolo et al., s.f.), el análisis de datos (Martínez, 2015) y la colaboración en línea (Rosa et al., s.f.)  
potencian la participación, la autonomía y la interacción.  
Además, la implementación ética y segura de la IA (Amén-Mora et al., 2024) garantiza privacidad y  
equidad, mientras que las simulaciones educativas (Aleman et al., 2025) fortalecen el pensamiento crítico  
y la preparación para escenarios reales.  
En conjunto, estos resultados evidencian que los estudiantes pasaron de un conocimiento conceptual de la  
IA a un uso activo e inmersivo, integrando estas tecnologías en su aprendizaje de manera práctica y  
significativa.  
.
Edición 4 | Vol. 4 – No. 1 | Enero – junio 2026 |  
Página 236  
Artículo de Investigación Original  
Revista NEYART  
ISSN: 2992 - 7161  
Grupo 1 Dic-2024  
Grupo 2 Dic.2025  
Diferencia  
Figura 2. Diferencia en avances del uso y conocimiento de aplicaciones avanzadas de IA.  
Fuente. Elaboración propia  
La Figura 2, refleja un crecimiento significativo en el uso y conocimiento de aplicaciones avanzadas de  
inteligencia artificial entre los estudiantes de ingeniería. Por ejemplo, la participación en cursos con  
realidad aumentada y virtual aumentó de un 12.2ꢀ% en 2024 a 72.4ꢀ% en 2025, mientras que el uso de  
simulaciones educativas con IA pasó de 26.8ꢀ% a 58.6ꢀ%, y las herramientas de colaboración digital de  
41.5ꢀ% a 79.3ꢀ%.  
Estos avances muestran que los estudiantes comenzaron a integrar de manera más activa estas tecnologías  
en su aprendizaje, contrastando con la noción de Torres et al. (2025) sobre la personalización del  
aprendizaje, que enfatiza la adaptación de contenidos y metodologías a las necesidades individuales, algo  
que antes estaba limitado a la comprensión conceptual. Asimismo, Escobar et al. (2024) destacan que las  
evaluaciones automáticas requieren un entendimiento ético y técnico para ser efectivas, lo que subraya la  
importancia de guiar a los alumnos en el uso responsable de estas herramientas.  
Además, Aleman et al. (2025) señalan que las simulaciones educativas permiten un aprendizaje activo y  
la transferencia de conocimientos a contextos prácticos, evidenciando que la incorporación de estas  
tecnologías potencia no solo la familiaridad con la IA, sino también la capacidad de aplicar conceptos en  
situaciones reales y colaborativas, cerrando la brecha entre conocimiento teórico y práctica educativa.  
Edición 4 | Vol. 4 – No. 1 | Enero – junio 2026 |  
Página 237  
Artículo de Investigación Original  
Revista NEYART  
ISSN: 2992 - 7161  
Meta AI  
Symnolab  
Copilot  
58.60%  
58.60%  
2.40%  
2.40%  
27.60%  
14.60%  
Gemini  
51.70%  
17.10%  
13.80%  
Gamma  
26.80%  
Grammarly  
Wolfram Alpha  
ChatGPT  
10.30%  
17.10%  
0%  
56.10%  
96.60%  
97.60%  
0.00%  
20.00%  
40.00%  
Grupo 2 (2025)  
60.00%  
80.00%  
100.00%  
120.00%  
Grupo 1 (2024)  
Figura 3. Análisis comparativo del uso de herramientas de IA (2024–2025).  
Fuente. Elaboración propia.  
La Figura 3, muestra cómo evolucionó el uso de herramientas de inteligencia artificial entre el Grupo 1  
(dic-2024) y el Grupo 2 (dic-2025). Las preferencias de los estudiantes de ingeniería muestran un claro  
dominio de ChatGPT, junto con un crecimiento notable de plataformas especializadas que potencian el  
aprendizaje, la productividad y las competencias digitales.  
ChatGPT, según Morales-Chan (s.f), retomando los planteamientos de Brown et al. (2020), es un modelo  
de lenguaje basado en inteligencia artificial desarrollado por OpenAI. Emplea técnicas modernas de  
procesamiento de lenguaje natural y está entrenado con grandes volúmenes de datos textuales, lo que le  
permite generar respuestas coherentes y contextualizadas.  
Su uso se mantiene predominante, con un 97.60% en 2024 y 96.60% en 2025, confirmando su posición  
como recurso central en la experiencia académica de los estudiantes.  
Morales-Chan (s/f), apoyándose en Brown et al. (2020) y Hernández et al. (2021), destaca su capacidad  
para síntesis de información, traducción, generación de contenido creativo, elaboración de guiones,  
producción de código y construcción de discursos con coherencia lingüística.  
Edición 4 | Vol. 4 – No. 1 | Enero – junio 2026 |  
Página 238  
Artículo de Investigación Original  
Revista NEYART  
ISSN: 2992 - 7161  
Wolfram Alpha, para Sarmiento et al. (2025), es una plataforma de inteligencia artificial diseñada para  
resolver problemas matemáticos, generar gráficos y explicar procedimientos paso a paso. Funciona como  
un motor de búsqueda computacional con algoritmos avanzados y una amplia base de datos.  
Su uso presenta la disminución más significativa, de 56.10% en 2024 a 0% en 2025, evidenciando un  
abandono casi total, posiblemente por la preferencia de plataformas más versátiles.  
Sarmiento et al. (2025) señalan que Wolfram Alpha favorece el pensamiento lógico, la resolución de  
problemas y la comprensión conceptual, estimulando la autonomía y la exploración activa de los  
conceptos.  
Grammarly, según Frapolli (2025), es una plataforma de corrección gramatical y estilo en inglés.  
Su adopción se reduce de 17.10% en 2024 a 10.30% en 2025, reflejando la preferencia por asistentes que  
integran funciones de corrección y redacción.  
Ortega & Salgado (2025), citando a Hederson (2023), destacan que Grammarly facilita la edición de  
textos, evitando errores, ofreciendo alternativas léxicas y mejorando la claridad y precisión de la escritura.  
Gamma, según González et al. (2024), es una herramienta de inteligencia artificial generativa que  
simplifica la creación de presentaciones, páginas web y documentos, automatizando diseño, generación  
de imágenes y gráficos.  
Su adopción crece de 15.80% en 2024 a 26.80% en 2025.  
Arana & Muñoz (2024) señalan que esta herramienta facilita la comprensión de conceptos complejos,  
promueve aprendizaje colaborativo y permite a los estudiantes explorar los temas de forma más interactiva  
y personalizada.  
Gemini, según Mata & Jara (2024) y citando a Iglesia (2023), es una IA multimodal de Google capaz de  
procesar texto, imágenes, audio y video.  
Su uso aumenta de 17.10% en 2024 a 51.70% en 2025, mostrando una adopción acelerada.  
Mata & Jara (2024) destacan que permite generar contenidos de alta calidad, optimizados para SEO, y  
facilita la personalización y gestión de recursos en entornos educativos.  
Copilot, según Fuentes et al. (2024) y Medina (2024), es un asistente de búsqueda de Microsoft que utiliza  
GPT-4 y permite complementar la información con fuentes online.  
Su uso crece de 14.60% a 27.60%, evidenciando mayor integración en programación y apoyo técnico.  
Edición 4 | Vol. 4 – No. 1 | Enero – junio 2026 |  
Página 239  
Artículo de Investigación Original  
Revista NEYART  
ISSN: 2992 - 7161  
Castrillón & Mata (2025) destacan que Copilot automatiza tareas de redacción, síntesis y creación de  
contenidos dentro del ecosistema Microsoft 365, sin requerir conocimientos técnicos avanzados.  
Symbolab, según Chicaiza et al. (2024), citando a Martínez & Herranz (2022) y Escobar (2023), es una  
plataforma para resolver problemas matemáticos, físicos y químicos paso a paso, disponible también en  
versión móvil.  
Su uso aumenta de 2.40% en 2024 a 58.60%, reflejando rápida adopción y eficacia en el aprendizaje  
técnico en ingeniería.  
Esta herramienta facilita cálculos precisos, comprensión del proceso de resolución y ofrece una interfaz  
amigable para usuarios novatos.  
Meta AI, según Cabrera & López (2025), es un asistente integrado en aplicaciones como Instagram,  
WhatsApp, Messenger y Facebook, que permite respuestas automáticas y facilita tareas cotidianas.  
Su adopción también crece de 2.40% a 58.60%, demostrando que los estudiantes incorporan con mayor  
frecuencia IA para personalizar y automatizar su aprendizaje.  
Cabrera & López (2025) destacan que mejora la interacción humano-IA, fomenta innovación y permite la  
creación de contenidos mediante el modelo de lenguaje natural LLaMA.  
En conjunto, los resultados muestran que, aunque ChatGPT sigue siendo la plataforma central, existen  
incrementos notables en herramientas especializadas como Symnolab, Gemini, Copilot y Meta AI,  
mientras que Wolfram Alpha y Grammarly disminuyen su uso. Esto evidencia no solo un mayor dominio  
tecnológico, sino también una integración más estratégica y autónoma de la inteligencia artificial en el  
aprendizaje, potenciando la productividad, creatividad y adaptación a entornos digitales complejos.  
DISCUSIÓN Y ANÁLISIS DE LOS RESULTADOS  
Los resultados muestran algo más que un simple aumento en porcentajes, revelan un cambio en la manera  
en que los educandos se relacionan con la tecnología. En 2024 la inteligencia artificial era para muchos,  
un concepto aún poco conocido como distante y en el 2025 se convirtió vertiginosamente en una  
herramienta cotidiana para resolver problemas, diseñar proyectos y aprender de forma más activa, lo que  
coincide con lo señalado por Pertusa (2023) sobre la transformación de las dinámicas educativas a partir  
de la integración de la IA. Este avance refleja mayor confianza, curiosidad y autonomía digital, pero  
también invita a la reflexión de que el usar más herramientas con IA no significa necesariamente  
comprenderla mejor. El verdadero reto no es solo incorporar nuevas plataformas, sino aprender a  
Edición 4 | Vol. 4 – No. 1 | Enero – junio 2026 |  
Página 240  
Artículo de Investigación Original  
Revista NEYART  
ISSN: 2992 - 7161  
cuestionarlas, validarlas y utilizarlas con criterio ético y profesional. Si desde la formación universitaria  
se logra acompañarlos en este frenesí tecnológico con pensamiento crítico y responsabilidad, la IA dejará  
de ser un apoyo ocasional para convertirse en una aliada estratégica en la construcción del conocimiento,  
fortaleciendo su desarrollo integral y consolidando su perfil como ingenieros éticos, competentes y  
preparados para afrontar con discernimiento los desafíos de su vida personal y profesional.  
CONCLUSIONES  
Los resultados del estudio reflejan un avance notable en la apropiación de la inteligencia artificial entre  
los estudiantes de ingeniería, mostrando cómo el conocimiento teórico inicial se traduce progresivamente  
en un uso activo y estratégico de herramientas avanzadas.  
Mientras que en 2024 la mayoría de los alumnos contaba con nociones básicas sobre IA, su aplicación  
práctica era limitada, especialmente en simulaciones educativas, realidad aumentada y colaboración  
digital.  
Esta brecha inicial evidencia que el aprendizaje estaba más centrado en la comprensión conceptual que en  
la interacción real con tecnologías inmersivas, lo que coincide con lo señalado por Alvarado (2015) sobre  
la importancia de pasar de la teoría a la práctica para fortalecer habilidades analíticas y colaborativas.  
Además, Torres (2025) destaca que el uso de herramientas avanzadas promueve autonomía y participación  
activa, mientras que Leris (2011) resalta cómo la personalización del aprendizaje potencia la experiencia  
educativa de cada estudiante.  
De manera complementaria, la adopción de plataformas específicas evidencia cómo los estudiantes  
diversifican sus herramientas para potenciar su aprendizaje. ChatGPT se consolida como el recurso central  
de apoyo académico, mientras que Gemini experimenta un incremento significativo al ofrecer  
experiencias multimodales y automatización de tareas, favoreciendo la eficiencia en la gestión de  
contenidos (Mata & Jara, 2024). Symbolab también muestra un crecimiento notable, facilitando la  
resolución de problemas complejos y reforzando la comprensión técnica.  
Según Abásolo et al. (s.f.), la incorporación de experiencias inmersivas y colaborativas transforma la  
manera en que los estudiantes aprenden, promoviendo un aprendizaje más profundo, interactivo y  
personalizado, capaz de preparar a los futuros ingenieros para enfrentar desafíos cada vez más complejos.  
TRABAJO A FUTURO  
Edición 4 | Vol. 4 – No. 1 | Enero – junio 2026 |  
Página 241  
Artículo de Investigación Original  
Revista NEYART  
ISSN: 2992 - 7161  
En este estudio, el enfoque se centró únicamente en conocer el nivel de uso y conocimiento de  
herramientas de inteligencia artificial entre los estudiantes de ingeniería, sin embargo, para  
investigaciones futuras se podría implementar un diseño más integral en el que los alumnos reciban  
capacitación específica sobre el uso ético y responsable de estas tecnologías.  
Esto permitiría evaluar cómo la formación en buenas prácticas de Inteligencia Artificial potencia su  
aprovechamiento académico y profesional, al mismo tiempo que fortalece competencias como la  
creatividad, la colaboración y la resolución de problemas.  
Además, sería valioso analizar el impacto de diferentes plataformas en proyectos prácticos, así como  
estudiar la efectividad de estrategias pedagógicas que integren la Inteligencia Artificial de manera más  
personalizada, dinámica e inclusiva, preparando a los estudiantes para enfrentar con ética y eficiencia los  
retos del entorno laboral actual.  
REFERENCIAS  
Abásolo, M., Mitaritonna, A., Encina, N. Vicenzi, M., Borelli, L., De Giusti, A., Naiouf, M. &  
Giacomantone, J. (s.f.) Realidad Aumentada y Realidad Virtual. Instituto de Investigación en  
Informática LIDI (III-LIDI), Facultad de Informática – Universidad Nacional de La Plata (UNLP),  
Comisión de Investigaciones Científicas de la Provincia de Buenos Aires (CICPBA), Instituto de  
Investigaciones  
Científicas  
y
Técnicas  
para  
la  
Defensa  
(CITEDEF)  
https://www.academia.edu/11611432/Realidad_Aumentada_y_Realidad_Virtual  
Aleman, Y. Pinto, H., Alvarez, L., Pacheco, M., Ceballos, F. & Diaz, J. (2025). Educación superior y  
transformación digital en la sociedad: aplicaciones de la inteligencia artificial y la simulación  
computacional  
en  
la  
formación  
universitaria.  
Revista  
Athenea,  
6(21).  
https://ve.scielo.org/scielo.php?script=sci_arttext&pid=S2737-64192025000300020  
Alvarado, M. (2015). Una mirada a la inteligencia artificial. Revista Ingeniería, Matemáticas y Ciencias  
de la Información, 2(3), p.29. https://dialnet.unirioja.es/descarga/articulo/7894426.pdf  
Amén-Mora, P., Zavala-Baque, D., Moran-Lozano, N., & Intriago-Terán, A. (2024). Desafíos éticos y de  
privacidad en la implementación de la inteligencia artificial en la educación superior. Revista  
Científica Arbitrada de Investigación en Comunicación, Marketing Y Empresa REICOMUNICAR.  
7(14), 613-628. https://www.reicomunicar.org/index.php/reicomunicar/article/view/333  
Edición 4 | Vol. 4 – No. 1 | Enero – junio 2026 |  
Página 242  
Artículo de Investigación Original  
Revista NEYART  
ISSN: 2992 - 7161  
Arana, J. & Muñoz, A. (2024). Gamma y su aporte en el aprendizaje significativo de los estudiantes de  
la carrera de Pedagogía de las Ciencias Experimentales Informática de la Universidad Técnica  
de Babahoyo, periodo académico abril - agosto 2024. [Licenciado/a en Pedagogía de la  
Informática,  
Universidad  
Técnica  
de  
Babahoyo].  
https://dspace.utb.edu.ec/server/api/core/bitstreams/5971a0ac-80ac-4f46-8f86-  
0e6343dd951d/content  
Avila-Tomás J., Mayer-Pujadas M., Quesada-Varela V. (2020). La inteligencia artificial y sus  
aplicaciones en medicina I: introducción antecedentes a la IA y robòtica. Atención Primaria.  
52(10). https://www.sciencedirect.com/science/article/pii/S0212656720301451  
Cabrera, M. & López, G. (2025). Meta AI y el aprendizaje de los estudiantes del Bachillerato Técnico en  
Informática de la Unidad Educativa Babahoyo, periodo academico octubre 2024 – marzo 2025.  
[Licenciado/a en Pedagogía de la Informática, Universidad Técnica de Babahoyo].  
https://dspace.utb.edu.ec/server/api/core/bitstreams/48a06026-7ad1-450f-b603-  
65937be5831d/content  
Castrillon, M. & Mata S. (2025). Intervención comportamental para fomentar el uso de Microsoft Copilot  
en un entorno laboral: Estudio de caso en Nequi. [Tesis de Maestría, Universidad EAFIT].  
repository.eafit.edu.co. https://repository.eafit.edu.co/server/api/core/bitstreams/2dee4d2e-0c84-  
4b2a-bff3-2eff15f3c94a/content  
Chicaiza, J. Pinargote, J. Rivera, W. Gutiérrez, O. Cabrera, B. (2024). Symbolab como herramienta  
de apoyo  
en  
la  
confirmación  
de resultados  
en  
operaciones  
con matrices. G-  
ner@ndo,  
5(2,),  
1259–1278.  
https://www.researchgate.net/publication/384223494_Symbolab_como_herramienta_de_apoyo_  
en_la_confirmacion_de_resultados_en_operaciones_con_matrices_Symbolab_as_a_tool_to_sup  
port_the_confirmation_of_results_in_matrix_operations  
Crespo, J. & Benavides, J. (2024). Beneficios y desafíos de los asistentes virtuales en el apredinzaje.  
Revista  
Latinoamericana  
de  
Ciencias  
Sociales  
y
Humanidades,  
5(2).  
https://latam.redilat.org/index.php/lt/article/view/1909/2461  
Escobar, C., Salas, C. Hernández, J., Gómez, T. & Castillo, B. (2024). Evaluación de la Eficiencia de las  
Herramientas de Evaluación Académica: Una Revisión Sistemática. Ciencia Latina Revista  
Edición 4 | Vol. 4 – No. 1 | Enero – junio 2026 |  
Página 243  
Artículo de Investigación Original  
Revista NEYART  
ISSN: 2992 - 7161  
Científica  
Multidisciplinar,  
(8).  
https://www.researchgate.net/publication/383805081_Evaluacion_de_la_Eficiencia_de_las_Herr  
amientas_de_Evaluacion_Academica_Una_Revision_Sistematica  
Frapolli, D. (2025). Herramientas tecnológicas para la comunicación profesional. El caso de Google  
Translate, Grammarly y ChatGPT [Tesina de Licenciatura en Letras, Universidad Nacional del  
Sur]. Universidad Nacional del Sur.  
Fuentes, M., Dompinguez, F., Travieso, C. (2024). La inteligencia artificial como herramienta  
lexicográfica: estudio analítico sobre el rendimiento de chatgpt, copilot y gemini en unidades  
léxicas del español. Revista de Lingüística Teórica y Aplicada.  
González A., Portillo J., Zangara, M. La Inteligencia Artificial Generativa en la Enseñanza Media.  
Propuesta  
de  
formación  
de  
docentes.  
TE&ET,  
(37),  
78-88  
https://sedici.unlp.edu.ar/bitstream/handle/10915/168204/Documento_completo.pdf-  
PDFA.pdf?sequence=1&isAllowed=y  
González, C., Ochoa, V., Argüeso, Y., & Miranda, J. (2025). Conocimiento y uso de nuevas tecnologías  
con inteligencia artificial (IA) en la educación, aplicado a un grupo de ingeniería en educación  
superior. Revista NeyArt, 3(2). https://revistaneyart.com/neyart/article/view/98/242  
Leris, D. & Sein-Echaluce M. (2011). La personalización del aprendizaje: un objetivo del paradigma  
educativo centrado en el aprendizaje. ARBOR Ciencia, Pensamiento y Cultura, (187).  
https://arbor.revistas.csic.es/index.php/arbor/article/view/1417/1426  
Lozano, A., Zárate, J., & Llaven, M.. (2018). Uso de Recursos Educativos en Línea en el nivel medio  
superior: Desarrollo de competencias didácticas del docente. CPU-e. Revista de Investigación  
Educativa,  
(26).  
http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1870-  
53082018000100114&lng=es&tlng=es.  
Martínez, M. (2015). Inteligencia artificial aplicada al análisis de datos. Topografía y cartografía, 30  
(168).  
chrome-  
extension://efaidnbmnnnibpcajpcglclefindmkaj/https://oa.upm.es/40381/1/INVE_MEM_2015_2  
09053.pdf  
Mata, K. & Jara, M. (2024). Gemini y su aporte en el aprendizaje de los estudiantes de la carrera de  
Pedagogía de las Ciencias Experimentales Informática, de la Universidad Técnica de Babahoyo,  
Edición 4 | Vol. 4 – No. 1 | Enero – junio 2026 |  
Página 244  
Artículo de Investigación Original  
Revista NEYART  
ISSN: 2992 - 7161  
periodo académico abril - agosto 2024. [Licenciado/a en Pedagogía de la Informática,  
Universidad Técnica de Babahoyo].  
https://dspace.utb.edu.ec/server/api/core/bitstreams/3be591ee-d2f4-4cef-b773-  
01e8790ab8d9/content  
Medina, H. ( 2024). ChatGPT y Copilot como herramientas para promover el pensamiento crítico acerca  
de la relación entre Desarrollo Humano y Educación. LATAM Revista Latinoamericana de  
Ciencias  
https://dialnet.unirioja.es/servlet/articulo?codigo=9566748  
Montúfar, G. (2025). Transformando la educación en ingeniería: adaptaciones necesarias en la era de la  
inteligencia artificial. Prisma Tecnológico, 16(1), 16-23.  
https://revistas.utp.ac.pa/index.php/prisma/article/view/4071/4766  
Morales-Chan, M. Explorando el potencial de Chat GPT: Una clasificación de Prompts efectivos para la  
enseñanza. GES Department, Galileo University. chrome-  
Sociales  
y
Humanidades  
5(3),  
674  
–
689.  
extension://efaidnbmnnnibpcajpcglclefindmkaj/https://biblioteca.galileo.edu/tesario/bitstream/12  
3456789/1348/1/Explorando%20el%20potencial%20de%20Chat%20GPT-  
%20Una%20clasificacio%CC%81n%20de%20Prompts%20efectivos%20para%20la%20ensen%  
CC%83anza.pdf  
Niebla, Z., Virginia, B., Beltrán-Lizárraga, M., Niebla, J., & Sandoval-Chávez, D. (2025). Perspectivas  
de Adopción de Inteligencia Artificial en Estudiantes de Ingeniería en Administración del ITES  
Los Cabos, México. RIDE. Revista Iberoamericana para la Investigación y el Desarrollo  
Educativo,  
15(30).  
chrome-  
extension://efaidnbmnnnibpcajpcglclefindmkaj/https://www.scielo.org.mx/pdf/ride/v15n30/2007  
-7467-ride-15-30-e863.pdf  
Ortega, P. & Salgado, V. (2025). Grammarly en el aprendizaje de la gramática del inglés en los  
estudiantes del quinto grado de la Institución Educativa Industrial N° 3 Antenor Rizo Patrón  
Lequérica, Pasco – 2023. [Tesis de Licenciatura en Educación, Universidad Nacional Daiel  
Alcides Carrión]. http://45.177.23.200/bitstream/undac/5233/1/T026_70924037_T.pdf  
Pertusa, J. (2023). Inteligencia artificial aplicada a la educación: el futuro que viene. Supervisión 21,  
69(69). https://supervision21.usie.es/index.php/Sp21/article/view/714/1395  
Edición 4 | Vol. 4 – No. 1 | Enero – junio 2026 |  
Página 245  
Artículo de Investigación Original  
Revista NEYART  
ISSN: 2992 - 7161  
Rosa, J., Kemczinsky, A., Veloso, A., Cebrián, D. & Duarte, M. (s.f.). Herramientas de colaboración con  
MOOCs. Academia. https://www.academia.edu/download/33603721/2.21.Avanilde.Espanol.pdf  
Sarmiento, D., Shuir, A., Velastegui, E., & Tapia, T. (2025). La incidencia de Wolfram Alpha  
en el aprendizaje de matemáticas en estudiantes de décimo de básica. AlfaPublicaciones,  
7(4),189–213.  
https://www.alfapublicaciones.com/index.php/alfapublicaciones/article/view/658/1678  
Torres, R., Salazar, B., Navarrete, M., Ramirez, J., & Tello, K. (2025). Inteligencia artificial en educación:  
innovación radical para personalizar el aprendizaje y potenciar la autonomía estudiantil.  
Multidisciplinary  
Journal  
of  
Sciences,  
Discoveries,  
and  
Society,  
2(3),  
e-231.  
https://dialnet.unirioja.es/descarga/articulo/10186009.pdf  
TABLA TRABAJO COLABORATIVO  
Rol  
Autor (es)  
Investigación  
González Rodríguez Carmen María, Ochoa Espinoza Valente,  
Argüeso Mendoza Yeniba, Molina Mendoza Margarita, Robles  
Verdugo Selene Guadalupe.  
Curación de datos  
González Rodríguez Carmen María, Ochoa Espinoza Valente.  
González Rodríguez Carmen María, Ochoa Espinoza Valente,  
Argüeso Mendoza Yeniba, Molina Mendoza Margarita, Robles  
Verdugo Selene Guadalupe.  
Escritura - Preparación del borrador original  
Escritura - Revisión y edición  
González Rodríguez Carmen María, Ochoa Espinoza Valente,  
Argüeso Mendoza Yeniba, Molina Mendoza Margarita, Robles  
Verdugo Selene Guadalupe.  
Visualización  
Supervisión  
González Rodríguez Carmen María.  
González Rodríguez Carmen María, Ochoa Espinoza Valente.  
Edición 4 | Vol. 4 – No. 1 | Enero – junio 2026 |  
Página 246  
Artículo de Investigación Original