Producción científica sobre inteligencia artificial en educación:
un análisis bibliométrico basado en metadatos mediante
VOSviewer (2015-2026)
Scientific production on artificial intelligence in education: a bibliometric
analysis based on metadata using VOSviewer (2015-2026)
Recibido: 10/04/2026 - Aceptado: 25/06/2026
José Oscar Huanca Frías
jo.huanca@unaj.edu.pe
https://orcid.org/0000-0003-0638-2129
Universidad Nacional de Juliaca. Puno, Perú
Vitaliano Enríquez Mamani
v.enriquezm@unaj.edu.pe
https://orcid.org/0000-0002-9858-2488
Universidad Nacional de Juliaca. Puno, Perú
Ledu Analí Ferreyros Calisaya
lferreyros@unaj.edu.pe
https://orcid.org/0000-0002-5885-9980
Universidad Nacional de Juliaca. Puno, Perú
Jaime Sucasaca Yanarico
j.sucasacay@unaj.edu.pe
https://orcid.org/0009-0004-3123-822X
Universidad Nacional de Juliaca. Puno, Perú
Leopoldo Wenceslao Condori Cari
leowen0621@hotmail.com
https://orcid.org/0000-0003-2372-6720
Universidad Andina Néstor Cáceres Velásquez. Puno, Perú
Rene Eduardo Huanca Frías
reduardof@unamad.edu.pe
https://orcid.org/0000-0001-5157-2947
Universidad Nacional Amazónica de Madre de Dios. Madre de Dios, Perú
Resumen
En la situación educativa actual, la inteligencia artificial, ha generado una transformación paradigmática
hacia la denominada Educación 4.0, transformando notablemente los métodos de enseñanza,
personalización y evaluación del aprendizaje. Consecuentemente, esta investigación permitió analizar la
producción científica sobre IA en educación identificada en la base de datos Scopus durante el periodo
2015-2026, empleando una metodología basada en el proceso deductivo, con una perspectiva cuantitativa,
un alcance descriptivo y un diseño de investigación documental y longitudinal. El instrumento de
recolección de metadatos fue una cadena de búsqueda estructurada con operadores booleanos con 4599
2
documentos analizados, procesando la información mediante el software VOSviewer para el mapeo
sociométrico de redes de co-ocurrencia y colaboración institucional. Los resultados obtenidos han
permitido identificar un incremento exponencial de las publicaciones a partir del año 2023, promovido por
el uso de la IA generativa, donde los artículos originales son el principal medio de comunicación científica
con un 65,9% de toda la producción total. El análisis bibliométrico muestra una distribución intelectual
organizada en tres clústeres dominantes que son el eje tecnológico, las aplicaciones pedagógicas y el eje
ético emergente basado en la integridad académica y en el uso de ChatGPT. Además, el análisis geográfico
muestra el rol fundamental de las universidades del Perú en América Latina con un 23,6% de las
publicaciones asociadas al desarrollo de las competencias investigativas en universitarios. En conclusión,
la IA funciona como un apoyo cognitivo esencial que no reemplaza al docente, sino que requiere de un
liderazgo pedagógico con principio éticos y de inclusión social.
Palabras clave: análisis bibliométrico, educación, inteligencia artificial.
Abstract
In the current educational landscape, artificial intelligence (AI) has generated a paradigmatic transformation
toward the so-called Education 4.0, significantly transforming teaching methods, personalization, and
learning assessment. Consequently, this research allowed for the analysis of scientific production on AI in
education identified in the Scopus database during the 2015-2026 period, employing a methodology based
on the deductive process, with a quantitative perspective, a descriptive scope, and a documentary and
longitudinal research design. The metadata collection instrument was a structured search string with
Boolean operators with 4,599 analyzed documents, processing the information through VOSviewer
software for the sociometric mapping of co-occurrence and institutional collaboration networks. Accordingly,
the results obtained identified an exponential increase in publications starting in 2023, driven by the rise of
generative AI, where original articles served as the main channel of scientific communication, accounting
for 65.9% of the total production. The bibliometric analysis reveals an intellectual distribution organized into
three dominant clusters: the technological axis, pedagogical applications, and the emerging ethical axis
focused on academic integrity and the use of ChatGPT. Furthermore, the geographic analysis highlights
the fundamental role of universities in Peru within Latin America, contributing 23.6% of the publications
associated with the development of research skills in university students. In conclusion, AI acts as an
essential cognitive assistant that does not replace the teacher; instead, it requires pedagogical leadership
guided by ethical principles and social inclusion.
Keywords: bibliometric analysis, education, artificial intelligence.
Introducción
Hoy en día las herramientas digitales, han cambiado el entorno educativo, implementándose en
diversas metodologías de enseñanza que no solo favorecen el desarrollo de habilidades necesarias para
un desempeño profesional apropiado, sino que también previenen a los estudiantes para el entorno
práctico frente a un mundo que está en cambio constante (Vallejo, 2024). En ese escenario, la inteligencia
artificial (IA) se ha convertido en un aparato tecnológico más importante del siglo XXI, cambiando la manera
de enseñar y de aprender, y brindando nuevas maneras de personalización que combinan la
automatización con las decisiones educativas (Villarroel-Molina et al., 2025). Este crecimiento se ubica en
el concepto de la Educación 4.0, conocida por la combinación de las nuevas tecnologías para mejorar la
eficiencia, la flexibilidad y la equidad del sistema educativo a nivel mundial (UNESCO, 2024).
Un momento decisivo ocurrió en noviembre del 2022 con la introducción de la inteligencia artificial
generativa (IAG), en particular el ChatGPT, lo que apresuró la integración de estas herramientas en la
educación superior, pasando de ser un recurso de prueba a una parte común del proceso de aprendizaje
normal (UNITEC, 2025; Rivas, 2025; Hasham, 2026). En consecuencia, resulto un aumento de la
3
producción científica de manera exponencial (Pérez-Campdesuñer et al., 2025), motivado por la necesidad
de organizar información sobre la efectividad de los sistemas de aprendizaje adaptativos, el rendimiento
cognitivo y la supervisión automatizada del avance de los estudiantes (Aparicio-Gómez y Aparicio-Gómez,
2024; Ansari y Qamari, 2025).
Sin embargo, esta ampliación enfrenta un problema principal sobre la discrepancia entre la
accesibilidad a la tecnológica y las habilidades digitales de los docentes. Aunque los profesores tienen
conocimientos sobre herramientas tecnológicas básicas, muchos no cuentan con capacitaciones
especializadas en sistemas de IA, lo que reduce su eficiencia y repercute en la calidad de la evaluación
(Flores Arguelles et al., 2025; Rivas, 2025; Santos Criado, 2026). A esto se suman problemas éticos
relacionados con los sesgos en los algoritmos y la honestidad en lo académico propio a la IA, ya que el
92% de los estudiantes universitarios afirman que utilizan estas herramientas tecnológicas, lo que conlleva
a la obligación de reajustar las políticas de las instituciones para proteger el valor de los títulos (Villarroel-
Molina et al., 2025; Hasham, 2026).
En América Latina, este procedimiento es considerado como una etapa en avance, centrada por
deficiencias en la infraestructura y la educación (Rivas, 2025). Pese a todo ello, las publicaciones que se
realizó en el Perú ha sido resaltante de manera significativa y estratégica, liderando la producción de
publicaciones en la formación de competencias investigativas con un 23.6% de las publicaciones revisadas
en Scopus (Marín León et al., 2026). Este incremento incluye los proyectos de alto impacto social, como
son la valoración de lenguas originarias y el lenguaje de señas a través de modelos de inteligencia artificial
(Rivas, 2025).
Entendiendo con la rapidez que se dan con estos cambios y la poca información bibliográfica local
actualizada, es de suma importancia utilizar métodos y técnicas de cienciometría y mapeo científico para
entender la estructura intelectual del área (Mora Coral et al., 2025; Marín León et al., 2026). La
investigación bibliométrica tuvo como objetivo analizar la producción científica sobre la inteligencia artificial
en educación, trabajando con la base de datos Scopus conteniendo publicaciones entre los años del 2015
y 2026. Por medio del uso del software VOSviewer, donde el estudio bibliométrico busco identificar las
tendencias emergentes, las redes de colaboración entre instituciones y focos de investigación, ofreciendo
un panorama general que oriente las decisiones hacia la inclusión tecnológica equitativa y ética centrada
en las personas (Ansari y Qamari, 2025; Marín León et al., 2026; Villarroel-Molina et al., 2025).
Metodología
La investigación se realizó utilizando el método deductivo, con un enfoque cuantitativo, de alcance
descriptivo y un diseño de estudio documental y longitudinal (Hernández-Sampieri y Mendoza, 2018). El
estudio sirve como un recurso para la recopilación y análisis de metadatos sobre publicaciones que facilitan
la identificación de las tendencias, las organizaciones destacadas y las redes de colaboración en la
producción científica sobre inteligencia artificial (IA) en la educación. En referencia a la técnica utilizada,
se aplicó el análisis bibliométrico, mientras que el instrumento de investigación fue una cadena de
búsqueda estructurada con operadores booleanos (TITLE-ABS-KEY ("artificial intelligence" AND
"education")), elaborada para su búsqueda en la base de datos de Scopus debido al alto índice de impacto
y confiabilidad académica.
En consecuencia, para el análisis se consideró la población del total de investigaciones indexadas
en el archivo de datos relacionados con el ámbito educativo, mientras que para la muestra se eligieron los
documentos publicados en el espacio entendido entre los años del 2015 al 2026, siguiendo los criterios de
selección y etapas del protocolo PRISMA 2020. Este método de selección facilito la depuración del
conjunto de documentos mediante la eliminación de duplicados y registros irrelevantes, asegurando un
análisis fundamentado en literatura que cuenta con soporte empírico y revisión por pares.
De igual manera, se llevó a cabo la conformación de una matriz de codificación en Microsoft Excel
con la finalidad de clasificar las variables esenciales como son el año que se publicó, el país de origen, la
4
afiliación institucional y cantidad de citas obtenidas. Para la presentación o mapeo científico y la
representación de las redes, se utilizó la aplicación VOSviewer, utilizado para efectuar un análisis de
coaparición de palabras clave, co-autoría y acoplamiento bibliográfico.
Finalmente, se utilizó estadísticas descriptivas para analizar los resultados, lo que facilito la
elaboración de gráficos sociométricos y mapas de densidad que representan los "hotspots" de
investigación en el área, tales como el aprendizaje adaptativo, la ética académica y el liderazgo de las
universidades peruanas en la región. Es importante mencionar que se cumplieron estrictamente las
directrices éticas de integridad científica, garantizando el reconocimiento de la autoría original a través de
la citación correcta conforme a las normas APA 7 y manteniendo la transparencia total en el manejo de los
datos recolectados.
Resultados
Resultados de coautoría - organizaciones
Figura 1. Organizaciones con publicaciones identificadas en la base de datos Scopus del 2015 al 2026
sobre inteligencia artificial en educación.
Nota. Elaboración propia (2026); basada en datos proporcionados por Scopus.
Como se visualiza en la figura, el ecosistema de producción científica sobre inteligencia artificial
(IA) en educación entre 2015 y 2026 está liderado por un núcleo consolidado de organizaciones que han
alcanzado una masa crítica de investigación, superando la cantidad de cinco documentos y diez citas
mínimas. Este mapa bibliométrico muestra un fuerte eje asiático donde instituciones de Indonesia, como
la Universitas Negeri Padang, sobresalen por sus estudios sobre sistemas expertos aplicados a la
educación de ingeniería y la efectividad de herramientas como ChatGPT en la enseñanza de las ciencias.
Además, se considera un clúster o grupo de la zona europea muy integrado que surge de la colaboración
entre la Universidad de Sevilla (España) y la Bialystok University of Technology (Polonia), cuyas
publicaciones relacionan la madurez de las universidades con la administración tecnológica en entornos
de ciudades inteligentes.
5
En América Latina, las universidades peruanas han surgido con un rol protagónico y estratégico,
liderando la producción regional en cuanto al desarrollo de competencias en investigación, representando
un 23.6% de las publicaciones revisadas en Scopus. Universidades peruanas como la Universidad César
Vallejo y la Universidad Nacional de Jaén se posicionan como puntos importantes en la generación de
conocimientos sobre habilidades científicas, mientras que la universidad Pontificia Universidad Católica
del Perú (PUCP) se diferencia por su enfoque en derechos humanos e inclusión, lo cual se demuestra en
proyectos de innovación social como la creación del primer diccionario bilingüe de Lengua de Señas
Peruana utilizando modelos de IA. Estos centros institucionales presentan una agenda que se orientada
hacia la Educación 4.0, tratando de equilibrar la eficiencia de los sistemas de aprendizaje adaptativo con
la integridad académica y la reflexión ética sobre el uso de asistentes cognitivos. Finalmente, la presencia
de organizaciones como King Khalid University y la Chinese Academy of Sciences denota una tendencia
global hacia la personalización del aprendizaje y la mejora del rendimiento cognitivo mediante el uso de
redes neuronales y técnicas de análisis predictivo.
Resultados de coautoría - países
Figura 2. Países con publicaciones identificadas en la base de datos Scopus del 2015 al 2026 sobre
inteligencia artificial en educación con 10 documentos mínimos por país y 10 citas por país.
Nota. Elaboración propia (2026); basada en datos proporcionados por Scopus.
Como se muestra en la Figura 2, los países con mayor participación en la red de colaboración
científica son España, Perú y Ecuador, destacando España como el nodo de mayor tamaño y centralidad
dentro de la estructura analizada. Esto indica que dicho país concentra una importante producción
científica y mantiene una amplia interacción con otras naciones, constituyéndose en el principal articulador
de la red de investigación sobre la temática estudiada.
Asimismo, se observa la participación de naciones latinoamericanas como Perú, Ecuador, Cuba,
Paraguay y Panamá, los cuales forman un grupo de colaboración estrechamente relacionado con España.
La dinámica relación entre estos países pone de manifiesto la existencia de una red científica
iberoamericana establecida, diferenciada por el intercambio de saberes, la ejecución de investigaciones
en conjunto y la divulgación de resultados en espacios académicos a nivel internacional.
Por otra parte, países como Estados Unidos, China e India también presentan una participación
significativa dentro de la red, aunque su centralidad es menor en comparación con el país de España. Su
presencia indica el interés mundial por el tema investigado y la colaboración de diversos territorios del
6
mundo en el desarrollo del conocimiento científico. Igualmente, naciones como Francia, Italia, Canadá,
Australia, Brasil y Chile funcionan como enlaces que mejoran la conexión internacional entre los distintos
grupos de investigación.
Finalmente, la densidad de los vínculos observados en la red demuestra un nivel elevado de
cooperación científica internacional. La posición estratégica de España, junto con la creciente participación
de Perú y Ecuador, sugiere que estos países desempeñan un papel fundamental en la generación y
difusión del conocimiento dentro del campo de estudio analizado. Por tanto, la colaboración entre países
constituye un factor clave para el fortalecimiento de la producción científica y la consolidación de redes de
investigación cada vez más amplias y dinámicas.
Resultados de coaparición de palabras
Figura 3. Coaparición de palabras clave en las publicaciones identificadas en la base de datos Scopus del
2015 al 2026 sobre inteligencia artificial en educación, considerando como el número mínimo de
ocurrencias de palabras clave de 10.
Nota. Elaboración propia (2026); basada en datos proporcionados por Scopus.
Como se muestra en la Figura 3 de coaparición de palabras clave, con una cantidad mínima de 10
ocurrencias en las publicaciones de Scopus (2015-2026), se identifica una estructura intelectual
organizada en torno a tres pilares fundamentales que definen la agenda de investigación actual. El núcleo
más importante y denso se compone por la terminología de inteligencia artificial, aprendizaje automático,
y aprendizaje profundo, que funcionan como los ejes tecnológicos que promueven la creación de sistemas
capaces de examinar patrones complejos en el comportamiento de los estudiantes. Desde este núcleo,
surge un clúster o grupo enfocado a las aplicaciones educativas, donde términos principales como
aprendizaje adaptativo, personalización del estudio, sistemas de tutoría inteligente y análisis del
aprendizaje, muestran el avance hacia la Educación 4.0, con el objetivo de mejorar la efectividad del
proceso educativo a través de respuestas instantáneas.
Un tercer clúster compuesto de temas de gran importancia actuales, considerados en especial
sobre el crecimiento de la IA generativa a finales del 2022, considera nociones como ChatGPT, integridad
académica, ética en la educación y neuroeducación, relacionando el uso de los asistentes cognitivos con
la inquietud por la autenticidad en el aprendizaje y la mejora del rendimiento cognitivo a partir de
publicaciones científicas. Finalmente, la red del mapa de densidad muestra una conexión con términos
7
relacionados como son educación superior y áreas específicas como son América Latina y el Perú, donde
se presentan un panorama en desarrollo que busca eliminar las diferencias estructurales a través de la
inclusión digital y el fomento de habilidades de investigación.
El clúster amarillo congrega términos referentes como son humano, psicología, conocimiento,
docente, femenino, estudiantes, currículum, pedagogía y enfermería, indicando que la investigación puso
énfasis a los aspectos humanos, psicológicos y pedagógicos relacionados con la incorporación de la
inteligencia artificial en los entornos educativos. La inclusión de términos relacionados con la salud y la
formación profesional sugiere, además, aplicaciones específicas en ciertas disciplinas concretas.
Finalmente, el clúster o grupo morado concentra términos clave como formación docente,
integridad académica, educación universitaria, metodologías activas y alfabetización en inteligencia
artificial, las cuales muestran una creciente inquietud sobre la formación de los docentes, el desarrollo de
habilidades digitales y éticas, así como la enseñanza de la inteligencia artificial en las instituciones de
educación superior.
Es decir, la red muestra que la producción científica sobre inteligencia artificial en educación ha
evolucionado hacia un enfoque multidisciplinario, integrando aspectos tecnológicos, pedagógicos,
psicológicos y organizacionales. La fuerte interconexión entre las palabras clave indica que la inteligencia
artificial no solo es estudiada como una tecnología emergente, sino también como un elemento
transformador de los procesos de enseñanza, aprendizaje, evaluación y gestión educativa.
Distribución de la producción científica por año de publicación.
Figura 4. Distribución de la producción científica según el año de publicación, teniendo en cuenta el
periodo comprendido entre 2015 y 2026.
Nota. Elaboración propia (2026); basada en datos proporcionados por Scopus.
Como se visualiza en la figura 4, de una población de 4599 publicaciones acerca de la producción
científica sobre inteligencia artificial en educación indexada en Scopus entre 2015 y 2026 presenta una
tendencia de crecimiento exponencial, con un punto de inflexión crítico a finales de 2022 tras el
lanzamiento masivo de herramientas de IA generativa como ChatGPT. Durante la fase inicial del 2015 al
2021, el número de publicaciones muestra un incremento continuo pero gradual, enfocado en la creación
de sistemas expertos y el análisis predictivo de rendimiento. No obstante, a partir del año 2023, la literatura
experimenta un aumento repentino y sin precedentes, mostrando un cambio significativo que busca
responder a los problemas éticos, pedagógicos y de integridad académica relacionados con la IA. Para el
periodo de los años 2024 al 2026, la figura muestra un notable aumento en la producción, impulsado por
15
27 27
42
71
109
154
209
494
1129
1626
696
0
200
400
600
800
1000
1200
1400
1600
1800
2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027
8
la urgente necesidad de sistematizar resultados sobre sistemas de aprendizaje adaptativo y la
personalización de la educación en la enseñanza en el contexto de la Educación 4.0. Este incremento
cuantitativo no solo señala el afianzamiento de la IA como una base tecnológica del siglo XXI, sino que
también resalta la necesidad apremiante de establecer normativas y políticas claras que guíen un uso
responsable y centrado en las personas para evitar la ampliación de brechas digitales ya existentes.
Figura 5. Tipo de documento de publicación.
Nota. Elaboración propia (2026); basada en datos proporcionados por Scopus.
Como se observa en la figura 5, la producción de investigación acerca de la inteligencia artificial
(IA) en educación entre los años del 2015 y 2026 se enfoca mayoritariamente en los artículos de
investigación, los cuales constituyen el 65,9% del total de publicaciones. Esta preeminencia indica que las
revistas indexadas son el medio preferido para compartir los resultados empíricos y modelos teóricos
relacionados con el rendimiento cognitivo, la personalización del aprendizaje y la neuroeducación. En un
segundo plano, las ponencias en conferencias, que representan el 15,6% muestran una participación
activa en la rápida difusión de innovaciones de vanguardia, suministrando el dialogo acerca de la
Educación 4.0 y la creación de sistemas expertos.
Por otro lado, los documentos de revisión, que se representa con el 7,5% y los capítulos de libro
con un 7,0% indican una contribución importante en la organización de la literatura, siendo necesaria para
establecer marcos éticos y de integridad académica frente al crecimiento de las herramientas como
ChatGPT. Finalmente, los libros que solo alcanzan el 1,2%, conjuntamente con otros documentos que
suman un 2,0% tienen una presencia mínima, lo que indica que la investigación en esta área se enfoca en
la rapidez y el impacto de los resultados dentro de un sistema digital que aún está en desarrollo. Por lo
que, estos resultados muestran un predominio del artículo científico como bases para guiar la toma de
decisiones académicas y políticas hacia una inclusión tecnológica justa.
Discusión
El estudio acerca del análisis bibliométrico, muestra un aumento significativo en la producción
científica sobre la IA en educación, alcanzando un momento decisivo a finales del año 2022. Este hecho
coincide con el desarrollo y uso de la IA generativa y en particular con el ChatGPT, lo que fomento el
movimiento de una fase de experimentación hacia un cambio y uso común de estas herramientas como
parte de la educación superior. De manera similar como argumentan Villarroel-Molina et al. (2025), este
incremento no es solamente cuantitativo, sino que simboliza un cambio hacia la nueva Educación 4.0,
Artículo, 65.9%
Ponencia en
conferencia,
15.6%
Revisar, 7.5%
Capítulo de
libro, 7.0%
Libro, 1.7%
Otros, …
Artículo Ponencia en conferencia
Revisar Capítulo de libro
Libro Otros
9
donde la IA transforma la manera de pensar sobre la gestión de las instituciones y los métodos de
enseñanza y evaluación.
En cuanto a la distribución intelectual por áreas, los clústeres o grupos temáticos encontrados
demuestran un cambio de la investigación de núcleos exclusivamente técnicos referentes al aprendizaje
automático y al aprendizaje profundo hacia las aplicaciones educativas enfocadas en el aprendizaje que
se adecue. Dichos resultados son similares con los observados por Aparicio-Gómez y Aparicio-Gómez
(2024), quienes indican que los sistemas respaldados por la IA ofrecen la posibilidad de personalizar la
experiencia educativa, analizando grandes cantidades de datos, adaptándose a los perfiles cognitivos de
cada individuo. Sin embargo, este progreso técnico, da origen a un nuevo clúster emergente y de notable
importancia que es la integridad académica inherente a la IA. Investigaciones como de Hasham (2026)
indican que, el 92% de los estudiantes universitarios usan estas herramientas digitales, las instituciones
deben actualizar sus marcos de integridad, pasando de un enfoque centrado en el resultado hacia uno
enfocado en el proceso.
El liderazgo sobre IA en ámbitos geográficos e institucionales, muestra un dominio compartido por
los centros de excelencia situados en Asia y Europa, al mismo tiempo que resalta el posicionamiento
estratégico de las universidades peruanas dentro de América Latina. De acuerdo con Marín León et al.
(2026), el Perú lidera la producción en América Latina en referencia a los avances de habilidades
investigativas, abarcando el 23,6% de las publicaciones estudiadas. Este resultado es importante, debido
a que, a pesar de que el país se encuentra considera como un ecosistema en desarrollo con
infraestructuras aún por mejorar, los resultados indican una agenda académica sólida enfocada en la
profesionalización y la innovación social, como la creación y desarrollo de diccionarios bilingües basados
en IA para personas con discapacidades.
En cuanto a la clasificación de los documentos, la alta proporción de artículos originales que
representan el 65,9% resaltan la inclinación hacia el uso de revisiones por pares para confirmar nuevos
descubrimientos empíricos en un área que cambia rápidamente. No obstante, la existencia de obstáculos
como la escasez de capacitación docente especializada (73%) en ciertos entornos y la preocupación por
la pérdida de la conexión humana en la educación (76%) de inquietud entre los docentes, indican que el
progreso tecnológico supera a la formación proporcionada por las instituciones a los docentes.
En referencia a los retos éticos, los resultados destacan un grupo importante relacionado con la
integridad académica de la inteligencia artificial. Los estudios de Hasham (2026) sugieren que las
instituciones deberían adaptar sus principios enfoques que prioricen el proceso, en lugar de enfocarse
únicamente en el resultado final. Esta inquietud también es coincidentemente respaldada por Acosta-
Enriquez et al. (2024), quienes señalan la falta de comprensión ética entre los estudiantes universitarios
respecto al uso de modelos generativos.
Finalmente, los resultados apoyan la noción de que la IA no está destinada a reemplazar al
profesor, sino a transformar sus funciones hacia un nuevo diseño de experiencias de aprendizaje. Tal como
se alinea con las recomendaciones de la UNESCO (2024) y Villarroel-Molina et al. (2025), que indican que
el éxito de la incorporación de la IA se basa en el establecimiento de marcos normativos regulatorios
enfocadas en las personas que aseguren la equidad, eviten sesgos en los algoritmos y fomente la
inclusión.
Conclusiones
Gracias al estudio bibliométrico que se llevó cabo en la presente investigación, se puede concluir
que, en el ámbito de América Latina, el Perú ha destacado como un país fundamental, protagónico y
estratégico, liderando la producción en la región en el desarrollo de habilidades investigativas con un 23.6%
de las publicaciones revisadas en la base de datos Scopus. La generación científica de investigaciones
relacionada con la inteligencia artificial (IA) en la educación ha experimentado un aumento notable durante
el periodo de 2015 al 2026, con un punto crítico de inflexión a finales del 2022 con la introducción de
10
herramientas generativas como ChatGPT. Este crecimiento cuantitativo pone de manifiesto la necesidad
de organizar los resultados para establecer pauta de referencia que promuevan una implementación
responsable y efectiva en el desempeño cognitivo de los estudiantes.
La inteligencia artificial en el ámbito educativo es la base tecnológica que ha dado origen a lo que
se conoce como Educación 4.0; aunque sus principios fueron desarrollados hace varias décadas atrás, en
el año 2022 se produjo un gran avance convirtiéndose en una herramienta para adaptar el proceso de
aprendizaje y mejorar la gestión de las instituciones. Este avance impone demandas propias de la era
digital, como la necesidad de habilidades digitales avanzadas y la capacitación constante de los
educadores. Durante este tiempo se han presentado tensiones relacionadas con la ética académica y el
peligro de deshumanizar el proceso educativo, ya que el 76% de los docentes en America Latina expresan
preocupación por la excesiva dependencia que los estudiantes tienen de estos sistemas inteligentes. Esto
influye de manera directa en la función del docente, que no está siendo reemplazado, sino transformado
hacia la figura de un facilitador crítico y creador de experiencias de aprendizaje que sean significativas.
Todo lo expuesto permite concluir este artículo, destacando la importancia de establecer
normativas enfocadas en el ser humano y los métodos de enseñanza que aseguren la equidad, la
protección de los datos personales y el bienestar de los estudiantes. Es fundamental que la incorporación
de la IA vaya más allá de considerar solamente su uso práctico, sino que incentive la inclusión social y la
equidad en el conocimiento, especialmente en áreas como América Latina donde el desarrollo aún se
percibe como un trabajo en progreso. Es por esta razón, se hace hincapié en la necesidad de
investigaciones como la que se presenta, que analiza el acervo académico del corpus para proporcionar
al lector una perspectiva amplia sobre el estado actual de la literatura sobre la producción científica en
inteligencia artificial en el ámbito educativo global como regional.
Referencias
Acosta-Enriquez, B. G., Arbulú Ballesteros, M. A., Arbulu Perez Vargas, C. G., Orellana Ulloa, M. N.,
Gutiérrez Ulloa, C. R., Pizarro Romero, J. M., Gutiérrez Jaramillo, N. D., Cuenca Orellana, H. U.,
Ayala Anzoátegui, D. X., & López Roca, C. (2024). Conocimientos, actitudes y ética percibida en
relación al uso de ChatGPT entre estudiantes universitarios de la generación Z. International Journal
for Educational Integrity, 20(10). https://link.springer.com/article/10.1007/s40979-024-00157-4
Ansari, S. R., & Qamari, I. N. (2025). Artificial intelligence and students’ cognitive learning outcomes with
bibliometric and content analysis for future research agenda. Discover Education, 4(441).
https://doi.org/10.1007/s44217-025-00865-0
Aparicio-Gómez, O.-Y., & Aparicio-Gómez, W.-O. (2024). Innovación educativa con sistemas de
aprendizaje adaptativo impulsados por Inteligencia Artificial. Revista Internacional de Pedagogía e
Innovación Educativa, 4(2). https://doi.org/10.51660/ripie42222
Flores Arguelles, J. E., León Bazán, M. J., & Martín Guillermo, M. G. (2025). Impacto de la inteligencia
artificial en el aprendizaje personalizado. Revista de Investigación Académica Sin Frontera División
de Ciencias Económicas y Sociales. https://doi.org/10.46589/riasf.v1i43.785
Hasham, Z. (2026). Tendencias e impacto de la integridad en IA. Turnitin.
https://latam.turnitin.com/blog/estan-preparadas-las-universidades-para-la-integridad-academica-
nativa-de-la-ia
Hernández-Sampieri, R., & Mendoza, C. P. (2018). Metodologìa de la Investigaciòn. Las rutas Cuantitativa
Cualitativa y Mixta. In Universidad Tecnológica Laja Bajío. https://artes.upn.edu.co/wp-
content/uploads/2024/11/METODOLOGIA-DE-LA-INVESTIGACION-Sampieri-Mendoza-2018.pdf
Marín León, J. A., Castillo, E. R., Santisteban, M. A. G., Yaqueliny, L. S. R., & Villanueva, F. D. L. (2026).
Analyzing the Development of Research Skills in University Students: A Bibliometric Review. Journal
of Educational and Social Research, 16(2), 174. https://doi.org/10.36941/jesr-2026-0288
Mora Coral, A. D., Jaña Cisneros, B. J., Castro Crespo, G. C., & Giraldo Morales, E. K. (2025).
11
Convergencia de la neuroeducación y la inteligencia artificial en entornos educativos: enfoques
innovadores para potenciar el rendimiento cognitivo. Imperium Académico Multidisciplinary Journal.
https://doi.org/10.63969/twpxr047
Pérez-Campdesuñer, R., Sánchez-Rodríguez, A., Martínez-Vivar, R., De Miguel-Guzmán, M., & García-
Vidal, G. (2025). Beyond Quality: Predicting Citation Impact in Business Research Using Data
Science. Publications, 13(3), 42. https://doi.org/10.3390/publications13030042
Rivas, A. (2025). La llegada de la IA a la educación en América Latina: en construcción. ProFuturo-OEI.
https://profuturo.education/noticias/la-llegada-de-la-ia-a-la-educacion-en-america-latina-en-
construccion/
Santos Criado, J. (2026). Mejores Herramientas de IA para Profesores y Educacion: Ranking [2026] |
Javadex. https://www.javadex.es/blog/mejores-herramientas-ia-profesores-educacion-ranking-2026
UNESCO. (2021). Inteligencia artificial y educación: Guía para las personas a cargo de formular políticas.
UNESCO. https://www.unesco.org/es/articles/inteligencia-artificial-y-educacion-guia-para-las-
personas-cargo-de-formular-politicas
UNESCO. (2024). Qué necesita saber acerca del aprendizaje digital y la transformación de la educación.
UNESCO. https://www.unesco.org/es/digital-education/need-know
UNITEC. (2025). Inteligencia artificial en la educación: guía para docentes innovadores. Universidad
Tecnológica Centroamericana. https://www.unitec.edu/wp-content/uploads/2025/08/guia-
inteligencia-artificial-en-la-educacion.pdf
Vallejo, A. (2024). transformación del rol docente en la era de la Inteligencia Artificial: hacia un liderazgo
pedagógico estratégico. Trayectorias Universitarias, 10(19). https://doi.org/10.24215/24690090e165
Villarroel-Molina, R. R., Zapata-Velasco, M. L., Villarroel-Molina, L. M., Molina-Endara, C. M., & Peralta-
Arana, M. J. (2025). Inteligencia Artificial en la Educación: Avances, Retos Éticos y Perspectivas
Pedagógicas. Innova Science Journal, 3(3). https://doi.org/10.63618/omd/isj/v3/n3/90
Contribución de la autoría
1. Conceptualización: José Oscar Huanca Frías
2. Curación de datos: Vitaliano Enríquez Mamani
3. Análisis formal: Leopoldo Wenceslao Condori Cari
4. Adquisición de fondos: Ledu Analí Ferreyros Calisaya
5. Investigación: Vitaliano Enríquez Mamani
6. Metodología: José Oscar Huanca Frías
7. Dirección del proyecto: Rene Eduardo Huanca Frías
8. Recursos: Leopoldo Wenceslao Condori Cari
9. Software: José Oscar Huanca Frías
10. Supervisión: Rene Eduardo Huanca Frías
11. Validación: Ledu Analí Ferreyros Calisaya
12. Visualización: Jaime Sucasaca Yanarico
13. Redacción - borrador original: Rene Eduardo Huanca Frías
14. Redacción - corrección de pruebas y edición: Jaime Sucasaca Yanarico
