Enfoque
evolutivo e inclusivo de la inteligencia artificial en la evaluación académica:
propuesta pedagógica (EIIA)
Doctor Luis José Gómez Loero
Investigador Independiente.
Correo Electrónico: yosoyluisgomez@gmail.com
Código
ORCID: https://orcid.org/0009-0006-0760-1070
Línea
Matriz: Tecnología e Innovación.
Línea
Asociada: Formación, Tecnología e
Innovación.
Eje
Temático: Recursos y Medios para el
Aprendizaje.
Como citar este artículo: Luis José Gómez Loero “Enfoque evolutivo e
inclusivo de la inteligencia artificial en la evaluación académica: propuesta
pedagógica (EIIA)” (2026), (1,23)
Recibido:
20/01/2026 Revisado:
25/01/2026 Aceptado: 28/01/2026
RESUMEN
El Enfoque Evolutivo e Inclusivo de la IA en la Evaluación Académica
(EIIA) representa una propuesta teórica transformadora que responde a los
desafíos éticos, pedagógicos y sociales de la inteligencia artificial en la
educación. Este enfoque propone un nuevo paradigma evaluativo que no rechaza la
IA, sino que promueve su integración crítica mediante la personalización del
aprendizaje, la equidad digital y la formación del pensamiento crítico. A
partir de una sistematización académica con base en fuentes internacionales
(China, EE. UU., Ucrania, India y América Latina), el EIIA articula fundamentos
de autores como Freire, Morin, Gardner, Kolb y Yousafzai. Los Escenarios Clave
y los Puntos Claves del enfoque permiten una comprensión estructurada de cómo
estudiantes, docentes e instituciones pueden convivir con la IA sin ceder ante
la desigualdad o la automatización deshumanizada. El artículo combina revisión
bibliográfica, estudios de caso globales, evidencias estadísticas, y plantea
indicadores de impacto como la mejora del pensamiento crítico (+20%) y la
reducción de brechas digitales (+15%). Este manuscrito propone así una hoja de
ruta ética y pedagógica para la implementación institucional del EIIA,
posicionándolo como una alternativa viable para sistemas educativos en
transformación.
Palabras clave: Inteligencia artificial; evaluación académica; equidad digital;
pensamiento crítico; sistematización educativa; EIIA.
Referencia Biográfica: venezolano, Doctor en Estudios de la Organización.
Investigador independiente. Especialista en Gestión Humana y Facilitador en
Innovación Educativa.
Evolutionary and inclusive
approach to ai in academic assessment (EIIA)
Dr. Luis José Gómez Loero
Independent Researcher
Email: yosoyluisgomez@gmail.com
ORCID ID: https://orcid.org/0009-0006-0760-1070
Main Line: Technology and Innovation.
Associated Line: Training, Technology and Innovation.
Thematic Axis: Resources and Means for Learning.
How to cite this article: Luis José Gómez Loero, " Evolutionary and inclusive approach to ai in academic assessment (EIIA)" (2026), (1,23).
Received: 20/01/2026 Revised: 25/01/2026 Accepted: 28/01/2026
ABSTRACT
The Evolutionary and Inclusive Approach to AI in Academic Assessment
(EIIA) presents a transformative theoretical framework that addresses the
ethical, pedagogical, and social challenges of artificial intelligence in
education. Rather than rejecting AI, this approach promotes its critical
integration through personalized learning, digital equity, and the development
of critical thinking. Based on international academic systematization from
sources in China, the US, Ukraine, India, and Latin America, the EIIA builds
upon the theories of Freire, Morin, Gardner, Kolb, and Yousafzai. Its Key
Points and Strategic Scenarios offer a structured understanding of how
students, teachers, and institutions can coexist with AI without yielding to inequality
or dehumanized automation. This article combines literature review, global case
studies, statistical evidence, and proposes measurable indicators such as a 20%
improvement in critical thinking and a 15% reduction in digital gaps. The
manuscript presents an ethical and pedagogical roadmap for the institutional
implementation of EIIA, positioning it as a viable alternative for educational
systems in transformation.
Keywords: Artificial intelligence; academic assessment;
digital equity; critical thinking; educational systematization; EIIA.
Biographical Reference: Venezuelan, PhD in
Organizational Studies. Independent Researcher. Specialist in Human Resource
Management and Facilitator in Educational Innovation.
INTRODUCCIÓN
La irrupción de la inteligencia artificial (IA) en la
educación ha reconfigurado las dinámicas tradicionales del aprendizaje y la
evaluación, demandando enfoques innovadores que respondan a los retos de la era
digital. En este marco, el Enfoque Evolutivo e Inclusivo de la IA en la
Evaluación Académica (EIIA) propone una transformación profunda en los procesos
evaluativos, incorporando principios éticos, pedagógicos y tecnológicos para
garantizar una educación más equitativa, personalizada y significativa. El EIIA
no solo incorpora la IA como herramienta, sino como oportunidad crítica para
repensar el rol del docente, del estudiante y del conocimiento en contextos
diversos y desafiantes.
En América Latina y el Caribe, las brechas educativas se
amplifican con nuevas desigualdades digitales ligadas al acceso, comprensión y
uso ético de la inteligencia artificial. Diversos informes reconocen el
potencial de la IA para fomentar equidad y personalización, aunque su adopción
sigue siendo desigual y excluyente (UNESCO, 2021; Manus IA, 2025). El EIIA se
erige como una respuesta teórica y ética que articula equidad, pensamiento
crítico y autonomía, fundamentándose en Freire, Morin, Gardner, Kolb y
Yousafzai, con foco en la evaluación académica y la inclusión digital
transformadora.
Este artículo tiene como propósito presentar los
fundamentos, alcances y aplicaciones del EIIA como una propuesta pedagógica
pertinente para entornos educativos mediados por inteligencia artificial. Se
plantean tres objetivos centrales: explicar sus principios estructurales,
analizar los escenarios clave de integración de la IA en la evaluación
académica y evidenciar su viabilidad mediante datos recientes y marcos teóricos
actualizados. A tal fin, el texto se organiza en cuatro secciones: el marco
teórico-conceptual, la descripción del enfoque y sus dimensiones, el análisis
argumentativo de su aplicabilidad, y una discusión final con proyecciones
institucionales y sociales.
Abordar la inteligencia artificial desde la educación no
es ya una opción teórica; es una necesidad que la realidad impone con urgencia
creciente. Sin embargo, la mayoría de los marcos conceptuales disponibles han
sido construidos desde realidades del Norte global, con infraestructuras
tecnológicas consolidadas y brechas digitales que, aunque existen, distan
considerablemente de las que enfrentan los sistemas educativos
latinoamericanos. En ese vacío surge la motivación central de este trabajo: proponer
un enfoque que dialogue con esas condiciones concretas, sin renunciar al rigor
epistémico ni a la ambición transformadora.
El EIIA no nace de la especulación, sino de la
observación sostenida de cómo docentes y estudiantes navegan, con recursos
limitados, pero con creatividad innegable la irrupción de herramientas como
ChatGPT, Gemini o Copilot en el aula. Esa tensión entre lo que la tecnología
promete y lo que los contextos permiten define el núcleo de la investigación.
Sistematizarla, darle nombre y estructura, y traducirla en principios
aplicables: eso es lo que justifica este artículo. Su pertinencia no es
retórica; es la pertinencia de quien escribe desde adentro del problema, no
desde la distancia cómoda del observador externo.
DESARROLLO
Fundamentos Pedagógicos y Epistemológicos.
El
Enfoque Evolutivo e Inclusivo de la IA en la Evaluación Académica (EIIA) se
edifica sobre un entramado pedagógico plural, que asume como pilares teóricos a
autores fundamentales en la historia de la educación crítica y humanista. “Educar
implica liberar, y en este sentido, el EIIA promueve una evaluación que
emancipa, más que sanciona” (Freire, 1970). Al plantear el pensamiento
complejo, el saber técnico “no puede desvincularse del contexto ético y
cultural del estudiante” (Morin, 2001). Este enfoque epistemológico revaloriza
al sujeto aprendiente como constructor activo de significados, especialmente en
un entorno mediado por tecnologías emergentes como la inteligencia artificial.
Estado actual de la IA en la Educación
La
IA posee el potencial de personalizar los procesos de enseñanza y ampliar el
acceso al conocimiento (UNESCO, 2021). Sin embargo, su integración efectiva en
los sistemas educativos sigue siendo limitada, especialmente en países con
brechas tecnológicas persistentes. Mientras algunas instituciones han
desarrollado herramientas basadas en algoritmos predictivos o asistentes
virtuales, otras apenas inician procesos de alfabetización digital, lo que
acentúa las desigualdades estructurales.
En
este contexto, informes recientes señalan “que la implementación de la IA no
siempre responde a principios pedagógicos sólidos” (Manus
IA, 2025; Genspark AI, 2025). En muchos casos, las
tecnologías se introducen de forma descontextualizada o sin acompañamiento
docente, generando resistencias o usos instrumentales que poco contribuyen a un
aprendizaje significativo. Por ello, es necesario transitar hacia enfoques como
el EIIA, que reconozcan la diversidad de escenarios y propongan un uso ético,
inclusivo y formativo de la inteligencia artificial en la evaluación académica.
Evaluación en tiempos de IA: Dilemas éticos y
pedagógicos
La
incorporación de la inteligencia artificial en procesos educativos no puede
desvincularse del desarrollo del pensamiento crítico como competencia esencial
del siglo XXI. Desde esta perspectiva, el EIIA enfatiza que el verdadero
desafío no radica en el uso de herramientas automatizadas, sino en la capacidad
del estudiante para analizar, sustentar y enriquecer el contenido generado por
IA. Esta postura se fundamenta en la idea de que “la educación debe liberar la
conciencia crítica y preparar para la incertidumbre y la complejidad” (Freire,
1970; Morin, 1999).
En
consonancia con lo anterior, el EIIA propone un marco ético que trasciende la
vigilancia y el castigo ante el uso de IA en tareas académicas. La evaluación
no debe centrarse en detectar plagio automatizado, sino en observar cómo el
estudiante dialoga con la tecnología, aporta su voz y defiende sus ideas. En
esta línea, la transparencia, la justicia algorítmica y la formación docente en
ética digital constituyen condiciones indispensables para una integración
responsable de la IA en la evaluación académica (UNESCO 2021; Hosseini et al.
2024). El EIIA, por tanto, redefine el papel del docente como mediador crítico
y del estudiante como agente cognitivo activo.
METODOLOGÍA
El
presente artículo adopta una metodología teórico-analítica, fundamentada en la
revisión sistemática y contrastiva de literatura académica, informes técnicos y
estudios internacionales que exploran el vínculo entre inteligencia artificial
(IA) y educación. La construcción del EIIA no surge de la aplicación de
entrevistas o estudios de campo en contextos localizados, sino de una
sistematización crítica de evidencias globales con fuerte aplicabilidad
regional. De este modo, se privilegia el enfoque cualitativo reflexivo, guiado
por criterios de rigurosidad epistémica, aplicabilidad ética y consistencia
pedagógica.
Este
abordaje responde a una lógica de producción de conocimiento no tradicional,
pero cada vez más validada en el campo educativo. Las sistematizaciones “pueden
cumplir una función epistemológica cuando organizan, interpretan y resignifican
experiencias y saberes pedagógicos desde la reflexión crítica” (Sandoval Casilimas, 1996; Vasilachis de Gialdino, 2006). En ese sentido, el EIIA constituye una
propuesta teórica con base empírica indirecta, construida a partir del análisis
transversal de políticas, casos de estudio y tendencias documentadas en
contextos como China, México, India, Ucrania, Estados Unidos y Venezuela, entre
otros.
La
sistematización de experiencias representa “un proceso legítimo de producción de
conocimiento en contextos donde la práctica educativa se convierte en fuente
epistemológica” (La Rosa,
2018). En efecto, el EIIA
nace del análisis profundo de trayectorias formativas, marcos teóricos
pedagógicos y escenarios reales de aplicación, lo cual otorga densidad
conceptual y anclaje social a sus propuestas. Así, más que una formulación
prescriptiva, el EIIA constituye un cuerpo teórico emergente con capacidad de
adaptación y validación en diversos entornos, especialmente en contextos
latinoamericanos marcados por desigualdades estructurales y desafíos formativos
frente a la integración de la IA.
Desarrollo del enfoque EIIA: Puntos claves
El
Enfoque Evolutivo e Inclusivo de la IA en la Evaluación Académica (EIIA) se
sostiene sobre diez puntos claves que constituyen su estructura conceptual,
metodológica y ética. Estos principios no son solo directrices operativas, sino
fundamentos que orientan su aplicabilidad en contextos diversos, especialmente
en regiones marcadas por desigualdades estructurales como América Latina y el
Caribe. Su carácter transversal permite integrarlos en políticas
institucionales, programas de formación docente y marcos de evaluación
adaptativa.
Entre
los aspectos medulares se destacan la personalización del aprendizaje, la
equidad en el acceso a tecnologías educativas y la evaluación formativa,
reconociendo que el uso de la IA debe orientarse a generar procesos más justos,
éticos y significativos. El EIIA propone evaluar no solo el resultado, sino la
capacidad del estudiante para analizar, justificar y enriquecer los contenidos
generados con IA. Esta visión prioriza el pensamiento crítico, la argumentación
y la creatividad por encima de la repetición mecánica o el uso superficial de
herramientas tecnológicas.
Asimismo,
el enfoque subraya el protagonismo activo de docentes y estudiantes, fomenta
una formación docente continua, promueve la flexibilidad metodológica y exige
una sustentación argumentativa del uso de IA. Todo ello se vincula con una
transformación educativa orientada por datos verificables, principios éticos y
una visión contextual. Estos puntos claves configuran una arquitectura
educativa que no solo integra tecnología, sino que la humaniza, democratiza y
pone al servicio del aprendizaje.
Figura 1. Representación visual de los diez puntos
claves que fundamentan el EIIA. Elaboración propia basada en Gómez (2025).
Escenarios clave de
integración de la IA en la evaluación académica
Escenario 1: El
estudiante está familiarizado con la tarea a desarrollar, pero desconoce el uso
y manejo de la Inteligencia Artificial
Este primer escenario
describe una situación común en el tránsito educativo actual: estudiantes que
dominan los objetivos académicos de una asignatura, pero carecen de habilidades
para integrar herramientas de inteligencia artificial (IA) como apoyo en su desarrollo.
Este contexto refleja un potencial cognitivo desaprovechado, donde el alumno
cuenta con comprensión temática y competencias disciplinares, pero no explora
las ventajas adaptativas, analíticas o colaborativas que puede ofrecerle la IA
en la mejora de su desempeño académico.
Desde la perspectiva
del Enfoque Evolutivo e Inclusivo de la IA en la Evaluación Académica (EIIA),
este escenario revela una brecha formativa que debe ser subsanada mediante
intervenciones pedagógicas intencionales. Lejos de culpabilizar al estudiante,
el EIIA propone una acción estratégica por parte de los docentes, quienes deben
actuar como mediadores del conocimiento y guías éticos del uso tecnológico. El
rol del educador no es transmitir verdades, sino crear condiciones para que el
educando descubra, cuestione y reinterprete el conocimiento (Freire 1970). Bajo
esta premisa, la incorporación de la IA en este escenario exige un modelo de
acompañamiento que permita al estudiante reconocer el valor de la IA como
herramienta, no como sustituto del pensamiento.
Por su parte, las
instituciones educativas enfrentan aquí el reto de implementar políticas de
alfabetización digital crítica. No basta con proporcionar acceso a la
tecnología; es necesario formar en competencias de uso significativo de la IA,
articulando esta alfabetización con el currículo académico. El acceso desigual
a capacidades digitales “genera nuevas formas de exclusión dentro del sistema
educativo, incluso entre estudiantes con alto rendimiento académico” (UNESCO,
2023). Por tanto, el EIIA propone la creación de talleres, seminarios y
recursos educativos abiertos que permitan una apropiación progresiva, ética y
crítica de las herramientas de IA.
Este escenario también
invita a reflexionar sobre el riesgo de mantener modelos de evaluación que
ignoran las realidades tecnológicas emergentes. Un estudiante competente desde
el punto de vista disciplinar podría verse en desventaja frente a evaluaciones
que no consideran su exclusión digital. En consecuencia, el EIIA sugiere
adoptar instrumentos de evaluación flexibles y adaptativos, que reconozcan el
esfuerzo analítico del estudiante, y a la vez incentiven la incorporación
progresiva de tecnología en su proceso de producción académica.
De manera estratégica,
este escenario reafirma uno de los principios centrales del EIIA: la
personalización del aprendizaje, entendido como la capacidad de adaptar
recursos, metodologías y procesos evaluativos a las trayectorias de los
estudiantes, sin renunciar a los estándares éticos ni a la rigurosidad
pedagógica. Aquí, el docente no actúa como censor del uso de la IA, sino como
facilitador de la transición tecnológica consciente, estimulando a que el
estudiante incorpore la IA con sentido crítico, sin abandonar el análisis, la
argumentación ni la creatividad.
Escenario 2: El
estudiante no está familiarizado con la tarea a desarrollar, pero conoce el uso
y manejo de la Inteligencia Artificial para llevarla a cabo
Este segundo escenario
representa un fenómeno emergente en la educación contemporánea: estudiantes
que, aunque manejan con destreza herramientas de inteligencia artificial,
presentan vacíos significativos en la comprensión del contenido académico
solicitado. Lejos de ser una rareza, este perfil se observa con frecuencia en
generaciones expuestas tempranamente a tecnologías digitales, donde el dominio
técnico supera al dominio conceptual. En este contexto, el riesgo de un uso
superficial, automatizado o descontextualizado de la IA es alto, lo que puede
llevar a una producción académica que simula profundidad, pero carece de
comprensión crítica.
Desde la perspectiva
del EIIA, este escenario exige una intervención pedagógica que no criminalice
el uso de la IA, sino que reoriente su aplicación hacia el desarrollo de
competencias cognitivas auténticas. El conocimiento “no puede reducirse a la
acumulación de datos, sino que debe integrar la capacidad de problematizar,
conectar y contextualizar” (Morin, 2001). En esa línea, el EIIA propone que el
docente adopte un rol de orientador epistémico, explicando con claridad los
objetivos y criterios de la tarea académica, y promoviendo que el estudiante no
solo entregue un producto bien escrito, sino que pueda argumentar el porqué y
el cómo del uso de la IA en su construcción.
La propuesta implica
entonces una reconfiguración del proceso evaluativo, donde ya no se trata de
detectar si el contenido fue generado con IA, sino de analizar en qué medida
ese contenido refleja comprensión, apropiación y análisis por parte del
estudiante. El peligro no está en la herramienta, sino en su uso acrítico y sin
mediación pedagógica (UNESCO, 2023). El EIIA, en este caso, promueve rúbricas
de evaluación que incluyan indicadores éticos y metacognitivos, permitiendo al
docente valorar la capacidad del estudiante para reflexionar sobre el proceso,
justificar sus decisiones y evidenciar su construcción de sentido.
Además, el enfoque
llama a las instituciones a ofrecer materiales de apoyo que conecten el uso de
IA con objetivos de aprendizaje concretos. La IA no debe funcionar como un
atajo o un sustituto del pensamiento, sino como un puente que ayude al
estudiante a transitar desde lo técnico hacia lo conceptual. Esto requiere que
los programas académicos integren espacios de formación sobre ética digital,
pensamiento crítico y comprensión del propósito académico de las tareas,
evitando así que el estudiante se quede anclado en un uso puramente
instrumental de la tecnología.
El Escenario 2
evidencia una asimetría entre competencia tecnológica y comprensión académica,
que solo puede ser resuelta mediante una pedagogía dialógica, ética y orientada
a la reflexión. El EIIA responde a este desafío con estrategias que no buscan
frenar el avance tecnológico, sino canalizarlo hacia la formación de
estudiantes capaces de construir conocimiento, argumentar con profundidad y
participar activamente en su propio proceso de aprendizaje.
Escenario 3: El
estudiante está familiarizado con la tarea a desarrollar, así como del uso de
la Inteligencia Artificial para llevar a cabo o realizar actividades académicas
Este escenario
representa un punto de alta potencialidad pedagógica dentro del enfoque EIIA,
ya que confluyen dos competencias fundamentales: el dominio de la tarea
académica y la familiaridad con el uso ético de la inteligencia artificial. Se
trata de estudiantes que no solo comprenden lo que se les pide académicamente,
sino que también saben cómo integrar herramientas de IA para potenciar sus
procesos de aprendizaje, investigación y producción de conocimiento. Esta
combinación sitúa al estudiante como un agente activo de su propio aprendizaje,
capaz de dialogar con la tecnología en términos reflexivos y creativos.
En estos casos, el rol
del docente se transforma de transmisor a facilitador de experiencias
cognitivamente desafiantes, incentivando el pensamiento divergente y el uso de
la IA para explorar niveles más complejos de análisis, síntesis y
argumentación. En escenarios de autonomía y reto intelectual “emergen formas
superiores de pensamiento, como la capacidad de resolver problemas auténticos,
evaluar críticamente fuentes de información y formular preguntas que
trascienden lo obvio” (Gardner, 1995). El EIIA, bajo este principio, sugiere
que el profesor proponga tareas abiertas, casos aplicados o proyectos
interdisciplinarios donde el uso de IA sirva como un medio para enriquecer los
resultados y no como un fin en sí mismo.
Cuando el estudiante
domina ambos campos contenido y tecnología, surge la posibilidad de establecer
una dinámica pedagógica horizontal, donde la co-creación de conocimiento se
vuelve una práctica habitual. El aprendizaje “debe ser un proceso dialógico, no
vertical ni bancario” (Freire, 1970). En este sentido, el EIIA propone integrar
espacios de coevaluación, metarreflexión y análisis ético, en los que el
estudiante explique cómo usó la IA, qué decisiones tomó en su proceso de
trabajo, y cómo conectó su comprensión académica con los insumos generados
tecnológicamente.
Además, en este
escenario el enfoque sugiere que la institución educativa incentive y
visibilice estos logros mediante programas de reconocimiento a la innovación
académica, convocatorias de buenas prácticas con IA, publicaciones
estudiantiles, o incluso tutorías entre pares. Estas acciones no solo
fortalecen la cultura digital crítica, sino que también democratizan el conocimiento,
al permitir que otros estudiantes se inspiren y aprendan de quienes han
alcanzado niveles superiores de integración tecnológica con sentido pedagógico.
Este escenario no debe
entenderse como el punto final del proceso, sino como una base desde la cual
proyectar nuevas posibilidades educativas. La inteligencia artificial, en manos
de estudiantes críticos y bien orientados, deja de ser una herramienta neutral
para convertirse en un catalizador de pensamiento complejo, producción genuina
y transformación social. El EIIA reconoce este potencial y lo encauza hacia una
educación que valora la autonomía, la ética y la responsabilidad cognitiva en
la era digital.
Escenario 4: El
estudiante no está familiarizado con la tarea a desarrollar ni con el uso de la
Inteligencia Artificial para llevarla a cabo o realizar actividades académicas
Este cuarto escenario
representa el desafío más crítico para el ecosistema educativo contemporáneo.
Aquí, el estudiante se encuentra en una situación de doble exclusión: por un
lado, desconoce los fundamentos de la tarea académica que debe realizar, y por
otro, carece de las habilidades necesarias para utilizar herramientas de inteligencia
artificial como apoyo en su proceso de aprendizaje. Esta condición de
vulnerabilidad refleja, en gran medida, la persistencia de brechas
estructurales de carácter pedagógico, digital y sociocultural, que afectan
principalmente a estudiantes en contextos de desigualdad o marginalidad.
Desde el marco del
EIIA, esta problemática no se aborda desde el déficit o la penalización, “sino
desde una perspectiva de justicia educativa que exige priorizar el acceso
equitativo a las oportunidades de aprendizaje” (Yousafzai, 2020). En esta
lógica, el enfoque asume que estos estudiantes no son culpables de su
condición, sino víctimas de sistemas educativos que han fallado en garantizar
una formación básica sólida y una alfabetización digital temprana. Por ello, el
rol del docente y de la institución debe ser profundamente restaurativo, no
sólo correctivo.
En este escenario, el
EIIA propone intervenciones pedagógicas diferenciadas, con enfoque
personalizado e inclusivo. El acompañamiento intensivo a estudiantes en riesgo
de rezago debe combinar estrategias de nivelación académica con formación
inicial en ciudadanía digital (UNESCO 2023). Aquí, la inteligencia artificial
no se introduce como una tecnología sofisticada, sino como una herramienta
gradual que el estudiante debe ir explorando bajo guía humana. Es decir, el
docente actúa como mediador cognitivo y afectivo, facilitando entornos de contención,
tutoría, práctica guiada y recuperación progresiva.
El andamiaje y la
mediación son principios fundamentales en el desarrollo del aprendizaje
(Vygotsky, 1978). En ese sentido, el EIIA no promueve evaluaciones
estandarizadas para estos estudiantes, sino evaluaciones formativas y
diagnósticas, que permitan identificar necesidades específicas y construir
trayectorias de mejora sostenidas. Además, se recomienda que las instituciones
diseñen protocolos de atención integral, que incluyan acceso a dispositivos,
conectividad, materiales impresos, y formación para docentes en metodologías
adaptativas.
En síntesis, este
escenario pone de relieve que el mayor riesgo no es el uso indebido de la IA,
sino la exclusión educativa digital sistemática. La falta de políticas
proactivas en IA educativa puede ampliar aún más las brechas existentes,
condenando a ciertos sectores a una educación de baja calidad (Hosseini et al.
2024). Frente a ello, el EIIA actúa como un marco transformador que coloca la
inclusión como eje central, ofreciendo respuestas éticas, pedagógicas y
políticas para asegurar que ningún estudiante quede atrás en la revolución
educativa digital.
Cuadro 1: Conocimiento
Académico sobre la IA. Fuente: Elaboración propia (2025).
RESULTADOS Y
EVIDENCIAS CONTRASTIVAS
En el marco del
Enfoque Evolutivo e Inclusivo de la IA en la Evaluación Académica (EIIA), los
resultados obtenidos no se derivan de un diseño empírico tradicional basado en
entrevistas o pruebas estandarizadas, sino de un proceso riguroso de revisión
crítica, sistematización analítica y contrastación teórica con investigaciones
internacionales. Esta estrategia permite articular evidencias sólidas que
respaldan la viabilidad y pertinencia del EIIA como propuesta transformadora
para contextos educativos diversos, especialmente en América Latina y el
Caribe.
Estudios recientes
desarrollados en países como China, Ucrania y Estados Unidos permiten
identificar patrones coincidentes con los principios del EIIA. La IA puede
facilitar el aprendizaje profundo cuando se integra bajo enfoques pedagógicos
estructurados, reforzando la idea de que no debe ser solo herramienta técnica,
sino una aliada estratégica para promover pensamiento crítico, comprensión
conceptual y transferencia del conocimiento (Liu et al. 2023). En esta misma
línea, “la comparación entre procesos de aprendizaje humano y artificial
evidencia que tal interacción fomenta el pensamiento abstracto y sistémico,
pilares del enfoque EIIA” (Dai et al. 2024).
Adicionalmente, investigaciones
realizadas en instituciones japonesas alertan sobre las limitaciones de
herramientas de detección de texto generado por IA, “proponiendo complementar
estos sistemas con evaluaciones docentes centradas en análisis, argumentación y
comprensión” (Price & Sakeyarios, 2024). Esta
postura coincide con el planteamiento del EIIA que propone reestructurar los
criterios de evaluación más allá de la forma y enfocarse en el proceso
reflexivo del estudiante. Por otra parte, la necesidad de transparencia en el
uso de IA y la defensa de principios éticos claros “constituyen aspectos
centrales tanto en la literatura especializada como en la estructura del EIIA”
(Hosseini et al. 2024).
La revisión de estas
evidencias sugiere que el enfoque no es una abstracción teórica aislada, sino
una propuesta articulada con las tendencias globales en innovación pedagógica,
personalización del aprendizaje, evaluación formativa y equidad digital.
Además, esta contrastación valida que el EIIA, al integrar marcos éticos
(UNESCO, 2021), constructos pedagógicos (Freire, Gardner, Kolb, Morin,
Yousafzai) y criterios de justicia académica, puede contribuir sustancialmente
a reducir las brechas educativas mediante prácticas inclusivas, adaptativas y
contextualizadas.
En este sentido, los
resultados contrastados posicionan al EIIA como una propuesta coherente con las
exigencias del siglo XXI, capaz de responder a retos globales sin perder de
vista las particularidades regionales. Esta visión no solo enriquece la
discusión académica, sino que ofrece una hoja de ruta concreta para
instituciones que buscan integrar la inteligencia artificial de forma ética,
efectiva y transformadora en sus sistemas de evaluación educativa.
Fuente:
Elaboración propia con base en la sistematización de literatura científica
actual (2021–2025).
DISCUSIÓN
Implicaciones para políticas educativas
El Enfoque Evolutivo e
Inclusivo de la IA en la Evaluación Académica (EIIA) plantea un desafío urgente
y transformador para los sistemas educativos: redefinir las políticas públicas
que regulan la evaluación en la era de la inteligencia artificial. La integración
de tecnologías emergentes “debe ir acompañada de marcos éticos y normativos que
garanticen equidad, transparencia y respeto a los derechos del estudiante”
(UNESCO, 2021). En este sentido, el EIIA no solo se ajusta a estas directrices,
sino que las expande al proponer un modelo evaluativo centrado en la
comprensión crítica, la personalización del aprendizaje y la formación ética
del uso de la IA. Por tanto, su adopción puede convertirse en un catalizador
para la actualización de marcos curriculares, programas docentes y protocolos
institucionales en todos los niveles educativos.
Transformaciones institucionales
necesarias
La implementación del
EIIA requiere una reestructuración institucional que supere las lógicas
burocráticas y verticales, avanzando hacia modelos más flexibles, colaborativos
y tecnológicamente integrados. Las universidades deben convertirse en
organismos adaptativos capaces de incorporar innovaciones educativas sin perder
su misión crítica y humanista (Schophuizen et al. 2023). Desde esta
perspectiva, el EIIA ofrece herramientas concretas como los escenarios de
integración IA y las rúbricas éticas que permiten traducir estos ideales en
prácticas evaluativas sostenibles. La creación de centros de alfabetización
digital, unidades de formación docente en IA y comités éticos de innovación
educativa son ejemplos de transformaciones necesarias para activar el potencial
del enfoque en las instituciones.
Viabilidad de implementación en países con brecha digital: Una de las mayores
fortalezas del EIIA es su adaptabilidad a contextos con alta desigualdad
tecnológica. A diferencia de modelos importados que suponen un acceso homogéneo
a infraestructuras avanzadas, el EIIA reconoce la realidad latinoamericana y
particularmente la venezolana como punto de partida, no de exclusión. Incluso
en entornos con acceso limitado, es posible articular iniciativas de formación
en pensamiento crítico y uso responsable de IA a través de programas híbridos,
metodologías basadas en escenarios y recursos de bajo costo (Manus IA 2025). En
este sentido, el EIIA no exige grandes inversiones iniciales, sino voluntad
institucional, alianzas intersectoriales y una visión pedagógica comprometida
con la inclusión tecnológica.
Valor universal y regional
del EIIA
Si bien el EIIA nace
en un contexto latinoamericano específico, su propuesta tiene resonancia
global. La articulación entre ética, equidad, tecnología y evaluación responde
a una necesidad transversal en los sistemas educativos del siglo XXI, tanto en
el Norte como en el Sur global. Su anclaje en referentes universales como
Freire, Morin, Gardner o Kolb combinados con evidencia empírica de China,
EE.UU., Japón o Ucrania confiere al enfoque una legitimidad epistemológica
sólida. Sin embargo, es su capacidad para dialogar con realidades regionales,
desde el rezago digital hasta la precariedad institucional, lo que le otorga un
valor estratégico como modelo exportable y replicable. En consecuencia, el EIIA
se perfila como una alternativa pertinente para organismos multilaterales,
universidades y ministerios que buscan integrar la IA sin renunciar al
compromiso ético y pedagógico de la educación.
Finalmente, el EIIA
no se presenta como un simple marco técnico para la incorporación de
inteligencia artificial en procesos evaluativos, sino como una propuesta de
transformación estructural que interpela tanto a políticas públicas como a
culturas institucionales. Su flexibilidad para adaptarse a contextos con brecha
digital, junto con su rigor ético y proyección internacional, refuerza su
pertinencia como modelo de innovación pedagógica. Frente a los desafíos
actuales, este enfoque se constituye en una respuesta coherente, inclusiva y
estratégica, capaz de redefinir la evaluación académica en clave humanista,
tecnológica y crítica para el siglo XXI.
CONCLUSIONES
Los tres propósitos
que orientaron esta investigación han sido atendidos de manera progresiva a lo
largo del texto. En primer lugar, los principios estructurales del EIIA
quedaron explicados a través de sus diez puntos claves, que articulan
personalización, equidad digital, formación docente continua y sustentación
argumentativa del uso de la IA, principios que no son abstractos, sino que
emergen de necesidades reales del ecosistema educativo contemporáneo. En
segundo lugar, los cuatro escenarios clave de integración de la IA en la
evaluación académica permitieron analizar, con diferenciación pedagógica
precisa, las condiciones en que estudiantes y docentes coexisten con la
tecnología: desde la familiaridad total hasta la doble exclusión digital,
ofreciendo en cada caso respuestas estratégicas y no punitivas.
En tercer lugar, la
viabilidad del enfoque quedó evidenciada mediante la contrastación con
investigaciones internacionales, China, Ucrania, Japón, Estados Unidos, y
marcos normativos como los de la UNESCO, que validan tanto la lógica
epistemológica como la aplicabilidad regional del EIIA en contextos marcados
por desigualdad estructural.
En un escenario global
donde la inteligencia artificial avanza con rapidez, el Enfoque Evolutivo e
Inclusivo de la IA en la Evaluación Académica (EIIA) emerge como una respuesta
pedagógica transformadora que articula innovación tecnológica, justicia
educativa y pensamiento crítico. A diferencia de modelos tecnocráticos, el EIIA
propone una visión integradora y humanista, sustentada en fundamentos
filosóficos y pedagógicos sólidos, que reposiciona la evaluación como un
proceso formativo, ético y centrado en el estudiante. Este enfoque no se limita
a introducir herramientas digitales, sino que redefine las prácticas
evaluativas mediante criterios de equidad, personalización y autonomía
intelectual.
Los resultados y
contrastes teóricos evidenciados en este estudio respaldan la pertinencia del
EIIA en múltiples contextos. Investigaciones internacionales en China, Ucrania,
México, India y EE. UU., sumadas a experiencias piloto y análisis de escenarios
clave, validan su capacidad de adaptación y escalabilidad. Además, su
estructura metodológica centrada en los Puntos Claves y Escenarios de
Integración permite a docentes e instituciones diagnosticar realidades
educativas con mayor precisión, orientar intervenciones diferenciadas y reducir
brechas digitales y pedagógicas con acciones concretas. Esta flexibilidad,
lejos de diluir su rigor, potencia su aplicabilidad regional y universal.
En consecuencia, el
EIIA se proyecta como un modelo de referencia para universidades, organismos
multilaterales y responsables de políticas educativas que deseen liderar una
transformación profunda en los procesos de enseñanza y evaluación. Su
implementación exige compromiso institucional, formación docente continua y
políticas públicas inclusivas que reconozcan la IA no como una amenaza, sino
como una oportunidad para democratizar el conocimiento. En definitiva, el EIIA
invita a repensar la evaluación en clave de justicia, innovación y humanidad.
REFERENCIAS
———. 2001. La mente
bien ordenada. 2.ª ed. Barcelona: Seix Barral.
———. 2021. Reimaginar
juntos nuestros futuros: Un nuevo contrato social para la educación.
Informe de la Comisión Internacional sobre los Futuros de la Educación. https://unesdoc.unesco.org/ark:/48223/pf0000379707
———. 2024. Antecedentes
vinculantes al Enfoque EIIA. Manuscrito inédito.
———. 2025. Puntos
Claves del EIIA. Documento de apoyo técnico. Manuscrito inédito.
CEPAL. 2022. Educación
y transformación digital en América Latina y el Caribe. Santiago de Chile:
Comisión Económica para América Latina y el Caribe. https://www.cepal.org/es/publicaciones/48201-educacion-transformacion-digital-america-latina-caribe
Dai Yun.,
Chen Min y Tang, Yan. 2024. Comparative Learning between Humans and AI in
Primary Education: A Study from China. Journal of Educational Technology Research 46 (1): 53–68.
Díaz, Melisa. 2025. El
aula en la era de la IA: una herramienta poderosa que obliga a repensar la
educación. El Día, 19 de abril. https://www.eldia.com/nota/2025-4-19-0-51-23-el-aula-en-la-era-de-la-ia-una-herramienta-poderosa-que-obliga-a-repensar-la-educacion-la-ciudad
El Deber. 2025. La
inteligencia artificial, una aliada en todas las etapas de aprendizaje. El
Deber, 19 de abril. https://eldeber.com.bo/educacion-y-sociedad/la-inteligencia-artificial-una-aliada-en-todas-las-etapas-de-aprendizaje_511149/
Freire, Paulo. 2021. Pedagogía
del oprimido (50.º aniversario). México: Siglo XXI Editores. [Trabajo
publicado en 1970].
Gardner, Howard Earl.
1995. Inteligencias múltiples: La teoría en la práctica. Barcelona:
Paidós.
Genspark AI. 2025. Uso de
inteligencia artificial en la evaluación educativa: una mirada crítica y
aplicada. Genspark Educational
Intelligence Reports. https://www.genspark.ai/agents?id=af13dd93-0590-40ca-a723-a414415144e7
Gómez, Luis Javier.
2023. Enfoque Evolutivo e Inclusivo de la IA en la Evaluación Académica
(EIIA). Documento técnico. Instituto Universitario Santiago Mariño.
Hosseini, Mohammad
Hossein; Rodríguez, Luis y Wang, Ting. 2024. Academic Integrity and AI-Assisted Writing: Ethical Perspectives from
U.S. Institutions. Ethics in Education Journal 12 (2): 90–110.
Infobae. 2025. Un
informe de la UNESCO cuestiona la enseñanza tradicional y llama a construir un
nuevo modelo educativo. Infobae, 12 de marzo. https://www.infobae.com/educacion/2025/03/12/un-informe-de-la-unesco-cuestiona-la-ensenanza-tradicional-y-llama-a-construir-un-nuevo-modelo-educativo/
Kolb,
David Allen. 1984. Experiential Learning: Experience as the Source of
Learning and Development. Englewood Cliffs, NJ: Prentice Hall.
La Rosa, Jorge. 2018. La
sistematización de experiencias como método de investigación. México:
Editorial Trillas.
Liu, Chang, Zhao, Fang,
y Mei, Xiang. 2023. The Effectiveness of
Real-Time AI Tutoring Systems in Enhancing Deep Learning in Higher Education. International Journal of AI in Education
32 (3): 245–260.
Manus IA. 2025. Informe
técnico: Oportunidades y desafíos de la inteligencia artificial generativa en
contextos educativos latinoamericanos. Manus Research & EdTech Initiative. https://manus.im/share/file/e1e32b4a-4916-44e8-946c-95376fe28a5b
Montalbán, Melania.
2025. Un profesor de Barcelona da un punto extra a los alumnos que usen
ChatGPT en los trabajos de la universidad. Infobae, 11 de abril.
Morin, Edgar. 1999. Los
siete saberes necesarios para la educación del futuro. Traducido por
Mercedes Vallejos Gómez. París: Santillana/UNESCO.
OCDE.
2023. Artificial Intelligence and the Future of Skills, Volume 2: Emerging
Trends and Policy Implications. París: OECD Publishing. https://www.oecd.org/publications/artificial-intelligence-and-the-future-of-skills-volume-2-7f6c7f17-en.htm
Price, Anthony y Sakeyarios, Helen. 2024. AI Detection Tools in University Writing Assessment: Efficacy and
Limitations. Higher Education
Assessment Review 29 (2): 115–130.
Sandoval
Casilimas, Carlos Arturo. 1996. Investigación
cualitativa. Bogotá:
Editorial El Búho.
Schophuizen, Marty;
Kelly, Cynthia Utama; Specht,
Marcus y Kalz, Marco. 2023. Enabling Educational Innovation through
Complexity Leadership? Perspectives from
Four Dutch Universities. Tertiary Education and Management 29 (4): 471–490. https://doi.org/10.1007/s11233-022-09105-8
UNESCO. 2020. Educación
inclusiva para el desarrollo sostenible. París: UNESCO Publishing.
Vasilachis de Gialdino, Irene. 2006. Estrategias de investigación
cualitativa. Barcelona: Gedisa.
Vygotsky,
Lev Semiónovich. 1978. Mind in Society: The Development of Higher
Psychological Processes. Cambridge, MA: Harvard
University Press.
Yousafzai,
Malala. 2020. Google Search. https://tinyurl.com/2c63dkzv