14 577211 Aceptar Ok

http://revistas.um.
es/reifop Fecha de recepción: 3 de septiembre de 2023

Fecha de aceptación: 28 de octubre de 2023
Delgado de Frutos, N., Campo-Carrasco, L., Sainz de la Maza, M. & Extabe-Urbieta,

J.M. (2024). Aplicación de la Inteligencia Artificial (IA) en Educación: Los beneficios y
limitaciones de la IA percibidos por el profesorado de educación primaria, educación
secundaria y educación superior. Revista Electrónica Interuniversitaria de Formación
del Profesorado, 27(1), 207-224.
DOI: https://doi.org/10.6018/reifop.577211
Aplicación de la Inteligencia Artificial (IA) en Educación: los

beneficios y limitaciones de la IA percibidos por el profesorado
de educación primaria, educación secundaria y educación
superior
Nahia Delgado de Frutos1, Lucía Campo Carrasco1, Martín Sainz de la Maza1, José María
Etxabe-Urbieta1.
1
Universidad del País Vasco/ Euskal Herriko Unibertsitatea (España)
Resumen
El objetivo de la presente investigación ha sido conocer cuáles son los principales beneficios
y limitaciones que el profesorado de educación primaria, educación secundaria y educación
superior detecta en torno al uso de la inteligencia artificial en educación. Para ello, se han
recogido un total de 276 opiniones de docentes que ejercen actualmente en centros
educativos, a quienes se les preguntó cuáles consideraban que eran los beneficios y las
limitaciones de la integración de la inteligencia artificial en las aulas. Los resultados indican
que los docentes, en general, observan más limitaciones que beneficios en el uso de la
inteligencia artificial. Entre los beneficios más destacados se encuentran la facilitación para
la realización de tareas y el acceso a recursos. Entre las mayores limitaciones percibidas, el
uso inadecuado y la falta de revisión crítica de los resultados. Tras un análisis de
correspondencias se observó una asociación significativa entre algunos beneficios y
limitaciones según la etapa educativa del profesorado. Finalmente, estos resultados revelan
una percepción distinta por parte del profesorado de distintas etapas, lo que conllevaría a
una necesidad de formación del profesorado diferenciada para el uso de la inteligencia
artificial según las necesidades que se presentan en cada etapa educativa.
Palabras clave
Inteligencia Artificial; beneficios; limitaciones; profesorado.
Contacto:
Lucía Campo Carrasco, lucia.campo@ehu.eus, Didaktika eta Eskola Antolakuntza - Didáctica y
Organización Escolar. Campus de Álava. Juan Ibañez de Santo Domíngo, 1, 01006 Vitoria-Gasteiz,
Álava.
Nahia Delgado de Frutos, Lucía Campo Carrasco, Martín Sainz de la Maza, José María Etxabe-Urbieta
Application of Artificial Intelligence (AI) in Education: Benefits

and Limitations of AI as Perceived by Primary, Secondary, and
Higher Education Teachers
Abstract
The aim of this research has been to identify the main benefits and limitations that primary
education, secondary education, and higher education teachers perceive regarding the use
of artificial intelligence in education. To achieve this, a total of 276 opinions were collected
from teachers currently working in educational institutions, who were asked about the
benefits and limitations they considered in integrating artificial intelligence in classrooms.
The results indicate that, overall, teachers perceive more limitations than benefits in the use
of artificial intelligence. Among the most prominent benefits are the facilitation of tasks and
access to resources. As for the major perceived limitations, they include inappropriate use
and lack of critical review of the results. A correspondence analysis revealed a significant
association between certain benefits and limitations based on the educational stage in which
the teachers work. Finally, these results reveal a distinct perception among teachers at
different stages, which implies a need for differentiated teacher training in the use of artificial
intelligence according to the specific requirements of each educational stage.
Key words
Artificial Intelligence; benefits; limitations; teachers.
Introducción
La Inteligencia Artificial, en adelante IA, está demostrando ser una poderosa herramienta en
diversos ámbitos, entre ellos la educación. La Inteligencia Artificial se refiere al desarrollo de
sistemas informáticos que pueden realizar tareas que normalmente requerirían inteligencia
humana. La IA también se puede definir como la capacidad de un sistema para interpretar
correctamente los datos del entorno y utilizar ese conocimiento para lograr objetivos
específicos de manera eficiente, adaptativa y autónoma. Como herramienta educativa, la IA
aprovecha los algoritmos de aprendizaje automático, el procesamiento del lenguaje natural
y el análisis de datos para aumentar y personalizar las experiencias de aprendizaje. Facilita el
aprendizaje adaptativo, la tutoría inteligente y los sistemas de calificación automatizados,
entre otras aplicaciones (Chen et al., 2020).
La IA puede ser de gran ayuda y ofrecer diversos beneficios, como por ejemplo: (a) el
aprendizaje personalizado, sirviendo para analizar las características individuales de los
alumnos, como sus puntos fuertes y débiles y sus preferencias de aprendizaje, para ofrecerles
itinerarios de aprendizaje personalizados (Murtaza et al., 2022); (b) la adaptación del
contenido, el ritmo y las estrategias de enseñanza para optimizar los resultados de
aprendizaje, fomentando el compromiso y la retención de conocimientos (Kabudi et al.,
2021); (c) la tutoría inteligente, mediante programas inteligentes que simulan a los tutores
humanos proporcionando orientación, comentarios y explicaciones en tiempo real
(Mousavinasab et al., 2021); (d) la calificación automática, agilizando el proceso de
calificación y evaluando automáticamente tareas, cuestionarios y exámenes. Los algoritmos
208 Revista Electrónica Interuniversitaria de Formación del Profesorado (REIFOP)

Aplicación de la Inteligencia Artificial (IA) en Educación: Los beneficios y limitaciones de la IA percibidos por el profesorado de
educación primaria, educación secundaria y educación superior
de procesamiento del lenguaje natural permiten a la IA evaluar las respuestas escritas,

detectar el plagio y proporcionar comentarios inmediatos, ahorrando tiempo a los
profesores y facilitando una evaluación oportuna (Wang et al., 2018); (e) el análisis de datos,
al ser una herramienta que permite procesar grandes cantidades de datos, lo que permite a
los educadores obtener información valiosa sobre el rendimiento del alumnado, la eficacia
de la enseñanza y el diseño del plan de estudios (Chen et al., 2020).
Por otro lado, la IA también puede suponer ciertas limitaciones en el ámbito educativo. Según
autores como Grace et al. (2023) o Reiss (2021) estos son algunas de las principales
limitaciones de la IA: (a) las cuestiones éticas y de privacidad, ya que la utilización de la IA en
la educación plantea problemas relacionados con la privacidad de los datos, los sesgos
algorítmicos y el uso responsable de los datos de los estudiantes (Reiss, 2021). Por ello, deben
establecerse salvaguardias para proteger la privacidad del alumnado y garantizar unos
sistemas educativos basados en la IA justos e imparciales (Grace et al., 2023); (b) barreras
tecnológicas y de accesibilidad, debido a que no todas las instituciones educativas ni todas
las personas tienen el mismo acceso a las tecnologías de IA, lo que puede dar lugar a
disparidades en las oportunidades educativas. Abordar estas barreras requiere una
infraestructura adecuada, alfabetización digital y una distribución equitativa de los recursos
(Botelho, 2021; Vinuesa et al., 2020); (c) la falta de interacción humana es también una
limitación, porque, aunque la IA puede proporcionar orientación y comentarios
personalizados, carece del toque humano y la interacción interpersonal que pueden ser
cruciales para ciertos aspectos de la educación. Los profesores humanos poseen empatía,
intuición y la capacidad de establecer conexiones significativas con los estudiantes (Ahmad
et al., 2021; Reiss, 2021); (d) la comprensión contextual limitada es otro inconveniente, pues
los algoritmos de IA se basan principalmente en el análisis de datos y el reconocimiento de
patrones, lo que puede dar lugar a una comprensión limitada de conceptos complejos o
conocimientos específicos del contexto. Los sistemas de IA pueden tener dificultades para
captar matices, interpretar emociones o adaptarse a situaciones inesperadas, elementos
esenciales en determinadas áreas de la educación, como la literatura, las artes y las ciencias
sociales (Korteling et al., 2021); (e) la dependencia excesiva de la IA como herramienta
educativa puede llevar a restar importancia al pensamiento crítico y a la capacidad de resolver
problemas. Los estudiantes pueden llegar a depender de soluciones basadas en la IA en lugar
de desarrollar sus propias capacidades analíticas, lo que podría obstaculizar su crecimiento
académico y profesional a largo plazo (Jara & Ochoa, 2020) (f) la resistencia al cambio y falta
de formación es otro de los puntos a destacar, ya que la integración de la IA en las aulas puede
encontrar resistencia por parte de los docentes, así como la necesidad de ofrecer una
adecuada formación para su implementación eficaz (Córica, 2020).
Aunque la IA como herramienta educativa ofrece un potencial significativo, es esencial
reconocer y abordar sus limitaciones e inconvenientes. Un enfoque equilibrado, que combine
los puntos fuertes de la IA con la experiencia de los educadores humanos, puede aprovechar
los beneficios de la tecnología y mantener al mismo tiempo los elementos humanos
esenciales necesarios para una educación integral y holística (Murtaza et al., 2022).
Comprendiendo y mitigando los retos asociados a la IA, se puede aspirar a un futuro en el
que la educación se beneficie de lo mejor, tanto de la inteligencia humana como de la artificial
(Cukurova et al., 2020).
En esta línea, la misión de la UNESCO consiste en que el enfoque de la IA vinculado a
educación esté centrado en el ser humano, sirviendo para ayudar a luchar contra las
desigualdades existentes en torno al acceso al saber, a la diversidad de las expresiones
culturales y a la investigación (UNESCO, 2019). Además, en el contexto del Acuerdo de
Beijing, la UNESCO ha desarrollado una publicación con el propósito de mejorar la
Revista Electrónica Interuniversitaria de Formación del Profesorado (REIFOP) 209

preparación de los responsables de políticas educativas en relación a la inteligencia artificial.

El informe se llama “Artificial Intelligence and Education: Guidance for Policy-makers”
(Inteligencia artificial y educación: Guía para los encargados de formular políticas) y se
encuentra disponible para su utilización por parte de profesionales y expertos en los ámbitos
de formulación de políticas educativas (UNESCO, 2021). El objetivo del documento es
establecer una comprensión compartida sobre las oportunidades y desafíos que plantea la
IA en el campo educativo, así como sus implicaciones en términos de habilidades
fundamentales necesarias en la era de la IA.
Así, tras el análisis de la literatura, se ha querido saber cuáles son las percepciones del
profesorado que trabaja en el ámbito educativo, y si existen diferencias de opiniones en
cuanto a los beneficios y limitaciones de la Inteligencia Artificial dependiendo de la etapa en
la que el profesorado trabaje, ya que conocer la visión docente y sus percepciones sirve para
proponer planes formativos que ayuden a superar las limitaciones y aprovechar los
beneficios de la Inteligencia artificial.
Objetivos
El objetivo general del presente estudio es conocer las percepciones del profesorado activo
de educación primaria, educación secundaria y educación superior sobre los beneficios y las
limitaciones de la inteligencia artificial para el ámbito educativo. En concreto, también se
pretende (a) analizar los beneficios de la inteligencia artificial percibidos por el profesorado
según la etapa educativa en la que están implicados, y (b) analizar las limitaciones de la
inteligencia artificial percibidas por el profesorado según la etapa educativa en la que están
implicados.
Metodología
Participantes
En el estudio han participado un total de 276 docentes (Edad= 45,75; DT=10,8) que
actualmente ejercen activamente en centros educativos de España. Del total de 276, 139
fueron mujeres y 135 fueron hombres. En función de la etapa educativa, 68 docentes
trabajaban principalmente en Educación Primaria, 124 docentes en Educación Secundaria y
84 docentes en Educación Superior.
Instrumento
Se elaboró un instrumento ad-hoc formado por dos dimensiones. En la primera dimensión,
se pretendían recoger las características personales, profesionales y sociodemográficas del
profesorado (género, edad, años de experiencia, etapa educativa en la que trabaja
principalmente, comunidad autónoma). En la segunda dimensión se recogían las preguntas
principales de este estudio. En concreto, se preguntaba sobre los beneficios y las limitaciones
que observan los y las docentes en el uso de la inteligencia artificial en el ámbito educativo.
A cada docente se le daba la posibilidad de responder de manera abierta por escrito a estas
dos preguntas.
Procedimiento
Para comenzar el estudio se preparó un instrumento de recolección de datos, que
posteriormente fue enviado telemáticamente a través de Google Forms. El profesorado de

las distintas provincias de España perteneciente tanto a centros públicos, privados como
concertados contestó el cuestionario de manera voluntaria. Las respuestas han sido tratadas
respetando la privacidad del profesorado y asegurando el anonimato en todo momento.
Además, el profesorado que indicó que estaba interesado en conocer los resultados del
estudio, ha tenido la posibilidad de facilitar un medio de comunicación en el que va a recibir
el informe final con los resultados.
Tras recoger los datos a través del instrumento de recolección, los tanto los beneficios y
limitaciones recogidos fueron pasados al Excel, para codificarlos mediante un análisis
inductivo. Esta codificación ha sido revisada por todos los autores del artículo para asegurar
la mayor adecuación posible. El documento de Excel codificado ha sido trabajado en SPSS
Statistic, mediante el cual se han realizado los análisis estadísticos que a continuación se
presentan.
Análisis de datos
El análisis de datos parte de una codificación en Excel de las respuestas dadas por el
profesorado al preguntarles cuáles creían que eran los beneficios y las limitaciones del uso
de la inteligencia artificial en educación. Se realizó un análisis cualitativo de datos de las
respuestas. Para ello, se llevó a cabo la codificación del contenido, por un lado, de los
beneficios y, por otro, de las limitaciones percibidas. Para el análisis se utilizaron las bases de
la teoría fundamentada o grounded-theory, que trata de descubrir la teoría a partir de los
datos, con el fin de alcanzar predicciones, explicaciones interpretaciones y aplicaciones sobre
la realidad de estudio (Glaser y Strauss, 2017).
Después, en SPSS Statistics se realizó un análisis de las frecuencias que permitió conocer
cuáles fueron los beneficios y las limitaciones percibidas más comunes para los docentes de
las distintas etapas educativas (Educación Primaria, Secundaria o Superior), y de distintos
niveles de competencia digital docente percibida. Se finalizó con un análisis de
correspondencias para conocer el modo de asociación de los beneficios y las limitaciones
percibidas según la etapa educativa en la que trabajan los docentes, es decir, cuáles son
percibidos como comunes a todas las etapas educativas, y cuáles se vinculan más con etapas
concretas.
Resultados
Tras tratar los datos realizando el análisis inductivo de las respuestas de los docentes, se
extrajeron una serie de códigos, tanto en relación a los beneficios como en relación a las
limitaciones. Una vez terminada la codificación, se realizó un análisis inductivo mediante el
cual se extrajeron los códigos vinculados a los beneficios (20) y los códigos vinculados a las
limitaciones (27), tal como se presenta en la ¡Error! No se encuentra el origen de la
referencia. y en la ¡Error! No se encuentra el origen de la referencia..
En cuanto a cuáles son los beneficios que el profesorado percibe que tiene el uso de la IA en
el ámbito educativo, nos encontramos con los siguientes:

Tabla 1.
Códigos, descripciones y frecuencias del análisis de contenido sobre qué beneficios observa el
profesorado en el uso de la inteligencia artificial en el ámbito educativo.
Con respecto a las limitaciones que el profesorado percibe que tiene el uso de la IA en el
ámbito educativo, nos encontramos con los siguientes:

Tabla 2.
Códigos, descripciones y frecuencias del análisis de contenido sobre qué limitaciones observa el
profesorado en el uso de la inteligencia artificial en el ámbito educativo.

En primer lugar, cabe destacar que el profesorado en general percibe o conoce más
limitaciones que beneficios sobre la IA para su aplicación en el ámbito educativo. En concreto,
el número de citas recogidas sobre los beneficios percibidos (f= 418) fue, en general, menor

que el recogido de limitaciones (f=515). Destaca asimismo el número de citas recogidas donde
los y las docentes declaran su desconocimiento acerca de los beneficios que tiene la IA para
la educación (f=49, ver Tabla 1), así como el desconocimiento sobre las limitaciones que esta
pueda acarrear (f=20, ver Tabla 2).
Los mayores beneficios de la IA en la educación que percibe el profesorado fueron (Tabla 1,
f>50): (a) la facilitación en la realización de tareas, tanto en ahorro de tiempo como en
automatización de los procesos, (b) la mejora en el acceso a recursos e información que
aporta mayor funcionalidad a la organización de los aprendizajes, y (c) la posibilidad de crear
contenidos más personalizados de cara a la individualización de los aprendizajes y la atención
a la diversidad del alumnado. En cuanto a las limitaciones percibidas, las más destacadas
fueron (Tabla 2, f>50): (a) El riesgo de realizar un uso inadecuado, o la falta de conocimiento
para hacer un buen uso de la IA, (b) la posible falta de revisión crítica por parte del alumnado
de los resultados que ofrezca la IA, y (c) la disminución de la capacitación del alumnado por
los procesos y resultados elaborados por la IA.
Tras la codificación de los datos se realizó un análisis de correspondencias para conocer si
existía algún tipo de asociación de los beneficios y limitaciones de la IA con la etapa educativa
en la que los docentes están ejerciendo. Así, en la Tabla 1 se recogen los análisis cruzados
entre los beneficios percibidos y las etapas educativas en las que trabaja el profesorado
participante.
En cuanto a los beneficios, el análisis arrojó un modelo bidimensional en el que la primera
dimensión tenía una inercia de λ1 = .329, que corresponde a una proporción de inercia
explicada del 10,9%, y la segunda dimensión tenía una inercia de λ2 = .190, que corresponde a
una proporción de inercia explicada del 3.6%. La suma de las inercias factoriales aportaron
una inercia total de φ2 = 1.45, un valor estadísticamente significativo en la prueba de Chi
Cuadrado (X2 = 604.04; p = .012).
Figura 1.
Gráfico del análisis de correspondencias de los beneficios.
Posteriormente se trató de conocer los códigos que fueran significativos para cada
dimensión, y se estudiaron para ello los puntos de fila y columna generales (Ver Anexo 1 y

Anexo 2). Asimismo, se dividió la contribución total del punto en la inercia de la dimensión
entre la cantidad de categorías para cada variable. Así, se realizó una selección de códigos
para la variable “beneficios” por encima de 0,05, y los códigos para el código “etapa
educativa” por encima de 0,33. Después, se analizaron las dimensiones 1 y 2, y se ubicaron las
puntuaciones negativas y las positivas para la interpretación de los resultados. Se puede
observar en la Figura 1 la distribución de las puntuaciones de manera gráfica.
Figura 2.
Reparto por dimensiones de los beneficios percibidos de la IA.
DIMENSIÓN 1
(-) NEGATIVO (+) POSITIVO
Ed. Superior (λ = -,782) Ed. Secundaria (λ = ,507)
EVAL (λ = -,975) REC (λ = ,593)
COMU (λ = -1,053) NOB (λ = ,703)
HAB (λ = -1,069)
CRI (λ = -2,374)
FORM (λ = -2,374)
DIMENSIÓN 2
Ed. Secundaria (λ = -,343) Ed. Primaria (λ = ,751)
REC (λ = -,317) CONT (λ = ,561)
CREA (λ = -1,462) AUTM (λ = ,263)
HAB (λ = -1,000) COMU (λ = ,1356)
Como se observa en la Figura 2, la dimisión 1 refleja un patrón que divide los beneficios
percibidos por parte del profesorado de educación superior y educación secundaria. Así, los
resultados reflejan una agrupación del profesorado de educación superior con algunos
beneficios como que la IA puede ayudar a la evaluación, la comunicación, el desarrollo de
habilidades, mejorar la capacidad crítica, de análisis y procesamiento de datos, y exige al
profesorado mantenerse en una formación continua. En contraposición, el profesorado de
educación secundaria, destaca la utilización de la IA para la creación de materiales y recursos
(27 de las 46 citas en este código), o destaca por ser el grupo de profesorado que en mayor
medida observa que no hay beneficios en su aplicación en el ámbito educativo.
En la dimensión 2 los resultados quedan más difusos, pero agrupándose claramente el
profesorado de educación primaria con algunos códigos. Entre estos, encontramos que el
profesorado de educación primaria percibe beneficios de la IA como facilitadora para
elaborar contenidos que sean más atractivos y que fomenten la motivación del alumnado.
Asimismo, destacan por percibir que la IA les facilita la realización de tareas, pues supone un
ahorro de tiempo y posibilidades de automatización. Por último, también son los que
perciben en mayor medida las oportunidades que brinda la IA para la mejora de la
cooperación entre el profesorado, de la interacción con los distintos agentes, así como la
comunicación con el alumnado y/o las familias.
Al otro lado de la dimensión 2 encontramos agrupados otros códigos que se relacionan de
manera potencial con el grupo de profesorado de educación secundaria (punto en la inercia
de la dimensión 0,26 siendo el corte 0,33). En este caso, el profesorado de educación
secundaria relaciona en mayor medida los beneficios de la IA con cuestiones como la ayuda

para creación de materiales, para fomentar la creatividad del alumnado, y para fomentar el
desarrollo de habilidades más allá de la interiorización de contenidos.
En la Tabla 2 también se pueden observar los análisis cruzados entre las limitaciones
percibidas de la IA y las etapas educativas en las que trabaja el profesorado participante. Para
estudiar las limitaciones, también se realizó un análisis que arrojó un modelo bidimensional
en el que una primera dimensión tenía una inercia de λ1 = .321, con una proporción de inercia
explicada del 10,3%, y una segunda dimensión que tenía una inercia de λ2 = .263, con una
proporción de inercia explicada del 6,9%. La suma de las inercias factoriales aportaron una
inercia total de φ2 = 17,2, valor estadísticamente significativo en la prueba de Chi Cuadrado
(X2 = 88,589; p = .001).
En el caso de las limitaciones, también se trató de conocer los códigos que fueran
significativos para cada dimensión, y se estudiaron para ello los puntos de fila y columna
generales (Ver Anexo 3 y Anexo 4). En este caso, se realizó una selección de códigos para la
variable “limitaciones” por encima de 0,03, y los códigos para el código “etapa educativa”
por encima de 0,33. En el caso de algunas categorías, aunque no llegasen por poco al valor
de corte, se mantuvieron por una alta puntuación en la dimensión. Se realizó el análisis de las
puntuaciones en las dimensiones 1 y 2, y se colocaron las puntuaciones negativas y las
positivas. En la Figura 3 se presenta la distribución de las puntuaciones en cada dimensión de
manera gráfica.
Figura 3.
Gráfico de análisis de correspondencias de las limitaciones.
Como se observa en la Figura 4, en este caso se agruparon tres dimensiones claras. En la

dimensión 1 se agruparon los códigos más vinculados con el profesorado de educación
primaria. Este grupo destaca por percibir que la IA pone en riesgo el desarrollo de las
capacidades del alumnado, preocupándose también por el valor educativo y el rigor de las

tareas que realicen. Asimismo, percibe que la IA puede llevar a una despersonalización o
deshumanización del aprendizaje, y le preocupa que con su uso se pierda atención a las
emociones del alumnado. Por último, destaca la sustitución del rol del docente y la poca
sostenibilidad como percepciones más significativas por parte de este profesorado. En esta
primera dimensión, se crea un grupo de códigos que, aunque no de manera significativa, se
encuentran más vinculados con las categorías de profesorado de educación secundaria y
superior. En este caso, se agrupan como limitaciones percibidas la falta de revisión crítica, la
disminución del esfuerzo y del pensamiento por parte de los y las estudiantes, la falta de
formación del profesorado o los problemas éticos.).
Figura 4.
Reparto por dimensiones de las limitaciones percibidas de la IA.
DIMENSIÓN 1
Ed. Primaria (λ = 1,056)
RIG (λ = ,896)
CRIT (λ = -,557) SUST (λ = 1,175)
ESF (λ = -,657) CAP (λ = ,518)
FORM (λ = -,944) PER (λ = ,792)
ETI (λ = -,972) ECO (λ =3,294)
EMO (λ = ,643)
DIMENSIÓN 2
Ed. Superior (λ = -,709) Ed. Secundaria (λ = ,479)
IGU (λ = -,998) USO (λ = ,323)
PER (λ = -,543) NOH (λ = 1,197)
CAM (λ = -,940) FAL (λ = ,756)
DIG (λ = -1,813)
LEY (λ = -1,189)
CAL (λ = -1,501)
EVA (λ = -2,694)
CREA (λ = -,457)
SEG (λ = -, 572)
En cuanto a la dimensión dos, esta se separó claramente entre el profesorado de educación

secundaria y superior. En el caso del profesorado de educación secundaria, destacan que
perciben que puede darse un uso inadecuado o una falta de conocimiento para hacer un buen
uso de la IA. Asimismo, es el grupo que más aprecia fallos en la IA que limitan su utilización,
y, por último, es el grupo que más percibe que no encuentran limitaciones a la IA, si bien se
trata de solo de dos citas (de tres totales). En el otro polo de esta dimensión, se encuentran
algunas limitaciones que se agrupan como percepciones más destacadas por el profesorado
de educación superior. Estas son: (a) la despersonalización del proceso de aprendizaje y
enseñanza, (b) la disminución de la creatividad por parte del estudiante, (c) la falta de
seguridad en la red y en el tratamiento de datos, (d) el aumento de las desigualdades por la
brecha tecnológica, y con menor número de citas totales encontramos (e) la necesidad de
cambio en el tipo de actividades y forma de trabajar del profesorado, (f) el empeoramiento
de la calidad de la escritura, (g) las dificultades vinculadas con la evaluación en el caso del uso

de la IA, (h) el riesgo de centrar los procesos de calidad en cuestiones relacionadas con el
mundo digital y (i) la falta de normativa y legislación en relación al uso de la IA.
Discusión y conclusiones
En este estudio se ha logrado recoger la opinión de 276 docentes en activo acerca de la
aplicación que puede tener la IA en el ámbito educativo. Tras el análisis de los resultados,
podemos observar que los docentes, en general, perciben muchos de los beneficios, así
como limitaciones, que se encuentran en la teoría. Los docentes son conscientes de que la IA
puede ayudarlos a adaptar los contenidos y las estrategias de aprendizaje, así como a adecuar
los aprendizajes a las características personales del alumnado (Murtaza et al., 2022; Kabudi
et al., 2021). Sin embargo, en este caso encontramos que son menos los docentes que
perciben las potencialidades de la IA con respecto a la comunicación y tutoría con el
alumnado (f=7), tal como defienden, entre otros, Mousavinasab et al. (2021), así como en la
facilitación de procesos para la evaluación de los aprendizajes (f=10), otro aspecto bastante
defendido como punto fuerte de la IA (Wang et al., 2018).
En cuanto a las limitaciones de la IA, los docentes de este estudio también perciben varias de
las grandes temáticas que preocupan a este respecto, como el uso inadecuado de la IA y la
dependencia que pueda acarrear. En relación a esto, los docentes también detectan el riesgo
de no desarrollar competencias clave para el alumnado como es el pensamiento crítico o la
capacidad de resolución de problemas, tal como apuntan Jara y Ochoa (2020). En general,
también perciben como limitación otro de los retos a enfrentar con la aplicación de la IA en
el ámbito educativo, como es la disminución de la interacción humana (Ahmad et al., 2021).
En cuanto a los objetivos más concretos de este estudio, se trataba de analizar si los docentes
implicados en etapas educativas diferentes perciben de modo diferente los beneficios y las
limitaciones que la IA les puede aportar. A este respecto, se ha podido observar que el
profesorado de educación primaria destaca por preocuparse por crear recursos más
atractivos que motiven al alumnado, y opinan que la IA puede ser una aliada para este fin.
Asimismo, ven en la automatización de tareas otro de los puntos fuertes en los que la IA les
puede ayudar. Sin embargo, se muestran como los más preocupados por los riesgos que la
IA pueda tener en el desarrollo emocional y de la interacción que puedan darse como
consecuencia de su uso. De hecho, se trata aspectos que adquieren sentido debido a los
objetivos propios de esa etapa.
En el caso del profesorado de educación secundaria, destacan por percibir en la IA una vía
para la creación de recursos y materiales, lo cual puede ser positivo debido a que en
ocasiones es en la etapa en la que se utiliza mucho el libro de texto en España (Palacios y
González, 2012), y parece que el potencial de la IA en este aspecto les parece beneficioso. En
cuanto a las limitaciones, son el grupo de docentes más preocupado por el uso inadecuado
en la aplicación de la IA, lo cual también tiene sentido si tenemos en cuenta algunos objetivos
propios de la etapa, como son el desarrollo de destrezas básicas en la utilización de las
fuentes de información para, con sentido crítico, adquirir nuevos conocimientos (Real
Decreto 217/2022).
En el caso de la educación superior, cabe subrayar que es el grupo docente que más detalle
aporta tanto sobre los beneficios como sobre las limitaciones de la aplicación de la IA. Este
resultado se podría relacionar con que se trata de la etapa educativa donde se ha dado una
mayor exigencia en el uso de las tecnologías y la formación docente al respecto desde hace
años (Marín y Romero, 2009). Al mismo tiempo, son el grupo que más detecta la necesidad
de formación del profesorado y la necesidad de cambiar su modo de trabajar para enfrentar

los nuevos retos relacionados con la IA (Córica, 2020). El profesorado de educación superior
también se preocupa por las posibles limitaciones en la seguridad, los debates éticos y de
legislación, de manera que son el grupo que reflexiona acerca de implicaciones éticas y de
privacidad, otro de los grandes retos de la IA (Reiss, 2021).
Si tenemos en cuenta las manifestaciones de desconocimiento de los beneficios y las
limitaciones, los resultados sugieren que el profesorado tiene un conocimiento limitado
sobre las aplicaciones que tiene la IA en la educación, tal como presentan otros estudios
(Chounta et al. 2022). Si bien las perciben como una oportunidad, se observan muchas
reticencias para su utilización. Por ello, creemos que este estudio aporta información de cara
a brindar apoyo a los docentes en la mejora de su práctica. Así, los resultados de este estudio
indican que la formación del profesorado en IA debería ser diferente según la etapa educativa
en la que trabajen los docentes, debido a que su percepción y conocimientos sobre las
aplicaciones de la IA difieren en algunos aspectos.
Por último, es importante señalar las limitaciones de este estudio para la interpretación de
los resultados. En primer lugar, al tratarse de una recogida de datos sobre percepciones, no
se puede garantizar cuál es el uso real de la IA por parte de los docentes. Asimismo, la
muestra por oportunidad acarrea ciertas limitaciones claras en la representatividad de los
datos. En este sentido, en el futuro sería interesante recoger datos de todas las Comunidades
Autónomas y de un número representativo de docentes por cada etapa educativa. Por
último, otra de las grandes limitaciones es que la realización de análisis inductivos, a pesar
del contraste entre investigadores, siempre conlleva cierta subjetividad al tratar los datos.
A pesar de las limitaciones, se espera que de este estudio se puedan obtener respuestas para
comprender la opinión del profesorado sobre la IA en el ámbito educativo, y de cuáles
podrían ser los primeros pasos para su aplicación en las aulas de distintas etapas educativas.
Tras el contraste de resultados, cabe señalar que se necesita de una guía para que los y las
docentes puedan aprovechar los potenciales de la IA, así como tener herramientas para usar
la IA de manera segura y constructiva para la mejora de la educación (Baidoo-Anu y Owusu,
2023; UNESCO, 2021).
Referencias
Ahmad, S. F., Rahmat, M. K., Mubarik, M. S., Alam, M. M., & Hyder, S. I. (2021). Artificial
Intelligence and Its Role in Education. Sustainability, 13(22), Article 22.
https://doi.org/10.3390/su132212902
Baidoo-Anu, D. & Owusu Ansah, L. (2023). Education in the Era of Generative Artificial
Intelligence (AI): Understanding the Potential Benefits of ChatGPT in Promoting
Teaching and Learning, SSRN, January 25. http://dx.doi.org/10.2139/ssrn.4337484
Botelho, F. H. F. (2021). Accessibility to digital technology: Virtual barriers, real opportunities.
Assistive Technology, 33(sup1), 27-34. https://doi.org/10.1080/10400435.2021.1945705
Chen, L., Chen, P., & Lin, Z. (2020). Artificial Intelligence in Education: A Review. IEEE Access,
8, 75264-75278. https://doi.org/10.1109/ACCESS.2020.2988510
Chen, N.-S., Yin, C., Isaias, P., & Psotka, J. (2020). Educational big data: Extracting meaning
from data for smart education. Interactive Learning Environments, 28(2), 142-147.
https://doi.org/10.1080/10494820.2019.1635395

Chounta, I.A; Bardone, E.; Raudsep, A. & Pedaste, M. (2022). Exploring Teachers’ Perceptions
of Artificial Intelligence as a Tool to Support their Practice in Estonian K-12 Education.
International Journal of Artificial Intelligence in Education, 32, 725–755
Córica, J. L. (2020). Resistencia docente al cambio: Caracterización y estrategias para un
problema no resuelto. RIED. Revista Iberoamericana de Educación a Distancia, 23(2),
255-272.
Cukurova, M., Luckin, R., & Kent, C. (2020). Impact of an Artificial Intelligence Research Frame
on the Perceived Credibility of Educational Research Evidence. International Journal
of Artificial Intelligence in Education, 30(2), 205-235. https://doi.org/10.1007/s40593-
019-00188-w
Glaser, B.G. & Strauss, A.L. (2017). The discovery of Grounded Theory. Strategies for qualitative
research. London: Taylor & Francis.
Grace, E. G., P. Vidhyavathi, & P. Malathi. (2023). A study on "AI in education: opportunities
and challenges for personalized learning. Industrial Engineering Journal, 52(05), 750-
759. https://doi.org/10.36893/IEJ.2023.V52I05.750-759
Jara, I., & Ochoa, J. M. (2020). Usos y efectos de la inteligencia artificial en educación.
https://doi.org/10.18235/0002380
Kabudi, T., Pappas, I., & Olsen, D. H. (2021). AI-enabled adaptive learning systems: A
systematic mapping of the literature. Computers and Education: Artificial Intelligence,
2, 100017. https://doi.org/10.1016/j.caeai.2021.100017
Korteling, J. E. (Hans)., van de Boer-Visschedijk, G. C., Blankendaal, R. A. M., Boonekamp, R.
C., & Eikelboom, A. R. (2021). Human- versus Artificial Intelligence. Frontiers in
Artificial Intelligence, 4. https://www.frontiersin.org/articles/10.3389/frai.2021.622364
Marín, V. & Romero, M.A. (2009). La formación docente universitaria a través de las TICs.
Pixel-Bit. Revista de Medios y Educación, 35, 97-103.
Mousavinasab, E., Zarifsanaiey, N., R. Niakan Kalhori, S., Rakhshan, M., Keikha, L., & Ghazi
Saeedi, M. (2021). Intelligent tutoring systems: A systematic review of characteristics,
applications, and evaluation methods. Interactive Learning Environments, 29(1), 142-
163. https://doi.org/10.1080/10494820.2018.1558257
Murtaza, M., Ahmed, Y., Shamsi, J. A., Sherwani, F., & Usman, M. (2022). AI-Based
Personalized E-Learning Systems: Issues, Challenges, and Solutions. IEEE Access, 10,
81323-81342. https://doi.org/10.1109/ACCESS.2022.3193938
Perales, F.J. y Vílchez, J.M. (2012). Libros de texto: ni contigo ni sin ti tienen mis males
remedio. Alambique: Didáctica de las ciencias experimentales, 70, 75-82.
Real Decreto 217/2022, de 29 de marzo, por el que se establece la ordenación y las enseñanzas
mínimas de la Educación Secundaria Obligatoria. Boletín Oficial del Estado, 76, de
30/03/2022.
Reiss, M. J. (2021). The use of AI in education: Practicalities and ethical considerations. London
Review of Education, 19. https://doi.org/10.14324/LRE.19.1.05
UNESCO. (2019, diciembre 9). La Inteligencia Artificial en la Educación. UNESCO.
https://es.unesco.org/themes/tic-educacion/inteligencia-artificial
Vinuesa, R., Azizpour, H., Leite, I., Balaam, M., Dignum, V., Domisch, S., Felländer, A.,
Langhans, S. D., Tegmark, M., & Fuso Nerini, F. (2020). The role of artificial intelligence

in achieving the Sustainable Development Goals. Nature Communications, 11(1),

Article 1. https://doi.org/10.1038/s41467-019-14108-y
Wang, Z., Liu, J., & Dong, R. (2018). Intelligent Auto-grading System. 2018 5th IEEE
International Conference on Cloud Computing and Intelligence Systems (CCIS), 430-435.
https://doi.org/10.1109/CCIS.2018.8691244

Anexos
Anexo 1. Puntos de fila de los beneficios percibidos de la inteligencia artificial en el ámbito
educativo según la etapa educativa en la que trabaja el docente.
Puntuación en
Contribución
dimensión
1 2 Del punto en la De la dimensión en la
Beneficios Masa Inercia
inercia de inercia del punto
dimensión
1 2 1 2 Total
COM-MET ,055 ,132 ,065 ,000 ,003 ,001 ,876 ,124 1,000
CONT ,112 ,323 ,561 ,011 ,036 ,187 ,365 ,635 1,000
PERS ,120 ,244 -,085 ,003 ,022 ,005 ,935 ,065 1,000
AUTM ,151 -,065 ,263 ,002 ,002 ,055 ,095 ,905 1,000
ACCES ,132 ,006 -,131 ,000 ,000 ,012 ,004 ,996 1,000
EVAL ,024 -,975 ,073 ,008 ,069 ,001 ,997 ,003 1,000
COMU ,017 -1,053 1,356 ,012 ,056 ,162 ,511 ,489 1,000
AYUD ,019 -,136 ,088 ,000 ,001 ,001 ,804 ,196 1,000
REC ,110 ,593 -,317 ,015 ,118 ,058 ,858 ,142 1,000
FUT ,024 -,583 -,049 ,003 ,025 ,000 ,996 ,004 1,000
CREA ,017 ,422 -1,462 ,008 ,009 ,189 ,126 ,874 1,000
AUTO ,017 -1,814 -,769 ,020 ,167 ,052 ,906 ,094 1,000
CONF ,002 1,540 -1,809 ,003 ,017 ,041 ,557 ,443 1,000
HAB ,014 -1,069 -1,000 ,008 ,050 ,076 ,665 ,335 1,000
PLAG ,002 1,540 -1,809 ,003 ,017 ,041 ,557 ,443 1,000
CAL ,005 -,417 -1,202 ,002 ,003 ,036 ,173 ,827 1,000
CRI ,014 -2,374 -,596 ,028 ,245 ,027 ,965 ,035 1,000
FORM ,005 -2,374 -,596 ,009 ,082 ,009 ,965 ,035 1,000
DCON ,117 -,198 ,192 ,002 ,014 ,023 ,650 ,350 1,000
NOB ,043 ,703 -,325 ,008 ,065 ,024 ,891 ,109 1,000
Total 1,000 ,145 1,000 1,000
activo
a. Normalización simétrica
Anexo 1. Puntos de columna de los beneficios percibidos de la inteligencia artificial en el

ámbito educativo según la etapa educativa en la que trabaja el docente.
Puntuación en
Contribución
dimensión
1 2 Del punto en
Etapa Masa Inercia De la dimensión en la
la inercia de
inercia del punto
dimensión
1 2 1 2 Total
Educ.Prim ,242 ,233 ,751 ,030 ,040 ,719 ,143 ,85 1,000
7
Educ.Sec ,416 ,507 -,343 ,045 ,325 ,258 ,792 ,20 1,000
8
Educ.Sup ,342 -,782 -,113 ,070 ,635 ,023 ,98 ,012 1,000
8
Total 1,000 ,145 1,000 1,000
activo

Anexo 2. Puntos de fila de las limitaciones percibidas de la inteligencia artificial en el ámbito

educativo según la etapa educativa en la que trabaja el docente.
Puntuación en
Contribución
dimensión
1 2 Del punto en la
De la dimensión en la
Limitación Masa Inercia inercia de
inercia del punto
dimensión
1 2 1 2 Total
RIG ,058 ,896 ,408 ,018 ,146 ,037 ,855 ,145 1,000
CRIT ,107 -,557 ,337 ,014 ,103 ,046 ,769 ,231 1,000
IGU ,019 ,313 -,998 ,006 ,006 ,074 ,107 ,893 1,000
SUST ,012 1,175 ,132 ,005 ,050 ,001 ,990 ,010 1,000
CAP ,107 ,518 ,025 ,009 ,090 ,000 ,998 ,002 1,000
ESF ,085 -,657 ,051 ,012 ,115 ,001 ,995 ,005 1,000
PLAG ,076 -,293 ,143 ,002 ,020 ,006 ,835 ,165 1,000
USO ,142 -,072 ,323 ,004 ,002 ,056 ,056 ,944 1,000
PER ,033 ,792 -,543 ,009 ,065 ,037 ,721 ,279 1,000
ADIC ,083 ,237 ,038 ,002 ,015 ,000 ,979 ,021 1,000
ECO ,002 3,294 -,051 ,007 ,066 ,000 1,000 ,000 1,000
INT ,041 ,262 -,219 ,001 ,009 ,007 ,635 ,365 1,000
CREA ,031 ,373 -,457 ,003 ,013 ,025 ,447 ,553 1,000
NEC ,010 ,752 ,169 ,002 ,017 ,001 ,960 ,040 1,000
EMO ,016 ,643 -,010 ,002 ,020 ,000 1,000 ,000 1,000
FAL ,012 -,231 ,756 ,002 ,002 ,025 ,102 ,898 1,000
CAM ,014 -,940 ,531 ,005 ,037 ,015 ,793 ,207 1,000
SEG ,021 -,183 -,572 ,002 ,002 ,027 ,111 ,889 1,000
FORM ,039 -,944 ,240 ,012 ,108 ,009 ,949 ,051 1,000
DIG ,006 ,444 -1,813 ,005 ,004 ,073 ,068 ,932 1,000
LEY ,006 -,962 -1,189 ,004 ,017 ,031 ,444 ,556 1,000
MIED ,006 -,943 ,316 ,002 ,016 ,002 ,916 ,084 1,000
ETI ,012 -,972 -1,942 ,015 ,034 ,167 ,234 ,766 1,000
CAL ,012 -,259 -1,501 ,007 ,002 ,100 ,035 ,965 1,000
EVA ,008 -,981 -2,694 ,017 ,023 ,214 ,139 ,861 1,000
DCON ,039 ,321 -,321 ,002 ,013 ,015 ,549 ,451 1,000
NOH ,006 ,482 1,197 ,003 ,004 ,032 ,165 ,835 1,000
Total 1,000 ,172 1,000 1,000
activo

Anexo 3. Puntos de columna de las limitaciones percibidas de la inteligencia artificial en el

ámbito educativo según la etapa educativa en la que trabaja el docente.
Puntuación en
Contribución
dimensión
1 2 Del punto en la
Etapa Masa Inercia De la dimensión en la
inercia de
inercia del punto
dimensión
1 2 1 2 Total
Educación ,223 1,056 -,013 ,080 ,777 ,000 1,000 ,000 1,000
Primaria
Educación ,466 -,296 ,479 ,041 ,128 ,406 ,318 ,682 1,000
Secundaria
Educación ,311 -,315 -,709 ,051 ,096 ,593 ,193 ,807 1,000
Superior
Total activo 1,000 ,172 1,000 1,000

14 577211 Aceptar Ok

Cargado por

Copyright:

Formatos disponibles

14 577211 Aceptar Ok

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

14 577211 Aceptar Ok

Cargado por

Copyright:

Formatos disponibles

http://revistas.um.

es/reifop Fecha de recepción: 3 de septiembre de 2023

Delgado de Frutos, N., Campo-Carrasco, L., Sainz de la Maza, M. & Extabe-Urbieta,

Aplicación de la Inteligencia Artificial (IA) en Educación: los

Application of Artificial Intelligence (AI) in Education: Benefits

208 Revista Electrónica Interuniversitaria de Formación del Profesorado (REIFOP)

de procesamiento del lenguaje natural permiten a la IA evaluar las respuestas escritas,

Revista Electrónica Interuniversitaria de Formación del Profesorado (REIFOP) 209

preparación de los responsables de políticas educativas en relación a la inteligencia artificial.

210 Revista Electrónica Interuniversitaria de Formación del Profesorado (REIFOP)

Revista Electrónica Interuniversitaria de Formación del Profesorado (REIFOP) 211

212 Revista Electrónica Interuniversitaria de Formación del Profesorado (REIFOP)

Revista Electrónica Interuniversitaria de Formación del Profesorado (REIFOP) 213

214 Revista Electrónica Interuniversitaria de Formación del Profesorado (REIFOP)

Revista Electrónica Interuniversitaria de Formación del Profesorado (REIFOP) 215

216 Revista Electrónica Interuniversitaria de Formación del Profesorado (REIFOP)

Como se observa en la Figura 4, en este caso se agruparon tres dimensiones claras. En la

Revista Electrónica Interuniversitaria de Formación del Profesorado (REIFOP) 217

En cuanto a la dimensión dos, esta se separó claramente entre el profesorado de educación

218 Revista Electrónica Interuniversitaria de Formación del Profesorado (REIFOP)

Revista Electrónica Interuniversitaria de Formación del Profesorado (REIFOP) 219

220 Revista Electrónica Interuniversitaria de Formación del Profesorado (REIFOP)

Revista Electrónica Interuniversitaria de Formación del Profesorado (REIFOP) 221

in achieving the Sustainable Development Goals. Nature Communications, 11(1),

222 Revista Electrónica Interuniversitaria de Formación del Profesorado (REIFOP)

Anexo 1. Puntos de columna de los beneficios percibidos de la inteligencia artificial en el

Revista Electrónica Interuniversitaria de Formación del Profesorado (REIFOP) 223

Anexo 2. Puntos de fila de las limitaciones percibidas de la inteligencia artificial en el ámbito

224 Revista Electrónica Interuniversitaria de Formación del Profesorado (REIFOP)

Anexo 3. Puntos de columna de las limitaciones percibidas de la inteligencia artificial en el

Revista Electrónica Interuniversitaria de Formación del Profesorado (REIFOP) 225

También podría gustarte