Revista Neosapiencia ISNN 3091-1982. Julio - diciembre 2026. Vol. 4, Núm.2, P. 171-187.
Uso inadecuado de la inteligencia artificial en el proceso de
enseñanza-aprendizaje: Un estudio en instituciones
educativas del Ecuador
Impact of the inappropriate use of artificial intelligence in the
teaching-learning process: A study in educational institutions in
Ecuador
-Fecha de recepción: 09-06-2026 -Fecha de aceptación: 06-07-2026 -Fecha de publicación: 11-08-2026
Angelica Liliana Zhunio Zhunio
Investigador Independiente, Azuay Ecuador
angelilizhu@hotmail.com
https://orcid.org/0009-0001-8029-973X
María Tráncito Chela Tualombo
Investigador Independiente, Bolívar Guaranda Ecuador
chelamaite16@gmail.com
https://orcid.org/0009-0008-2669-1651
María Beatriz Villalobos Veloz
Investigador Independiente, Guayaquil Ecuador
bettyvillalobos1973@gmail.com
https://orcid.org/0009-0003-4879-1876
Silvia Lorena Anrango Portilla
Investigador Independiente, Quito Ecuador
silvylap24@gmail.com
https://orcid.org/0009-0001-0719-0463
Mariella Fernanda Zambrano Valverde
Universidad Técnica de Cotopaxi, Cotopaxi Ecuador
mariella.zambrano4401@utc.edu.ec
https://orcid.org/0009-0006-8985-4302
Resumen
La educación contemporánea enfrenta el desafío de la inteligencia artificial generativa, pues su
utilización acrítica amenaza con atrofiar competencias cognitivas fundamentales mediante la
tercerización del pensamiento. Esta investigación asume el objetivo general de evaluar el impacto
del uso inadecuado de la inteligencia artificial en el proceso de enseñanza-aprendizaje en
estudiantes de instituciones educativas del Ecuador. Bajo un enfoque cuantitativo con diseño no
experimental, transversal y alcance correlacional, se encuestó a 350 estudiantes de nivel superior
mediante un instrumento validado. Los hallazgos revelan una condición alarmante: el 64,86% de
Revista Neosapiencia ISNN 3091-1982. Julio - diciembre 2026. Vol. 4, Núm.2, P. 171-187.
los encuestados presenta ensayos producidos por algoritmos sin ninguna modificación, y el
72,86% prefiere recibir respuestas finales en lugar de entender los procedimientos. Además, el
71,72% no verifica las fuentes y el 68,85% siente ansiedad operativa cuando no tiene acceso
digital; el coeficiente de Pearson, que es 0,79, constituye el hallazgo más relevante. Este dato
evidencia una conexión estadística casi perfecta entre la dependencia tecnológica desregulada y la
degradación observada en el análisis crítico, la redacción y la retención; de este modo, siete de
cada diez estudiantes admiten que sus notas son una simulación del conocimiento. Se concluye
que la ley del mínimo esfuerzo intelectual deteriora la calidad en el ámbito profesional, lo que
obliga a las instituciones a superar la prohibición y poner en práctica evaluaciones basadas en el
razonamiento humano irremplazable y la defensa oral.
Palabras clave: uso inadecuado de la IA; enseñanza-aprendizaje; instituciones educativas;
Ecuador
Abstract
Contemporary education faces the challenge of generative artificial intelligence, as its uncritical
use threatens to stifle fundamental cognitive skills through the outsourcing of thinking. This
research aims to evaluate the impact of the inappropriate use of artificial intelligence on the
teaching and learning process in students at educational institutions in Ecuador. Using a
quantitative approach with a non-experimental, cross-sectional, and correlational design, 350
higher education students were surveyed using a validated instrument. The results reveal a critical
situation: 64.86% of participants submit algorithmically generated essays without any editing,
while 72.86% prefer to obtain final answers rather than understand the processes. Furthermore,
71.72% omit source verification, and 68.85% experience operational anxiety without digital
access. The most compelling finding lies in the Pearson correlation coefficient of 0.99, a figure
that demonstrates a near-perfect statistical relationship between unregulated technological
dependence and the perceived decline in writing, retention, and critical analysis skills, to the point
that seven out of ten students recognize their grades as a mere simulation of knowledge. It is
concluded that the law of least intellectual effort erodes professional quality, which requires
institutions to move beyond prohibitions and implement assessments focused on oral presentations
and irreplaceable human reasoning.
Keywords: inappropriate use of AI; teaching and learning; educational institutions; Ecuador
Revista Neosapiencia ISNN 3091-1982. Julio - diciembre 2026. Vol. 4, Núm.2, P. 171-187.
Introducción
El sistema educativo actual está experimentando una interrupción tecnológica sin precedentes, que
requiere una transición de un enfoque tradicional hacia métodos pedagógicos dinámicos que
incorporen la alfabetización digital y promuevan que el alumno se convierta en un administrador
ético de la información (Da Cruz, 2022; Quiroz, 2025); esta transformación de paradigma es
fundamental en el entorno contemporáneo, en el que la aparición de la inteligencia artificial
generativa ha modificado drásticamente la ecología del aprendizaje (Andrade et al., 2024;
UNESCO, 2023).
Según García (2024) y Gonzáles et al. (2024) en el caso específico de las instituciones educativas
del Ecuador esta transición es urgente para garantizar que los estudiantes desarrollen competencias
cognitivas de alto orden, habilidades socioemocionales y una mentalidad crítica, en este contexto,
la inteligencia artificial (IA), que se refiere a sistemas computacionales capaces de ejecutar tareas
que normalmente necesitan de la inteligencia humana, es una herramienta de doble filo. Aunque
su integración pedagógica ofrece la posibilidad de personalizar el aprendizaje y mejorar procesos,
el fenómeno del uso inapropiado sigue siendo una preocupación importante en la didáctica
contemporánea. Se entiende por uso inapropiado el empleo acrítico, dudoso o dependiente en
términos éticos de instrumentos de inteligencia artificial (como Claude, ChatGPT y solucionadores
automáticos de problemas) por parte del alumnado (Goyanes y Lopezosa, 2024; García, 2023).
A pesar de que se concuerda teóricamente en que la IA tiene el potencial de democratizar el acceso
al conocimiento, en las aulas de la educación secundaria y superior en Ecuador su uso real tiende
a ser caótico y ha presentado grandes retos en cuanto a integridad académica; la literatura más
reciente demuestra que persiste una disparidad entre la retórica de la innovación educativa y la
práctica real de la enseñanza frente a la IA. Un gran número de profesores tienen un entendimiento
restringido acerca de cómo operan estos algoritmos y no están capacitados para crear evaluaciones
que sean a prueba de IA o que incorporen estas herramientas de forma eficaz. Esto lleva a menudo
a que persista una perspectiva tradicional de ignorancia o prohibición tecnológica, la cual,
irónicamente, fomenta que los alumnos hagan un uso encubierto e inapropiado y resulta en una
alarmante deficiencia para desarrollar las verdaderas habilidades intelectuales que el currículo
busca (García, 2023; Robles, 2019).
Este problema se agudiza en asignaturas que requieren producción intelectual y análisis crítico,
donde un método de enseñanza que no contemple la existencia de la IA puede desaprovechar el
Revista Neosapiencia ISNN 3091-1982. Julio - diciembre 2026. Vol. 4, Núm.2, P. 171-187.
potencial de la materia y fomentar el plagio asistido por tecnología. Estudios previos han
identificado que aunque las herramientas de IA son omnipresentes existe una falta de evidencia
empírica sólida en la región que cuantifique el impacto específico de su uso inadecuado en el
rendimiento real y en la calidad de los procesos de enseñanza-aprendizaje en instituciones
ecuatorianas, más allá de la percepción subjetiva de los docentes (Andrade et al., 2024). La
mayoría de las investigaciones se centran en la implementación de la tecnología y pocas abordan
con diseños rigurosos las consecuencias negativas de una adopción sin pedagogía .
Por otro lado, el conocimiento actual sobre la inteligencia artificial en educación resalta su efecto
dual en variables educativas como son el rendimiento académico, la motivación y la autonomía.
Revisiones sistemáticas recientes han corroborado que, aunque el empleo guiado de la IA tiene la
capacidad de actuar como un tutor individualizado y aumentar la eficacia del aprendizaje, cuando
se utiliza de manera inapropiada, hay una correlación con una reducción en la retención a largo
plazo (Forero y Negre, 2024). Además, existe una erosión de la confianza en las habilidades
intelectuales propias del estudiante (Marcos et al., 2023; García, 2023), se ha registrado que una
dependencia excesiva de estas herramientas puede dificultar el avance de habilidades transversales
esenciales como la creatividad original, el juicio evaluativo y la habilidad para afrontar la
frustración cognitiva que es necesaria para un aprendizaje profundo (Robles, 2019).
Del mismo modo se identifica una necesidad imperiosa de mayores pruebas cuantitativas y
cualitativas en contextos específicos como el ecuatoriano (Carbajal, 2019). Aunque las revisiones
globales muestran tendencias generales, hay una carencia de estudios de campo en el nivel de
educación media y superior en Ecuador que utilicen instrumentos validados para medir de forma
fiable la correlación entre la frecuencia/tipo de uso de IA y el deterioro o mejora de las variables
de aprendizaje. Existe un vacío sobre cómo factores socioeconómicos y la brecha digital influyen
en el tipo de uso (instrumental vs. crítico) que los estudiantes dan a estas herramientas, un vacío
que esta investigación pretende comenzar a llenar.
Esta investigación tiene como objetivo general examinar la repercusión del mal uso de la
inteligencia artificial en el proceso de enseñanza-aprendizaje de los alumnos que asisten a colegios
y escuelas en Ecuador, tomando como punto de partida las dificultades planteadas y el estado
actual del arte. Siguiendo este enfoque y ajustando el razonamiento de la investigación científica
a la esencia del fenómeno, los propósitos particulares del estudio son:
Revista Neosapiencia ISNN 3091-1982. Julio - diciembre 2026. Vol. 4, Núm.2, P. 171-187.
- Diagnosticar el nivel de prevalencia y las tipologías de uso inadecuado de herramientas de
IA en los estudiantes mediante un instrumento validado.
- Cuantificar la relación entre el uso inadecuado de la IA y el desempeño en variables clave
del aprendizaje mediante análisis estadístico.
- Determinar la magnitud del impacto negativo en su formación académica.
Abordar esta investigación es necesario y urgente por sus profundas implicaciones tanto prácticas
como teóricas. Desde el punto de vista práctico, los resultados de este estudio darán a los docentes,
directivos y a las instituciones educativas pruebas concretas sobre la realidad del aula "híbrida",
permitiendo trascender el pánico moral o la aceptación ciega para ofrecer un modelo de regulación
y pedagogía sustentado en datos. Esto puede traducirse en la mejora sustancial de las
planificaciones curriculares, la creación de códigos de ética digital y en la promoción de un
desarrollo profesional docente más focalizado en la evaluación de procesos más que de resultados
finales (Ballester et al., 2018).
En el ámbito teórico, la investigación contribuye a cerrar el vacío de literatura empírica existente
sobre los efectos colaterales de la digitalización en la educación en países en vías de desarrollo. Al
emplear un diseño metodológico robusto y un instrumento confiable adaptado al contexto local, el
estudio genera conocimiento válido que puede ser contrastado y replicado para fortalecer el cuerpo
de la educación basada en la evidencia en español. A nivel social fomentar una cultura de uso ético
y crítico de la IA desde la educación media es elemental para el desarrollo cognitivo de la
ciudadanía y la soberanía tecnológica de la sociedad. Así se forman a jóvenes que dominen la
herramienta en lugar de ser dominados por ella (Machuca, 2018; Ibarra et al., 2023; García et al.,
2022).
Relacionado con la estructura de este artículo, tras esta introducción, el trabajo se organiza en las
siguientes secciones. La Metodología detalla el diseño de la investigación (no experimental,
correlacional o descriptivo según corresponda), la caracterización de la población y muestra de las
instituciones ecuatorianas participantes, la descripción del instrumento de recolección de datos
sobre uso de IA y competencias, y los procedimientos del análisis estadístico empleado.
Luego, la sección de Resultados contiene los hallazgos derivados del análisis de los datos,
organizados según las dimensiones de frecuencia de uso, tipos de herramientas y su impacto en el
rendimiento, e incluye el análisis de la significancia estadística de las relaciones halladas. Por
último, las Conclusiones discuten e interpretan los resultados a la luz de los objetivos planteados
Revista Neosapiencia ISNN 3091-1982. Julio - diciembre 2026. Vol. 4, Núm.2, P. 171-187.
y la teoría previa, destacan las implicaciones principales del estudio para el sistema educativo
ecuatoriano, reconocen sus limitaciones y proponen líneas de investigación futuras para continuar
monitoreando este fenómeno en constante evolución.
Materiales y Métodos
El estudio se desarrolló bajo un enfoque cuantitativo con un diseño no experimental, transversal y
correlacional. El propósito fue evaluar el impacto del uso inadecuado de la IA en el proceso de
enseñanza-aprendizaje en estudiantes de nivel superior de instituciones educativas del Ecuador. Se
aplicó un instrumento validado en un único momento temporal para diagnosticar patrones de uso
de la tecnología y su relación con el desempeño académico y el desarrollo de competencias
cognitivas. El análisis de los datos incluyó estadística de frecuencias para caracterizar las
tipologías de uso y la estadística inferencial para determinar la magnitud del impacto en las
variables educativas. Los detalles metodológicos se describen en los siguientes apartados.
2.1. Diseño de investigación
Este artículo se basa en un diseño de investigación no experimental y transversal porque las
variables no fueron alteradas intencionalmente, sino que se observaron tal como aparecen en su
contexto natural en un solo momento. El estudio fue de alcance correlacional porque intentó
establecer la relación entre el proceso de enseñanza-aprendizaje y el uso inadecuado de la
inteligencia artificial. Para operacionalizar el primero, se utilizaron indicadores como la capacidad
para redactar, la retención del conocimiento, el pensamiento crítico, la autonomía cognitiva y las
ganas de aprender; en cuanto al segundo, se operacionalizó a través del uso excesivo de inteligencia
artificial en tareas académicas (como no verificar fuentes o resolver actividades sin entender los
procedimientos) y por medio de la frecuencia con que se generaban contenidos sin elaboración
propia, este diseño permitió identificar el grado de asociación existente entre ambas variables, sin
establecer relaciones de causalidad ni requerir una intervención pedagógica controlada.
2.2. Población y muestra
La población de interés para esta investigación estuvo constituida por estudiantes de educación
superior de instituciones educativas urbanas del Ecuador. La muestra se seleccionó mediante un
muestreo no probabilístico por conveniencia para garantizar la accesibilidad a los sujetos de
Revista Neosapiencia ISNN 3091-1982. Julio - diciembre 2026. Vol. 4, Núm.2, P. 171-187.
estudio y la representatividad de diversos estratos socioeconómicos. La muestra final se conformó
por un grupo de 350 estudiantes de distintas Instituciones Educativas.
Para preservar la confidencialidad y el anonimato, ya que se investigó acerca de prácticas de
integridad académica, se asignaron a los participantes códigos numéricos; además, se garantizó
que sus respuestas no afectarían sus calificaciones. El grupo tuvo una composición equilibrada en
términos de género y una edad promedio de 17,4 años, esto se debió a que la muestra estuvo
compuesta mayormente por alumnos de primer ingreso a instituciones de educación superior, con
edades entre los 15 y los 22 años, siguiendo los criterios de inclusión previamente establecidos.
2.2.1. Criterios de inclusión y exclusión
Los criterios de inclusión y exclusión definidos para la selección de la muestra aseguraron que los
participantes tuvieran acceso y experiencia con las herramientas analizadas:
Tabla 1
Criterios de inclusión y exclusión
Criterio de inclusión
Criterio de exclusión
1. Ser estudiante matriculado en nivel de educación
superior en una institución ecuatoriana
1. Estudiantes que declaren no tener acceso a internet
ni dispositivos electrónicos para tareas académicas.
2. Contar con el consentimiento informado (y
asentimiento en caso de menores) firmado.
2. No completar más del 90% de los ítems del
cuestionario aplicado.
3. Haber utilizado herramientas de IA (ChatGPT,
Gemini, etc.) al menos una vez para fines académicos
en los últimos 6 meses.
3. Estudiantes que cursen programas de educación
especial que requieran adaptaciones curriculares
significativas no comparables.
4. Tener una edad comprendida entre los 15 y 22 años.
4. Llenar el instrumento de forma aleatoria o con
patrones de respuesta inconsistentes (verificado por
preguntas de control).
Fuente: Elaboración propia
2.3. Técnica e instrumento
La técnica principal para la recolección de datos fue la encuesta digital mediante la utilización del
instrumento cuestionario de Escala de Impacto de IA en Educación (EIAE). Este instrumento fue
diseñado en una escala de Likert de 5 opciones de respuesta, que oscilan entre 1 (Nunca /
Revista Neosapiencia ISNN 3091-1982. Julio - diciembre 2026. Vol. 4, Núm.2, P. 171-187.
Totalmente en desacuerdo) y 5 (Siempre / Totalmente de acuerdo). El cuestionario fue estructurado
en dos secciones principales.
2.3.1. Cuestionario
El instrumento constó de un total de diez ítems y alineados con los objetivos de diagnosticar el uso
y medir el impacto. Los ítems se agruparon en dos dimensiones: la primera, Tipología de Uso y
Dependencia, evaluó conductas de tercerización cognitiva; la segunda, Impacto en Competencias,
midió el deterioro o mejora percibida en habilidades elementales.
El diseño del cuestionario se expone a través de la Tabla 2.
- Instrucciones: A continuación se presentan afirmaciones sobre tu uso de la Inteligencia
Artificial. Marca con una X la opción que mejor represente tu realidad.
- Escala: 1 = Nunca, 2 = Casi nunca, 3 = A veces, 4 = Casi siempre, 5 = Siempre:
Tabla 2
Cuestionario aplicado
Variables
Ítem
Enunciado
Opciones de respuesta
1
2
3
4
5
Tipología de Uso
y Dependencia
(Variable
Independiente)
1
Utilizo herramientas de IA para generar ensayos
completos y los entrego sin realizar ediciones
sustanciales
2
Cuando tengo una tarea compleja, prefiero que la IA
me dé la respuesta final en lugar de explicarme el
proceso
3
Verifico la veracidad de la información proporcionada
por la IA con fuentes bibliográficas externas antes de
usarla
4
Uso la IA para resolver problemas matemáticos o
lógicos sin intentar comprender el procedimiento
subyacente
5
Siento ansiedad o inseguridad si tengo que realizar un
trabajo académico sin acceso a herramientas de IA
Impacto en
Competencias y
Aprendizaje
(Variable
Dependiente)
6
Siento que mi capacidad para redactar textos
originales ha disminuido desde que uso
frecuentemente la IA
7
He notado que retengo menos información de las
asignaturas cuando utilizo IA para hacer las tareas
Revista Neosapiencia ISNN 3091-1982. Julio - diciembre 2026. Vol. 4, Núm.2, P. 171-187.
8
El uso de la IA ha afectado mi capacidad para pensar
críticamente sobre un tema sin ayuda tecnológica
9
Considero que mis calificaciones actuales reflejan mi
conocimiento real y no el de la herramienta de IA
10
He perdido la motivación para investigar por mi
cuenta debido a la facilidad de respuestas que ofrece la
IA
Fuente: Elaboración propia
2.4. Confiabilidad
Para determinar la consistencia interna y confiabilidad del instrumento se calculó el coeficiente
Alfa de Cronbach. El análisis arrojó un valor global de 0,785. Ello pone de manifiesto un nivel de
confiabilidad alto e indica que el instrumento es apto para medir la correlación entre el uso
inadecuado de la tecnología y el desempeño educativo en el contexto ecuatoriano.
2.5. Análisis de datos
El análisis de los datos se realizó con el software estadístico M.S. Excel. En primera instancia se
llevó a cabo un análisis de frecuencias para diagnosticar la prevalencia del uso inadecuado. Luego,
para responder a los objetivos de impacto se aplicó la prueba de correlación de Pearson (r) para
verificar la asociación entre las variables.
2.6. Consideraciones éticas
El estudio se realizó bajo estrictos principios éticos dada la naturaleza del tema que involucra
integridad académica. Se obtuvo la aprobación de las autoridades de las instituciones participantes.
Todos los estudiantes y sus representantes legales firmaron un consentimiento informado donde
se explicitaba que la información sobre el plagio o el uso indebido sería tratada con fines solo
científicos y estadísticos. Con ello se garantiza que ninguna respuesta derivaría en sanciones
disciplinarias.
Resultados y/o Discusión
En este apartado se exponen los hallazgos obtenidos tras el procesamiento y análisis de los datos
recolectados mediante la Escala de Impacto de IA en Educación (EIAE) aplicada a 350 estudiantes
de nivel superior. La exposición de los resultados se organiza en función de los objetivos del
estudio y de acuerdo con las variables establecidas.
Revista Neosapiencia ISNN 3091-1982. Julio - diciembre 2026. Vol. 4, Núm.2, P. 171-187.
3.1. Diagnóstico de la tipología de uso y dependencia tecnológica
El análisis inicial se enfocó en descubrir cómo los alumnos reaccionaban ante las herramientas de
IA, las frecuencias porcentuales de la dimensión de uso y dependencia se resumen en la Figura 1.
Fig. 1. Resultados de la variable independiente
El análisis de datos muestra una tendencia clara hacia la tercerización cognitiva, respecto a la
generación de contenido (ítem 1), se nota que el 64,86% de los estudiantes (la suma de las
respuestas "de acuerdo" y "totalmente de acuerdo") afirman usar la IA para crear ensayos
completos con escasa o ninguna edición posterior. Este descubrimiento es coherente con la
conducta que se observó en el ítem 2, que tenía que ver con la preferencia por el resultado final en
lugar de por el proceso de aprendizaje; en este caso, el 72,86% de los encuestados prefiere que la
IA les brinde una respuesta directa en vez de detallarles el procedimiento. Esto demuestra una
perspectiva pragmática que da prioridad a la eficacia de la entrega en vez de a la obtención de la
competencia.
Totalmente en
desacuerdo
En desacuerdo Neutral De acuerdo
Totalmente de
acuerdo
I5
16,00% 5,14% 10,00% 21,14% 47,71%
I4
10,00% 10,00% 15,14% 20,86% 44,00%
I3
38,86% 32,86% 8,29% 7,14% 12,86%
I2
7,71% 10,00% 9,43% 26,86% 46,00%
I1
10,00% 10,00% 15,14% 24,86% 40,00%
0%
50%
100%
150%
200%
250%
I1 I2 I3 I4 I5
Revista Neosapiencia ISNN 3091-1982. Julio - diciembre 2026. Vol. 4, Núm.2, P. 171-187.
El ítem 3 (inverso) que mide la verificación de fuentes revela un aspecto importante, en este caso,
los resultados muestran que el 71,72% de la muestra (la suma de "totalmente en desacuerdo" y "en
desacuerdo") admite no comprobar la veracidad de lo que brinda la IA. Esto indica una fe ciega en
el algoritmo y la falta de un juicio crítico considerable para filtrar la información sintética, es obvio
en lo que respecta a la dependencia operativa y psicológica. El 64,86% usa la herramienta para
solucionar problemas en el área lógico-matemática (ítem 4) sin entender los fundamentos
procedimentales; el ítem 5, que se refiere al componente emocional, es aún más preocupante: el
68,85% de los alumnos reconoce que siente inseguridad o ansiedad cuando afronta tareas
académicas sin la ayuda de IA. Esto demuestra que la herramienta ha evolucionado de ser un
recurso opcional a convertirse en una prótesis cognitiva esencial para el estudiante promedio de la
muestra.
3.2. Impacto en competencias y aprendizaje
Se examinó cómo los alumnos perciben que el uso intensivo y desregulado ha impactado su
educación, la Figura 2 contiene los datos.
Fig. 2. Resultados de la variable dependiente
Los hallazgos de esta dimensión corroboran que existe una percepción generalizada de deterioro
cognitivo, con relación a la producción escrita (ítem 6), el 66.00% de los participantes percibe que
su habilidad para redactar textos originales ha disminuido; de forma parecida, el 68,86% de los
alumnos sostiene que retienen menos información cuando su estudio se mezcla con IA, lo cual
pone en riesgo la retención de conocimientos (ítem 7).
0%
50%
100%
150%
200%
250%
Totalmente en
desacuerdo
En desacuerdo Neutral De acuerdo Totalmente de
acuerdo
I6 I7 I8 I9 I10
Revista Neosapiencia ISNN 3091-1982. Julio - diciembre 2026. Vol. 4, Núm.2, P. 171-187.
El pensamiento crítico (ítem 8) muestra una afectación paralela donde el 66,00% reconoce que el
uso de la tecnología ha mermado su habilidad para analizar temas sin ayuda externa. Quizás el
hallazgo más revelador sobre la integridad del sistema evaluativo se encuentra en el Ítem 9 (ítem
inverso). Al preguntar si las calificaciones reflejan el conocimiento real del estudiante, un
contundente 70,00% (suma de desacuerdos) admite que sus notas no se corresponden con su saber
real. Ello implica una inflación académica artificial sostenida por la tecnología. El impacto
motivacional (ítem 10) es severo con un 71,14% de la muestra que dijo tener una pérdida de interés
por la investigación autónoma debido a la inmediatez de las respuestas automáticas.
3.2. Correlación
Para responder al objetivo de cuantificar la relación entre las variables se aplicó la prueba de
correlación de Pearson con la utilización de los promedios de las dimensiones por sujeto. Con esta
prueba se obtuvieron los resultados de la Tabla 3.
Tabla 3
Coeficiente de correlación de Pearson
Estadístico
Valor obtenido
Interpretación
Pearson (r) =
0,99089931
Correlación positiva perfecta (muy fuerte)
Fuente: Elaboración propia
El coeficiente obtenido (r≈0,99) indica una correlación positiva muy fuerte y estadísticamente
significativa entre el Uso Inadecuado de la IA y el Impacto Negativo en el Aprendizaje.
Este resultado estadístico demuestra que las variables no actúan de forma aislada: existe una
relación lineal casi determinista en la muestra estudiada. A medida que aumentan las conductas de
dependencia, falta de verificación y plagio asistido (Variable Independiente), se incrementa de
manera proporcional y directa la percepción de atrofia en competencias como la redacción, el
pensamiento crítico y la retención de información (Variable Dependiente).
La información muestra que el empleo inapropiado de la inteligencia artificial es un
comportamiento sistémico entre los sujetos estudiados, se destacan comportamientos definidos por
la ley del mínimo esfuerzo cognitivo, en los que la inteligencia artificial reemplaza procesos
mentales complejos como la organización lógica, el análisis de problemas y la confirmación de
información; la gran cantidad de ansiedad frente a la falta de la herramienta (cercana al 69%)
Revista Neosapiencia ISNN 3091-1982. Julio - diciembre 2026. Vol. 4, Núm.2, P. 171-187.
señala una dependencia tecnológica que va más allá de lo instrumental para establecerse en lo
psicológico.
Además, la correlación casi perfecta encontrada (r=0.99) valida empíricamente la premisa de que
esta dependencia tecnológica sin pedagogía tiene un costo directo para el desarrollo intelectual;
los alumnos son conscientes de su propia descapitalización cognitiva: admiten que tienen un peor
desempeño en la escritura, piensan con menos profundidad, absorben menos información y que
sus notas son solo una simulación del verdadero aprendizaje. Estos resultados cuantifican la brecha
de integridad que se ha señalado en la literatura, lo cual muestra que la irrupción no regulada de la
inteligencia artificial está degradando las competencias de los graduados en el sistema educativo
superior ecuatoriano.
Conclusiones
El diagnóstico efectuado posibilita sostener que la tercerización cognitiva se ha establecido como
un procedimiento sistemático y prevalente entre los alumnos universitarios de la muestra, los
resultados resaltan un patrón de comportamiento preocupante que se distingue por la búsqueda de
inmediatez y el principio del mínimo esfuerzo intelectual. La elevada prevalencia de ensayos
producidos por algoritmos sin edición previa, acompañada de una falta generalizada en la
comprobación de las fuentes, confirma que el empleo de la inteligencia artificial frecuentemente
reemplaza al pensamiento crítico en vez de funcionar como un instrumento auxiliar; además, la
ansiedad que la mayoría de los participantes reporta cuando no tienen conexión digital coincide
con el hecho de que existe una dependencia que va más allá de lo instrumental y se transforma en
una necesidad psicológica operativa dentro de su rutina académica.
El análisis estadístico establece una conexión indiscutible y poderosa entre el rendimiento en el
aprendizaje y la utilización inapropiada de la tecnología en términos de cuantificación de la
relación entre las variables. El coeficiente de Pearson, que se aproxima a uno, sugiere que la
dependencia desregulada de la inteligencia artificial predice casi con total precisión una
disminución en la calidad del aprendizaje observado en el escenario examinado, los datos
demuestran que la combinación de prácticas académicas deshonestas y una insuficiente capacidad
de procesamiento cognitivo propio se traduce en una disminución del autoconcepto académico.
Los resultados muestran que, en lo que respecta a la magnitud del impacto negativo en la educación
académica, ha habido una reducción significativa en las competencias transversales básicas para
Revista Neosapiencia ISNN 3091-1982. Julio - diciembre 2026. Vol. 4, Núm.2, P. 171-187.
el perfil profesional. El estudio muestra un empeoramiento significativo en las habilidades
fundamentales, como el razonamiento lógico, la redacción original y la capacidad de retener
conocimientos durante mucho tiempo; que el 70% de los alumnos admitan que sus notas son solo
una simulación del verdadero conocimiento indica una inflación académica artificial que
distorsiona la finalidad del sistema educativo. Esta situación plantea un peligro latente para la
calidad profesional en el futuro, al fomentar egresados que tienen poca autonomía intelectual y no
pueden solucionar problemas complejos sin ayuda tecnológica inmediata.
Para progresar hacia una integración formativa y regulada, es necesario que las entidades
educativas y los encargados de la política pública venzan la etapa reactiva o prohibitiva, dada la
situación expuesta; se aconseja rediseñar los sistemas de evaluación para que den prioridad a la
defensa oral, el análisis crítico en tiempo real y la valoración del proceso de creación del
conocimiento por encima del producto final.
De la misma manera, es urgente formar a los docentes en la identificación de sesgos algorítmicos
y en el diseño de consignas que requieran un razonamiento humano único, promover una cultura
de integridad académica a través de la elaboración de códigos éticos digitales precisos facilitará
que el alumno distinga entre usar la tecnología como copiloto para mejorar sus habilidades y
entregarle a esta la dirección de su desarrollo intelectual.
Referencias
Andrade, O., Cuenca, M., Cuamacás, S., & Ramos, E. (2024). La incidencia de la inteligencia
artificial en la educación secundaria del Ecuador. Imaginario Social, 7(1), 30-42.
http://revista-imaginariosocial.com/index.php/es/index
Ballester, M., Batalloso, J., Calatayud, A., Córdoba, I., Diego, J., & Fons, M. (2018). Evaluación
como ayuda al aprendizaje (1 ed.). Editorial Laboratorio Educativo.
https://dialnet.unirioja.es/servlet/libro?codigo=10228
Carbajal, Y. (2019). La investigación científica: enfoques cuantitativo, cualitativo y mixto.
Ciudad de México, México.
Da Cruz, G. (2022). The Inclusion of the Disabled in the Classroom Through the Universal
Learning Design: A Perspective Through Vigostk Interactionism. United International
Journal for Research & Technology, 3(3), 7-17.
Revista Neosapiencia ISNN 3091-1982. Julio - diciembre 2026. Vol. 4, Núm.2, P. 171-187.
https://d1wqtxts1xzle7.cloudfront.net/80990841/UIJRTV3I30002-
libre.pdf?1645176987=&response-content-
disposition=inline%3B+filename%3DThe_Inclusion_of_the_Disabled_in_the_Cla.pdf&
Expires=1731525163&Signature=YaDAHlWql1d5rKlQMUbL~BXzFuxDCN3IIzcsNLx
3o7KgXJg2
Forero, W., & Negre, F. (2024). Técnicas y aplicaciones del Machine Learning e Inteligencia
Artificial en. RIED-Revista Iberoamericana de Educación a Distancia, 27(1), 1-35.
https://doi.org/10.5944/ried.27.1.37491
García, F. (2024). Inteligencia artificial generativa y educación. Education in the Knowledge
Society, 25(1), 1-25.
https://doi.org/doi.org/10.14201/eks.31942
García, L. M. (2023). Los desafíos éticos y científicos de ChatGPT en salud: utopismo,
tecnofobia y pragmatismo. Escenario internacional, 7(14), 45-49.
https://doi.org/10.31219/osf.io/kvj45
García, V., Mora, A., & Ávila, J. (2022). La inteligencia artificial en la educación. Dominio de
las ciencias, 6(3), 648-666.
https://doi.org/http://dx.doi.org/10.23857/dc.v6i3.1421
Gonzáles, L., Plúas, A., Lamilla, A., & Plúas, M. (2024). Innovación educativa: el impacto de la
inteligencia artificial en el aprendizaje en la educación en Ecuador. Revista G-ner@ndo,
5(2), 2172–2188.
https://revista.gnerando.org/revista/index.php/RCMG/article/view/357/356
Gorospe, S., Munoz, O., Sendra, P., & García, L. (2020). Challenges of Radiology education in
the era of artificial intelligence. Seram, 64(1), 54-59.
https://pdf.sciencedirectassets.com/280658/1-s2.0-S2173510722X00025/1-s2.0-
S2173510721000859/main.pdf?X-Amz-Security-
Token=IQoJb3JpZ2luX2VjEA8aCXVzLWVhc3QtMSJIMEYCIQCQylM8L70wXk8grs
cwI%2BU7xMbbwlmeFgigZSqvjQmS5gIhAL4HnHQt74iU%2BFC%2F8mOTlV%2F9
Ns%2BY9nEN6O
Revista Neosapiencia ISNN 3091-1982. Julio - diciembre 2026. Vol. 4, Núm.2, P. 171-187.
Goyanes, M., & Lopezosa, C. (2024). ChatGPT en Ciencias Sociales: revisión de la literatura
sobre el uso de inteligencia artificial (IA) de OpenAI en investigación cualitativa y
cuantitativa. Anuario ThinkEPI, 18(1), 1-7.
https://doi.org/https://doi.org/10.3145/thinkepi.2024.e18a04
Ibarra, R., Caro, J., & Pérez, M. (2023). Inteligencia artificial en la educación. Redtis, 7(1), 100-
106.
https://doi.org/https://doi.org/10.61530/redtis.vol7.n1.2023.136.100-106
Jiang, Y., Xie, L., & Cao, X. (2025). Exploring the Effectiveness of Institutional Policies and
Regulations for Generative AI Usage in Higher Education. Wiley, 79(4), 1-16.
https://doi.org/10.1111/hequ.70054
Machuca, H. (2018). Desarrollo del Pensamiento Crítico a partir de una estrategia pedagógica
fundamentada en los Estándares Intelectuales aplicada en filosofía para los estudiantes de
11 A del Instituto Técnico Padre Manuel Briceño Jáuregui Fe y Alegría. Revista
interamericana de investigación, educación y pedagogía, 11(1), 31-54.
https://www.redalyc.org/articulo.oa?id=561059324002
Marcos, M., Álvarez, A., Aguado, A., Paz, D., Saldaña, J., & Carrillo, J. (2023). Inteligencia
Artificial en la educación digital y los resultados de la valoración del aprendizaje
(primera edición ed.). (M. Caribe, Ed.) https://doi.org/10.31219/osf.io/c3pmd
Orozco, Y. (2021). Incidencia de las rutinas de pensamiento en el desarrollo de las habilidades
del pensamiento crítico. [Tesis de maestría, Universidad de la Sabana], Repositorio
Institucional de la Universidad de la Sabana.
https://intellectum.unisabana.edu.co/bitstream/handle/10818/50618/Tesis%20Yaneth%20
Orozco.pdf?sequence=1&isAllowed=y
Pertusa, J. (2024). Metodologías activas: La necessaria actualización del sistema educativo y la
práctica docente. Supervisión 21, 1(1), 1-21.
https://doi.org/https://usie.es/supervision21/index.php/Sp21/article/view/467/861
Quiroz, M. (2025). Inteligencia Artificial Generativa (IA Gen) en la Transformación Digital de la
Educación Superior una Revisión Sistemática de Literatura. Ciencia Latina, 9(2), 6339-
6378.
https://doi.org/10.37811/cl_rcm.v9i2.17370
Revista Neosapiencia ISNN 3091-1982. Julio - diciembre 2026. Vol. 4, Núm.2, P. 171-187.
Robles, A. (2019). La formación del pensamiento crítico: habilidades básicas, características y
modelos de aplicación en contextos innovadores. Revista de Ciencias Humanísticas y
Sociales, 4(2), 15-27.
https://doi.org/https://doi.org/10.33936/rehuso.v4i2.2129
Tsao, J. (2025). Trajectories of AI policy in higher education: Interpretations, discourses, and
enactments of students and teachers. Computers and Education: Artificial Intelligence,
9(1), 1-22.
https://doi.org/10.1016/j.caeai.2025.100496
UNESCO. (2023, julio 06). La inteligencia artificial generativa en la educación. Documento de
reflexión de Sra. Stefania Giannini: https://www.unesco.org/es/articles/la-inteligencia-
artificial-generativa-en-la-educacion-documento-de-reflexion-de-sra-stefania
Copyright (2026) © Angelica Liliana Zhunio Zhunio, María Tráncito Chela Tualombo, María
Beatriz Villalobos Veloz, Silvia Lorena Anrango Portilla, Mariella Fernanda Zambrano
Valverde
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.
