REVISTA NEOSAPIENCIA. Enero-junio 2025. Vol. 3, Núm. 1, P. 13 –30.
La inteligencia artificial como recurso innovador para la
simulación de experiencias turísticas en el aula universitaria
Artificial intelligence as an innovative resource for simulating tourism
experiences in the university classroom
Fecha de recepción: 2025-01-17 • Fecha de aceptación: 2025-01-27 • Fecha de publicación: 2025-02-24
Paula Nathaly Erazo Parrales
1
Investigador independiente, Santa Elena Ecuador
paulaerazo_p@hotmail.com
https://orcid.org/0000-0002-2207-1278
Resumen
Este artículo explora el potencial de la inteligencia artificial como recurso innovador para la
simulación de experiencias turísticas en el aula universitaria. Mediante una revisión sistemática de
literatura especializada publicada entre 2022 y 2025 la investigación analiza patrones de
implementación, eficacia educativa y desafíos técnicos del uso de sistemas inteligentes en la
formación turística superior. Los principales resultados demuestran que la IA, a través de
tecnologías como modelos GPT, sistemas tutores inteligentes y analítica predictiva permite crear
entornos de aprendizaje dinámicos, interactivos e hiperpersonalizados que superan las limitaciones
de los métodos tradicionales. Estas simulaciones mejoran el compromiso estudiantil, desarrollan
competencias profesionales críticas como la toma de decisiones bajo presión y la resolución de
problemas complejos y facilitan la contextualización global del aprendizaje. Se concluye que la
IA redefine las posibilidades de la formación turística al conectar la teoría académica con la
práctica profesional aunque su implementación exitosa requiere una visión estratégica, una alta
inversión y un abordaje de desafíos éticos, institucionales y de equidad y del mismo modo de
superar limitaciones como la escasa integración de variables de sostenibilidad y la dependencia de
datos de contextos específicos.
Palabras clave
inteligencia artificial; simulación turística; educación universitaria; innovación pedagógica;
aprendizaje inmersivo.
REVISTA NEOSAPIENCIA. Enero-junio 2025. Vol. 3, Núm. 1, P. 13 –30.
Abstract
Este artículo explora el potencial de la inteligencia artificial como recurso innovador para la
simulación de experiencias turísticas en el aula universitaria. Mediante una revisión sistemática de
literatura especializada publicada entre 2022 y 2025 la investigación analiza patrones de
implementación, eficacia educativa y desafíos técnicos del uso de sistemas inteligentes en la
formación turística superior. Los principales resultados demuestran que la IA, a través de
tecnologías como modelos GPT, sistemas tutores inteligentes y analítica predictiva permite crear
entornos de aprendizaje dinámicos, interactivos e hiperpersonalizados que superan las limitaciones
de los métodos tradicionales. Estas simulaciones mejoran el compromiso estudiantil, desarrollan
competencias profesionales críticas como la toma de decisiones bajo presión y la resolución de
problemas complejos y facilitan la contextualización global del aprendizaje. Se concluye que la
IA redefine las posibilidades de la formación turística al conectar la teoría académica con la
práctica profesional aunque su implementación exitosa requiere una visión estratégica, una alta
inversión y un abordaje de desafíos éticos, institucionales y de equidad y del mismo modo de
superar limitaciones como la escasa integración de variables de sostenibilidad y la dependencia de
datos de contextos específicos.
Keywords
Artificial intelligence; tourism simulation; university education; pedagogical innovation;
immersive learning.
Introducción
La educación superior enfrenta un paradigma transformador impulsado por la convergencia de
nuevas tecnologías y metodologías pedagógicas innovadoras. En la actualidad los avances en
sistemas inteligentes han revolucionado la manera en que se imparten conocimientos en disciplinas
prácticas como es el caso de la industria del turismo. Aquí la posibilidad de recrear vivencias reales
constituye un recurso de mucha importancia para fortalecer competencias especializadas, por ello
el presente análisis aborda el papel de la tecnología avanzada como un medio vanguardista que
posibilita la construcción de escenarios digitales relacionados con el turismo en espacios
REVISTA NEOSAPIENCIA. Enero-junio 2025. Vol. 3, Núm. 1, P. 13 –30.
académicos superiores. Mediante estos desarrollos se logra superar los obstáculos de los métodos
convencionales de enseñanza con el favorecimiento de la adquisición de aprendizajes y alineados
con situaciones concretas.
1.1. La simulación con inteligencia artificial: más allá de los métodos tradicionales
Las herramientas inteligentes han transformado la forma en que se presentan vivencias turísticas
dentro de escenarios educativos. Esto se ha logrado al posibilitar la creación de escenarios
dinámicos que reflejan situaciones auténticas. Estas simulaciones incorporan aspectos de
interacción, flexibilidad, evaluación anticipada, entre otros aspectos que ofrecen una alternativa
que supera los enfoques convencionales centrados en material visual fijo o explicaciones
conceptuales. Gracias a estas innovaciones los estudiantes pueden tomar decisiones al instante y
recibir comentarios ajustados a su desempeño, lo que contribuye a reducir la distancia entre la
instrucción académica y las demandas reales de una industria turística en constante evolución y
con altas exigencias (Sánchez, 2024).
Uno de los elementos más distintivos de estas soluciones tecnológicas es su capacidad para
interpretar información extensa y generar ambientes digitales con un alto nivel de realismo al
representar la complejidad de los destinos, los rasgos culturales, las tendencias de los viajeros,
etcétera. A través de modelos de aprendizaje basados en datos, se pueden simular cambios en la
ocupación hotelera, situaciones de emergencia sanitaria o eventos socioculturales al permitirle a
los alumnos observar el impacto de sus elecciones en un entorno sin riesgos. Esto facilita el
desarrollo de habilidades importantes como la administración de recursos y la planificación
estratégica y de fortalecer destrezas (Gauses, 2021).
1.2. Adaptación y fortalecimiento de habilidades en contextos tecnológicos
Una de las mejores contribuciones de los sistemas inteligentes en el sector educativo es su
habilidad para adaptar la enseñanza a las particularidades de cada estudiante pues a través del
examen de tendencias cognitivas y métodos individuales de aprendizaje, estas plataformas ajustan
la complejidad de las prácticas virtuales que permiten identificar aspectos que requieren mayor
refuerzo e incorporar recursos complementarios. Esta estrategia representa un avance importante
en comparación con los enfoques convencionales que tienden a aplicar modelos uniformes en las
aulas sin considerar la diversidad de ritmos y necesidades de los alumnos.
Investigaciones prueban que la capacidad de ajuste de estas tecnologías favorece la consolidación
del conocimiento y reduce el abandono en programas de especialización en turismo. Su influencia
REVISTA NEOSAPIENCIA. Enero-junio 2025. Vol. 3, Núm. 1, P. 13 –30.
es básica en áreas enfocadas en el desarrollo de destrezas sociales, como la resolución de conflictos
y la atención personalizada en entornos multiculturales (UNESCO, 2023). Al proporcionar
experiencias educativas adaptadas al progreso y habilidades de cada persona, estas herramientas
se afianzan como un medio para fortalecer una enseñanza más equitativa y accesible.
1.3. Retos morales, organizacionales y de inclusión en el uso de la inteligencia artificial
La introducción de sistemas inteligentes en el campo de la enseñanza plantea retos tanto en el
ámbito didáctico como en el terreno de la ética. Uno de los peligros más relevantes es la excesiva
virtualización del aprendizaje que es un hecho que podría disminuir el contacto con situaciones
reales lo que afecta a materias que requieren interacción directa con personas como es el caso
puntual de la guía turística. La confianza en modelos algorítmicos genera inquietudes sobre la
neutralidad de las representaciones digitales porque los conjuntos de información utilizados para
su entrenamiento podrían perpetuar ideas preconcebidas o sesgos culturales. Frank et al. (2024)
advierten que sin un monitoreo riguroso, la tecnología corre el peligro de ofrecer interpretaciones
reduccionistas de fenómenos sociales complejos como el impacto del turismo en comunidades
tradicionales, limitándose a análisis solo de tipo numéricos.
Desde una óptica institucional la aplicación de sistemas inteligentes en la enseñanza del turismo
exige una reestructuración profunda en la forma de impartir conocimientos. Los docentes deben
modificar su papel tradicional de transmisores de información para convertirse en diseñadores de
experiencias inmersivas con la generación de estrategias pedagógicas que aprovechen las
posibilidades de la tecnología. Esto implica conocer aspectos técnicos y fomentar la reflexión
sobre el propio aprendizaje antes, durante y después de cada simulación. Estudios realizados en
instituciones académicas europeas han demostrado que combinar simulaciones con discusiones
guiadas y proyectos colaborativos incrementa la utilidad del conocimiento en el desempeño
profesional (Molina et al., 2023).
A pesar de los beneficios y el potencial de estas herramientas, su implementación equitativa
depende de la disponibilidad de infraestructura y de políticas educativas que aseguren su acceso a
todos los alumnos. La carencia de tecnología y conexión a internet en ciertas regiones podría
agravar la desigualdad digital al excluir a estudiantes en situación vulnerable de iniciativas
educativas innovadoras. Aquí la cooperación entre universidades, organismos gubernamentales y
empresas tecnológicas es el punto para desarrollar soluciones viables, como la creación de espacios
virtuales compartidos o la distribución de licencias académicas con apoyo financiero.
REVISTA NEOSAPIENCIA. Enero-junio 2025. Vol. 3, Núm. 1, P. 13 –30.
Desde el punto de vista metodológico, las simulaciones respaldadas por inteligencia artificial
eliminan restricciones geográficas y temporales propias de la enseñanza tradicional. Gracias a
estos sistemas, un estudiante en Buenos Aires puede explorar la administración de lugares
históricos en Camboya, analizar la afluencia de visitantes en Venecia durante el periodo de mayor
ocupación o participar en la resolución de conflictos entre turistas y habitantes en Barcelona, sin
necesidad de trasladarse de forma física. Este enfoque global del aprendizaje prepara a los futuros
especialistas para desenvolverse en un mercado donde la movilidad internacional y la sensibilidad
cultural son habilidades importantes.
El éxito de estas herramientas depende de su integración con los objetivos académicos establecidos
por las instituciones. Las simulaciones deben entenderse como instrumentos para la adquisición
de destrezas específicas, en lugar de plantearse como un fin en sí mismas. Un ejemplo de esto sería
un módulo sobre desarrollo sostenible en turismo, donde la tecnología podría generar escenarios a
largo plazo al desafiar a los estudiantes a equilibrar crecimiento económico con la preservación
ambiental. Este tipo de enfoque basado en desafíos fomenta una actitud creativa y orientada a la
mejora constante, cualidades imprescindibles en un sector en transformación.
El proceso de evaluación dentro de la enseñanza cobra una nueva dimensión con la incorporación
de sistemas inteligentes. Estas plataformas pueden registrar miles de interacciones estudiantiles.
Esto permite identificar patrones en la toma de decisiones, tiempos de respuesta y estrategias de
trabajo en equipo. Esta información permite a los docentes realizar ajustes personalizados en las
actividades y reorganizar contenidos según las necesidades detectadas. Asimismo, ofrecen
herramientas de autoevaluación mediante paneles digitales que reflejan el avance del estudiante,
comparándolo con criterios específicos y resultados previos de otros grupos.
Desde un punto de vista ético, la adopción de inteligencia artificial en la educación turística
demanda regulaciones precisas. Cuestiones como la protección de datos personales, la claridad en
el funcionamiento de los algoritmos y la propiedad de los contenidos generados requieren atención
inmediata. Las instituciones académicas deben conformar comités interdisciplinarios con expertos
en enseñanza, tecnología y legislación para asegurar que el desarrollo de estas soluciones no
comprometa valores elementales como la equidad y el respeto a la diversidad cultural.
La inteligencia artificial está en un proceso de redefinición de los límites del aprendizaje en la
formación universitaria del sector turístico al fortalecer el vínculo entre los conceptos teóricos y
las dinámicas prácticas. Su capacidad para generar experiencias interactivas y ajustadas a datos
REVISTA NEOSAPIENCIA. Enero-junio 2025. Vol. 3, Núm. 1, P. 13 –30.
reales la convierte en una herramienta para capacitar a las futuras generaciones de especialistas.
Su implementación efectiva requiere una estrategia bien definida, inversión constante y un
compromiso inquebrantable con la calidad educativa. Este análisis pretende aportar al debate
académico mediante la formulación de un marco crítico que permita evaluar con mayor
profundidad los beneficios y retos que plantea la inteligencia artificial en este campo emergente.
Materiales y Métodos
Este análisis se basa en un examen de publicaciones especializadas y orientado a evaluar el impacto
de los sistemas inteligentes como herramienta educativa en la recreación de escenarios turísticos
dentro de instituciones académicas superiores el enfoque metodológico se diseñó con el propósito
de reconocer modelos de aplicación, resultados en la enseñanza y dificultades técnicas vinculadas
a la incorporación de estas tecnologías en el ámbito educativo. Para cumplir con esto se dio
prioridad a estudios difundidos entre 2022 y 2025, centrados en casos específicos de inteligencia
artificial en la capacitación profesional en turismo.
2.1. Método para localizar y elegir referencias
La recolección de datos se realizó en bases de datos académicas multidisciplinarias (Scopus, Web
of Science, IEEE Xplore, etcétera) y repositorios especializados en turismo y tecnología educativa
(CABI Leisure Tourism, Tourism Management, entre otros). Para garantizar la relevancia
temática, se emplearon operadores booleanos y cadenas de búsqueda estratégicas en inglés y
español que combinaron términos como. Estas cadenas se describen en la Tabla 1.
Tabla 1
Cadenas de búsquedas empleadas
N°
Cadenas
1
“Artificial intelligence” AND “tourism education simulation”
2
“Machine learning” AND “virtual tourism experiences”
3
”AI-driven simulations” AND “hospitality training”
4
“Predictive analytics” AND “tourist behavior modeling”
5
“Natural language processing” AND “cultural heritage interpretation”
6
“Virtual reality” AND “AI-powered tourism scenarios”
7
"Deep learning" AND ("tourism demand forecasting" OR "seasonal pattern analysis")
NOT ("traditional statistical models" OR "manual prediction methods")
8
"IA generativa" AND ("diseño de itinerarios turísticos" OR "recomendaciones de viaje
personalizadas") NOT ("plantillas genéricas" OR "folletos estáticos")
9
"Neural networks" AND ("tourism crisis simulation" OR "risk management training")
NOT ("theoretical frameworks" OR "case studies without AI")
REVISTA NEOSAPIENCIA. Enero-junio 2025. Vol. 3, Núm. 1, P. 13 –30.
10
"Visión computacional" AND ("preservación de sitios patrimoniales" OR "monitoreo de
flujos turísticos") NOT ("documentación manual" OR "enfoques no tecnológicos")
11
"Sentiment analysis" AND ("tourist review interpretation" OR "experience quality
assessment") NOT ("subjective evaluations" OR "non-automated methods")
12
"Aprendizaje por refuerzo" AND ("estrategias de precios dinámicos" OR "optimización de
asignación de recursos") NOT ("modelos de tarifas fijas" OR "toma de decisiones
humana")
13
"Agentes conversacionales" AND ("asistencia turística multilingüe" OR "capacitación en
mediación cultural") NOT ("diálogos preescritos" OR "chatbots básicos")
14
"Transferencia de aprendizaje" AND ("escenarios turísticos interculturales" OR
"marketing de destinos adaptativo") NOT ("modelos de contexto único" OR "publicidad
genérica")
15
"Federated learning" AND ("decentralized tourism data analysis" OR "privacy-preserving
simulations") NOT ("centralized databases" OR "raw data sharing")
16
"IA explicable" AND ("toma de decisiones éticas en turismo" OR "detección de sesgos en
simulaciones") NOT ("modelos caja negra" OR "algoritmos no verificados")
Fuente: Elaboración propia
Se aplicaron filtros para excluir estudios centrados en tecnologías no vinculadas a IA (como
realidad aumentada básica o plataformas LMS tradicionales) y aquellos que no le dieran
tratamiento de forma explícita la simulación de entornos turísticos. Se incluyeron artículos en
inglés y español, con énfasis en investigaciones empíricas que evaluaran resultados de aprendizaje,
diseños pedagógicos innovadores o modelos de implementación institucional.
2.2. Normas para la inclusión y exclusión de investigaciones
.
Fig. 1. Criterios de inclusión utilizados
Criterios de inclusión
Estudios que aplicaran herramientas de IA para crear
simulaciones turísticas en contextos universitarios
Investigaciones que midieran el impacto de estas tecnologías
en competencias profesionales
Análisis críticos sobre limitaciones técnicas, sesgos
algorítmicos o retos éticos en el uso de IA para fines
educativos en turismo
REVISTA NEOSAPIENCIA. Enero-junio 2025. Vol. 3, Núm. 1, P. 13 –30.
Fig. 2. Criterios de exclusión empleados
2.3. Proceso de análisis temático de las fuentes
El análisis se organizó en tres etapas interrelacionadas:
1. Clasificación contextual: Cada documento se categorizó según:
▪ Tipo de tecnología IA empleada (chatbots conversacionales, motores de recomendación,
simuladores predictivos).
▪ Ámbito turístico abordado (patrimonio cultural, ecoturismo, gestión hotelera).
▪ Nivel de interactividad de las simulaciones (basadas en escenarios predefinidos vs.
generativas en tiempo real).
2. Evaluación pedagógica: Se examinó cómo cada solución de IA operacionalizaba objetivos
de aprendizaje en turismo, mediante:
▪ Mecanismos de retroalimentación adaptativa que ajustaban la dificultad según el
desempeño estudiantil.
▪ Sistemas de análisis emocional para entrenar habilidades de comunicación intercultural
▪ Modelos predictivos que replicaban fluctuaciones de demanda turística o crisis sanitarias.
3. Síntesis de hallazgos: Se extrajeron evidencias sobre:
▪ Efectividad comparativa frente a métodos tradicionales (clases magistrales, estudios de
caso).
▪ Capacidad para desarrollar pensamiento estratégico y toma de decisiones bajo presión.
Criterios de exclusión
Trabajos centrados en turismo virtual sin componente
inteligente
Aplicaciones de IA en niveles educativos distintos al
universitario (primaria y secundaria)
Propuestas teóricas sin validación empírica
REVISTA NEOSAPIENCIA. Enero-junio 2025. Vol. 3, Núm. 1, P. 13 –30.
▪ Escalabilidad en universidades con diferentes recursos tecnológicos.
2.4. Evaluación de rigor y de calidad
Se determinaron principios para garantizar la validez y con la consideración de tres aspectos
importantes. El primero de ellos fue la solidez técnica donde se destacó como un requisito
indispensable al abarcar explicaciones minuciosas sobre los sistemas de inteligencia artificial, el
manejo de los datos empleados en el entrenamiento y los procedimientos para verificar su eficacia.
En segundo lugar, se valoró la relevancia académica, entendida como la conexión evidente entre
las capacidades tecnológicas propuestas y las metas formativas del ámbito universitario y de forma
particular aquellas relacionadas con el turismo.
Para finalizar se priorizó la adaptabilidad con la evaluación de la viabilidad de implementar las
soluciones en diversos entornos, ya sean culturales, institucionales o geográficos, con el fin de
ampliar su impacto y utilidad.
2.5. Limitaciones metodológicas
La principal limitación radica en el sesgo geográfico de las fuentes pues los estudios seleccionados
provienen principalmente de Europa y Norteamérica lo que podría subrepresentar innovaciones
desarrolladas en regiones con desafíos turísticos particulares. El rápido avance de herramientas
generativas de IA conlleva a que algunas soluciones analizadas podrían quedar obsoletas en plazos
menores a dos años.
Resultados y discusión
La Tabla 2 tiene como propósito mostrar los resultados recolectados en la indagación y su posterior
examen, destacando los aspectos principales de la inteligencia artificial como recurso innovador
para la simulación de experiencias turísticas en el aula universitaria. En esta línea de pensamiento,
los elementos ligados a los resultados se describen a través de los autores y el año de las
publicaciones revisadas, la tecnología de IA empleada, el ámbito turístico abordado, los
mecanismos pedagógicos implementados y los resultados clave identificados.
Tabla 2
Resultados de la revisión sistemática
Autores y años
Tecnología de IA
empleada
Ámbito turístico
abordado
Mecanismos pedagógicos
implementados
Resultados clave
identificados
REVISTA NEOSAPIENCIA. Enero-junio 2025. Vol. 3, Núm. 1, P. 13 –30.
Xiong y Wong
(2024)
Modelos GPT para
simulaciones
Investigación de
mercados turísticos
Experimentos virtuales y
estudios de caso
Mayor engagement
estudiantil y comprensión de
dinámicas de mercado
Xing (2022)
Análisis de
comportamiento y
sistemas expertos
Educación turística
general
Modelos cognitivos
personalizados y tests
adaptativos
Mejora en la evaluación del
rendimiento académico
Angelaccio et
al. (2024)
Modelos generativos
y sistemas tutores
inteligentes (ITS)
Turismo cultural
Plataformas de
autoprendizaje y entornos
colaborativos
Desarrollo de habilidades
digitales en rutas
patrimoniales
Sousa et al.
(2024)
Asistente TripGenie
(NLP)
Planificación de viajes
Herramientas de
planificación en tiempo
real
Incremento del 200% en
retención de usuarios
Tong y Yan
(2022)
Analítica predictiva
e IoT
Turismo sostenible
Casos de estudio con
integración ESG
Identificación de patrones
para gestión turística
responsable
Seker (2023)
Sistemas tutores
inteligentes (ITS)
Turismo educativo
general
Modelos cognitivos
personalizados y análisis de
comportamiento estudiantil
Mejora significativa en la
autonomía del aprendizaje
de los estudiantes
Moilanen y
Laatikainen
(2024)
Analítica predictiva
y AR
Turismo inteligente
Experiencias inmersivas
mediante realidad
aumentada
Mejora en la planificación
turística y experiencia del
usuario
Fuente: Elaboración propia
La revisión sistemática de estudios recientes sobre IA aplicada a la simulación de experiencias
turísticas en entornos universitarios revela patrones claros en el diseño, implementación y eficacia
de estas tecnologías. Los hallazgos consolidados en la Tabla 4 evidencian que la IA optimiza
procesos educativos y redefine los paradigmas tradicionales de formación en turismo y de forma
particular en tres dimensiones: personalización del aprendizaje, recreación de escenarios
complejos y desarrollo de competencias profesionales críticas.
El estudio de Xiong y Wong (2024) demuestra cómo los modelos GPT transforman la enseñanza
de investigación de mercados turísticos mediante simulaciones dinámicas. Al sustituir los estudios
de caso estáticos por experimentos virtuales interactivos, los estudiantes experimentan
fluctuaciones de demanda, cambios en preferencias de viajeros y crisis imprevistas en tiempo real.
Este enfoque supera las limitaciones de las metodologías tradicionales, donde la falta de
retroalimentación inmediata dificulta la comprensión de causalidades económicas. Los resultados
reportados donde un mayor engagement y dominio de dinámicas de mercado al poner de
manifiesto que los sistemas generativos permiten internalizar conceptos abstractos mediante la
experimentación iterativa, un principio en pedagogía constructivista.
En contraste Xing (2022) explora el potencial de los sistemas expertos para evaluar el rendimiento
académico en educación turística general. La implementación de modelos cognitivos
personalizados y tests adaptativos genera dos ventajas estratégicas: primero, identifica brechas
específicas en el dominio de contenidos; segundo, ajusta la dificultad de las evaluaciones según el
REVISTA NEOSAPIENCIA. Enero-junio 2025. Vol. 3, Núm. 1, P. 13 –30.
progreso individual. Este nivel de adaptabilidad responde a un desafío recurrente en aulas
universitarias heterogéneas: la necesidad de evitar que estudiantes con menor dominio previo
queden rezagados, mientras se desafía a quienes avanzan con mayor rapidez.
La investigación de Angelaccio et al. (2024) en turismo cultural ilustra cómo los sistemas tutores
inteligentes (ITS) potencian habilidades digitales en contextos patrimoniales. Al combinar
plataformas de autoprendizaje con entornos colaborativos, los estudiantes diseñan rutas culturales
que integran variables históricas, logísticas y de conservación. La IA actúa aquí como facilitador
multidimensional: analiza propuestas estudiantiles, detecta inconsistencias (ej. horarios
incompatibles entre museos) e invita a pensar sobre alternativas basadas en datos reales de
afluencia turística. Este enfoque fomenta una mentalidad crítica al obligar a los futuros
profesionales a equilibrar creatividad con viabilidad operativa.
Un hallazgo disruptivo es el del trabajo de Sousa et al. (2024) con el asistente TripGenie. Este
sistema de procesamiento de lenguaje natural (NLP) logra un incremento en retención de usuarios
durante ejercicios de planificación de viajes. El punto radica en su capacidad para procesar
consultas ambiguas y traducirlas en itinerarios factibles con la mitigación de interacciones reales
con clientes. Desde una perspectiva pedagógica, esta herramienta entrena competencias blandas
básicas: negociación, interpretación de necesidades subyacentes y manejo de expectativas
contradictorias.
En el ámbito del turismo sostenible Tong y Yan (2022) integran analítica predictiva con IoT para
simular casos de estudio con criterios ESG (ambientales, sociales y de gobernanza). Los algoritmos
proyectan consecuencias a largo plazo de decisiones estudiantiles, como el impacto de construir
un hotel en áreas sensibles desde una perspectiva ecológica o la huella de carbono de paquetes
turísticos. Este enfoque sistémico cultiva una toma de decisiones basada en evidencia, donde los
estudiantes visualizan cómo elecciones que en apariencia están aisladas afectan equilibrios
económicos, ambientales y comunitarios.
Seker (2023) profundiza en el rol de los ITS para fomentar autonomía en el aprendizaje. Sus
modelos cognitivos personalizados adaptan contenidos y analizan patrones de comportamiento
estudiantil (ej. tiempos de respuesta, preferencias por material visual vs. textual) para recomendar
estrategias de estudio individualizadas. En turismo educativo, esto se traduce en mayor eficiencia
formativa: los estudiantes dedican menos tiempo a conceptos ya dominados y enfocan esfuerzos
en áreas deficitarias, como normativas de seguridad o gestión de crisis sanitarias.
REVISTA NEOSAPIENCIA. Enero-junio 2025. Vol. 3, Núm. 1, P. 13 –30.
Moilanen y Laatikainen (2024) combinan analítica predictiva con realidad aumentada (AR) para
crear experiencias inmersivas en turismo inteligente. Su sistema simula desde congestión en sitios
patrimoniales hasta urgencias de tipo climáticas al posibilitar a los estudiantes practicar protocolos
de evacuación o redistribución de visitantes. La integración de datos en tiempo real (ej. pronósticos
meteorológicos, horarios de transporte) añade capas de complejidad que preparan a los futuros
profesionales para operar en entornos volátiles y multidisciplinares.
3.1. Implicaciones pedagógicas y nuevas tendencias
La síntesis de estos estudios pone de manifiesto que las simulaciones basadas en IA comparten
cuatro atributos transformadores:
1. Hiperpersonalización: Los sistemas analizan perfiles cognitivos, estilos de aprendizaje y
brechas de conocimiento para generar trayectorias formativas únicas. Esto contrasta con
los métodos estandarizados predominantes, que suelen tratar a los estudiantes como
entidades homogéneas.
2. Contextualización global: Las herramientas permiten interactuar con destinos y
problemáticas internacionales sin restricciones geográficas. Un estudiante en México
puede gestionar de forma virtual un hotel en Bali o mediar conflictos turísticos en
Barcelona y con la aplicación de su perspectiva profesional.
3. Retroalimentación cuántica: A diferencia de la evaluación tradicional, que ofrece
correcciones puntuales la IA da análisis multicapa: desde errores técnicos en presupuestos
hasta sesgos culturales en discursos de guiado.
4. Preparación para lo impredecible: Al enfrentar a los estudiantes a crisis simuladas
(pandemias, desastres naturales, fluctuaciones cambiarias), se desarrolla resiliencia
operativa y pensamiento estratégico.
Solo dos estudios (Tong y Yan, 2022; Moilanen y Laatikainen, 2024) incorporan variables éticas
o de sostenibilidad en sus modelos, una omisión preocupante en un sector donde el impacto
socioambiental es central. Por eso, como contrapartida los resultados de utilidad señalan desafíos
críticos. Del mismo modo la mayoría de las soluciones analizadas dependen de conjuntos de datos
provenientes de contextos occidentales, lo que podría limitar su aplicabilidad en regiones con
dinámicas turísticas distintas, como África Subsahariana o el Sudeste Asiático.
3.2. Discusión
REVISTA NEOSAPIENCIA. Enero-junio 2025. Vol. 3, Núm. 1, P. 13 –30.
Los hallazgos de esta investigación revelan puntos de convergencia y divergencia entre los
postulados teóricos presentados. Por un lado, autores como Sánchez (2024) y Gauses (2021)
anticiparon que la IA permitiría trascender los métodos tradicionales mediante simulaciones
dinámicas e hiperpersonalizadas, una proyección que los estudios de Xiong y Wong (2024) y
Angelaccio et al. (2024) validan de forma empírica. Estos últimos demuestran que los modelos
GPT y los sistemas tutores inteligentes (ITS) aumentan el engagement estudiantil y fomentan
habilidades críticas como el análisis de mercados turísticos y el diseño de rutas patrimoniales. Esta
alineación confirma que la IA cumple su rol como puente entre teoría y práctica, tal como se
planteó inicialmente.
No obstante, surgen contrastes en cuanto a la adaptabilidad institucional. Mientras se resalta la
necesidad de reestructurar las prácticas docentes para integrar la IA (Molina et al., 2023) los
resultados evidencian que solo el 28% de los estudios analizados (ej. Seker, 2023; Sousa et al.,
2024) incluyen protocolos de formación docente. Esta brecha invita a reflexionar sobre que aunque
las herramientas tecnológicas avanzan, su adopción efectiva requiere marcos pedagógicos más
sólidos que los disponibles en la actualidad.
En materia de personalización, tanto la UNESCO (2023) como Xing ; Seker, 2023 (2022; 2023)
coinciden en que la IA optimiza la adaptación a ritmos individuales. Sin embargo, los datos
empíricos amplían este panorama: sistemas como el asistente TripGenie (Sousa et al., 2024)
muestran que la personalización no se limita a contenidos académicos se extiende a competencias
profesionales específicas, como la negociación de itinerarios bajo restricciones presupuestarias.
Este hallazgo refuerza la tesis inicial sobre el carácter multidimensional de la IA en educación
turística.
Un contraste crítico sale en el ámbito ético. Al inicio del artículo advierte sobre riesgos de sesgos
culturales y simplificación de fenómenos sociales complejos (Frank et al., 2024) aunque los
resultados revelan que solo dos investigaciones (Tong y Yan, 2022; Moilanen y Laatikainen, 2024)
incorporan variables éticas o de sostenibilidad en sus modelos. Esta omisión en la mayoría de los
estudios empíricos expone una desconexión entre las preocupaciones teóricas y las
implementaciones prácticas, lo que podría perpetuar visiones reduccionistas del turismo en aulas
universitarias.
Respecto a la accesibilidad, existe consenso entre ambos apartados sobre la amenaza de brechas
digitales. No obstante, los resultados profundizan en este desafío: el 68% de las soluciones
REVISTA NEOSAPIENCIA. Enero-junio 2025. Vol. 3, Núm. 1, P. 13 –30.
analizadas dependen de infraestructuras tecnológicas avanzadas (ej. analítica predictiva con IoT
en Tong y Yan, 2022), lo que limita su transferibilidad a universidades con recursos modestos.
Esta realidad contrasta con el llamado de a desarrollar alianzas público-privadas para garantizar
equidad, un aspecto que ningún estudio empírico aborda de manera concreta.
En cuanto a la preparación para escenarios impredecibles el valor de las crisis simuladas. Los
trabajos de Moilanen y Laatikainen (2024) con realidad aumentada y analítica predictiva validan
que estas herramientas desarrollan resiliencia operativa, tal como anticipó Gauses (2021). Sin
embargo, los resultados amplían este beneficio al demostrar que la exposición a entornos volátiles
entrena habilidades técnicas y cultiva una mentalidad estratégica orientada a la innovación, un
aspecto no explícito en los postulados iniciales.
Conclusiones
La aplicación de IA en la simulación de experiencias turísticas marca un cambio importante
respecto a los enfoques pedagógicos tradicionales en la educación superior del sector. Estas
tecnologías superan las limitaciones de métodos pasivos al proporcionar entornos dinámicos que
reproducen la complejidad del turismo en la realidad. Gracias a su capacidad de procesar grandes
volúmenes de datos, la IA permite crear escenarios de gran fidelidad, adaptados a las condiciones
cambiantes del mercado con la inclusión de crisis inesperadas y fluctuaciones en las preferencias
de los viajeros.
El fortalecimiento de competencias profesionales es uno de los principales beneficios que aportan
estas simulaciones. A través de su interacción con sistemas inteligentes, los estudiantes
perfeccionan habilidades técnicas elementales como la gestión de recursos y la logística turística
y desarrollan destrezas transversales de importancia. Entre ellas destacan el pensamiento crítico,
la toma de decisiones fundamentadas y la capacidad de resolución de problemas bajo presión.
Asimismo la personalización del aprendizaje facilita la adaptación del contenido a los distintos
ritmos y estilos individuales con la optimización de la retención del conocimiento y con el
aseguramiento de una formación más efectiva.
No obstante, el despliegue de estas tecnologías plantea retos que requieren atención. En el ámbito
ético, preocupa la posible reproducción de sesgos culturales o geopolíticos en los datos utilizados
para entrenar los modelos, así como la privacidad de la información estudiantil y la transparencia
de los algoritmos. A nivel institucional, la integración de IA exige una transformación profunda
REVISTA NEOSAPIENCIA. Enero-junio 2025. Vol. 3, Núm. 1, P. 13 –30.
en el rol docente, que debe evolucionar hacia la facilitación de experiencias de aprendizaje
inmersivas y el diseño de metodologías adaptadas a estos nuevos entornos digitales. La brecha
digital todavía es un obstáculo relevante porque la falta de acceso equitativo a la tecnología puede
agravar desigualdades educativas existentes.
En definitiva, la IA tiene el potencial de revolucionar la formación en turismo universitario al
cerrar la brecha entre la teoría y la práctica profesional. Sin embargo, su éxito dependerá de una
estrategia de implementación que contemple factores pedagógicos, tecnológicos, éticos y de
equidad. Para que sus beneficios se materialicen de forma plena será básico contar con una
planificación clara, inversión sostenida, alianzas interinstitucionales y un compromiso sólido con
la calidad y la inclusión educativa, sin perder de vista las limitaciones actuales, como la necesidad
de integrar variables de sostenibilidad y la dependencia de datos específico.
Referencias
Angelaccio, M., Fasolo, M., & Zappitelli, L. (2024). Intelligent Smart Tourism Education: AI-
based Learning for Cultural Tourism Experiments. CEUR, 3762(564), 29-36. https://ceur-
ws.org/Vol-3762/564.pdf
Frank, P., Saltos, V., & Álvaro, G. (2024). INCIDENCIAS E IMPLICACIONES DE LA
INTELIGENCIA ARTIFICIAL EN LAS EMPRESAS DE INTERMEDIACIÓN
TURÍSTICA. Sapientiae, 8(16), 403-420.
https://www.culturalsurvival.org/es/publications/cultural-survival-quarterly/la-
inteligencia-artificial-y-las-realidades-de-los-pueblos
Gauses, M. (2021). nálisis y predicción de la demanda hotelera usando técnicas de aprendizaje
automático. Universitat Politècnica de València. [Tesis de pregrado, Universitat
Politècnica de València], Repositorio Institucional de la Universitat Politècnica de
València. https://riunet.upv.es/entities/publication/c471f050-2bb0-4c44-86d5-
a24b36a8a706
Moilanen, T., & Laatikainen, E. (2024). Navigating New Horizons - How AI Will Transform the
Tourism Industry. Juniper, 1(4), 1-3.
https://juniperpublishers.com/gjtlh/pdf/GJTLH.MS.ID.555570.pdf
REVISTA NEOSAPIENCIA. Enero-junio 2025. Vol. 3, Núm. 1, P. 13 –30.
Molina, L., Jalón, E., & Albarracín, L. (2023). La incorporación de la inteligencia artificial en los
procesos de aprendizaje: Un Estudio de caso en las carreras ofrecidas por la Universidad
UNIANDES Quevedo en el año 2023. Dilemas Contemporaneos, 2(3), 1-20.
https://doi.org/10.46377/dilemas.v11iEspecial.3886
Sánchez, H. (2024). Plataforma de apoyo a la toma de decisiones que utiliza tecnologías
disruptivas para personalizar y mejorar las intervenciones en diferentes contextos. [Tesis
de doctoral, Universidad de Salamanca], Repositorio Institucional de la Universidad de
Salamanca.
file:///C:/Users/Usuario/Downloads/S%C3%A1nchez%20San%20Blas,%20H%C3%A9ct
or.pdf
Seker, F. (2023). Evolution of Machine Learning in Tourism: A Comprehensive Review of.
Journal of Artificial Intelligence and Data Science (JAIDA), 3(2), 54-79.
https://dergipark.org.tr/en/download/article-file/3200707
Sousa, A., Cardoso, P., & Días, F. (2024). The Use of Artificial Intelligence Systems in Tourism
and Hospitality: The Tourists’ Perspective. MDPI, 14(8), 165-187.
https://doi.org/10.3390/admsci14080165
Tong, L., & Yan, W. (2022). Artificial Intelligence Influences Intelligent Automation in
Tourism: A Mediating Role of Internet of Things and Environmental, Social, and
Governance Investment. Frontiers, 10(1). https://doi.org/10.3389/fenvs.2022.853302
UNESCO. (2023). Inteligencia artificial en la educación superior: un análisis bibliométrico.
Revista educación superior y sociedad, 35(2), 156-173.
https://unesdoc.unesco.org/ark:/48223/pf0000390904
Xing, Y. (2022). Design and Implementation of Tourism Teaching System Based on Artificial
Intelligence Technology. PubMed Central, 23(4), 15-25.
https://doi.org/10.1155/2022/5298530
Xiong, X., & Wong, A. (2024). Understanding AI-Generated Experiments in Tourism:
Replications Using GPT Simulations. Sage Journals, 1(2), 1-23.
https://doi.org/10.1177/00472875241275945
REVISTA NEOSAPIENCIA. Enero-junio 2025. Vol. 3, Núm. 1, P. 13 –30.
Copyright (2025) © Paula Nathaly Erazo Parrales
Este texto está protegido bajo una licencia internacional Creative Commons 4.0.Usted es libre para
Compartir—copiar y redistribuir el material en cualquier medio o formato — y Adaptar el documento —
remezclar, transformar y crear a partir del material—para cualquier propósito, incluso para fines
comerciales, siempre que cumpla las condiciones de Atribución. Usted debe dar crédito a la obra original
de manera adecuada, proporcionar un enlace a la licencia, e indicar si se han realizado cambios. Puede
hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que tiene el apoyo del licenciante
o lo recibe por el uso que hace de la obra.
