Inteligencia artificial y pedagogía: retos para la
educación superior en el Perú
Artificial intelligence and pedagogy: challenges for higher education in Peru
Recibido: 17/04/2025 - Aceptado: 22/08/2025
Grimaldo Heredia Pérez
https://orcid.org/0000-0001-5235-2786
g.heredia@uct.edu.pe
Universidad Católica de Trujillo Benedicto XVI. Trujillo, Perú
Jhonny Biler Benavides Galvez
https://orcid.org/0000-0001-8965-282X
jbbenavidesg@unach.edu.pe
Universidad Nacional Autónoma de Chota. Chota, Perú
Edi Rojas Campos
https://orcid.org/0000-0002-9992-7652
erojasc@unach.edu.pe
Universidad Nacional Autónoma de Chota. Chota, Perú
Elferes Sanchez Bustamante
https://orcid.org/0000-0002-3717-6611
elferessanchez1994@gmail.com
Universidad Nacional Autónoma de Chota. Chota, Perú
Resumen
El presente artículo analiza la relación entre la inteligencia artificial y la pedagogía en una universidad privada,
con el propósito de identificar los retos y desafíos que enfrenta la educación universitaria en la actualidad. Ante
la creciente influencia de la inteligencia artificial en el ámbito académico, es fundamental que las metodologías
pedagógicas se adapten a esta nueva realidad, garantizando así un proceso de enseñanza-aprendizaje eficiente
y pertinente. La investigación adoptó un enfoque cuantitativo, con un diseño no experimental y un nivel descriptivo
correlacional. La muestra consistió en 100 docentes universitarios, y se utilizó un cuestionario para evaluar, desde
una perspectiva perceptiva, el grado de integración de la inteligencia artificial en las prácticas pedagógicas. Los
resultados indican una relación positiva entre la inteligencia artificial y la pedagogía; en efecto, su aplicación
correcta contribuye al fortalecimiento de la labor pedagógica, lo que se traduce en una mejora significativa del
proceso educativo. Esta interacción representa una oportunidad valiosa para innovar y transformar la educación
superior, permitiendo afrontar con éxito los desafíos del contexto contemporáneo.
Palabras clave: inteligencia artificial, pedagogía, universidad.
Abstract
This article analyzes the relationship between artificial intelligence and pedagogy at a private university, with the
aim of identifying the challenges facing university education today. Given the growing influence of artificial
intelligence in the academic field, it is essential that pedagogical methodologies adapt to this new reality, thus
ensuring an efficient and relevant teaching-learning process. The research adopted a quantitative approach, with
a non-experimental design and a descriptive correlational level. The sample consisted of 100 university professors,
and a questionnaire was used to assess, from a perceptual perspective, the degree of integration of artificial
intelligence into pedagogical practices. The results indicate a positive relationship between artificial intelligence
and pedagogy; indeed, its correct application contributes to strengthening pedagogical work, which translates into
a significant improvement in the educational process. This interaction represents a valuable opportunity to innovate
and transform higher education, allowing it to successfully address the challenges of the contemporary context.
Keywords: artificial intelligence, pedagogy, university.
2
Introducción
En el contexto global actual, comprender el funcionamiento de la inteligencia artificial (IA) y su relación
con la pedagogía resulta fundamental para todas las universidades, tanto públicas como privadas. En efecto, las
instituciones de educación superior a nivel mundial muestran una creciente preocupación por el uso masivo de la
IA entre los estudiantes, aunque en menor medida por parte de los docentes universitarios, quienes en muchos
casos aún dudan en adoptarla plenamente, principalmente por temor a ofrecer información sesgada.
Por otra parte, en Europa la IA está revolucionando la educación universitaria, aportando beneficios como
la mejora de la enseñanza, la automatización de tareas y el análisis de datos. Además, varias universidades han
comenzado a ofrecer programas de maestría en inteligencia artificial, lo que permite a los estudiantes desarrollar
habilidades en machine learning, deep learning, visión por computadora y procesamiento de lenguaje natural,
conocimientos que luego pueden aplicarse eficazmente en la formación de estudiantes de pregrado y posgrado
(Carvajal, 2024).
En América Latina, la IA ha impulsado innovaciones educativas destacables, como mentores y tutores
basados en IA, planes de clase asistidos por esta tecnología, retroalimentación automatizada y sistemas de alerta
temprana, herramientas con gran potencial transformador, siempre que su uso se enmarque en principios éticos
sólidos (Ricra et al., 2025).
En el Perú, la inteligencia artificial también promete revolucionar y mejorar la educación superior, con
aplicaciones en análisis de datos, automatización de tareas y personalización del aprendizaje. Herramientas como
Gemini, Microsoft Copilot, Blackboard Ultra, Adobe Firefly y ChatGPT son ejemplos destacados. Sin embargo,
enfrentamos desafíos importantes, como la privacidad y seguridad, la brecha digital y, especialmente, la
capacitación docente, elementos esenciales para garantizar un uso adecuado y un impacto positivo en los
estudiantes (Bernilla, 2024).
En cuanto a estudios previos, en España, Vera (2023) identificó que la IA mejora el compromiso y la
participación estudiantil, ofrece retroalimentación inmediata, agiliza tareas y fomenta enfoques innovadores,
aunque recalcó la necesidad de implementar estos procesos con ética y responsabilidad, prestando atención a la
seguridad y privacidad de los estudiantes.
De manera similar, Martínez-Márquez (2025) en México concluyó la importancia de orientar los estudios
sobre IA en educación hacia el desarrollo de propuestas éticas para su uso, así como en la capacitación docente
para cerrar brechas en su utilización efectiva.
En América Latina, Uzcátegui & Ríos (2024) señalaron la relevancia de continuar explorando las
posibilidades educativas de la IA, siempre con un compromiso ético firme hacia la educación humana. Abordar
estos retos de manera consciente y colaborativa asegura que la IA no solo mejore la educación, sino que también
promueva un futuro mejor para todos.
Por su parte, en Perú, Ocaña-Fernández et al. (2019) destacaron que los modelos basados en IA pueden
propiciar un progreso sustancial en la educación superior al adaptar el aprendizaje a las necesidades específicas
de cada estudiante. El desafío principal para las universidades del nuevo milenio radica en planificar, diseñar,
desarrollar e implementar competencias digitales que formen profesionales capaces de comprender y adaptar el
entorno tecnológico a sus requerimientos, además de promover un lenguaje digital universal basado en
programas con IA.
Desde un enfoque teórico, Troncoso et al. (2023) afirmaron que la IA optimiza la eficiencia docente y
mejora la experiencia educativa, ofreciendo aprendizajes personalizados según las necesidades de los
estudiantes, lo que demuestra su significativo impacto en la educación actual.
En términos pedagógicos, Aguado et al. (2024) sostienen que la formación continua del docente
universitario es imprescindible para enfrentar los cambios educativos y las nuevas formas de aprendizaje que
exigen las sociedades contemporáneas. Destacan así la necesidad de fortalecer la formación pedagógica del
docente, orientada a estrategias transformadoras que mejoren sus conocimientos y prácticas educativas.
Por estas razones, resulta pertinente estudiar cómo la inteligencia artificial se relaciona y contribuye con
herramientas efectivas para mejorar el desempeño pedagógico. En ese sentido, el objetivo planteado es
determinar la relación entre la inteligencia artificial y la pedagogía en una universidad privada, con el fin de
identificar los retos y desafíos en la educación superior.
Metodología
Este estudio se clasifica como de nivel básico, puesto que su objetivo principal fue comprender la relación
existente entre la inteligencia artificial y la enseñanza pedagógica. Además, adoptó un enfoque cuantitativo, ya
3
que se emplearon datos numéricos y técnicas estadísticas para determinar si existe alguna conexión entre las
variables analizadas.
El diseño del estudio fue no experimental y de corte transversal; por lo tanto, se observaron las variables
tal como se presentan en la realidad, sin intervenir ni modificarlas. La recolección de información se realizó en un
solo momento, sin seguimiento posterior, dado que no se buscaba analizar la evolución de las variables a lo largo
del tiempo. Asimismo, la investigación combinó un enfoque descriptivo y correlacional, centrado en detallar las
características de las variables y en investigar la posible relación entre la IA y la pedagogía dentro de una
institución universitaria.
La población estuvo conformada por 460 docentes universitarios, de los cuales se seleccionó una muestra
de 100 mediante un muestreo no probabilístico por conveniencia. Como criterio de inclusión, se consideraron
únicamente docentes de entre 30 y 50 años, dado que este grupo presenta mayor apertura para utilizar la IA en
sus actividades académicas, quedando excluidos los profesionales fuera de este rango etario. Es importante
aclarar que el muestreo no probabilístico puede limitar la generalización de los resultados a toda la población con
un margen de certeza definido.
Para la recolección de datos, se empleó la técnica de encuesta, utilizando dos cuestionarios, uno
enfocado en inteligencia artificial y otro en pedagogía, ambos con 20 preguntas cada uno. La validez de los
instrumentos fue evaluada mediante juicio de expertos, y la fiabilidad se verificó a través del coeficiente Alfa de
Cronbach, asegurando la coherencia y consistencia de las preguntas con las dimensiones y variables estudiadas.
Los datos recopilados se procesaron con el programa estadístico SPSS versión 26, aplicando técnicas
de estadística descriptiva e inferencial para analizar el comportamiento y la relación entre las variables. Los
resultados se presentaron en tablas elaboradas especialmente para el estudio.
Finalmente, en cuanto a los principios éticos, se respetaron normas fundamentales como la integridad en
la investigación científica, la equidad y veracidad en la comunicación de resultados, la transparencia en el proceso
sin conflictos de interés, y la autonomía plena de los participantes para decidir sobre su participación.
Resultados
Resultados descriptivos
Tabla 1
Resultados por dimensiones de la variable inteligencia artificial
Bajo
Medio
Alto
n
%
n
%
n
%
D1. Machine learning
58
58,00 %
34
34,00 %
8
8,00 %
D2. Deep learning
64
64,00 %
32
32,00 %
4
4,00 %
D3. Lenguaje natural
68
68,00 %
30
30,00 %
2
2,00 %
D4. Visión por computadora
50
50,00 %
48
48,00 %
2
2,00 %
V1. Inteligencia artificial
60
60,00 %
36
36,00 %
4
4,00 %
De acuerdo con la tabla 1, en la dimensión machine learning, el 58,00 % de los casos fue calificado en
un nivel bajo, el 34,00 % en un nivel medio y el 8,00 % en un nivel alto. Respecto a deep learning, el 64,00 % lo
consideró bajo, el 32,00 % medio y el 4,00 % alto. En lenguaje natural, el 68,00 % calificó el nivel como bajo, el
30,00 % como medio y el 2,00 % como alto. Para visión por computadora, el 50,00 % lo estimó bajo, el 48,00 %
medio y el 2,00 % alto. Finalmente, en la variable general inteligencia artificial, el 60,00 % lo percibió como bajo,
el 36,00 % como medio y solo el 4,00 % como alto.
Tabla 2
Resultados por dimensiones de la variable pedagogía
Bajo
Medio
Alto
n
%
n
%
n
%
D1. Aprendizaje basado en datos
60
60,00 %
37
37,00 %
3
3,00 %
4
D2. Aprendizaje colaborativo
40
40,00 %
59
59,00 %
1
1,00 %
D3. Aprendizaje individualizado
22
22,00 %
53
53,00 %
25
25,00 %
V2. Pedagogía
41
41,00 %
50
50,00 %
9
9,00 %
Según la tabla 2, la dimensión aprendizaje basado en datos fue calificada como baja por el 60,00 % de
los encuestados, media por el 37,00 % y alta por el 3,00 %. En aprendizaje colaborativo, el 40,00 % lo consideró
bajo, el 59,00 % medio y el 1,00 % alto. La dimensión aprendizaje individualizado fue valorada como baja por el
22,00 %, media por el 53,00 % y alta por el 25,00 %. En cuanto a la variable general pedagogía, el 41,00 % la
percibió en un grado bajo, el 50,00 % medio y el 9,00 % alto.
Resultados inferenciales
Tabla 3
Prueba de normalidad Kolmogorov-Smirnov
Kolmogorov-Smirnov
Estadístico
gl
Sig.
Inteligencia artificial
,087
100
,200
Pedagogía
,083
100
,200
La prueba de normalidad Kolmogorov-Smirnov mostró un nivel de significancia superior a 0,05, lo que
indica que las variables presentan una distribución normal. Por este motivo, para probar hipótesis se empleó el
coeficiente de correlación de Pearson.
Tabla 4
Correlación entre las variables inteligencia artificial y pedagogía
Pedagogía
Rho de Pearson
Inteligencia artificial
Coeficiente de correlación
,859
Sig. (bilateral)
,000
N
100
En la tabla de correlación se observa un coeficiente de Pearson de 0,859, con una significancia bilateral
de 0,000, basado en 100 casos. Esto revela una relación fuerte y significativa entre las variables inteligencia
artificial y pedagogía.
Discusión
En relación con el objetivo del estudio, se confirmó la existencia de una relación fuerte y significativa entre
la inteligencia artificial y la pedagogía en una universidad privada del Perú. Los resultados estadísticos revelaron
un coeficiente de correlación de 0,859 con una significancia de 0,000, lo que evidencia una asociación muy
relevante entre ambas variables. Además, se observaron diferencias en la percepción de los encuestados
respecto a estas variables: el 60,00 % consideró que el nivel de inteligencia artificial es bajo, el 36,00 % lo calificó
como medio y solo el 4 % lo percibió como alto; en cuanto a la pedagogía, el 41,00 % la juzgó baja, el 50,00 %
media y el 9,00 % alta.
Aunque los resultados reflejan un uso medio-bajo de la IA en la pedagogía universitaria, la relación directa
entre ambas variables coincide con lo planteado por Parra-Sánchez (2022), quien analizó las potencialidades de
la IA en la educación superior. Este autor señaló que muchos modelos no consideran adecuadamente su impacto
ni estandarizan procesos, evidenciando ciertas deficiencias educativas a pesar de los avances tecnológicos.
Áreas como programación e ingeniería informática sobresalen debido a la capacidad de sus docentes. También
destacó la flexibilidad en las técnicas de IA aplicadas, sin un único enfoque estándar y con pruebas frecuentes en
grupos reducidos, sin incorporar estos modelos en las directrices institucionales. Asimismo, resaltó la ausencia
de estudios que integren conocimientos previos, estilos de aprendizaje y factores no lectivos en el diseño de
5
modelos personalizados, subrayando la necesidad de enfrentar nuevos retos docentes en el uso de la IA en la
enseñanza universitaria.
De manera complementaria, Rodríguez et al. (2024), a través de una revisión sistemática, concluyeron
que la IA puede personalizar el aprendizaje y mejorar la calidad educativa mediante herramientas que fomentan
habilidades y participación estudiantil. La integración de sistemas de tutoría inteligente ofrece una orientación
personalizada, aunque resulta esencial evaluar su impacto real en la enseñanza. Además, alertaron sobre la
necesidad de seleccionar cuidadosamente las herramientas de IA para que complementen la educación
universitaria, abordando también los desafíos éticos como el plagio y la generación de contenido no auténtico. En
línea con esto, Solano-Barliza et al. (2024) indicaron que la inclusión de tecnologías como ChatGPT en el aula
contribuye sustancialmente a una mejor comprensión de los temas y crea nuevos espacios para la interacción y
construcción colectiva del conocimiento.
Por otro lado, los hallazgos coinciden con Benítez (2025), quien destacó que la incorporación efectiva de
la IA en la educación superior potencia la calidad del aprendizaje, ayuda a discriminar la información relevante y
enfrenta retos éticos y sociales, repercutiendo positivamente en la formación profesional. Además, afirmó que la
educación potenciada por IA capacita a los estudiantes para mejorar su competitividad en el mercado laboral, al
desarrollar habilidades tecnológicas avanzadas altamente valoradas por los empleadores, preparando
profesionales más eficientes y adaptables a las demandas cambiantes del entorno laboral.
En la misma línea, Villao (2025) encontró que, aunque las tecnologías basadas en IA pueden favorecer
el aprendizaje autónomo, fortalecer habilidades digitales y apoyar la toma de decisiones del docente, también
plantean desafíos relacionados con la equidad, privacidad, sesgos algorítmicos y capacitación docente.
Asimismo, identificó vacíos regulatorios y deficiencias institucionales que dificultan una integración ética y efectiva
de la IA en las universidades. Finalmente, enfatizó que la IA no debe considerarse un sustituto del docente, sino
una herramienta que potencie la calidad de la enseñanza sin comprometer los principios fundamentales de la
educación superior.
Similarmente, Gavilanes et al. (2024) señalaron que la incorporación de la IA en la educación superior
ofrece oportunidades para mejorar la calidad de la enseñanza y la experiencia del estudiante, aunque su
implementación enfrenta obstáculos vinculados a la capacitación del personal, la actualización curricular y
aspectos éticos y legales. Por ello, es esencial definir políticas claras que regulen su uso ético y aseguren su
aplicación inclusiva, innovadora y sostenible en los contextos educativos.
En definitiva, el empleo de la inteligencia artificial implica retos y desafíos para la educación superior, tales
como el cierre de la brecha digital, la capacitación docente, la privacidad y seguridad, la calidad y validez, el sesgo
y la equidad, la regulación y gobernanza, el impacto en la fuerza laboral, así como la ética y la responsabilidad.
Estos aspectos deben gestionarse con especial cuidado mediante el desarrollo de políticas y prácticas claras que
garanticen la seguridad y privacidad, fomenten el diálogo y la colaboración entre gobiernos, universidades y
expertos independientes y, sobre todo, impulsen la capacitación y el apoyo constante a los docentes para integrar
la IA en sus actividades pedagógicas.
Conclusiones
El estudio confirmó una relación fuerte y significativa entre la inteligencia artificial y la pedagogía en una
universidad privada del Perú, reflejada en un coeficiente de correlación de 0,859 y una significancia estadística
de 0,000. Esto indica que, cuando la inteligencia artificial se utiliza de manera adecuada, tiene el potencial de
fortalecer considerablemente la pedagogía, lo que a su vez contribuye a optimizar de forma sustancial el proceso
de enseñanza-aprendizaje.
En relación con los principales retos y desafíos en la educación superior, se destacan el cierre de la
brecha digital, la protección de la privacidad y la seguridad, así como el compromiso ético y la responsabilidad en
el uso de estas tecnologías. Para abordar estos aspectos, es fundamental una gestión cuidadosa que contemple
el diseño de políticas claras y guías prácticas, la colaboración estrecha entre universidades y expertos, y, sobre
todo, la capacitación y el apoyo constante a los docentes para que integren eficazmente la inteligencia artificial
en su práctica pedagógica.
Referencias
Aguado, L. P., Harvey, D. G., & Palacios, F. M. (2024). Práctica pedagógica en el nivel superior, retos actuales
para una enseñanza de calidad: Una revisión sistemática. Horizontes Revista de Investigación en
Ciencias de la Educación, 8(33), 954-968. https://doi.org/10.33996/revistahorizontes.v8i33.776
6
Benítez, M. C. (2025). Inteligencia artificial: Incidencia en la educación superior. Revista del Cisen
Tramas/Maepova, 12(2), 71–90. https://portalderevistas.unsa.edu.ar/index.php/cisen/article/view/4921
Bernilla, E. B. (2024). Docentes ante la inteligencia artificial en una universidad pública del norte del Perú. Revista
Educación, 33(64), 8-28. https://doi.org/10.18800/educacion.202401.m001
Carvajal, C. A. (2024). Inteligencia artificial como recurso didáctico en la educación superior: Una revisión
sistemática. Revista Recimundo, 8(4), 51–65. https://doi.org/10.26820/recimundo/8
Gavilanes, P. G., Adum, J. H., García, G. S., & Ruíz, M. G. (2024). Impacto de la inteligencia artificial en la
educación superior: Una mirada hacia el futuro. Revista Reciamuc, 8(2), 213-
221. https://doi.org/10.26820/reciamuc/8.(2).abril.2024.213-221
Martínez-Márquez, M. A. (2025). Inteligencia artificial y educación. Revista Tecnológica-Educativa Docentes 2.0,
18(1), 245-257. https://doi.org/10.37843/rted.v18i1.614
Ocaña-Fernández, Y., Valenzuela-Fernández, L. A., & Garro-Aburto, L. L. (2019). Inteligencia artificial y sus
implicaciones en la educación superior. Revista Propósitos y Representaciones, 7(2), 536-
568. http://dx.doi.org/10.20511/pyr2019.v7n2.274
Parra-Sánchez, J. S. (2022). Potencialidades de la inteligencia artificial en educación superior: Un enfoque desde
la personalización. Revista Tecnológica-Educativa Docentes 2.0, 14(1), 19–
27. https://doi.org/10.37843/rted.v14i1.296
Ricra, R. A., Queque, E. F., Vega, F. H., Martínez, D. J., Ross, J., & Lara, L. M. (2025). Implicaciones éticas de la
inteligencia artificial generativa en la educación superior: Una revisión sistemática. Revista InveCom, 6(2),
1–8. https://doi.org/10.5281/zenodo.16734732
Rodríguez, M. G., Marín, J., & Maiuri, C. (2024). Perspectivas de la inteligencia artificial en la educación
universitaria: Un análisis basado en la literatura académica. Areté, Revista Digital del Doctorado en
Educación, 10(e), 175-193. https://doi.org/10.55560/arete.2024.ee.10.12
Solano-Barliza, A. D., Ojeda, A. D., & Aarón-Gonzalvez, M. (2024). Análisis cuantitativo de la percepción sobre el
uso de la inteligencia artificial ChatGPT en la enseñanza y el aprendizaje de estudiantes de pregrado
colombo-caribeños. Revista Formación Universitaria, 17(3), 129-138. https://doi.org/10.4067/s0718-
50062024000300129
Troncoso, M. O., Dueñas, Y. K., & Verdecia, E. (2023). Inteligencia artificial y educación: Nuevas relaciones en un
mundo interconectado. Revista Estudios del Desarrollo Social: Cuba y América Latina, 11(2), 1-
20. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2308-01322023000200014&lng=es&tlng=es
Uzcátegui, R. A., & Ríos, M. J. (2024). Inteligencia artificial para la educación: Formar en tiempos de incertidumbre
para adelantar el futuro. Areté, Revista Digital del Doctorado en Educación, 10(e), 1-
21. https://doi.org/10.55560/arete.2024.ee.10.1
Vera, F. (2023). Integración de la inteligencia artificial en la educación superior: Desafíos y oportunidades. Revista
Electrónica Transformar, 4(1), 17–
34. https://www.revistatransformar.cl/index.php/transformar/article/view/84
Villao, G. A. (2025). El rol de la inteligencia artificial en la enseñanza universitaria: Potencial, riesgos y perspectivas
futuras. Innovarium International Journal, 3(2), 1-
12. https://revinde.org/index.php/innovarium/article/view/55
CONTRIBUCIÓN DE LA AUTORÍA:
1. Conceptualización: Jhonny Biler Benavides Galvez
2. Curación de datos: Edi Rojas Campos
3. Análisis formal: Jhonny Biler Benavides Galvez
4. Adquisición de fondos: Elferes Sanchez Bustamante
5. Investigación: Grimaldo Heredia Pérez
6. Metodología: Edi Rojas Campos
7. Dirección del proyecto: Grimaldo Heredia Pérez
8. Recursos: Elferes Sanchez Bustamante
9. Software: Jhonny Biler Benavides Galvez
10. Supervisión: Grimaldo Heredia Pérez
11. Validación: Elferes Sanchez Bustamante
12. Visualización: Edi Rojas Campos
13. Redacción - borrador original: Grimaldo Heredia Pérez
14. Redacción - corrección de pruebas y edición: Grimaldo Heredia Pérez
