Capacitación docente sobre el uso de la IA POE para la ense&n=
tilde;anza
de estudios sociales
![](3D"file0249_archivos/image001.gif")
<=
span
lang=3DES-EC style=3D'mso-ansi-language:ES-EC'>
![3D"Interfaz](3D"file0249_archivos/image003.jpg")
Teacher training on the use of POE AI for social
studies teaching
|
=
|
![](3D"file0249_archivos/image005.gif")
![](3D"file0249_archivos/image006.gif")
|
|
Artículo de
Investigación Científica y Tecnológica Enviado:08/08/2025 Revisado:14/09/2025 <= o:p> Aceptado: 29/10/2025 =
Publicado: 05/12/2025=
|
|||||||
|
|
|
|||||||
|
C&ia=
cute;tese: |
|
Palomeque Toral , M. L., Vélez Barreir=
o ,
T. D., Carlin Chávez , E. L., & Rodríguez Revelo , E.
(2025). Capacitación docente sobre el uso de la IA POE para la
enseñanza de estudios sociales . Explorador Digital, 9(4),
121-142. https://doi.org/10.33262/exploradordigital.v9i4.3561
|
|
|||||
|
|
|
|
|
|||||
|
|
|
Esta revista
está protegida bajo una licencia Creative Com=
mons
en la 4.0 International. Copia de la licencia: http://creativecommons.org/licenses/by-nc-sa/4.0/=
|
|
|||||
|
Palabras claves: Inteligencia
artificial, capacitación docente, estudios sociales, plataforma Po=
e,
integración tecnológica. |
|
Resumen Introducción: La integración de Inteligencia
Artificial (IA) en educación enfrenta desafíos en
América Latina, especialmente en el área de estudios social=
es,
donde persisten enfoques tradicionales y brechas digitales. La
capacitación docente insuficiente y la falta de recursos
institucionales limitan su implementación efectiva. Objetivo: Diseñar un tal=
ler de
capacitación docente basado en el modelo TPACK para la
implementación de la plataforma Poe IA en la enseñanza de e=
studios
sociales, desarrollando competencias digitales pedagógicas. Metodología: Estudio cua=
ntitativo
con diseño transversal descriptivo-correlacional. Participaron 41
docentes de la Unidad Educativa "Nicolás Infante
Díaz". Se aplicó una encuesta Likert validada (α =
=3D
0.85) y se analizaron datos con Excel, utilizando estadística
descriptiva e inferencial (prueba t y correlación de Pearson). Resultados: Se identificó=
; una
polarización en las percepciones docentes: 42% positivas, 35%
negativas y 23% neutrales hacia la IA. La correlación entre apoyo
institucional e implementación de IA fue fuerte (r =3D 0.78, p <
0.01). Las principales barreras fueron falta de recursos institucionales
(35%), resistencia al cambio (28%) y capacitación insuficiente (22=
%). Conclusión: La
implementación efectiva de IA requiere un enfoque sistémico=
que
integre capacitación docente especializada, apoyo institucional y
recursos tecnológicos. El taller de capacitación desarrolla=
do
demostró mejorar la competencia digital pedagógica, aunque
persisten desafíos estructurales. Área
de estudio general: Educación.
Área de estudio específica: Tecnología educativa=
en
humanidades. Tipo de estudio: Artículo
original. |
|
|||||
|
Keywords:<=
span
lang=3DEN-US style=3D'mso-bidi-font-size:12.0pt;line-height:115%;color:wi=
ndowtext;
mso-ansi-language:EN-US;mso-fareast-language:EN-US;mso-bidi-font-weight:b=
old'>
Artificial intelligence, teacher training, social studies, Poe
platform, technology integration. |
|
Abstract Introduction: The integration of Artificial
Intelligence (AI) in education faces challenges in Latin America,
especially in Social Studies, where traditional approaches and digital ga=
ps
persist. Insufficient teacher training and lack of institutional resources
limit its effective implementation. Objective:
To design a teacher training program based on the TPACK model for the
implementation of the Poe AI platform in the teaching of Social Studies,
developing pedagogical digital competencies. Methodology: Quantitative study with a descriptive-correlatio=
nal
cross-sectional design. Forty-one teachers from the "Nicolás
Infante Díaz" Educational Unit participated. A validated Like=
rt
survey (α =3D 0.85) was applied, and data were analyzed using Excel,
utilizing descriptive and inferential statistics (t-test and Pearson
correlation). Results: A
polarization in teacher perceptions was identified: 42% positive, 35%
negative, and 23% neutral toward AI. The correlation between institutional
support and AI implementation was strong (r =3D 0.78, p < 0.01). The m=
ain
barriers were lack of institutional resources (35%), resistance to change
(28%), and insufficient training (22%). Conclusion:
Effective AI implementation requires a systemic approach that integra=
tes
specialized teacher training, institutional support, and technological
resources. The developed program demonstrated improvements in pedagogical
digital competence, although structural challenges remain. General study area: Education. Specific study area: Educatio=
nal
technology in humanities. Type o=
f study:
Original article. |
|
|||||
![3Deditorial1.png](3D"file0249_archivos/image008.jpg")
![](3D"file0249_archivos/image010.gif")
![](3D"file0249_archivos/image012.jpg")
&=
nbsp; &nbs=
p; &=
nbsp; &nbs=
p; &=
nbsp; &nbs=
p;
1.<=
/b> <=
/span>Introducción
La integración de la Inteligenc=
ia
Artificial (IA) en educación se remonta a la década de 19=
70
con los primeros sistemas tutores inteligentes, pero fue en la última
década donde su desarrollo se aceleró significativamente.
Según Francesc et al. (2019) destaca que la IA tiene el potencial de
abordar algunos de los mayores desafíos educativos actuales, como la
personalización del aprendizaje y la reducción de brechas
educativas. En América Latina, países como México, Bra=
sil
y Chile iniciaron políticas públicas para incorporar IA en sus
sistemas educativos, aunque con resultados dispares (Flores & Nuñ=
;ez
, 2024).
1.1. Antecedentes y justificación del problema científ=
ico
La integración de Inteligencia
Artificial (IA) en educación representa uno de los desafí=
os
más significativos para los sistemas educativos contemporáneo=
s en
América Latina. Según el último informe de la <=
i>United Nations Educational,
Scientific and Cultural Organization (UNESCO) solo el 25% de los docentes en =
la
región utiliza herramientas de IA de manera regular en sus
prácticas pedagógicas, cifra que contrasta marcadamente con el
70% reportado en países desarrollados (Francesc et al., 2019). Esta
brecha digital y pedagógica es particularmente crítica en el
área de estudios sociales, donde persisten enfoques tradicionales
basados predominantemente en la memorización, limitando seriamente el
desarrollo de pensamiento crítico y competencias ciudadanas en la era
digital (Peñafiel et al., 2025).&nb=
sp;
La capacitación docente insuficien=
te y
especializada constituye el principal obstáculo identificado, seguid=
o de
infraestructura tecnológica limitada y resistencias al cambio
pedagógico (Villao & Matamoros, 2024). Entre las causas destaca =
la
escasa inversión estatal en formación docente, la falta de
políticas educativas integrales y la resistencia al cambio en
prácticas pedagógicas tradicionales. Esto género como
consecuencia una brecha digital educativa persistente, limitaciones en el
desarrollo de competencias digitales estudiantiles y una capacidad reducida=
del
sistema para responder a las demandas de la sociedad contemporánea. =
Esta
problemática adquiere especial relevancia en el contexto ecuatoriano,
donde el 78% de las instituciones educativas reportan acceso limitado a
recursos digitales avanzados y solo el 15% de los docentes recibieron
formación específica en herramientas de IA aplicadas a la
educación (Ministerio de Educación del Ecuador [MINEDUC], 202=
1).
1.2. Antecedentes del problema
Estudios recientes demuestran consistente=
mente
que el uso pedagógico estratégico de la IA incrementa
significativamente el compromiso estudiantil y mejora sustancialmente el
aprendizaje conceptual. Ortiz-Velásquez et al. (2025) reportan mejo=
ras del
40% en la comprensión de procesos históricos complejos median=
te
el uso de simulaciones interactivas basadas en IA. Adicionalmente, la IA
permite personalizar el aprendizaje adaptándose a diferentes estilos=
y
ritmos de aprendizaje, al tiempo que desarrolla competencias digitales
críticas esenciales para el siglo XXI (Armijos et al., 2025).
Sin embargo, la efectividad de estas
herramientas depende críticamente de programas de formación
docente integrales que integren coherentemente lo pedagógico con lo
tecnológico. Como señala Orozco et al. (2025) la
implementación de herramientas tecnológicas sin una base
pedagógica sólida resulta en intervenciones educativas carent=
es
de propósito, pudiendo inadvertidamente perpetuar métodos de
enseñanza convencionales en vez de impulsar su renovación. Es=
ta
advertencia resulta particularmente relevante en el área de estudios
sociales, donde el uso de IA debe orientarse hacia el desarrollo de pensami=
ento
histórico crítico y no simplemente hacia la automatizaci&oacu=
te;n
de contenidos (Flores & Nuñez, 2024).
El diseño del taller de
capacitación se sustenta en: el Modelo TPACK (Technological Pedagogical Content Knowledge) y el Conectivismo.
El Modelo TPACK, propuesto por Mishra &am=
p;
Koehler (2006) postula que la integración efectiva de tecnolog&iacut=
e;a
en educación requiere la intersección de tres conocimientos b=
ase:
el contenido disciplinar (CK), la pedagogía (PK) y la tecnolog&iacut=
e;a
(TK). La aplicación de este marco asegura que la capacitación=
no
se limite al manejo instrumental de la plataforma Poe (TK), sino que busque=
la
integración profunda con estrategias pedagógicas
específicas para la enseñanza de estudios sociales (PK) y el
dominio conceptual de la disciplina (CK). Esto es especialmente crucial en =
el
área de estudios sociales, donde la IA debe servir para fomentar el
pensamiento crítico y no solo la automatización de contenidos=
(Harris
et al., 2009).
Complementariamente la teoría del
Conectivismo con Siemens (2005) sustenta el enfoque de aprendizaje en red q=
ue
promueve la plataforma Poe. Este marco teórico, considerado la
teoría del aprendizaje para la era digital, entiende que el conocimi=
ento
reside en una diversidad de opiniones y fuentes, y que el aprendizaje es el
proceso de conectar nodos de información especializada. La capacidad=
de
discernir y filtrar información relevante, conectarse con fuentes
confiables y mantener un aprendizaje continuo a través de herramient=
as
digitales son competencias centrales del conectivismo, que se alinean
directamente con el uso de asistentes de IA como Poe y con los objetivos
formativos de los estudios sociales en el siglo XXI.
La combinación de estos dos marcos
teóricos permite diseñar una intervención formativa que
es, a la vez, pedagógicamente sólida y tecnológicamente
pertinente, asegurando que los docentes desarrollen una competencia digital
profesional que trascienda el mero uso instrumental de la herramienta."=
;
En este contexto, la presente
investigación se desarrollará en la Unidad Educativa ̶=
0;Nicolás
Infante Díaz”, institución que representa un caso
emblemático de los desafíos descritos. El estudio
implementará un taller de capacitación docente
específicamente diseñado para la integración de Poe IA=
en
el área de estudios sociales, abordando tanto las dimensiones
técnicas como pedagógicas. Articulando el currículo
integrado mediante el eje de "Comprensión histórica del
mundo contemporáneo" con enfoque en temas como el surgimiento de
imperios asiáticos (China e India), la expansión marít=
ima
europea y la herencia colonial en América Latina.
Se desarrollan destrezas con criterios de
desempeño como:
CS.4.1.6.: Analizar y apreciar el surg=
imiento
y desarrollo de los grandes Imperios asiáticos, especialmente de Chi=
na e
India.
CS.4.1.24.: Examinar las motivaciones d=
e los
europeos para buscar nuevas rutas marítimas al Lejano Oriente y anal=
izar
cómo llegaron a la India y "descubrieron" América. =
CS.4.1.34.: Evaluar la herencia de las
sociedades coloniales en la América Latina del presente.
Los indicadores de competencia se
centrarán en la capacidad de los estudiantes para:
Formular preguntas históricas comp=
lejas
utilizando herramientas de IA.
Contrastar múltiples interpretacio=
nes
sobre procesos históricos mediante el análisis de fuentes
digitales.
Argumentar posiciones críticas
fundamentadas en evidencia validada con apoyo de tecnología.
Esta intervención buscará
transformar las prácticas educativas tradicionales mediante el
desarrollo de secuencias didácticas que utilicen IA para el
análisis de fuentes históricas, la simulación de proce=
sos
sociales y el desarrollo de competencias ciudadanas críticas. La
experiencia en esta institución servirá como referente para el
diseño de modelos escalables de formación docente en IA aplic=
ada
a las humanidades.
1.3. Objetivo de la investigación
Este estudio busca diseñar un tall=
er de
capacitación docente para la implementación de Poe IA en la
enseñanza de estudios sociales que desarrolle competencias digitales
pedagógicas, mediante talleres prácticos y acompañamie=
nto
continuo, con el fin de mejorar los procesos de enseñanza-aprendizaj=
e en
educación secundaria. La hipótesis principal establece que una
intervención formativa basada en el modelo Technological Pedagogical Co=
ntent
Knowledge (TPACK)
o en español “Conocimiento técnico pedagógico del
contenido” mejorará significativamente:
a) &nbs=
p;
La
competencia digital docente (variable dependiente 1, medida mediante el
instrumento DigCompEdu)
b) &nbs=
p;
La
calidad didáctica de las planificaciones curriculares (variable
dependiente 2, evaluada mediante rúbricas de diseño instrucci=
onal
validadas)
c) &nbs=
p;
El
aprendizaje estudiantil en estudios sociales (variable dependiente 3, medida
mediante pruebas estandarizadas de competencias ciudadanas y pensamiento
histórico) La variable independiente corresponde al taller de
capacitación de 24 horas, estructurado en módulos secuenciale=
s que
incluyen fundamentación tecnológica, diseño
didáctico con IA, evaluación formativa y aspectos étic=
os
del uso de IA en educación.
2.
Metodología
Este estudio adoptó un enfoque
cuantitativo con un diseño no experimental de tipo transversal
descriptivo, dado que no se manipuló ninguna variable y se
buscó analizar la relación entre la capacitación docen=
te
en inteligencia artificial y su aplicación pedagógica en el a=
ula.
Este diseño fue seleccionado por permitir la recolección de d=
atos
en un momento específico para evaluar el estado actual de las variab=
les
de interés en un contexto educativo real, sin intervención ac=
tiva
del investigador (Hernández & Mendoza, 2018).
La población estuvo conformada por=
75
docentes de estudios sociales de educación básica superior de=
la
Unidad Educativa "Nicolás Infante Díaz". La muestra
final incluyó 41 participantes, seleccionados mediante muestreo no
probabilístico por criterio, aplicando los siguientes criterios:
a) Inclusión:
·
Docentes
titulares con mínimo dos años de experiencia.
·
Impartir
clases en octavo año de educación básica.
·
Disponibilidad
para participar en todas las fases de la capacitación.
b) Exclusión
·
Docentes
interinos o suplentes.
·
Profesionales
con formación previa en inteligencia artificial educativa.
c) Eliminación
·
2.1. <=
/span>Aspectos
éticos
El estudio contó con la
aprobación del Comité de Ética de la Universidad
Técnica de Babahoyo (UTB), mediante registro No. UTB-CEI-2025-08=
9,
emitido el 15 de julio de 2025. Adicionalmente, se obtuvo la
autorización del Consejo Directivo de la Unidad
Educativa "Nicolás Infante
Díaz" de Quevedo, mediante oficio No. UE-NID-2025-135CDIR, firm=
ado
por el Lcdo. Javier Jiménez, Rector de la institución.
Todos los participantes firmaron un
consentimiento informado exhaustivo que detallaba la naturaleza, objetivos y
procedimientos de la capacitación y la investigación asociada=
. El
documento se basó en los lineamientos éticos de la Declara=
ción
de Helsinki, la Ley Orgánica de Protección de Datos
Personales del Ecuador (Asamblea Nacional del Ecuador, 2021) y el Re=
glamento
Interno de Investigación de la UTB. Este garantizó
explícitamente:
2.2. =
; Confidencialidad
absoluta
Los datos personales y las respuestas fue=
ron
codificados (protocolo UTB-CAPA-AI2025), disociando la identidad de los
docentes de sus datos de evaluación para todas las publicaciones
resultantes.
2.3. =
; Carácter
voluntario de la capacitación e investigación
Se enfatizó que la participaci&oac=
ute;n
en el taller de capacitación y en el estudio de investigación=
era
completamente voluntaria.
2.4. =
; Ausencia
de coerción
Se
garantizó que no existiría ninguna repercusión
académica, laboral o administrativa por decidir no participar o por
retirarse en cualquier fase de la capacitación o de la recolecci&oac=
ute;n
de datos.
2.5. =
; Beneficio
sin costo
El acceso al taller de capacitació=
n y a
los materiales didácticos fue gratuito para todos los participantes,=
sin
costos asociados.
2.6. =
; Acceso
a los resultados
Se
otorgó a los participantes el derecho a recibir un informe resumido =
de
los hallazgos generales de la investigación.
La variable independiente correspondi&oac=
ute;
al taller de capacitación en la plataforma Poe, operacionalizada a
través de cuatro dimensiones: conocimiento técnico, dise&ntil=
de;o
pedagógico, implementación didáctica y evaluació=
;n
de resultados. La variable dependiente fue la competencia digital docente,
medida mediante indicadores de frecuencia de uso, integración curric=
ular
y percepción de efectividad.
Para la recolección de datos se
utilizó una encuesta estructurada con escala Likert. El instrumento =
fue
validado mediante juicio de expertos (tres especialistas en tecnologí=
;a
educativa con más de 10 años de experiencia) y se realiz&oacu=
te;
una prueba piloto con 15 docentes no participantes. La confiabilidad se
estableció mediante el coeficiente alfa de
Cronbach (α =3D 0.85), indicando alta
consistencia interna.
2.7. <=
/span>Diseño
de la intervención y procedimiento
El estudio se desarrolló en cuatro
fases, siendo la Fase 2 la implementación del Taller de
Capacitación "POE IA para estudios sociales", diseñ=
ado
específicamente para esta investigación:
Fase 1: Diagnóst=
ico
inicial
Aplicación de la encuesta pretest y
grupos focales para evaluar conocimientos previos y percepciones hacia la I=
A.
Fase 2: Intervenci&oacu=
te;n
(implementación del taller)
Se implementó el Taller de
Capacitación Docente "POE IA para estudios sociales", una
intervención formativa de 24 horas cronológicas estructurada =
en
cuatro módulos secuenciales con metodología learning-by-doing
(aprender haciendo). Cada módulo fue diseñado para alinearse
específicamente con las destrezas curriculares de estudios sociales
establecidas por el Ministerio de Educación del Ecuador (MINE=
DUC,
2021), asegurando que la integración de IA fortalezca los objetivos =
de
aprendizaje disciplinares.
•
Contenidos: navegaci&=
oacute;n
en la plataforma POE, tipos de bots (ChatGPT, Claude, Gemini) y su
aplicación pedagógica en el área de estudios sociales.=
Destreza curricular vinculada: CS.4.1.6: analizar y apreciar el surgi=
miento y
desarrollo de los grandes Imperios asiáticos, especialmente de China=
e
India.
Actividad Práctica (Learning-by-Doing ): "Caza del Tesoro" =
Los docentes exploraron la plataforma para
resolver preguntas específicas alineadas con la destreza, por ejempl=
o:
"Utilice POE para comparar la organización política de l=
os
imperios chino e indio durante la dinastía Tang y el período
Gupta". Esto permitió no solo familiarizarse con la herramienta,
sino también aplicarla directamente al contenido curricular.
•
Contenidos: estructur=
a CESA
(Contexto, Esperar, Estructura, Actuar) para diseñar instrucciones
efectivas.
Destreza curric=
ular
vinculada: CS.4.1.24:
Actividad Práctica (Learning-by-Doing ): "Mejora el Prompt"
Los docentes recibieron prompts vagos como
"Háblame de las rutas marítimas" y los reescribieron
aplicando la estructura CESA para obtener resultados pedagógicos
óptimos y contextualizados históricamente, por ejemplo:
"Como contexto, estamos en el siglo XV. Espero un análisis de l=
os
factores económicos y tecnológicos que motivaron la
expansión marítima europea. Estructura la respuesta en causas=
y
consecuencias. Actúa como si fueras un historiador especializado&quo=
t;.
•
Contenidos:<=
/span> alineación de activi=
dades
con IA al currículo de estudios sociales. Creación de debates,
análisis de fuentes primarias, biografías desde múltip=
les
perspectivas.
Destreza curric=
ular
vinculada: CS.4.1.34: evaluar la herencia de las sociedades coloniales en la América
Latina del presente.
Actividad Práctica
(Learning-by-Doing): "Diseña tu Actividad"
En equipos, los docentes diseñaron
secuencias didácticas que integraron IA para cumplir con la destreza.
Por ejemplo: "Utilice POE para generar dos perspectivas contrastantes
sobre el impacto colonial en la economía actual de un país
latinoamericano, y luego guíe a los estudiantes para que debatan su
validez basándose en evidencia histórica".
•
Contenidos: identificación de
"alucinaciones" y sesgos culturales/históricos en los mode=
los
de lenguaje. Estrategias de verificación de información y uso
ético.
Destreza transversal: desarrollar pensamiento
crítico en estudiantes mediante la contrastación de fuentes
digitales.
Actividad Práctica (Learning-by-Doing ): "El Detective de la IA"=
Los docentes analizaron una respuesta gen=
erada
por POE sobre la herencia colonial que contenía errores sutiles (ej.:
generalizaciones o sesgos eurocéntricos), identificaron los fallos y
propusieron un prompt mejorado para obtener una respuesta más precis=
a y
objetiva, vinculándolo directamente con la destreza CS.4.1.34.
Fase 3: Acompañamiento=
Sesiones de práctica guiada y
retroalimentación personalizada para resolver dudas específic=
as
de la implementación en el aula.
Fase 4:
Evaluación final
Aplicación post test y entrevistas=
de
profundidad para medir el impacto de la capacitación.
2.8.=
Anál=
isis
de datos
El procesamiento estadístico se
realizó utilizando el software Microsoft Excel 365 (versión
2408), con el siguiente procedimiento:
2.8.1. Estadística descriptiv=
a
Análisis de frecuencias y porcenta=
jes
mediante tablas dinámicas. Cálculo de medidas de posici&oacut=
e;n
central a través del módulo de análisis descriptivo
Obtención de indicadores de variabilidad utilizando las herramientas=
de
estadística del taller de capacitación.
2.8.2.&nb=
sp; Estadística inferencial
Prueba t para =
muestras
relacionadas: se
ejecutó mediante el complemento "Herramientas de
análisis" > "Prueba t para dos muestras emparejadas&quo=
t;
Análisi=
s de
correlación de Pearson: se realizó usando la función de correlación del
módulo de análisis de datos
Nivel de
significancia: p
< 0.05 para todas las pruebas. Los valores p fueron generados
automáticamente por las funciones estadísticas del taller de
capacitación.
3. Resultados
El análisis de los datos revel&oac=
ute;
percepciones contrastantes entre los docentes respecto a la
implementación de inteligencia artificial en el aula. La <=
span
lang=3DES-EC style=3D'color:windowtext;mso-ansi-language:ES-EC'>Figura =
1 muestra la distribuci&oacut=
e;n
general de las respuestas, donde se observa una polarización
significativa en la aceptación de estas tecnologías.
D=
istribución
global de las percepciones docentes sobre IA en educación
![](3D"file0249_archivos/image014.gif")
<=
span
lang=3DES-EC style=3D'mso-ansi-language:ES-EC'>
Nota: datos de la encuesta
aplicada a docentes 2025.
La Figura 1
3.1. Percepción sobre la relevancia de la capacitación=
Como se observa en la Figura =
2 el 68% de los docentes cons=
idera
esencial la capacitación en IA, aunque solo el 38% se siente
adecuadamente preparado para su implementación inmediata.
=
Nivel de
preparación docente para integrar IA en el aula
![](3D"file0249_archivos/image015.gif")
<=
span
lang=3DES-EC style=3D'mso-ansi-language:ES-EC'>
La Figura 2
3.2. Efectividad percibida de la plataforma Poe
La Figura 3
Figura 3 <= o:p>
=
Percepción
sobre la efectividad de la plataforma Poe
![](3D"file0249_archivos/image016.gif")
<=
!--[if mso & !supportInlineShapes & supportFields]>
La Figura 3 3.5. Validaci&=
oacute;n
por expertos de la propuesta de capacitación La evaluación de la propuesta de
capacitación por tres expertos en tecnología educativa de la =
Universidad
Técnica de Babahoyo reveló un alto nivel de viabilidad y
pertinencia. El 92% de los criterios evaluados (claridad, pertinencia,
adecuación al contexto y potencial impacto) fueron calificados como
Excelentes o Buenos, destacándose la necesidad urgente de esta
capacitación (100% de aceptación) y su alineación con =
los
objetivos educativos nacionales (85% de aprobación). Los expertos
resaltaron la solidez del modelo TPACK como base metodológica y la
relevancia de integrar IA en áreas humanísticas como los estu=
dios
sociales. Entre las observaciones clave, se
identificó la resistencia al cambio en docentes con mayor experiencia
(asociada a una correlación negativa de -0.42 en estudios previos) y=
la
brecha tecnológica institucional como barreras críticas. Sin
embargo, los expertos enfatizaron que la estructura modular del taller (24
horas con enfoque práctico) y el acompañamiento posterior son
estrategias efectivas para mitigar estos desafíos. La escalabilidad =
del
modelo fue valorada positivamente (78% de viabilidad), aunque se recomend&o=
acute;
ajustar la duración de los módulos técnicos para adapt=
arse
a diversos niveles de competencia digital. Finalmente, los expertos coincidieron en =
que la
propuesta no solo es implementable, sino que representa un avance significa=
tivo
para la innovación pedagógica en Ecuador. Las sugerencias se
centraron en reforzar la contextualización de ejemplos regionales (e=
j.:
herencia colonial en América Latina) e incluir protocolos éti=
cos
para el uso de IA en el aula. Estas recomendaciones fueron incorporadas en =
el
diseño final, asegurando que la capacitación combine rigor
académico con aplicabilidad real en el contexto educativo
latinoamericano. El análisis de correlación
mostró una relación positiva fuerte (r =3D 0.78, p < 0.01)=
entre
el apoyo institucional percibido y la disposición a implementar IA, =
como
se ilustra en la Figura 4. <=
span
lang=3DES-EC style=3D'mso-ansi-language:ES-EC'>Figura 4 La Figura 4 La tendencia de las líneas refleja=
que,
aunque el apoyo institucional suele situarse ligeramente por encima de la
implementación de IA, ambas avanzan de manera conjunta. Esto signifi=
ca
que el apoyo institucional actúa como un impulsor o condicionante de=
la
implementación, pero también que existe un desfase moderado: =
no
todo el apoyo se traduce inmediatamente en resultados, ya que la
adopción de IA requiere tiempo, ajustes técnicos y
fortalecimiento de capacidades internas. En el rango de valores intermedios (entre=
5 y
7), la distancia entre ambas líneas tiende a reducirse, lo que
podría interpretarse como una etapa en la que los recursos
institucionales empiezan a consolidarse y transformarse en avances concreto=
s en
la implementación de IA. Sin embargo, hacia niveles altos de apoyo (=
8 a
10), vuelve a observarse una ligera brecha, lo que sugiere que existen fact=
ores
adicionales —como la formación de talento especializado, la
infraestructura tecnológica o la cultura organizacional— que
pueden limitar el aprovechamiento pleno del respaldo institucional. La Tabla 1 presenta los resultados de =
las
correlaciones entre diferentes variables relacionadas con la
implementación de inteligencia artificial (IA) en el contexto educat=
ivo.
En primer lugar, se observa una correlación positiva y fuerte entre =
el
apoyo institucional y la implementación de IA (r =3D 0.78, p =3D 0.0=
01),
significativa al nivel de p < 0.01. Esto indica que cuanto mayor es el
respaldo por parte de las instituciones —en términos de
políticas, recursos o incentivos—, mayor es el grado de
implementación de IA. La magnitud de la correlación refleja q=
ue
este factor constituye uno de los principales determinantes para la
adopción de tecnologías basadas en IA. En segundo lugar, se encuentra una
correlación positiva moderada entre la capacitación y la
confianza tecnológica (r =3D 0.65, p =3D 0.008), también
significativa al nivel de p < 0.01. Este resultado sugiere que la formac=
ión
y el entrenamiento en herramientas tecnológicas incrementan la segur=
idad
y confianza de los individuos para utilizarlas. En otras palabras, la
capacitación actúa como un facilitador que fortalece la
disposición y competencia en el uso de la IA, lo que refuerza la
importancia de invertir en programas de formación continua. Por último, se evidencia una
correlación negativa y moderada entre la experiencia docente y la
aceptación de IA (r =3D -0.42, p =3D 0.032), significativa al nivel =
de p
< 0.05. Esto implica que, a mayor experiencia profesional en la docencia,
menor es la predisposición para aceptar el uso de IA. Una posible
interpretación es que los docentes con más años de
trayectoria pueden mostrar mayor resistencia al cambio, prefiriendo
métodos tradicionales frente a la incorporación de nuevas
tecnologías. La Figura 5 La Figura 5 En segundo lugar, aparece la resistencia =
al
cambio (28%), lo que sugiere que las actitudes y percepciones de los actores
involucrados representan un desafío significativo. La adopció=
n de
nuevas tecnologías no depende únicamente de los recursos
disponibles, sino también de la disposición de las personas p=
ara
aceptar transformaciones en sus métodos de trabajo y en su
relación con las herramientas tecnológicas. Otra limitación importante es la
capacitación insuficiente (22%). Esto evidencia la necesidad de
fortalecer la formación y el desarrollo de competencias digitales que
permitan a los usuarios utilizar la IA con confianza y eficacia. La falta de
entrenamiento puede generar inseguridad y dificultar la apropiación =
de
estas herramientas. Finalmente, se identifica la infraestruct=
ura
tecnológica insuficiente (15%) como una barrera menos frecuente, pero
igualmente relevante. Aunque ocupa el último lugar en el ranking, la
carencia de equipos, software y conectividad adecuados puede frenar los ava=
nces
logrados en las otras dimensiones. Estos resultados demuestran que, si bien
existe reconocimiento del potencial de la IA, su implementación efec=
tiva
requiere superar importantes desafíos institucionales y formativos. =
Los hallazgos del presente estudio revela=
n una
situación paradójica en la integración de inteligencia
artificial en la enseñanza de estudios sociales. Si bien existe un
reconocimiento teórico de su potencial pedagógico (41.44%) de
docentes consideran fundamental la capacitación en IA, persisten
importantes barreras prácticas que limitan su implementación
efectiva. Esta brecha entre la valoración teórica y la
aplicación práctica coincide con lo documentado por Dellepian=
e &
Guidi (2023) quien identifica la formación docente como el factor
crítico para una integración significativa de tecnologí=
;as
emergentes. La polarización observada en las
percepciones sobre la plataforma Poe -con 33.35% de aceptación versus
25.23% de rechazo- sugiere la existencia de dos grupos claramente
diferenciados: primeros usuarios y resistentes tecnológicos. Esta
división refleja la necesidad de desarrollar estrategias diferenciad=
as
de capacitación, tal como propone Rodríguez (2024) enfatiza q=
ue
las plataformas de IA requieren acompañamiento pedagógico
continuo para alcanzar su máximo potencial educativo. La significativa correlación entre=
apoyo
institucional e implementación de IA (r =3D 0.78, p < 0.01) confi=
rma
que el contexto institucional juega un papel determinante. Estos resultados
apoyan lo planteado por Navarrete (2023) respecto a que la ausencia de
políticas claras limita la integración tecnológica, au=
nque
contrastan con la perspectiva de Vega & Chiquito (2023) quienes argumen=
tan
que la motivación individual puede suplir temporalmente las carencias
institucionales. La discordancia entre la valoración
positiva del potencial formativo de la IA (46.65% reconocen su capacidad pa=
ra
desarrollar habilidades críticas) y la evaluación negativa de=
la
capacitación recibida (solo 4.44% la consideran suficiente) evidencia
una problemática central. Como señala Rodríguez (2024)=
la
formación continua es esencial, pero debe ir acompañada de
condiciones institucionales adecuadas, lo que coincide con nuestros hallazg=
os
sobre la importancia del apoyo organizacional. Las limitaciones del estudio incluyen el
tamaño muestral reducido (n=3D45) y el enfoque en una sola
institución educativa, lo que restringe la generalización de =
los
resultados. Además, la naturaleza transversal de la investigaci&oacu=
te;n
impide establecer relaciones causales. Futuras investigaciones deberí=
;an
incorporar diseños longitudinales y ampliar la muestra para evaluar =
la
evolución de las percepciones docentes tras intervenciones formativas
prolongadas. A pesar de estas limitaciones, los result=
ados
aportan evidencia valiosa sobre la necesidad de desarrollar programas
integrales que aborden simultáneamente la formación docente, =
el
soporte institucional y la provisión de recursos tecnológicos.
Como concluye Bejar et al. (2025) la integración efectiva de IA requ=
iere
una aproximación sistémica que trascienda la mera dotaci&oacu=
te;n
tecnológica. 5. Conclusiones · · · · Los autores declaran que no existe confli=
cto de
intereses en relación con el artículo presentado. Todos los autores contribuyeron
significativamente en la elaboración del artículo. La
concepción del estudio, diseño metodológico,
recolección de datos, análisis estadístico,
interpretación de resultados y redacción del manuscrito fueron
realizados de manera colaborativa por todos los integrantes del equipo de
investigación. La presente investigación fue fina=
nciada
en su totalidad con fondos propios de los autores. No se recibió apo=
yo
financiero de ninguna institución pública o privada para el
desarrollo de este estudio. Armijos Saca, =
R. A.,
Gutiérres Vargas , M. M., Crespo Gordillo , B. Z., Espinoza Agila , =
L.
E., & Púa Pilay , J. E. (2025). La Inteligencia Artificial (IA) =
en
la personalización del aprendizaje en el aula. Ciencia Latina Rev=
ista
Científica Multidisciplinar, 9(1), 7590-7601. https://doi.org/10.37811/cl_rcm.v9i1.16427 Asamblea Nacional del Ecuador. (2021). Ley Orgánica de Protección de Datos Personales del
Ecuador. Ley 0, Registro Oficial Suplemento 459 (26-may.-2021). Estado:
Vigente. https://www=
.finanzaspopulares.gob.ec/wp-content/uploads/2021/07/ley_organica_de_protec=
cion_de_datos_personales.pdf Bejar Alegria ,=
M. X.,
Anangonó Rosero, G. G., Vera Arroyo, D. M., & Cango Zhiní=
n,
M. Ángel. (2025). Integración de IA en el aula: estrategias p=
ara
que los docentes integren ia en sus métodos de enseñanza,
optimizando el tiempo y la interacción con los estudiantes. Revis=
ta
Social Fronteriza, 5(1), e–613. https://doi.org/10.59814/resofro.2025.5(1)613 Dellepiane, P.=
, &
Guidi, P. (2023). La inteligencia artificial y la educación: Retos y
oportunidades desde una perspectiva ética. Question/Cuestió=
;n,
3(76), e859. https://doi.org/10.24215/16696581e859=
Flores Jaramillo, J. D., & Nuñez Olivera, N. R. (2024).
Aplicación de inteligencia artificial en la educación de
América Latina: tendencias, beneficios y desafíos. Revista
Veritas de Difusão Científica, 5(1), 01–22. =
https://doi=
.org/10.61616/rvdc.v5i1.52 Francesc, P., Subosa, M., Rivas, A., & Valverde, P. (2019). Inteligencia artificial en educaci&oac=
ute;n:
retos y oportunidades para el desarrollo sostenible. United Nations
Educational, Scientific and Cultural Organization [UNESCO]. https://unesdoc.unesco.o=
rg/ark:/48223/pf0000366994 Harris, J., Mishra, P., & Koehler, M. (2009). Conocimiento del
contenido pedagógico tecnológico de los docentes y tipos de
actividades de aprendizaje. Revista=
de
Investigación sobre Tecnología en Educación, 41(4),
393–416. https://doi.org/10.1080/=
15391523.2009.10782536 Hernández Sampieri, R., & Mendoza Torres, C. P. (2018). Metodología de la
investigación: Las rutas cuantitativa, cualitativa y mixta (2da
ed.). McGraw-Hill Education. http://www.=
biblioteca.cij.gob.mx/Archivos/Materiales_de_consulta/Drogas_de_Abuso/Artic=
ulos/SampieriLasRutas.pdf Ministerio de Educación del Ecuador [MINEDUC]. (2021). Agenda digital 2021-2025. <=
span
lang=3DES style=3D'color:windowtext'>https://edu=
cacion.gob.ec/wp-content/uploads/downloads/2022/02/Agenda-Educativa-Digital=
-2021-2025.pdf Mishra, P., & Koehler, M. (2006). Conocimiento del contenido
pedagógico tecnológico: un marco para el conocimiento docente=
. Teachers College Record, 108(6),
1017–1054. https://doi.org/10.1111/=
j.1467-9620.2006.00684.x Navarrete Cazales, Z. (2023). Políticas educativas para la
integración de las TIC en el sistema educativo nacional mexicano. Apertura (Guadalajara, Jal.), 15(2=
),
134-151. http://dx.doi.org/10.328=
70/Ap.v15n2.2419 Orozco Fernández, I., Lema Cachinell, M., & Gómez
Sánchez, C. (2025). Tecnología sin pedagogía no es
transformación: reflexión crítica sobre la
implementación de pantallas digitales interactivas en educació=
;n
técnica. (2025). Revista de Investigación Formativa:
Innovación y Aplicaciones Técnico - Tecnológicas, =
7(1),
69-73. https://ojs=
.formacion.edu.ec/index.php/rei/article/view/425 Ortiz-Vel&aacu=
te;squez,
N., Valencia-Cabrera, Y., Campoverde-Martínez, G., Flores-Cumbicus, =
R.,
& Núñez-Naranjo, A. (2025). El uso de simuladores digital=
es
para la enseñanza de ciencias sociales. 593 Digital Publisher CEI=
T,
10(1-2), 97-112. https://doi.org/10.33386/593dp.2025.1-2.29603.6. Correlaciones significativas
Correlación
entre apoyo institucional e implementación de IA
![](3D"file0249_archivos/image017.gif")
<=
span
lang=3DES-EC style=3D'mso-ansi-language:ES-EC'>Resumen de correlaciones
significativas entre variables clave
3.4. Barreras de implementación
Figura 5 <=
o:p>
Principales barreras para la
implementación de IA
![](3D"file0249_archivos/image018.gif")
<=
!--[if mso & !supportInlineShapes & supportFields]>4.
Discusión
6. Conflic=
to de
intereses <=
o:p>
7.
Declaración de contribución de los autores
8. Financi=
amiento
9. Referen=
cias
Bibliográficas
Peñafie=
l Arteaga,
E. E., Pancho Sinchi, G. F., Yungan Ruiz, B. H., Estrada Valarezo, S. N., R=
eyes
Suárez, I. V., & Valdivieso Mora, C. A. (2025). La inteligencia
artificial en la educación: desafíos y oportunidades. =
South Flori=
da
Journal of Development, 6(5),
e5219. https://doi.org/10.46932/sfjdv6n5-006
Rodrígu=
ez
Aroca, W. G. (2024). Aprendizaje adaptativo en educación superior:
análisis de plataformas digitales y su impacto en el aprendizaje
personalizado. Ciencia Latina Revista Científica Multidisciplinar=
,
8(5), 6599-6607. https://doi.org/10.37811/cl_rcm.v8i5.14079
Siemens, G. (2005). Conectivismo: una teoría del aprendizaje =
para
la era digital. International Journal of Instructional Technology and Distance Learn=
ing, 2(1), 3-1=
0. http://www.itdl.org/Jour=
nal/Jan_05/article01.htm
Vega Intriago, J. O., & Chiquito Maximi, N. (2023). Las
tecnologías de la información y comunicación y la
motivación del docente en el proceso enseñanza y aprendizaje.=
Revista EDUCARE - UPEL-IPB - Segunda N=
ueva
Etapa 2.0, 27(1), 274–292. https://rev=
istas.investigacion-upelipb.com/index.php/educare/article/view/1839<=
/a>
Villao Salinas=
, I. N.,
& Matamoros Dávalos, Ángel A. (2024). La brecha digital e=
n la
educación. LATAM Revista Latinoamericana de Ciencias Sociales y
Humanidades, 5(4), 1522 – 1539. https://doi.org/10.56712/latam.v5i4.2337
![3Dedito=](3D"file0249_archivos/image020.jpg")
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
![3Dedito=](3D"file0249_archivos/image021.jpg")
![](3D"file0249_archivos/image023.gif")
=
El artículo qued=
a en
propiedad de la revista y, por tanto, su publicación parcial y/o tot=
al
en otro medio tiene que ser autorizado por el director de la Revista Explorador Digital.
![](3D"file0249_archivos/image025.jpg")