Aprendizaje adaptativo a través de la Inteligencia Artificial en la Educación Superior

Resumen

La investigación analizó el estado actual del aprendizaje adaptativo mediante inteligencia artificial en educación superior, con el objetivo de examinar marcos teóricos, implementaciones prácticas, beneficios empíricos y desafíos emergentes de estos sistemas tecnológicos. Se empleó una metodología de revisión sistemática con síntesis narrativa, analizando nueve referencias académicas específicas del período 2020-2025 complementadas con búsqueda sistemática en bases de datos académicas. Los resultados evidenciaron que la mayoría de los estudios reportaron efectos positivos del aprendizaje adaptativo, con mejoras estadísticamente significativas en rendimiento académico, percepción estudiantil y precisión en respuestas automatizadas en sistemas. Se identificaron marcos teóricos convergentes hacia modelos híbridos constructivistas-IA, específicamente el framework GenAI-TPACK como dominante para integración responsable, arquitecturas técnicas de cuatro componentes clásicos complementadas con procesamiento de lenguaje natural y análisis predictivo avanzado, y estrategias de implementación exitosas que combinan capacitación docente intensiva con rediseño curricular colaborativo e implementación gradual por fases. Los principales desafíos incluyen aspectos éticos de privacidad donde educadores expresan preocupación significativa por ciberataques, costos elevados de implementación que pueden superar los dos millones de dólares, complejidad técnica identificada por organizaciones como barrera principal, resistencia institucional relacionada con falta de capacitación docente, y la persistente brecha digital que puede exacerbar desigualdades existentes entre instituciones ricas y pobres. Los hallazgos confirman que el aprendizaje adaptativo con IA representa una transformación fundamental que puede democratizar el acceso a educación personalizada de alta calidad en instituciones de educación superior.