Potencialidades didácticas de la inteligencia artificial en
la formación del profesor de Física
Didactic potential of artificial intelligent in the training of physics
teacher
Artículo de
investigación
AUTORES:
Francisco Luis Pedroso Camejo[1]
Correo:
fraleneny2014@gmail.com
Orcid: https://orcid.org/0000-0003-1052-4724
Facultad de Educación en Ciencias
Naturales y Exactas. Universidad de Ciencias Pedagógicas “Enrique José Varona”.
Cuba
Salomão António Muagita [2]
Correo:
saloangolacuba@gmail.com
Orcid: https://orcid.org/0009-0008-7037-6501
Departamento Ciencias Naturales. Universidad
de Cuito Cuanavale. Angola
Andrés Felipe Velázquez Mosquera [3]
Correo:
anvemos@gmail.com
Orcid: https://orcid.org/0000-0003-0492-668X
Facultad de Educación. Universidad del
Tolima. Ibagué. Colombia
|
Recibido |
Aprobado |
Publicado |
|
10 de junio de 2026 |
18 de julio de 2026 |
5 de septiembre de
2026 |
Resumen
La formación de profesores de Física debe
considerar el auge e impactos del uso de la inteligencia artificial en la
sociedad y la educación contemporánea. El objetivo principal del estudio es
mostrar las potencialidades didácticas de la inteligencia artificial para
elevar la motivación y aprendizaje integral de la Física. En el estudio se
emplearon métodos teóricos, empíricos y estadísticos, destacando la
sistematización, modelación, pruebas pedagógicas y estadística inferencial, que
contribuyeron a un análisis crítico del uso eficiente de la inteligencia
artificial en el aprendizaje de la Física. Los principales resultados del
estudio precisan ideas metodológicas esenciales para la integración de la inteligencia
artificial, concreción de sus potencialidades didácticas e implicaciones educativas
en la dirección del aprendizaje integral de la Física en la formación docente.
Se constataron en la práctica las mejoras en diferentes dimensiones del
aprendizaje y se identificaron limitaciones a superar en la formulación,
resolución de problemas con independencia y creación de contenidos con la
asistencia de la inteligencia artificial. Las conclusiones fundamentales del
trabajo se centran en la necesidad de concretar las potencialidades de la inteligencia
artificial para su integración en la formación del profesor de Física,
sustentada en una concepción que armoniza fundamentos didácticos, tecnológicos
y culturales.
Palabras clave: Didáctica de la Física, Inteligencia artificial,
Formación del profesor de Física
Abstract
Physics
teacher training must consider the rise and impact of artificial intelligence
in contemporary society and education. The main objective of this study is to
demonstrate the didactic potential of artificial intelligence to enhance
motivation and comprehensive learning in physics. The study employed
theoretical, empirical, and statistical methods, emphasizing systematization,
modeling, pedagogical testing, and inferential statistics, which contributed to
a critical analysis of the efficient use of artificial intelligence in physics
learning. The main results of the study highlight essential methodological
ideas for integrating AI, realizing its didactic potential, and exploring its
educational implications for guiding comprehensive physics learning in teacher
training. Improvements in different dimensions of learning were observed in
practice, and limitations to be overcome were identified in problem
formulation, independent problem-solving, and content creation with AI
assistance. The main conclusions of this work focus on the need to realize the
potential of AI for its integration into physics teacher training, based on a
conception that harmonizes didactic, technological, and cultural foundations.
Keywords: physics teaching, artificial intelligence, physics
teacher training.
INTRODUCCIÓN
El
mundo vive el auge de la capacidad transformadora de la digitalización de
sociedades como parte esencial de una nueva revolución industrial sin
precedentes. Los impactos de la tecnología digital en todas las esferas de la
actividad humana delimitan inaplazables retos para contribuir al desarrollo
sostenible de la humanidad (UNESCO, 2021; Acosta
y Dávila, 2026). En las últimas décadas la impetuosa expansión e
implicaciones de la Inteligencia Artificial (IA) en la llamada sociedad del
conocimiento abre nuevas perspectivas de estudios sobre las interacciones entre
seres humanos, tecnociencia, cultura, sociedad y ambiente.
El
crecimiento de los debates a nivel internacional y nacional acerca del empleo
de la IA en la educación, van marcando tendencias sobre las concepciones y
asunción de estas tecnologías en la enseñanza y aprendizajes (Holmes & Tuomi,
2022; Pesantez
y Fernández, 2023). El consenso sobre los impactos de la IA en los
niveles educativos se centra en las renovaciones sobre el rol del profesor para
dirigir un proceso más activo y centrado en el estudiante (Cáceres y González, 2025). Los problemas éticos y morales
alrededor del uso de la IA también se consideran y enfrentan en el sector
educativo (Holmes & Porayska, 2023; Almasri, 2024).
La
enseñanza de la Física en todos los niveles educativos y la formación de sus
profesores necesitan cambios sustanciales para situar la calidad de los
aprendizajes en correspondencia con las exigencias del contexto actual. El
proceso de enseñanza aprendizaje de la Física enfrenta altos niveles de
desinterés por el estudio de la asignatura, insuficientes resultados de
aprendizajes integrales, contenidos desactualizados que no estimulan la
motivación de los estudiantes, entre otros. La IA desde un enfoque didáctico
efectivo debe potenciar las transformaciones que requiere el proceso de
enseñanza aprendizaje de la Física (Ferrarelli & Iocchi,
2021; Feng, Li & Bao, 2026).
El
objetivo central de este trabajo es analizar, debatir las potencialidades didácticas
y educativas de la IA en la formación integral del profesor de Física en la
sociedad actual. La problemática fundamental de la investigación es ¿cómo emplear la inteligencia artificial
para potenciar con eficiencia la formación integral de profesores de Física para
la educación general?
En la
formación pedagógica contemporánea es crucial un abordaje multidimensional en
la asunción e implementación de la IA para tributar a una educación en la
creación, reflexión crítica, la argumentación, resolución y formulación de
problemas interesantes sociales, profesionales, participación solidaria y
evaluación de la toma de decisiones fundamentadas. Esto constituye un
primordial reto para la formación de docentes de Física en la era de la
digitalización, donde los enfoques pedagógicos y didácticos encauzarán la
efectividad de la IA (Núñez et al., 2025).
La
preparación teórico-metodológica de los docentes sobre la IA es vital para
transformar las habituales formas de interacción profesor-estudiante y
profesor-ordenador-estudiante-grupo en una nueva dinámica interactiva,
significativa de gestionar la cultura tecnocientífica y el aprendizaje.
DESARROLLO
Muestra y metodología
La
investigación es de carácter teórico-práctica con enfoque cuantitativo y
explicativo. Se emplearon métodos de investigación teóricos, empíricos y
estadísticos para la fundamentación teórica e implementación de la propuesta en
la práctica. Se enfatizó en la sistematización, modelación, enfoque de sistema,
encuestas y pruebas pedagógicas cuyos resultados se analizaron con
procedimientos estadísticos.
Se
seleccionaron de forma intencional 41 estudiantes en formación como profesores
de Física considerando las características de diferentes contextos. Del total
de la muestra, 37 estudiantes pertenecen a la Universidad “Cuito Cuanavale” de
Angola y 4 estudiantes de la Universidad de Ciencias Pedagógicas “Enrique José
Varona” de La Habana. Fueron encuestados 15 profesores de Física que trabajan
en la formación pedagógica de esta carrera. El preexperimento de tipo pretest y
postest se centró en encuestas, pruebas pedagógicas y consulta a especialistas.
Los
principales resultados del trabajo se focalizan en los fundamentos
teórico-metodológicos esenciales para la óptima integración de la IA en la
formación del profesor de Física desde una orientación didáctica cultural y
humanista. Son precisados y ejemplificados los procedimientos metodológicos que
viabilizan el uso de la IA para la enseñanza y aprendizaje de contenidos de la
Física.
Resultados
La investigación se estructuró en
diferentes etapas: en la etapa de diagnóstico y familiarización se examinaron
los antecedentes y estado del arte de la IA en la educación y enseñanza de la Física. En la etapa de fundamentación
teórico-práctica se precisaron las ideas teóricas y estructuración metodológica
de la concepción didáctica que sustenta la introducción y uso de la IA en la formación de profesores de Física para la enseñanza media.
En la etapa de implementación se
estudiaron los impactos de la puesta en práctica de la propuesta, centrando la
atención en la preparación teórico-metodológica de estudiantes y profesores y
el desempeño activo en el uso de diferentes herramientas de IA, el diseño de
actividades de enseñanza-aprendizaje, empleando modelos de largos lenguajes, la
valoración didáctica de la estructuración de preguntas y respuestas con
diferentes herramientas de IA, así como la planificación didáctica de sistemas
de clases y la metodología de resolución y formulación de problemas docentes de
física. En la etapa de control y retroalimentación se prosigue valorando y
evaluando los resultados que se obtienen.
Marco Teórico
El origen de la IA se ubica en el año 1950 cuando Alan Turing publica su artículo “Computing Machinery and Intelligence" ("Ordenador e
inteligencia"), donde concibe la prueba para identificar si una máquina es
inteligente. Más de medio siglo de evolución e investigaciones
condicionan un creciente aumento de la IA en diversas áreas de nuestras vidas. Este
sistema tecnológico continúa su expansión y perfeccionamiento en el siglo XXI,
consolidando un área tecnocientífica y práctica de carácter interdisciplinario
con grandes impactos en la sociedad y expectativas en la educación (Lee, Hwang & Chen, 2022).
De forma general, el término “inteligencia artificial” se
aplica cuando una máquina, en particular un ordenador, simula el pensamiento
humano o comportamientos que se asocian con la inteligencia humana, como el
aprendizaje, la palabra y la solución de problemas. Estos procesos incluyen
aprendizaje (adquisición de información y de las reglas de uso de la información),
razonamiento y autocorrección (Méndez, Ramírez y Mora, 2020).
Un chatbot (o bot conversacional) es un programa
informático diseñado para simular una conversación en lenguaje natural con
seres humanos a través de un canal de texto, voz o incluso imágenes. Esta
tecnología utiliza técnicas de IA, como el procesamiento del lenguaje natural y
el aprendizaje automático (machine
learning), para procesar y comprender las preguntas y solicitudes del
usuario y proporcionar respuestas relevantes y coherentes.
Es decir, los chatbots
recogen una pregunta, procesan la información y responden en milisegundos (Yu & Lu, 2021; Alneyadi & Wardat, 2023). ChatGPT es un tipo de IA generativa
desarrollado por la empresa OpenAI que utiliza una red neuronal artificial
llamada generative pre-trained
transformer (GPT) para generar texto de forma coherente y relevante en
conversaciones de tipo chat con seres humanos (Cochran et al., 2023).
La petición que realiza el usuario al chatbot se conoce
comúnmente en inglés como prompt. La
estructuración del prompt, como
petición del usuario, es esencial para la óptima comunicación con las
herramientas de IA. Esta estructura del prompt debe considerar el rol que debe
asumir el chat o modelo, contextualización, clara descripción de la petición y
el tono o estilo.
Las herramientas de IA en la enseñanza de la Física pueden
emplearse en la generación y solución de problemas típicos, elaborar ensayos,
traducir textos, se usan sistemas tutoriales, generar códigos, expresar ideas
para diseñar, organiza y planificar un proceso, personalizar el aprendizaje y
la evaluación, entre otros. Es muy importante atender las limitaciones de
los modelos de grandes lenguajes asociadas a sesgos en la información,
desactualización, errores en la solución de algunos problemas, alucinación de
referencias y fuentes bibliográficas.
Enfoque didáctico que sustenta la
eficiente introducción de la IA en
la formación de profesores de Física
El proceso de enseñanza-aprendizaje de la Física (PAEF) y
otras ciencias debe actualizarse en correspondencia con las exigencias
socioculturales y didácticas de una era con predominio creciente de la
digitalización. Se impone desarrollar emergentes competencias digitales en los
docentes y estudiantes para su mejor inserción en la sociedad del conocimiento
y la informatización. Las tecnologías disruptivas como la realidad aumentada,
realidad virtual, redes sociales, inteligencia artificial, aplicaciones
móviles, analítica de aprendizaje se introducen y evalúan en diferentes niveles
educativos. La orientación cultural y humanista de la enseñanza de la Física es
la concepción didáctica que permite sustentar este marco de trabajo con la IA,
focalizado en elevar la calidad de los procesos de enseñanza y aprendizaje. Esta
concepción direcciona la integración de las IA en función de formar
personalidades integrales capaces de explicar, transformar con pensamiento
crítico y creador su contexto. Las ideas metodológicas esenciales que se
precisan para el empleo de la IA son las siguientes:
v La inteligencia
artificial (IA) debe emplearse en el PEAF como una herramienta para potenciar
la resolución de problemas de interés social, ambiental y de la profesión que
contribuyan a un desarrollo humano integral y social sostenible.
v En la formación integral
de profesores de Física el uso de la IA debe robustecer la enseñanza y
aprendizaje transdiciplinaria desde el sistema de contenidos culturales de la
Física.
v Al emplear la
inteligencia artificial en el PEAF es imprescindible un rigoroso apego a las
normas y regulaciones ético-morales que garanticen desempeños respetuosos y
solidarios en la creación, distribución y uso activo de los contenidos
digitales docentes.
v El PEAF asistido por la
inteligencia artificial debe promover en estudiantes y profesores modos de
actuación creativos, colaborativos, reflexivos, innovadores, valorativos.
v La innovación e
investigación didáctica debe ser potenciada por la inteligencia artificial,
actualizando los diferentes niveles curriculares de la formación docente en
Física, evaluando nuevas perspectivas de sus imprescindibles funciones y
competencias profesionales pedagógicas.
Estas ideas y premisas conforman un marco orientador para la
preparación teórico-metodológica de los profesores en la introducción de la IA
en el PEAF y su ulterior desarrollo evolutivo en la práctica docente. Estas
ideas favorecen la optimización de la implementación de las tecnologías con IA
y la cabal comprensión de las insustituibles funciones del profesor como
pedagogo en nuevos roles interactivos que encauzan y enaltecen aprendizajes de
orden superior en los estudiantes.
Existe consenso a nivel internacional y nacional sobre
potencialidades didácticas significativas de la IA en educación. Entre las
principales potencialidades didácticas se resaltan las siguientes:
v Contribuye al diseño,
organización y gestión curricular en las carreras.
v Formulación y resolución
de problemas docentes de Física acorde a las tendencias didácticas
contemporáneas.
v Favorece la
personalización de la enseñanza y el aprendizaje de acuerdo con estilos,
motivaciones y necesidades educativas en general.
v Creación y edición de
contenidos didácticos: textos, imágenes, videos, base de datos, presentaciones
digitales, sitios web educativos, aplicaciones móviles, entre otros.
v Generación de códigos de
programación, graficadores, animaciones, simulaciones.
v Optimiza la dirección de
procesos interactivos de enseñanza, aprendizaje y educativos.
v Fomenta y desarrolla
competencias digitales e interdisciplinarias en estudiantes y docentes.
v Potencia la evaluación
formativa con un carácter individual y colectivo, ponderando el desarrollo de
personalidades integrales en contextos complejos.
Cuando se analizan las potencialidades de la IA para
perfeccionar el aprendizaje de la Física y otras ciencias, resaltan las
implicaciones didácticas que esto conlleva en la concepción y asunción de un
proceso formativo renovador.
v Integración curricular
de las tecnologías de IA desde una perspectiva holística.
v Educación integral de
los colectivos pedagógicos en el uso de la IA en el ámbito educativo.
v Renovación profunda de
la Didáctica de la Física en la formación de profesores y en la enseñanza
aprendizaje de la educación media.
v Transformación
sustancial de las competencias para la formulación y resolución de problemas
interdisciplinarios asistidos por IA en el PEA de la Física.
v Replanteamiento del
enfoque metodológico de las actividades experimentales reales, virtuales,
simulaciones y la educación a distancia con el empleo de la IA.
v Eficiente introducción
de la robótica educativa y análisis crítico de los procesos de automatización
considerando el desarrollo de esenciales competencias profesionales.
v Cambios significativos
en la estructuración didáctica del sistema de evaluación individual y colectiva.
Implementación de la IA en el
PEAF en la formación docente. Ejemplos de algunos resultados
Desde esta concepción didáctica sistémica, las actividades
de enseñanza y aprendizaje con el empleo de la IA van dirigidas a optimizar el
proceso de aprendizaje e investigación y transitar a niveles superiores de
competencias y desempeños. Lejos de acomodarse al facilismo, se requiere
motivar y retar con constancia el intelecto de estudiantes y profesores en
formación.
a) El cambio didáctico es notable desde la planificación de
las clases empleando ChatGPT 5, Deepseek 4, Perplexity, Gemini, Copilot (Guerrero, 2025). Con una buena
estructuración del prompt se solicita la planificación curricular de una unidad
didáctica de un curso de Física y los futuros profesores realizan un análisis
metodológico de la estructura y funciones de los componentes del sistema de
clases, tareas docentes y secuencia didáctica que propone la IA y rúbricas de
evaluación. Es decisiva la atención a las diferencias individuales desde la
petición. En estos análisis didácticos el profesor dirige los debates críticos
sobre los aspectos considerados por las diferentes IA tomando como base el
mismo prompt y se realiza un resumen
de los aportes y limitaciones. Son importantes las discusiones sobre los
elementos que se omiten por la IA en cuanto a considerar la experiencia previa
de los estudiantes y las concepciones alternativas de los estudiantes (Figuras
1 y 2).
|
Figura 1. Planificación curricular de una asignatura |
|
Se analiza la tabla de posible dosificación de los
contenidos, la distribución de formas de organización docente, actividades por
clases, métodos y medios didácticos a emplear y el sistema de evaluación y su
planificación por clases (Figuras 1 y 2). Se destaca en el debate la
contrastación de propuestas entre los futuros profesores y las propuestas
realizadas por los modelos de Perplexity,
Gemini, Copilot, Deepseek y ChatGPT 4o. Los tipos de metodologías
activas que predominan por cada subunidad y la disposición de clases prácticas,
trabajos de laboratorios conllevan a una reflexión crítica profunda y
propositiva por parte de los estudiantes. La posibilidad de la IA de reducir el
tiempo de algunas tareas rutinarias diarias permite abrir espacios para
fomentar habilidades profesionales de planificación, organización, selección de
contenidos, metodologías y rubricas de evaluación que garantizan desempeños
profesionales pedagógicos de orden superior y calidad.
b) Los estudiantes deben sugerir o analizar la formulación y
resolución de problemas interdisciplinarios por la IA. El profesor recaba en
los requerimientos para la correcta formulación de problemas cerrados y
abiertos contextualizados y la metodología de resolución con el empleo de
métodos, procedimientos y estrategias activas, desarrolladoras.
|
|
|
|
Figura
3. Estudio de la caída libre, modelo, imágenes |
Figura 4. Construcción e interpretación de gráficos |
Como parte de la formulación y resolución de problemas
contextualizados con la IA los estudiantes transitan con rapidez de modelos
fisicomatemáticos simples a más complejos, interactuando con imágenes,
simulaciones y videos (Figuras 3, 4, 5 y 6). Se enriquecen los espacios de
intercambio con los estudiantes para discutir sobre la importancia e interés de
la resolución de problemas contextualizados socioculturales, las emisiones y
contrastación de hipótesis, los diseños experimentales, las propuestas de
estrategias de solución y los análisis de los resultados desde una perspectiva
que considera la naturaleza social de la Física y sus implicaciones para otras
ciencias, la tecnología, sociedad y la cultura general. La IA potencia el
análisis de estos aspectos ejemplificando otras aplicaciones del estudio
realizado y se convierte en objeto de análisis de los propios métodos y
metodologías empleadas para la resolución de problemas docentes.
En las figuras 3 y 4 se muestra el análisis de la caída a
Tierra de cuerpos interesantes en caída libre y considerando la resistencia del
aire proporcional al cuadrado de la velocidad. Las herramientas de IA ponderan
el uso de metodologías activas como el aprendizaje basado en problemas,
aprendizaje como indagación y el aprendizaje basado en proyecto. El aprendizaje
de habilidades para la construcción e interpretación de gráficos se consolida
con la contrastación de códigos de programas generados por la IA para hacer los
gráficos en Python, GeoGebra o Matlab.
Las herramientas de IA potencian ambientes de discusión
científica en lo individual y colectivo debatiendo de forma cooperada
problemáticas de interés social y profesional, creando, gestionando, aplicando
y evaluando contenidos culturalmente relevantes para la humanidad y el
medioambiente.
|
|
|
|
Figura 5.
Imagen creada con IA (Copilot) |
Figura
5. Estudio de la caida de un granizo (ChatGPT 4o) |
Discusión
El diseño experimental de la
investigación y su implementación permitió evaluar el comportamiento del
aprendizaje asistido por la inteligencia artificial como la variable
fundamental. Los resultados globales de aprendizaje mediado por IA se alinean
con los obtenidos por Alneyadi & Wardat (2023) y están en correspondencia con los
hallazgos sobre la apropiación activa de
Feng, Li & Bao (2026). Los
principales indicadores en el desempeño de los estudiantes se centraron en
competencias esenciales en la enseñanza y aprendizaje de la Física con el uso
de la IA: el diseño del prompt, la
formulación de problemas de interés social, personal y profesional, la
resolución de problemas con metodologías activas, la valoración de resultados y
procesos, creación de imágenes, ensayos y la creación de videos.
Se aprecia en la figura el salto
progresivo de la mediana de la variable de un nivel bajo al inicio a un nivel
medio de alta calidad, atendiendo a la cantidad de estudiantes que progresan a
los niveles alto y medio en la mayoría de los indicadores (Figuras 7 y 8).
|
Figura 7.
Resultados de la variable en el estado inicial |
Figura
8. Aprendizaje en el estado final |
Se destaca el aprendizaje de los
estudiantes para estructura el prompt, resolver problemas, la valoración de
resultados y la creación de imágenes, videos, infografías, cuestionarios,
documentos y presentaciones interactivas. Es significativo que se pueda
continuar trabajando en la enseñanza en la formulación de problemas abiertos y
cerrados con el uso de la IA por parte de los estudiantes que se forman como
profesores de Física.
CONCLUSIONES
La introducción eficiente de la IA en
la formación de profesores de Física requiere de un sistémico enfoque didáctico
con orientación cultural y humanista que encauce la implementación de estas
variadas herramientas digitales. Es imprescindible la sistémica preparación
teórico-metodológica de profesores de Física en el pregrado y postgrado en
cuanto a saber, saber hacer y saber valorar el uso de la IA en la educación
científica contemporánea. Se requiere actualizar el trabajo metodológico y
científico-metodológico en el currículo desde perspectivas investigadoras más
integrales en el empleo eficaz de la IA para elevar los niveles de aprendizaje
y desempeño pedagógico de los profesores de Física en formación permanente.
REFERENCIAS BIBLIOGRÁFICAS
I.
Acosta Martínez, L. G. y Dávila
Valdés, D. C. Y. (2026). La generación colaborativa de contenido educativo
digital para la multiplataforma Cubaeduca. Ciencias
pedagógicas, 19(1), 49–65. Recuperado a partir de https://www.cienciaspedagogicas.rimed.cu/index.php/ICCP/article/view/692.
II.
Almasri, F. (2024). Explorando
el impacto de la inteligencia artificial en la enseñanza y el aprendizaje de
las ciencias: una revisión sistemática de la investigación empírica. Res Sci Educ, 54, 977–997. https://doi.org/10.1007/s11165-024-10176-3.
III.
Alneyadi, S. & Wardat, Y. (2023). ChatGPT:
Revolutionizing student achievement in the electronic magnetism unit for
eleventh-grade students in Emirates schools. Contemporary Educational Technology, 15(4), ep448.
IV.
Cáceres Guamán, L. W. E.,
& González Dosil, D. M. C. (2025). Inteligencia artificial y su
aplicación en la enseñanza de matemática en estudiantes de séptimo grado de
Básica Media y dos docentes del área de Matemáticas. Ciencias pedagógicas, 18(2),
445–458. Recuperado a partir de https://www.cienciaspedagogicas.rimed.cu/index.php/ICCP/article/view/624.
V.
Cochran, K. et al. (2023). Improving automated evaluation of
student text responses using gpt-3.5 for text data augmentation. In
International conference on artificial intelligence in education (pp. 217–228).
Springer Nat
VI.
Feng, X., Li, S. & Bao, L. (2026). Generative AI for
feedback and collaborative knowledge construction in preservice physics teacher
education. Physical Review Physics
Education Research, 22(1),
010116. https://doi.org/10.1103/hm13-jv98.
VII.
Ferrarelli, P. &
Iocchi, L. (2021). Learning newtonian physics through programming robot
experiments. Technology Knowledge and
Learning, 26(4), 789–824.
VIII.
Guerrero Zambrano, M. (2025). Transforming physics teacher
training through ChatGPT. Education Sciences, 15(7), 887. https://doi.org/10.3390/educsci15070887.
IX.
Holmes, W. & Porayska Pomsta, K. (Eds.). (2023). The
ethics of AI in education. Practices, challenges, and
debates. Routledge.
X.
Holmes, W. & Tuomi, I. (2022). State of the art and practice in AI in education. European Journal of Education, 57,
542–570. https://doi.org/10.1111/ejed.12533.
XI.
Lee, Y. F., Hwang, G. J. & Chen, P. (2022). Impacts of an AI-based cha bot on
college students’ after-class review, academic performance, self-efficacy,
learning attitude, and motivation. Educational
Technology Research and Development, 70(5),
1843–1865.
XII.
Méndez, I., Ramírez A. y Mora
R. (2020). Aprendizaje automático aplicado en física: una revisión de la
literatura científica. Research in Computing Science, 149(8), 803-916.
XIII.
Núñez Valdés, K. et al.
(2025). Inteligencia artificial y formación docente: análisis de las
percepciones estudiantiles. Formación
Universitaria, 18(4), 1-12. https://dx.doi.org/10.4067/s0718-50062025000400001.
XIV.
Pesantez Robles, D. A. y
Fernández Silva, I. L. (2023). La preparación de los docentes en el empleo de las
tecnologías para una educación inclusiva. Ciencias
pedagógicas, 16(2), 108–118. Recuperado a partir de https://www.cienciaspedagogicas.rimed.cu/index.php/ICCP/article/view/428.
XV.
UNESCO (2021). Recommendation on the ethics of artificial
intelligence. https://unesdoc.unesco.org/ark:/48223/pf000 0379920.
XVI.
Yu S. & Lu Y. (2021). An Introduction to Artificial Intelligence in Education, Bridging Human and Machine:
Future Education with Intelligence. https://doi.org/10.1007/978-981-16-2770-5_1.
DECLARACIÓN
DE CONFLICTOS ÉTICOS Y CONTRIBUCIÓN DE LOS AUTORES
Los
autores declaran que este manuscrito es original y no se ha enviado a otra
revista. Los autores son responsables del contenido recogido en el artículo y
en él no existen plagios, ni conflictos de interés ni éticos.
Francisco Luis Pedroso Camejo: Conceptualización, análisis formal, validación.
Salomão António Muagita: Conservación de datos: actividades de gestión para anotar (producir metadatos), depurar datos y mantener datos de investigación (incluido el código de software, cuando sea necesario para interpretar los datos en sí) para su uso inicial y posterior reutilización. Recursos – Provisión de materiales de estudio.
Andrés Felipe Velázquez Mosquera: Visualización, metodología, supervisión y responsabilidad de liderazgo para la planificación y ejecución de la actividad de investigación, incluida la tutoría externa al equipo central. Redacción – revisión y edición.