Revista de Investigación en Ciencias de la Educación
Vol. 3, No 6, julio - diciembre 2025, 178-189
ISSN: 3073-1461
https://revistasfiecyt.com/index.php/riced
178
Aplicación de la inteligencia artificial en la retroalimentación educativa:
oportunidades y retos en el aula digital
Application of artificial intelligence in educational feedback: opportunities
and challenges in the digital classroom
Dalma Joselyn Játiva Ávila
1
Rocío del Pilar Llumiquinga Loya
2
María Norma Gualotuña Quishpe
3
Pilar de los Angeles Poma Ortiz
4
1
Universidad de Otavalo, Ecuador.
2, 3
Unidad Educativa Municipal Julio Moreno Peñaherrera, Ecuador.
4
Unidad Educativa Municipal Oswaldo Lombeyda, Ecuador.
1
Autor de correspondencia: maicolponcerosero@gmail.com
Datos del artículo:
Recibido: marzo 27, 2025
Aceptado: mayo 10, 2025
Publicación: julio 15, 2025
Palabras clave:
inteligencia artificial,
retroalimentación educativa,
aula digital, inclusión,
autonomía, ética educativa.
Keywords:
artificial intelligence,
educational feedback, digital
classroom, inclusion,
autonomy, educational ethics.
DOI:
https://doi.org/10.53877/phj9
w436
Este artículo está bajo la licencia
Resumen
La retroalimentación constituye un elemento central en los procesos de
enseñanza-aprendizaje, pues orienta a los estudiantes hacia la mejora continua
y favorece el desarrollo de competencias metacognitivas y autorreguladoras.
En el contexto actual, marcado por la digitalización y la expansión de las aulas
virtuales, los docentes enfrentan el reto de ofrecer retroalimentación oportuna,
personalizada y sostenible. Ante este escenario, la inteligencia artificial (IA) se
presenta como una herramienta innovadora que amplía las posibilidades del
feedback educativo. El presente artículo analiza las oportunidades y los retos
de la aplicación de la IA en la retroalimentación del aula digital a partir de una
revisión documental de fuentes académicas y reportes institucionales
publicados entre 2018 y 2024. Los resultados evidencian que la IA permite
ofrecer comentarios inmediatos y adaptados al nivel de cada estudiante,
fomenta la autorregulación del aprendizaje, facilita la inclusión mediante
herramientas de accesibilidad y optimiza el tiempo docente al automatizar
tareas repetitivas. Sin embargo, también se identifican riesgos significativos
relacionados con los sesgos algorítmicos, la falta de transparencia, la amenaza
a la privacidad de los datos, la brecha digital y la posible deshumanización del
proceso educativo. Se concluye que la efectividad de la IA en la
retroalimentación depende de su integración crítica, ética y pedagógica. Se
recomienda avanzar hacia modelos híbridos que combinen la precisión de los
algoritmos con el juicio profesional del docente, acompañados de políticas
educativas claras y programas de formación en competencias digitales. En
definitiva, la IA representa una oportunidad transformadora, siempre que esté
al servicio de una educación más inclusiva, equitativa y humanizadora.
Abstract
Feedback is a central component of teaching and learning processes, as it
guides students toward continuous improvement and fosters the
development of metacognitive and self-regulatory skills. In today’s context,
marked by digitalization and the expansion of virtual classrooms, teachers
face the challenge of providing timely, personalized, and sustainable feedback.
In this scenario, artificial intelligence (AI) emerges as an innovative tool that
broadens the possibilities of educational feedback. This article analyzes the
opportunities and challenges of applying AI in digital classroom feedback
Aplicación de la inteligencia artificial en la retroalimentación educativa: oportunidades y retos en el aula digital
© Fundación Internacional para Educación la Ciencia y la Tecnología, “FIECYT” 179
through a documentary review of academic sources and institutional reports
published between 2018 and 2024. The findings reveal that AI enables the
provision of immediate and tailored comments, promotes self-regulated
learning, supports inclusion through accessibility tools, and optimizes
teachers’ time by automating repetitive tasks. However, significant risks were
also identified, including algorithmic bias, lack of transparency, threats to data
privacy, the digital divide, and the potential dehumanization of the
educational process. It is concluded that the effectiveness of AI in feedback
depends on its critical, ethical, and pedagogical integration. The study
recommends advancing toward hybrid models that combine algorithmic
precision with teachers’ professional judgment, supported by clear
educational policies and continuous training in digital competencies.
Ultimately, AI represents a transformative opportunity, as long as it serves the
purpose of building a more inclusive, equitable, and human-centered
education.
Forma sugerida de citar (APA):
Játiva-Ávila, D. J., Llumiquinga-Loya, R., Gualotuña-Quishpe, M. N. y Poma-Ortiz, P. (2025). Aplicación de
la inteligencia artificial en la retroalimentación educativa: oportunidades y retos en el aula digital. RICEd:
Revista de Investigación en Ciencias de la Educación. 3(6), 178-189. https://doi.org/10.53877/phj9w436
INTRODUCCIÓN
La retroalimentación educativa es un proceso esencial que conecta la enseñanza con el
aprendizaje, pues ofrece a los estudiantes información específica sobre su desempeño,
orientándolos hacia la mejora continua. Al proporcionar evidencias claras de lo logrado y de
lo que falta por alcanzar, se convierte en una herramienta clave para desarrollar la
autorregulación, la metacognición y la motivación intrínseca.
Tradicionalmente, la retroalimentación se ha ofrecido en espacios presenciales
mediante comentarios orales o anotaciones escritas. Aunque valiosa, esta práctica suele ser
episódica y limitada por el tiempo disponible del docente, lo que dificulta sostener un
acompañamiento inmediato y frecuente, especialmente en cursos con alta matrícula o con
diversidad de necesidades.
La literatura pedagógica ha insistido en que la utilidad de la retroalimentación
depende de su claridad, oportunidad y pertinencia. Los comentarios genéricos o tardíos
pierden impacto; en cambio, los que son concretos, oportunos y orientados a metas
alcanzables potencian el aprendizaje significativo y fomentan un clima de aula centrado en la
mejora.
En este escenario, los entornos digitales y el aprendizaje en línea intensifican la
necesidad de nuevas formas de feedback que sean sostenibles y escalables. La inteligencia
artificial (IA) emerge como un recurso con capacidad para complementar —no sustituir— el
acompañamiento docente, ofreciendo respuestas inmediatas y adaptativas.
Avances de la inteligencia artificial en la educación digital
La IA ha pasado de ser un concepto técnico a convertirse en un conjunto de herramientas
presentes en la vida cotidiana y en la educación. En el ámbito pedagógico, se ha materializado
en sistemas de tutoría inteligente, aprendizaje adaptativo, corrección automatizada, análisis
predictivo y asistentes conversacionales que apoyan la interacción y la resolución de dudas.
Estas aplicaciones permiten procesar grandes volúmenes de datos del desempeño
estudiantil y generar recomendaciones personalizadas. En términos de retroalimentación, la
IA facilita comentarios inmediatos, identificando patrones de error, lagunas conceptuales y
Dalma Játiva / Rocío Llumiquinga / María Gualotuña / Pilar Poma
RICEd: Revista de Investigación en Ciencias de la Educación, Vol. 3, No 6, julio - diciembre 2025, 178-189 180
trayectorias de mejora, lo que sería difícil de sostener solo con esfuerzo humano en grupos
numerosos.
Al mismo tiempo, se han desarrollado herramientas accesibles para atender la
diversidad, como lectores de pantalla, traducción automática y simplificadores de textos, que
amplían la posibilidad de ofrecer retroalimentación comprensible para distintos perfiles de
estudiantes.
No obstante, la expansión de la IA trae consigo interrogantes sobre sesgos
algorítmicos, privacidad de datos y riesgo de deshumanización. Comprender estos límites es
crucial para orientar una integración pedagógicamente responsable.
Justificación y relevancia del estudio
Estudiar la aplicación de la IA en la retroalimentación educativa es pertinente porque el
feedback de calidad es uno de los factores con mayor impacto en el aprendizaje. La posibilidad
de convertirlo en un proceso continuo, inmediato y adaptativo constituye una oportunidad
de innovación con efectos directos en la motivación y el desempeño.
La enseñanza en entornos digitales y masivos exige soluciones que garanticen
acompañamiento sin perder pertinencia pedagógica. La IA se perfila como un aliado para
sostener el feedback en escala, pero su aporte depende de condiciones éticas y didácticas que
deben ser explicitadas.
Asimismo, este estudio es relevante por su enfoque equilibrado: no solo explora
oportunidades, sino que también problematiza riesgos que pueden comprometer la equidad
y la dimensión humana del aprendizaje si no se gestionan críticamente.
El objetivo general es analizar oportunidades y retos de la IA en la retroalimentación
del aula digital y proponer lineamientos para una integración efectiva, ética e inclusiva que
fortalezca el rol docente.
La retroalimentación educativa: definición, tipos y principios pedagógicos
La retroalimentación educativa se define como la información que se ofrece al estudiante sobre
su desempeño con el propósito de confirmar aciertos, corregir errores y orientar próximos
pasos. Su valor reside en que transforma la evaluación en un proceso pedagógico continuo y
no en un acto meramente calificador.
Entre sus tipos destacan: (a) la retroalimentación formativa, centrada en la mejora del
proceso; (b) la sumativa, orientada a certificar resultados; y (c) la motivacional, que refuerza
la autoeficacia y el compromiso. En la práctica, suelen combinarse para potenciar tanto el
aprendizaje como la confianza del estudiante.
Los principios que la vuelven efectiva incluyen claridad (comentarios específicos y
comprensibles), oportunidad (proximidad temporal a la tarea), orientaciones de mejora
(sugerencias concretas) y adecuación al nivel de desarrollo del estudiante. Sin estos rasgos, el
feedback pierde su potencial transformador.
En síntesis, una retroalimentación con propósito formativo sitúa al estudiante como
protagonista y a la evaluación como un medio para aprender mejor.
Inteligencia artificial aplicada a la educación: alcances y limitaciones
La IA puede describirse como sistemas capaces de realizar tareas asociadas a la inteligencia
humana: reconocer patrones, aprender de datos, inferir y tomar decisiones. En educación, su
Aplicación de la inteligencia artificial en la retroalimentación educativa: oportunidades y retos en el aula digital
© Fundación Internacional para Educación la Ciencia y la Tecnología, “FIECYT” 181
aplicación abarca la personalización de itinerarios, la generación automática de pistas y la
analítica de aprendizaje.
Entre los alcances sobresale la capacidad para procesar datos a gran escala y ajustar
recomendaciones en tiempo real, lo que habilita experiencias adaptativas difíciles de sostener
solo con intervención humana. También contribuye a optimizar tareas rutinarias del docente
para liberar tiempo hacia la mediación pedagógica.
Sus limitaciones son igualmente relevantes: ausencia de sensibilidad socioemocional,
dependencia de la calidad de los datos de entrenamiento, posibles sesgos y opacidad de los
modelos. Por eso, la IA debe emplearse como apoyo complementario y bajo criterios
pedagógicos y éticos claros.
La retroalimentación mediada por IA en el aula digital
La retroalimentación mediada por IA se concreta cuando algoritmos analizan el desempeño
para generar comentarios, pistas o rutas de mejora. En plataformas adaptativas y tutores
inteligentes, el estudiante recibe señales inmediatas que orientan su siguiente acción de
aprendizaje.
Sus ventajas principales son la inmediatez y la personalización, que favorecen la
autorregulación. Sin embargo, el valor pedagógico depende de que los mensajes sean
comprensibles, pertinentes y respetuosos del contexto de cada estudiante; la eficacia no está
garantizada solo por la automatización.
Ello exige una supervisión docente activa: interpretar reportes, complementar con
feedback cualitativo y asegurar que la experiencia conserve su dimensión humana.
Inmediatez y personalización del feedback
La mayor fortaleza de la IA es ofrecer comentarios en tiempo real, reduciendo el lapso entre
el desempeño y la corrección. Esta proximidad temporal potencia la memoria de trabajo y
facilita el ajuste inmediato de estrategias por parte del estudiante.
Además, la personalización evita recomendaciones genéricas: el sistema adapta el
nivel de dificultad, sugiere recursos y propone ejercicios focalizados de acuerdo con las
necesidades de cada quien. Esto incrementa la motivación y la percepción de apoyo
individualizado.
Detección temprana de dificultades de aprendizaje
La analítica impulsada por IA identifica patrones de error y trayectorias de riesgo. Con estas
señales, el docente puede intervenir de manera oportuna antes de que se consoliden brechas,
diseñando apoyos escalonados y diferenciados.
En contextos con alta matrícula, este tipo de monitoreo permite sostener la atención a
la diversidad y reducir el rezago, algo difícil de lograr únicamente con observación manual.
Optimización del tiempo y recursos docentes
La automatización de tareas repetitivas (corrección objetiva, detección de similitud,
generación de reportes) libera tiempo docente para la planificación didáctica, la tutoría
personalizada y el acompañamiento socioemocional.
Así, la IA funciona como un coproductor del feedback en aspectos mecánicos, mientras
el profesor se concentra en dimensiones de mayor complejidad cognitiva y ética.
Dalma Játiva / Rocío Llumiquinga / María Gualotuña / Pilar Poma
RICEd: Revista de Investigación en Ciencias de la Educación, Vol. 3, No 6, julio - diciembre 2025, 178-189 182
Inclusión y accesibilidad educativa
Herramientas de accesibilidad basadas en IA —lectores de pantalla, subtitulado automático,
simplificación léxica, traducción— amplían la participación de estudiantes con diversas
necesidades y contextos lingüísticos.
La retroalimentación se vuelve más comprensible y oportuna para una población
heterogénea, contribuyendo a una escuela más inclusiva.
Estímulo de la autorregulación y autonomía del estudiante
La retroalimentación mediada por inteligencia artificial (IA) no solo cumple la función de
señalar aciertos y errores, sino que también abre la posibilidad de fomentar procesos de
autorregulación del aprendizaje. Al disponer de indicadores claros sobre su progreso, los
estudiantes adquieren información valiosa para planificar sus próximos pasos, monitorear sus
estrategias y evaluar los resultados obtenidos. Este ciclo de planificación–ejecución–
evaluación fortalece la capacidad de aprender a aprender, un objetivo fundamental de la
educación contemporánea.
Un elemento clave es que la IA proporciona sugerencias personalizadas que se ajustan
al nivel de desempeño individual. De esta manera, los estudiantes no reciben únicamente
correcciones puntuales, sino también rutas de mejora adaptadas a su estilo y ritmo de
aprendizaje. Por ejemplo, un estudiante que presenta dificultades en la comprensión lectora
podría recibir recomendaciones de lecturas graduadas o actividades interactivas específicas,
mientras que otro con alto rendimiento podría acceder a retos más complejos que mantengan
su motivación y eviten la desatención.
La disponibilidad constante de feedback también estimula la autonomía. En lugar de
depender exclusivamente de la intervención del docente, los estudiantes pueden tomar
decisiones informadas sobre cómo avanzar en su proceso formativo. Esto implica un cambio
en la relación tradicional de dependencia hacia una dinámica más horizontal, donde el
alumno asume un papel activo y responsable en la construcción de su conocimiento.
Además, este enfoque promueve el desarrollo de habilidades metacognitivas, ya que
los estudiantes aprenden a reflexionar sobre sus propios procesos de pensamiento. Al analizar
las sugerencias que les brinda la IA, los alumnos desarrollan conciencia de las estrategias que
les funcionan mejor, de sus errores recurrentes y de las formas más efectivas de superarlos.
Esta metacognición resulta clave no solo para mejorar el rendimiento académico inmediato,
sino también para formar aprendices más críticos y reflexivos.
La autorregulación y la autonomía impulsadas por la IA también se relacionan con las
metas de aprendizaje a lo largo de la vida. En un mundo en constante cambio, donde los
conocimientos se renuevan rápidamente, es indispensable que los individuos cuenten con las
competencias necesarias para aprender de manera continua e independiente. La
retroalimentación personalizada y automatizada prepara a los estudiantes para desenvolverse
en este escenario, ya que les proporciona herramientas para gestionar su propio aprendizaje
de forma permanente.
Por otro lado, la evidencia revisada muestra que la retroalimentación mediada por IA
puede contribuir a fortalecer el pensamiento crítico, en la medida en que los estudiantes no
solo reciben información, sino que también deben evaluarla, interpretarla y tomar decisiones
en función de ella. Este proceso crítico evita que el alumno sea un receptor pasivo y lo
convierte en un sujeto activo que cuestiona, compara y valida la información, habilidades
imprescindibles en la sociedad digital.
Aplicación de la inteligencia artificial en la retroalimentación educativa: oportunidades y retos en el aula digital
© Fundación Internacional para Educación la Ciencia y la Tecnología, “FIECYT” 183
El uso de IA en la retroalimentación fomenta un cambio de paradigma: de un estudiante
dependiente de la instrucción externa a un aprendiz autónomo, autorregulado y crítico. Este
giro no solo mejora los resultados inmediatos en el aula digital, sino que también prepara a
los alumnos para enfrentar los desafíos de un aprendizaje permanente en contextos cada vez
más complejos e inciertos.
Retos y riesgos de la retroalimentación mediada por IA
Sesgos algorítmicos y equidad en la evaluación
Los modelos de IA aprenden de datos históricos que pueden contener sesgos culturales,
lingüísticos o socioeconómicos. Si no se auditan, la retroalimentación resultante podría
favorecer a ciertos grupos y desfavorecer a otros, afectando la justicia evaluativa.
La falta de transparencia (cajas negras) dificulta comprender por qué el sistema sugiere
una corrección o asigna cierta calificación, lo que erosiona la confianza y la legitimidad del
proceso.
Privacidad y manejo de datos sensibles
La retroalimentación automatizada exige recopilar información detallada de desempeño,
comportamiento y, a veces, de interacción emocional. Esto plantea riesgos sobre quién accede
a los datos, con qué fines y durante cuánto tiempo se almacenan.
Son imprescindibles políticas claras de protección de datos, minimización de
recolección y transparencia para resguardar la dignidad y seguridad del estudiantado.
Dependencia tecnológica y riesgo de deshumanización
Una delegación excesiva de la retroalimentación en sistemas automáticos puede reducir el
encuentro pedagógico a intercambios técnicos, debilitando la empatía, el reconocimiento y la
motivación intrínseca.
El equilibrio adecuado exige combinar IA para tareas mecánicas con la presencia
docente para la interpretación, el aliento y la contextualización.
Brecha digital y desigualdades de acceso
Persisten asimetrías en conectividad, dispositivos y cultura digital. Si no se contemplan
alternativas, la retroalimentación mediada por IA podría profundizar desigualdades entre
estudiantes y centros educativos.
La política pública y la gestión institucional deben asegurar condiciones mínimas de
acceso y soporte técnico para que nadie quede atrás.
Competencias digitales docentes y resistencia al cambio
La integración de IA demanda competencias técnicas, pedagógicas y éticas: entender cómo
funcionan los algoritmos, interpretar reportes y decidir cuándo y cómo usarlos
didácticamente.
La formación continua y comunidades de práctica ayudan a superar resistencias, a la
vez que consolidan usos críticos y creativos de la tecnología.
Experiencias y casos de aplicación
Dalma Játiva / Rocío Llumiquinga / María Gualotuña / Pilar Poma
RICEd: Revista de Investigación en Ciencias de la Educación, Vol. 3, No 6, julio - diciembre 2025, 178-189 184
Plataformas y herramientas actuales de retroalimentación con IA
Sistemas de corrección asistida como los presentes en diversas plataformas permiten
estructurar comentarios y acelerar la devolución. Detectores de similitud apoyan la integridad
académica y orientan la reescritura responsable.
Los entornos adaptativos ajustan la dificultad y proponen rutas de aprendizaje
personalizadas, generando micro‑feedback continuo que guía el progreso.
Buenas prácticas en contextos escolares y universitarios
En educación básica, tutores inteligentes mejoran el compromiso al ofrecer pistas paso a paso
y ejercicios graduados. En secundaria, la IA apoya en lenguas y matemáticas con análisis
inmediato de errores.
En educación superior, asistentes conversacionales atienden dudas frecuentes y
liberan tiempo docente para la mentoría académica, mientras paneles analíticos informan
sobre participación y progreso.
Lecciones aprendidas y limitaciones observadas
La retroalimentación mediada por IA funciona mejor cuando es complementada por la
intervención humana: el docente interpreta, prioriza y añade sentido pedagógico.
La transparencia algorítmica, la formación docente y el resguardo de datos emergen
como condiciones para sostener impactos positivos y evitar efectos no deseados.
Principios pedagógicos para guiar la retroalimentación con IA
La tecnología debe subordinarse a propósitos educativos claros: mejorar la comprensión,
promover la autonomía y atender la diversidad. Cada herramienta ha de justificarse por su
aporte a metas formativas específicas.
La planificación didáctica define qué componentes automatizar, qué evidencias
recolectar y cómo convertir los datos en decisiones pedagógicas pertinentes.
Rúbricas híbridas: combinación de juicio humano y automatización
Las rúbricas híbridas distribuyen funciones: la IA se encarga de indicadores objetivos
(frecuencia de errores, cobertura de criterios) y el docente evalúa dimensiones cualitativas
(originalidad, argumentación, creatividad).
Este diseño protege la integridad formativa del feedback y aprovecha la eficiencia
tecnológica donde aporta mayor valor.
Formación docente en competencias digitales y éticas
Se requieren programas sistemáticos que integren alfabetización algorítmica básica, análisis
de sesgos, interpretación de analíticas y diseño de experiencias de aprendizaje apoyadas en
datos.
La reflexión ética —privacidad, consentimiento informado, uso proporcional— debe
ser transversal a toda formación.
Políticas educativas y normativas sobre el uso de IA
Aplicación de la inteligencia artificial en la retroalimentación educativa: oportunidades y retos en el aula digital
© Fundación Internacional para Educación la Ciencia y la Tecnología, “FIECYT” 185
Los marcos normativos deben garantizar accesibilidad, transparencia y rendición de cuentas.
Es clave definir estándares de protección de datos, criterios de compra de tecnología y
mecanismos de auditoría.
La política debe también fomentar investigación y pilotos controlados para evaluar
impacto antes de escalar.
MATERIALES Y MÉTODOS
Este trabajo adopta un enfoque cualitativo descriptivo‑analítico mediante revisión
documental. Se analizaron publicaciones académicas (2018–2024), informes institucionales y
experiencias reportadas sobre IA y retroalimentación en educación.
La búsqueda se realizó en Scopus, Web of Science, ERIC, Latindex y Google Scholar
con descriptores en español e inglés. Se priorizaron estudios revisados por pares y
documentos de organismos internacionales por su relevancia y validez.
El procedimiento incluyó: (a) selección de 45 fuentes a partir de un cribado inicial de
80; (b) análisis de contenido con categorías de oportunidades, retos, experiencias y estrategias;
y (c) síntesis interpretativa relacionando hallazgos con marcos teóricos contemporáneos.
RESULTADOS
El análisis documental realizado permitió identificar un conjunto de hallazgos organizados
en torno a cuatro categorías principales: oportunidades, beneficios operativos, desafíos ético-
pedagógicos y condiciones para la integración efectiva. Cada una de estas categorías aporta
elementos clave para comprender el impacto actual y potencial de la inteligencia artificial (IA)
en los procesos de retroalimentación educativa dentro del aula digital.
Oportunidades de la IA en la retroalimentación
Los estudios revisados coinciden en señalar que la IA transforma el feedback en un proceso
más inmediato y personalizado. La posibilidad de que los estudiantes reciban comentarios en
tiempo real, adaptados a su nivel y estilo de aprendizaje, fortalece su motivación y evita la
acumulación de errores no corregidos. Esta inmediatez, unida a la capacidad de adaptación
de los algoritmos, convierte a la retroalimentación en un acompañamiento constante,
superando la limitación tradicional de los tiempos del docente.
Además, la IA amplía las posibilidades de inclusión al facilitar la atención a la
diversidad mediante soportes de accesibilidad. Herramientas como lectores automáticos de
texto, traductores instantáneos, subtitulado en tiempo real o simplificadores de vocabulario
permiten que estudiantes con distintas necesidades educativas o barreras lingüísticas puedan
recibir retroalimentación comprensible y oportuna. Este aspecto resulta fundamental en
contextos heterogéneos donde conviven estudiantes con distintos ritmos y condiciones de
aprendizaje.
Finalmente, se observa que la retroalimentación mediada por IA contribuye a
promover la autorregulación y la autonomía del estudiante. Al recibir indicadores de progreso
claros y recomendaciones personalizadas, los alumnos desarrollan la capacidad de monitorear
sus avances y tomar decisiones de mejora sin depender exclusivamente de la guía constante
del docente.
Beneficios operativos para los docentes
Dalma Játiva / Rocío Llumiquinga / María Gualotuña / Pilar Poma
RICEd: Revista de Investigación en Ciencias de la Educación, Vol. 3, No 6, julio - diciembre 2025, 178-189 186
En el plano de la gestión educativa, la IA ofrece ventajas operativas significativas. La
automatización de procesos como la corrección de pruebas objetivas, la detección de plagio o
la elaboración de reportes estadísticos de rendimiento reduce la carga administrativa que
suele consumir gran parte del tiempo de los profesores. Esto permite que los docentes puedan
redirigir su esfuerzo hacia tareas de mayor valor pedagógico, como el diseño de experiencias
de aprendizaje, la mediación personalizada y la tutoría académica.
De igual forma, los sistemas de analítica impulsados por IA generan informes
detallados del desempeño, lo que facilita la toma de decisiones basada en evidencias. Esta
información no solo permite identificar estudiantes en riesgo académico, sino también
reconocer patrones de éxito que pueden replicarse en otros contextos.
Desafíos ético-pedagógicos
A pesar de sus ventajas, la integración de la IA en la retroalimentación plantea retos
significativos. Entre ellos, los sesgos algorítmicos se presentan como una amenaza recurrente:
si los sistemas son entrenados con datos limitados o poco representativos, la retroalimentación
puede favorecer a unos grupos sobre otros, generando inequidades. Asimismo, la opacidad
de los algoritmos dificulta comprender cómo se generan los resultados, lo que genera
desconfianza tanto en estudiantes como en docentes.
Otro desafío identificado es el riesgo de deshumanización del proceso educativo. La
retroalimentación es, ante todo, una práctica relacional que involucra empatía, motivación y
reconocimiento de la singularidad de cada estudiante. Delegar por completo esta función a
sistemas automatizados podría reducir la interacción pedagógica a un intercambio técnico y
mecánico, afectando la dimensión formativa de la evaluación.
Por último, se identifican tensiones en torno a la privacidad y seguridad de los datos.
El uso intensivo de plataformas que recopilan información detallada del rendimiento
estudiantil plantea preguntas sobre quién controla estos datos, cómo se utilizan y qué
mecanismos existen para proteger la identidad y los derechos digitales de los estudiantes.
Condiciones para la integración efectiva
Los hallazgos evidencian que el éxito de la IA en la retroalimentación no depende únicamente
de la sofisticación de la tecnología, sino de las condiciones de integración en el contexto
educativo. En primer lugar, se requiere una formación docente continua que permita a los
profesores desarrollar competencias digitales y éticas para usar estas herramientas de manera
crítica y pedagógicamente intencional.
En segundo lugar, es indispensable contar con marcos normativos claros que regulen
la protección de datos, aseguren la equidad en el acceso a las tecnologías y promuevan la
transparencia en el funcionamiento de los algoritmos. Sin estas políticas, el uso de la IA corre
el riesgo de generar más desigualdades que beneficios.
Finalmente, se propone avanzar hacia modelos híbridos de retroalimentación, donde
la IA se encargue de los aspectos objetivos y repetitivos, mientras que el docente conserve la
valoración cualitativa y humana. Este enfoque asegura un equilibrio entre la eficiencia
tecnológica y la sensibilidad pedagógica, garantizando que la retroalimentación mantenga su
carácter formativo, inclusivo y humanizador.
Categoría
Hallazgos principales
Implicaciones educativas
Oportunidades
Feedback inmediato y
personalizado; atención a la
diversidad con soportes de
Incrementa motivación, favorece
inclusión y fortalece aprendizajes
autónomos.
Aplicación de la inteligencia artificial en la retroalimentación educativa: oportunidades y retos en el aula digital
© Fundación Internacional para Educación la Ciencia y la Tecnología, “FIECYT” 187
accesibilidad; fomento de la
autorregulación.
Beneficios
operativos para
docentes
Automatización de correcciones,
detección de plagio, reportes de
rendimiento.
Libera tiempo docente, facilita
decisiones pedagógicas basadas
en evidencias.
Desafíos ético-
pedagógicos
Sesgos algorítmicos, opacidad,
deshumanización del proceso,
riesgos de privacidad.
Necesidad de gobernanza
algorítmica, formación crítica y
cuidado de la dimensión humana
de la evaluación.
Condiciones para
la integración
Formación docente continua;
marcos normativos claros; modelos
híbridos (IA + docente).
Integración sostenible, ética y
humanizadora de la tecnología
en la retroalimentación.
DISCUSIÓN
Los hallazgos respaldan la centralidad de la retroalimentación como motor del aprendizaje y
confirman que la inteligencia artificial (IA), cuando se integra de manera crítica y orientada
por principios pedagógicos, puede amplificar su alcance y calidad. Esta constatación coincide
con las propuestas de Black y Wiliam (2018), quienes subrayan que la retroalimentación
oportuna y específica es uno de los factores más influyentes en la mejora del rendimiento
académico. La IA, al reducir el tiempo entre la acción del estudiante y la devolución recibida,
fortalece precisamente este principio, transformando la evaluación en un proceso más
dinámico, continuo y motivador.
En el mismo sentido, la capacidad de la IA para personalizar la retroalimentación se
alinea con los postulados del Diseño Universal para el Aprendizaje (DUA), que promueve
entornos flexibles capaces de atender la diversidad de estilos y ritmos de aprendizaje (CAST,
2018). Sin embargo, la revisión de la literatura muestra que esta personalización solo es
efectiva cuando los mensajes generados por los sistemas son comprensibles, culturalmente
pertinentes y pedagógicamente significativos. De lo contrario, corren el riesgo de convertirse
en reportes técnicos difíciles de interpretar, perdiendo su potencial formativo.
La discusión también evidencia la tensión entre el potencial de la IA y los riesgos ético-
pedagógicos que acompañan su implementación. Los sesgos algorítmicos, la opacidad de los
sistemas y la amenaza a la privacidad de los datos no son problemas secundarios, sino
condiciones estructurales que pueden determinar la justicia o injusticia de los procesos
educativos. En este sentido, la literatura revisada converge en la necesidad de una gobernanza
algorítmica que garantice transparencia, trazabilidad y rendición de cuentas en las
herramientas que se aplican en la educación.
Otro elemento relevante es el riesgo de deshumanización de la retroalimentación.
Aunque la IA es capaz de generar información precisa y rápida, la dimensión emocional,
motivacional y contextual del feedback sigue siendo una tarea irremplazable del docente. El
aprendizaje no se limita a la corrección de errores técnicos, sino que implica acompañamiento,
empatía y construcción de confianza. Por ello, la integración de la IA debe asumirse como un
complemento que amplifica la labor docente y no como un sustituto que la elimina.
Desde esta perspectiva, el rol docente emerge con mayor fuerza. Los profesores no solo
deben interpretar los datos generados por los algoritmos, sino también traducirlos en
orientaciones pedagógicas comprensibles y contextualizadas. Tal como sostienen Fullan y
Langworthy (2014), la innovación educativa auténtica ocurre cuando los docentes asumen un
papel de líderes del cambio, capaces de integrar la tecnología con visión crítica y con un
propósito formativo claro. En otras palabras, la verdadera innovación no consiste en usar IA
Dalma Játiva / Rocío Llumiquinga / María Gualotuña / Pilar Poma
RICEd: Revista de Investigación en Ciencias de la Educación, Vol. 3, No 6, julio - diciembre 2025, 178-189 188
por sí misma, sino en que esta potencie la mirada profesional y la mediación pedagógica del
docente.
La discusión también permite proyectar implicaciones prácticas y políticas. En el plano
institucional, la integración de la IA en la retroalimentación debe ir acompañada de programas
de formación docente continua, que fortalezcan competencias digitales y éticas. En el plano
normativo, se requieren políticas claras que regulen la protección de datos, aseguren la
equidad en el acceso y establezcan criterios de evaluación de la calidad y transparencia de los
sistemas tecnológicos utilizados. Finalmente, en el plano pedagógico, es fundamental
consolidar modelos híbridos de retroalimentación que combinen la eficiencia de la
automatización con la sensibilidad del juicio humano.
En síntesis, la discusión sugiere que el valor de la IA en la retroalimentación educativa
no radica únicamente en sus capacidades técnicas, sino en la manera en que se implementa.
La pregunta central no debería ser solo ¿qué puede hacer la IA?, sino ¿qué debe hacer al
servicio del aprendizaje?. La clave está en mantener un equilibrio: aprovechar la velocidad y
precisión de la tecnología, pero sin perder la centralidad del docente como mediador crítico,
garante de la ética y constructor de experiencias humanizadoras.
CONCLUSIONES
Los hallazgos de este estudio permiten afirmar que la inteligencia artificial (IA) constituye una
oportunidad transformadora para la retroalimentación en el aula digital, pues amplía sus
alcances en términos de inmediatez, adaptabilidad y continuidad. No obstante, su valor
pedagógico no radica únicamente en la sofisticación tecnológica, sino en la capacidad de
integrarla de manera crítica, ética y coherente con los principios de la educación inclusiva y
humanizadora.
En el plano pedagógico, los beneficios identificados son innegables: la posibilidad de
ofrecer feedback inmediato y personalizado fortalece la motivación y la autonomía de los
estudiantes; la capacidad de procesar grandes volúmenes de datos permite anticipar
dificultades y diseñar intervenciones preventivas; y la automatización de tareas
administrativas libera tiempo docente para la mediación y la tutoría personalizada. Estos
aspectos convierten a la IA en una herramienta que, bien implementada, puede contribuir a
la mejora de los aprendizajes y a la construcción de entornos educativos más inclusivos y
dinámicos.
Sin embargo, también es necesario reconocer que la IA no es una panacea. Los riesgos
identificados —sesgos algorítmicos, pérdida de privacidad, brecha digital y deshumanización
del proceso— muestran que la tecnología no es neutral y que su implementación puede
generar desigualdades si no se gestiona de manera responsable. En consecuencia, la respuesta
a estos desafíos debe ser tanto institucional como docente, articulando esfuerzos entre la
política pública, la gestión escolar y la práctica pedagógica.
En este sentido, se recomienda avanzar hacia modelos híbridos de retroalimentación,
donde la IA complemente, pero no sustituya, el juicio humano. Rúbricas mixtas, analítica
interpretada por los docentes y combinación de indicadores cuantitativos y cualitativos son
estrategias que permiten aprovechar la eficiencia tecnológica sin renunciar a la sensibilidad
pedagógica. De igual forma, resulta indispensable fortalecer la formación docente en
competencias digitales y éticas, de modo que los profesores no solo sepan usar estas
herramientas, sino que también puedan analizarlas críticamente, detectar sesgos y orientar su
uso pedagógico.
Por otra parte, la integración de la IA en la retroalimentación exige el establecimiento
de marcos normativos y políticas claras que garanticen transparencia en el funcionamiento de
Aplicación de la inteligencia artificial en la retroalimentación educativa: oportunidades y retos en el aula digital
© Fundación Internacional para Educación la Ciencia y la Tecnología, “FIECYT” 189
los sistemas, accesibilidad para todos los estudiantes y protección de los datos sensibles. Sin
estas condiciones, la aplicación de la IA podría convertirse en un factor de exclusión y control,
en lugar de un recurso de democratización y aprendizaje significativo.
Finalmente, se concluye que el verdadero desafío de la IA en la retroalimentación no
es tecnológico, sino profundamente pedagógico y ético. La innovación solo tendrá sentido si
logra humanizar la evaluación, empoderar a los estudiantes y fortalecer el papel del
profesorado como mediador crítico del aprendizaje. En otras palabras, la tecnología debe estar
al servicio de la educación y no la educación al servicio de la tecnología. La clave del futuro
no será qué tan avanzada sea la IA, sino qué tan capaz sea el sistema educativo de integrarla
en favor de la equidad, la calidad y la formación integral de las personas.
REFERENCIAS BIBLIOGRÁFICAS
Black, P., & Wiliam, D. (2018). Classroom assessment and pedagogy. Assessment in
Education: Principles, Policy & Practice, 25(6), 551–575. https://acortar.link/hQccIO
CAST. (2018). Universal Design for Learning guidelines version 2.2.
http://udlguidelines.cast.org
Fullan, M., & Langworthy, M. (2014). A rich seam: How new pedagogies find deep learning.
Pearson.
Giroux, H. A. (2020). On critical pedagogy. Bloomsbury Publishing.
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and
implications for teaching and learning. Center for Curriculum Redesign.
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An
argument for AI in education. Pearson.
O’Neil, C. (2016). Weapons of math destruction: How big data increases inequality and
threatens democracy. Crown Publishing Group.
OECD. (2021). AI in education: Learners, teachers and tools. OECD Publishing.
Popham, W. J. (2017). Classroom assessment: What teachers need to know (8th ed.). Pearson.
Selwyn, N. (2021). Should robots replace teachers? AI and the future of education. Polity Press.
Shepard, L. A. (2019). Classroom assessment to support teaching and learning. Annals of the
American Academy of Political and Social Science, 683(1), 183–200.
https://acortar.link/RuVJuq
UNESCO. (2021). AI and education: Guidance for policy-makers. United Nations Educational,
Scientific and Cultural Organization.
Williamson, B., & Eynon, R. (2020). Historical threads, missing strands, and future patterns in
AI in education. Learning, Media and Technology, 45(3), 223–235.
https://acortar.link/gPyb6b
Zhang, K., Li, Y., & Chen, L. (2022). Artificial intelligence in education: A review of current
developments and future directions. Journal of Educational Technology & Society,
25(3), 1–15.
