|
|
Revista de Educación Mediática y TIC 2026, 15(2). ISSN 2254-0059 |
RETOS ÉTICOS DEL USO DE LA INTELIGENCIA ARTIFICIAL EN EDUCACIÓN: REVISIÓN SISTEMÁTICA (2020–2025)
ETHICAL CHALLENGES OF ARTIFICIAL INTELLIGENCE IN EDUCATION: A SYSTEMATIC REVIEW (2020–2025)
Elvira Rodríguez Tenorio, María del Carmen Llorente Cejudo & Julio Cabero Almenara
1 https://orcid.org/0009-0001-3035-0066; Universidad de Sevilla; elvrodten@alum.us.es
2 https://orcid.org/0000-0002-4281-928X; Universidad de Sevilla; karen@.us.es
3 https://orcid.org/0000-0002-1133-6031; Universidad de Sevilla; cabero@us.es
*Autor de correspondencia: Elvira Rodríguez Tenorio, elvrodten@alum.us.es
Recibido: 25/11/2025 Aceptado: 19/01/2026 Publicado: 08/07/2026
Resumen: La inteligencia artificial (IA) se ha consolidado en los últimos años como una herramienta clave en el ámbito educativo, favoreciendo la personalización del aprendizaje y la optimización de procesos pedagógicos. Sin embargo, su implementación plantea dilemas éticos relacionados con la privacidad de los datos, la equidad en el acceso, la transparencia de los algoritmos y la rendición de cuentas de los actores implicados. Para analizar de forma sistemática esta problemática, se llevó a cabo una revisión de la literatura publicada entre 2020 y 2025 en bases de datos de reconocido impacto (Scopus, Web of Science, ERIC, Dialnet y Google Scholar), siguiendo la metodología PRISMA. Tras aplicar criterios de inclusión y exclusión definidos, se seleccionaron 28 estudios para su análisis. Los resultados evidencian seis preocupaciones recurrentes: privacidad y protección de datos, sesgos algorítmicos, falta de transparencia, responsabilidad difusa, riesgo de deshumanización del proceso educativo y ampliación de la brecha digital. Asimismo, se constató la ausencia de marcos éticos compartidos y de instrumentos empíricos validados para evaluar estas cuestiones. Se concluye que resulta imprescindible avanzar en políticas educativas, programas de formación docente y herramientas de evaluación que promuevan un uso ético, inclusivo y socialmente responsable de la IA en la educación.
Abstract: Artificial Intelligence (AI) has recently emerged as a key driver of educational innovation, supporting personalized learning and optimizing teaching processes. However, its integration raises major ethical challenges, including data privacy, equitable access, algorithmic transparency, and accountability. To examine this issue rigorously, a systematic review of literature published between 2020 and 2025 was conducted in high-impact databases (Scopus, Web of Science, ERIC, Dialnet, and Google Scholar), following PRISMA guidelines. After applying predefined inclusion and exclusion criteria, 28 studies were selected for analysis. The results reveal six recurrent concerns: data protection, algorithmic bias, lack of transparency, unclear accountability, the risk of educational dehumanization, and the widening digital divide. In addition, the review highlights the lack of shared ethical frameworks and the scarcity of validated empirical tools to evaluate these challenges. The study concludes that it is necessary to develop educational policies, teacher training programs, and assessment instruments that ensure the ethical, inclusive, and socially responsible use of artificial intelligence in education.
Résumé: L’intelligence artificielle (IA) s’est imposée ces dernières années comme un outil essentiel dans le domaine éducatif, en favorisant la personnalisation des apprentissages et l’optimisation des processus pédagogiques. Toutefois, son intégration soulève d’importants défis éthiques liés à la confidentialité des données, à l’équité d’accès, à la transparence des algorithmes et à la responsabilité des acteurs impliqués. Afin d’examiner cette problématique de manière rigoureuse, une revue systématique de la littérature publiée entre 2020 et 2025 a été réalisée dans des bases de données de haut impact (Scopus, Web of Science, ERIC, Dialnet et Google Scholar), conformément aux directives PRISMA. Après l’application de critères de sélection prédéfinis, 28 études ont été retenues pour analyse. Les résultats mettent en évidence six préoccupations récurrentes : protection des données personnelles, biais algorithmiques, manque de transparence, responsabilité diffuse, risque de déshumanisation éducative et aggravation de la fracture numérique. La revue souligne également l’absence de cadres éthiques communs et la rareté d’outils empiriques validés pour évaluer ces enjeux. L’étude conclut qu’il est nécessaire de développer des politiques éducatives, des programmes de formation des enseignants et des instruments d’évaluation afin de promouvoir une utilisation éthique, inclusive et socialement responsable de l’intelligence artificielle en éducation.
Palabras Clave: Ética; Inteligencia artificial; Educación; Revisión sistemática
Key words: Ethics; Artificial intelligence; Education; Systematic review
Mots clés: Éthique; Intelligence artificielle; Éducation; Revue systématique
INTRODUCCIÓN
La inteligencia artificial (IA) se ha consolidado como uno de los avances tecnológicos más influyentes de la era contemporánea. Su capacidad para procesar grandes volúmenes de datos, identificar patrones complejos y generar respuestas adaptativas ha impulsado su expansión en múltiples ámbitos, desde la salud y la industria hasta la educación (Clemente Alcocer et al., 2024; Unión Europea, 2022). En el contexto educativo, la IA posee un notable potencial transformador al favorecer la personalización del aprendizaje, la innovación pedagógica y la mejora de la gestión institucional.
La creciente digitalización de los sistemas educativos y el desarrollo de entornos virtuales de aprendizaje han acelerado su adopción en todos los niveles formativos. La IA educativa ya no es un experimento, sino una realidad presente en plataformas y recursos utilizados por docentes y estudiantes, consolidándose como un campo prioritario de investigación e innovación (Bustamante Bula & Camacho Bonilla, 2024).
La irrupción de la IA generativa en 2022 (con herramientas como ChatGPT, Gemini o Copilot) marcó un punto de inflexión, al democratizar el acceso a modelos capaces de producir texto, imágenes o código. Su rápida incorporación a las aulas ha intensificado el debate sobre las oportunidades y riesgos pedagógicos asociados (Francis et al., 2025; Stavroulakis et al, 2025).
La inteligencia artificial en el ámbito educativo
El interés por la IA en educación responde a su potencial para atender la diversidad, proporcionar retroalimentación inmediata y reducir la carga administrativa del profesorado. Estas herramientas permiten personalizar itinerarios formativos, recomendar actividades, optimizar evaluaciones y ofrecer apoyos adaptativos a estudiantes con necesidades específicas (UNESCO, 2024; Paguay-Simbaña et al., 2024).
Su uso se ha extendido también a la educación primaria y secundaria, donde contribuye al refuerzo de competencias básicas y al aprendizaje de idiomas. La analítica de aprendizaje (learning analytics) facilita detectar patrones de rendimiento, anticipar el abandono y apoyar la toma de decisiones institucionales (González Villegas et al., 2024).
Asimismo, la IA promueve la inclusión educativa mediante herramientas como subtitulado en tiempo real, traducción automática o audiodescripción, ampliando el acceso a la educación para personas con discapacidad y reforzando el principio de equidad de la Agenda 2030 (UNESCO, 2021).
El auge de la IA generativa ha introducido nuevas formas de interacción y aprendizaje autónomo, al tiempo que obliga a redefinir el papel docente y la mediación pedagógica en entornos donde la tecnología asume parte de la guía del aprendizaje.
Beneficios y desafíos de la IA en educación
La literatura subraya el potencial de la IA para mejorar la eficiencia, apoyar decisiones basadas en datos y ofrecer experiencias personalizadas (Paguay-Simbaña et al., 2024; Martínez Molina, 2024). Se la considera una aliada estratégica para avanzar hacia sistemas educativos flexibles e inclusivos.
Sin embargo, este progreso viene acompañado de riesgos éticos: la vulneración de la privacidad, la reproducción de sesgos algorítmicos, la falta de transparencia en las decisiones automatizadas y la dependencia tecnológica son temas recurrentes (Holmes et al., 2022; Williamson & Eynon, 2020; Zawacki-Richter et al., 2019).
Estos dilemas reflejan la tensión entre la innovación y la responsabilidad ética. Además, gran parte de la investigación sigue siendo teórica o exploratoria, con escasa validación empírica y pocas evidencias longitudinales (Memarian & Doleck, 2023; Ortega-Bolaños et al., 2024), lo que limita la consolidación de buenas prácticas transferibles.
Marcos internacionales y dispersión conceptual
La expansión de la IA ha llevado a organismos internacionales a formular directrices éticas. La UNESCO (2021, 2024) promueve su desarrollo bajo principios de equidad, transparencia y supervisión humana, mientras que la Comisión Europea incluye la educación entre los sectores de alto riesgo en la propuesta del AI Act, exigiendo mayor fiabilidad y rendición de cuentas (Unión Europea, 2022).
Pese a estos avances, en el ámbito académico persiste una falta de consenso. Algunos autores adoptan marcos de bioética clásica (autonomía, beneficencia, justicia), otros enfoques socio-críticos centrados en equidad y justicia social, y otros se apoyan en las recomendaciones de organismos como la UNESCO u OCDE (Nguyen et al., 2022; Alonso-Rodríguez, 2024). Esta diversidad, aunque enriquecedora, dificulta la comparación entre estudios y la aplicación práctica de los marcos éticos, reforzando la necesidad de revisiones integradoras que sistematicen el debate.
Justificación y objetivos del estudio
Ante esta situación, resulta necesario sintetizar el conocimiento existente para clarificar tendencias y vacíos. Las revisiones sistemáticas permiten realizar este análisis de forma rigurosa y replicable (Page et al., 2021).
El presente trabajo analiza la literatura publicada entre 2020 y 2025 sobre ética e inteligencia artificial en educación, con los siguientes objetivos:(a) identificar los principales dilemas éticos abordados,(b) examinar los marcos teóricos y metodologías propuestos, y (c) detectar vacíos de investigación que obstaculizan un desarrollo ético y sostenible.
En conjunto, este estudio busca contribuir a la construcción de un marco crítico que oriente a investigadores y responsables institucionales en el diseño de políticas y estrategias para un uso ético, inclusivo y socialmente responsable de la inteligencia artificial en educación.
MÉTODO
Diseño de la investigación: Revisión sistemática
El estudio adopta una revisión sistemática de la literatura, con el propósito de identificar, analizar y sintetizar la producción científica sobre el uso ético de la inteligencia artificial (IA) en el ámbito educativo. Este enfoque integra evidencias dispersas para ofrecer una visión global de las preocupaciones éticas, marcos normativos, herramientas de evaluación y desafíos investigativos relacionados con la IA en educación.
La investigación siguió la metodología PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses), reconocida por su rigor y transparencia en la planificación, ejecución y presentación de revisiones (Page et al., 2021). El proceso contempló la definición de objetivos, criterios de inclusión y exclusión, estrategia de búsqueda, selección y evaluación de estudios, y síntesis de resultados.
La aplicación de PRISMA garantiza la fiabilidad, validez y replicabilidad del proceso, aspectos especialmente relevantes en el ámbito educativo dada la diversidad metodológica y contextual del campo. Se diseñó un protocolo de búsqueda con criterios definidos para recuperar los estudios más relevantes publicados entre 2020 y febrero de 2025, en español o inglés, indexados en bases de datos de alto impacto.
Criterios de inclusión y exclusión
Para asegurar la relevancia y calidad de los estudios analizados, se establecieron criterios de selección basados en su pertinencia temática, temporal y metodológica. Se incluyeron investigaciones publicadas entre enero de 2020 y febrero de 2025, periodo que refleja la expansión de la IA en educación y el creciente interés por sus implicaciones éticas.
Se consideraron publicaciones en español e inglés, tanto artículos revisados por pares como informes académicos o institucionales, siempre que abordaran de forma explícita el uso ético de la IA en el ámbito educativo.
Se excluyeron documentos sin acceso completo o centrados exclusivamente en aspectos técnicos del desarrollo de la IA, sin conexión con la educación o sin enfoque ético. Esta estrategia permitió garantizar una muestra actual, pertinente y coherente con los objetivos del estudio. Por último, se incluyeron exclusivamente artículos científicos publicados en revistas e informes, excluyéndose otros tipos de documentos (p. ej., capítulos de libro, actas de congres, etc.).
Estrategia de búsqueda y bases de datos consultadas
La búsqueda se diseñó para garantizar una recuperación exhaustiva y precisa de los estudios sobre el uso ético de la inteligencia artificial (IA) en educación. Se emplearon operadores booleanos para combinar términos clave y sinónimos vinculados con ética, IA y educación.
Se consultaron cinco bases de datos (Scopus, Web of Science (WOS), ERIC, Dialnet y Google Scholar) seleccionadas por su cobertura, prestigio y diversidad geográfica. La búsqueda se limitó a documentos publicados entre 2020 y febrero de 2025, en español o inglés.
Entre las fórmulas de búsqueda más representativas, se empleó la siguiente estructura:
("ethics" OR "moral" OR "responsibility") AND ("artificial intelligence" OR "AI" OR "machine learning") AND ("education" OR "educational setting" OR "teaching and learning" OR "higher education") AND ("use" OR "implementation" OR "adoption")
En Scopus y WOS se filtró por tipo de documento (artículos e informes) y campos (título, resumen y palabras clave). En Google Scholar se revisaron manualmente los 150 primeros resultados por relevancia, siguiendo la recomendación de Haddaway et al. (2015). En ERIC y Dialnet se aplicaron filtros temáticos y de idioma.
Esta estrategia permitió recuperar una muestra representativa y actualizada de la literatura científica, cumpliendo los criterios metodológicos establecidos para esta revisión sistemática.
Proceso de selección de estudios (Diagrama PRISMA)
El proceso de selección siguió el modelo PRISMA 2020, que garantiza trazabilidad y fiabilidad en la revisión (Page et al., 2021). El objetivo fue identificar y depurar los estudios más relevantes sobre el uso ético de la IA en educación, publicados entre enero de 2020 y febrero de 2025, en español o inglés.
La búsqueda se realizó en cinco bases de datos (Google Scholar, ERIC, Scopus, Dialnet y Web of Science) aplicando las fórmulas definidas y filtros por fecha, idioma y tipo de documento. Los registros obtenidos fueron:
- Google Scholar > 115 000 (revisados 150),
- ERIC 460, Scopus 332, Dialnet 22 y WOS 25.
Dado el gran volumen y la heterogeneidad de Google Scholar, se revisaron solo los 150 primeros resultados, siguiendo la recomendación de Haddaway et al. (2015) para mantener la eficiencia sin perder calidad.
De los 989 registros
iniciales, se evaluaron 759 tras eliminar duplicados. La eliminación de
duplicados se realizó mediante una función de detección de duplicados
disponible en la herramienta utilizada para la gestión de referencias,
complementada con una revisión manual por coincidencia de título, autoría y año
de publicación, con el fin de garantizar la depuración del conjunto inicial. En
la etapa de cribado, realizada por una única revisora, para reducir el sesgo,
se aplicaron criterios previamente definidos y se efectuó una segunda
comprobación de los estudios dudosos al finalizar cada fase. En esta fase se
excluyeron 670 por no cumplir los criterios temáticos, metodológicos o de
accesibilidad. Los 89 artículos revisados a texto completo se redujeron a 28
finales, tras descartar 61 por:
No cumplen con los criterios de resultado (n = 29): muchos de estos estudios se
centran en indicadores institucionales, rendimiento en áreas no relacionadas o
resultados no alineados con las preguntas de investigación.
- Diseño metodológico inadecuado (n = 11): estudios con enfoque descriptivo, sin grupos de comparación o sin rigor para establecer relaciones válidas ya que no abordaban de manera directa la dimensión ética vinculada a la IA en educación o no aportaban evidencia relevante para responder a los objetivos de la revisión..
- Acceso al texto completo no disponible (n = 9): pese a los intentos de obtención por vías alternativas, no fue posible acceder al contenido íntegro de estos documentos.
- Calidad metodológica insuficiente (n = 12): según listas de verificación (como la de Cochrane), estos estudios presentaban sesgos graves, pérdidas de datos, falta de replicabilidad o análisis inadecuados.
Finalmente, 28 estudios conformaron la síntesis cualitativa. El diagrama PRISMA (Figura 1) ilustra el proceso desde la identificación inicial hasta la inclusión final.
Figura
1. Diagrama de flujo del proceso de selección de estudios según PRISMA. Fuente: Elaboración propia
adaptada del modelo PRISMA 2020 (Page et al., 2021).
RESULTADOS
Caracterización general de los estudios seleccionados
En total, como se indica anteriormente, se incluyeron 28 artículos para el análisis final tras aplicar los criterios de inclusión y exclusión establecidos en la metodología. La Tabla 1 presenta la matriz bibliográfica resumida con los elementos clave de cada estudio: título, autoría, año de publicación, objetivo principal, metodología utilizada y base de datos de origen. Todos los artículos están disponibles en acceso abierto, lo cual garantiza la transparencia y reproducibilidad del análisis realizado. Para la extracción de la información se elaboró una matriz bibliográfica en la que se recogieron, entre otros aspectos, la autoría, el año de publicación, los objetivos del estudio, el diseño metodológico y los principales hallazgos. Asimismo, cuando fue posible, se tuvo en cuenta el contexto general de la investigación, atendiendo a la información proporcionada por los propios autores.
Tabla 1. Matriz bibliográfica. Fuente: Elaboración propia adaptada del modelo PRISMA 2020 (Page et al., 2021).
|
N.º |
Título del Estudio |
Autor/a(s) y año |
DOI |
Objetivo del Estudio |
Diseño / Tipo de Estudio |
|
1 |
D. Schiff (2022) |
https://doi.org/10.1007/s40593-021-00270-2 |
Análisis de políticas nacionales sobre la IA en educación |
Revisión de políticas |
|
|
2 |
Emerging challenges in AI and the need for AI ethics education |
JBorenstein & A Howard (2021) |
https://doi.org/10.1007/s43681-020-00002-7 |
Descripción de los enfoques éticos de la IAEd |
Investigación cualitativa |
|
3 |
Why and how to embrace AI such as ChatGPT in your academic life |
Lin, ZC (2023) |
Integrar la IA en la vida académica |
Perspectiva teórica |
|
|
4 |
Ethical principles for artificial intelligence in K-12 education. |
Adams, C., Pente, P., Lemermeyer, G. & Rockwell, G. (2023) |
Identificar diferentes aspectos de la ética en la IAEd |
Análisis cualitativo |
|
|
5 |
AI's empathy gap: The risks of conversational Artificial Intelligence for young children's well-being and key ethical considerations for early childhood education and care |
Kurian, Nomisha (2025) |
https://doi.org/10.1177/14639491231206004 |
Analizar preocupaciones éticas y sociales sobre la IAEds |
Investigación cualitativa |
|
6 |
Ethics of AI in education: Towards a community-wide framework. International Journal of Artificial Intelligence in Education |
Holmes, W., Porayska-Pomsta, K., Holstein, K., Sutherland, E., Baker, T., Shum, S. B. & Koedinger, K. R. (2022) |
https://doi.org/10.1007/s40593-021-00239-1 |
Mitigar riesgos del uso de la IA en educación |
Revisión sistemática |
|
7 |
More than" If Time Allows" the role of ethics in AI education. |
Garrett, N., Beard, N. & Fiesler, C.(2020) |
Análisis del papel ético de la IAEd |
Investigación cualitativa |
|
|
8 |
Artificial intelligence in education: Addressing ethical challenges in K-12 settings. |
Akgun, S., y Greenhow, C (2022) |
https://doi.org/10.1007/s43681-021-00096-7 |
Abordar desafíos éticos de la IAEd y presentar recursos |
Enfoque teórico |
|
9 |
The Use of Al in Education: Practicalities and Ethical Considerations |
Reiss, M. J. (2021) |
Explorar los desafíos éticos de la IAEd |
Investigación cualitativa |
|
|
10 |
Fairness, Accountability, Transparency, and Ethics (FATE) in Artificial Intelligence (AI) and higher education: A systematic review. |
Memarian, B., & Doleck, T. (2023) |
Investigar sobre justicia, rendición de cuentas, transparencia y ética en la IA en Educación Superior |
Revisión sistemática |
|
|
11 |
Artificial intelligence and teachers’ new ethical obligations |
Adams, C., Pente, P., Lemermeyer, G., Turville, J., & Rockwell, G. (2022) |
Integración ética de la IAEd en los docentes |
Cualitativa |
|
|
12 |
Integrating AI in education: Opportunities, challenges, and ethical considerations. |
Eden, C. A., Chisom, O. N., & Adeniyi, I. S (2024). |
Orientación de consideraciones éticas para la IAEd |
Revisión literaria |
|
|
13 |
Generative AI in Higher Education: Balancing Innovation and Integrity |
Francis, NJ; Jones, S and Smith, DP (2025) |
Análisis de las oportunidades y riesgos de sesgo de la GEN-IA |
Revisión literaria |
|
|
14 |
The ethics of artificial intelligence in education. |
Holmes, W., & Porayska-Pomsta, K (2023) |
Proponer marco ético común |
Revisión teórica |
|
|
15 |
Khan, S., Mazhar, T., Shahzad, T., Saeed, M.M., Hamam, H. (2025) |
Proponer integración sostenible de la IAEd en el currículo |
Discusión conceptual |
||
|
16 |
Assessment of AI ethical reflection: the development and validation of the AI ethical reflection scale (AIERS) for university students |
Ziying Wang , Ching-Sing Chai , Jiajing Li and Vivian Wing Yan Lee (2025) |
Creación escala AIERS |
Investigación mixta sobre creación |
|
|
17 |
Navigating the landscape of AI literacy education: insights from a decade of research (2014–2024) |
Yang, Y., Zhang, Y., Sun, D., He, W., Wei, Y. (2025) |
https://doi.org/10.1186/s41239-025-00519-z |
Cartografiar sobre la alfabetización de la IAEd |
Análisis bibliométrico |
|
18 |
Artificial Intelligence (AI) integration in Rural Philippine Higher Education: Perspectives, challenges, and ethical considerations |
Villarino, Resti Tito H(2025) |
Percepción ética de la integración de la IAEd en educación superior |
Investigación de enfoque mixto |
|
|
19 |
Generative AI Tools in Salvadoran Higher Education: Balancing Equity, Ethics, and Knowledge Management in the Global South |
Tizziana Valdivieso ,Oscar González (2025) |
Integración de IAG en educación superior |
Investigación mixta |
|
|
20 |
Ethical principles for artificial intelligence in K-12 education |
Catherine Adams , Patti Pente , Gillian Lemermeyer, Geoffrey Rockwell (2023) |
Identificar y categorizar principios éticos de la IAEd |
Análisis sistemático |
|
|
21 |
Applying the ethics of AI: a systematic review of tools for developing and assessing AI‑based systems |
Ricardo Ortega‑Bolaños Joshua Bernal‑Salcedo Mariana Germán Ortiz Julian Galeano Sarmiento Gonzalo A. Ruz Reinel Tabares‑Soto (2024) |
https://doi.org/10.1007/s10462-024-10740-3 |
Buscar existencia de herramientas éticas de IA |
Revisión sistemática |
|
22 |
Ethical principles for artificial intelligence in education |
Andy Nguyen, Ha Ngan Ngo, Yvonne Hong, Belle Dang, Bich-Phuong Thi Nguyen (2022) |
Explorar existencia consenso global de la IAEd ética |
Investigación cualitativa |
|
|
23 |
AI literacy for ethical use of chatbot: Will students accept AI ethics? |
Yusuke Kajiwara, Kouhei Kawabata (2024) |
Alfabetización de la IAEd y su uso ético |
Investigación mixta |
|
|
24 |
Ethical framework for AI education based on large language models |
Yuyang Yan, Hui Liu (2024) |
Explicación de mecanismos de la IA |
Explicación teórica |
|
|
25 |
La inteligencia artificial y la educación. Retos y oportunidades desde una perspectiva ética |
Paola Dellepiane, Patricia Guidi (2023) |
Identificar retos y oportunidades éticas sobre IAEd |
Ensayo |
|
|
26 |
Ética y Responsabilidad en la Implementación de la Inteligencia Artificial en la Educación |
Mora Naranjo , Blanca Maribel, Aroca Izurieta, Carlos Enrique, Tiban Leica, Luis Ricardo, Sánchez Morrillo, Carlos Fernando;Jiménez Salazar, Andrea (2023) |
https://doi.org/10.37811/cl_rcm.v7i6.8833 |
Implementación de la IAEd de manera responsable |
Investigación mixta |
|
27 |
Reflexiones sobre la ética, potencialidades y retos de la Inteligencia Artificial en el marco de la Educación de Calidad (ODS4) |
Jesús-Miguel , Flores-Vivar, Francisco-José García-Peñalvo (2023) |
https://doi.org/10.3916/C74-2023-03 |
Reflexión sobre el uso de la IAEd |
Revisión documental y análisis reflexivo |
|
28 |
El uso ético y moral de la inteligencia artificial en educación e investigación |
Raúl Gómez,Alejandro Fuentes, Aristeo Castro (2024) |
Uso ético de la IA en educación. |
Perspectiva teórica |
Distribución por idioma y contexto de los estudios
De los 28 artículos seleccionados, 24 fueron escritos en inglés (85,7%) y 4 en español (14,3%), lo cual refleja la prevalencia del inglés como idioma dominante en la producción científica sobre IA en el ámbito educativo. Esta distribución se alinea con tendencias previamente reportadas en revisiones sistemáticas del área.
Figura 2. Distribución de idiomas. Fuente: Elaboración propia.
Esta distribución lingüística se encuentra estrechamente vinculada al contexto geográfico de los estudios analizados. En este sentido, los resultados muestran una clara concentración de investigaciones desarrolladas en países de tradición anglosajona, principalmente Estados Unidos, Reino Unido, Canadá y Australia, así como en algunos países europeos. Por el contrario, se observa una presencia significativamente menor de estudios procedentes de contextos de América Latina, África y Asia, lo que limita la diversidad de enfoques y condiciona el alcance global de los marcos éticos predominantes en la literatura revisada.
Distribución temporal
Los artículos abarcan un periodo comprendido entre el 2020 y febrero del 2025. La Figura 3 muestra la evolución anual del número de publicaciones seleccionadas. Se observa un incremento progresivo a partir del primer año, alcanzando su punto máximo en 2023 con 8 publicaciones. Igualmente, observamos que pese a solo cubrir dos meses de 2025 hay un alto creciente, lo que sugiere un crecimiento reciente del interés científico en las implicaciones éticas de la IA educativa, posiblemente impulsado por el auge de herramientas como ChatGPT, Gemini o Copilot en el entorno académico.
Figura 3. Publicaciones por año. Fuente: Elaboración propia.
Diseño metodológico de los estudios
En cuanto al diseño de investigación, los 28 estudios analizados muestran una clara predominancia de enfoques cualitativos, seguidos por revisiones sistemáticas o integradoras, y por estudios de tipo mixto y, no hemos obtenido ninguna investigación puramente cuantitativa.
En concreto:
- Quince presentan un enfoque cualitativo, centrado en el análisis crítico, la reflexión ética o la elaboración de marcos teóricos sobre la IA educativa (por ejemplo, Schiff, 2022; Holmes & Porayska-Pomsta, 2023; Swindell et al., 2024).
- Nueve fueron clasificados como revisiones sistemáticas o integradoras. Aunque metodológicamente diferenciadas, muchas de ellas presentan una orientación cualitativa en la forma en que interpretan y agrupan la evidencia (por ejemplo, Memarian & Doleck, 2023; Bond et al., 2024), lo que justifica en parte su cercanía epistemológica con los estudios cualitativos.
- Cinco adoptan un enfoque mixto o de validación de instrumentos, combinando análisis cualitativo y cuantitativo, por ejemplo, en la evaluación de escalas o percepciones del alumnado (Wang et al., 2025; Cherner et al., 2025).
Figura
4. Tipo de diseño metodológico. Fuente: Elaboración propia.
Principales preocupaciones éticas identificadas
El análisis de los veintiocho estudios incluidos permitió identificar varias preocupaciones éticas recurrentes sobre el uso de la inteligencia artificial (IA) en educación. Una de las más destacadas es la privacidad y protección de datos personales. La creciente recopilación y análisis de información sensible del alumnado plantea riesgos en materia de confidencialidad, seguridad y consentimiento informado, sobre todo en contextos con normativas aún incipientes (Holmes et al., 2022; UNESCO, 2021). Este problema se agrava con la IA generativa, que requiere grandes volúmenes de datos para su entrenamiento, aumentando la posibilidad de uso indebido y vulneración de derechos.
Asimismo, la literatura advierte sobre los sesgos algorítmicos y la discriminación derivada de bases de datos que reflejan desigualdades sociales. Factores como género, etnia o nivel socioeconómico pueden influir en las recomendaciones de los sistemas, comprometiendo la equidad educativa (Zawacki-Richter et al., 2019; Valdivieso & González, 2025). Esta reproducción de desigualdades, bajo una apariencia de neutralidad tecnológica, perpetúa la exclusión educativa.
Otra preocupación destacada es la falta de transparencia y explicabilidad. La opacidad de los algoritmos (las denominadas “cajas negras”) impide que docentes y estudiantes comprendan los criterios de decisión, debilitando la confianza y dificultando el control crítico sobre estas herramientas (Nguyen et al., 2022; Memarian & Doleck, 2023).
También persiste el dilema de la responsabilidad y rendición de cuentas. Cuando la IA interviene en procesos como la evaluación o la selección de recursos, resulta complejo determinar quién asume las consecuencias de errores o sesgos. Esta ambigüedad entre desarrolladores, instituciones y profesorado constituye un desafío ético central (Ferrer, 2021; Alonso-Rodríguez, 2024).
La posible deshumanización del proceso educativo es otra línea de preocupación. Delegar en exceso funciones pedagógicas en sistemas automatizados puede reducir la interacción personal y la dimensión relacional del aprendizaje, afectando la naturaleza social de la educación (Williamson & Eynon, 2020).
Finalmente, se destaca la brecha digital y la desigualdad de acceso. La implementación de IA exige recursos y competencias que no todos los contextos poseen, lo que puede incrementar la exclusión educativa (UNESCO, 2024; Paguay-Simbaña et al., 2024). En lugar de democratizar la educación, la IA podría profundizar las desigualdades existentes.
En conjunto, estas preocupaciones evidencian que la ética de la IA en educación trasciende lo técnico y se vincula con la protección de derechos y la equidad de los sistemas educativos.
Marcos teóricos y metodológicos empleados
Más allá de las preocupaciones identificadas, el análisis del corpus de artículos permitió examinar los marcos teóricos y metodológicos que se han utilizado para abordar la ética de la IA en educación. En este ámbito se observa una notable heterogeneidad. Una parte de la literatura adopta los principios de la bioética —autonomía, beneficencia, justicia y no maleficencia— como marco de referencia para la evaluación de estas tecnologías (Holmes et al., 2022). Otra corriente se apoya en enfoques socio-críticos, en los que la equidad y la justicia social se convierten en criterios fundamentales para valorar el impacto de la IA en la enseñanza y el aprendizaje (Valdivieso & González, 2025). Finalmente, varios trabajos recurren a marcos normativos internacionales, tomando como referencia las directrices de la UNESCO (2021, 2024) y la propuesta de la Comisión Europea (2022) sobre la Ley de Inteligencia Artificial.
En cuanto a los enfoques metodológicos, la revisión evidencia que predominan los estudios teóricos y reflexivos, orientados a problematizar los dilemas éticos desde la filosofía de la educación o desde la perspectiva de los estudios sociales de la ciencia y la tecnología (STS). En cambio, los trabajos de carácter empírico son todavía minoritarios. Entre los pocos hallazgos de este tipo se encuentran experiencias piloto y validaciones iniciales de instrumentos en contextos concretos (Ortega-Bolaños et al., 2024; González Villegas et al., 2024). Este desequilibrio entre lo teórico y lo empírico confirma el carácter incipiente del campo y la necesidad de avanzar hacia metodologías más robustas que permitan contrastar las propuestas conceptuales en escenarios educativos reales.
Vacíos de investigación identificados
La revisión permitió detectar también una serie de vacíos significativos que limitan la consolidación del campo de estudio. En primer lugar, la escasez de investigaciones empíricas aplicadas constituye una de las principales carencias, ya que la mayoría de los trabajos no evalúa de manera directa el impacto de la IA en las aulas. Esta situación se ve agravada por la ausencia de instrumentos validados que permitan medir la dimensión ética de estas tecnologías, lo que dificulta la comparación de resultados y la construcción de evidencias sólidas.
En segundo lugar, se constató una marcada concentración geográfica de la producción científica, con predominio de investigaciones realizadas en contextos anglosajones y una presencia reducida de estudios en América Latina, África o Asia. Esta distribución desigual limita la aplicabilidad universal de los marcos éticos propuestos y refuerza la necesidad de diversificar los contextos de análisis (Valdivieso & González, 2025).
Por último, se observó una dispersión conceptual y metodológica que impide consolidar un marco común de referencia. La coexistencia de enfoques bioéticos, socio-críticos y normativos genera una riqueza de perspectivas, pero también una falta de consenso que dificulta la transferencia de resultados a políticas educativas y prácticas docentes.
En síntesis, los resultados muestran que la investigación académica ha logrado identificar preocupaciones éticas fundamentales, pero que aún carece de los marcos conceptuales compartidos y de la evidencia empírica suficiente para evaluar con rigor las implicaciones de la inteligencia artificial en educación.
DISCUSIÓN
Los resultados de esta revisión sistemática confirman que las preocupaciones éticas asociadas al uso de la inteligencia artificial (IA) en educación constituyen un campo de investigación emergente, caracterizado por la pluralidad de enfoques teóricos y por una tensión constante entre las promesas de innovación pedagógica y los riesgos sociales y éticos que estas tecnologías conllevan. La identificación de la privacidad de los datos, los sesgos algorítmicos, la falta de transparencia, la indefinición de responsabilidades, la deshumanización del proceso educativo y la brecha digital como ejes centrales coincide con los hallazgos de revisiones previas (Holmes et al., 2022; Zawacki-Richter et al., 2019), lo que pone de manifiesto la persistencia de dilemas estructurales que aún no han sido resueltos de manera satisfactoria.
Un aspecto especialmente relevante de los resultados es la creciente centralidad de la inteligencia artificial generativa en el debate ético. A diferencia de estudios anteriores, donde esta cuestión apenas aparecía de forma tangencial, la literatura más reciente subraya cómo estas tecnologías amplifican los riesgos ya identificados, particularmente en relación con la privacidad de los datos, la autoría del conocimiento y la rendición de cuentas (Francis et al., 2025). Este desplazamiento del foco de análisis refleja un cambio significativo en el debate académico, que ha evolucionado desde una reflexión general sobre beneficios y riesgos hacia la demanda de marcos normativos más específicos y actualizados.
Asimismo, los resultados evidencian una marcada disparidad geográfica en la producción científica. La predominancia de estudios procedentes de contextos anglosajones, señalada también por Memarian y Doleck (2023), limita la diversidad de perspectivas y deja escasamente exploradas las implicaciones éticas de la IA en contextos con menor acceso tecnológico o con tradiciones educativas y culturales diferentes. Esta concentración geográfica refuerza el riesgo de construir marcos éticos poco sensibles a las desigualdades globales y subraya la necesidad de incorporar enfoques más comprometidos con la justicia social y con las realidades del Sur Global (Valdivieso & González, 2025).
Por otra parte, el predominio de estudios teóricos y reflexivos frente a investigaciones empíricas aplicadas confirma que el campo se encuentra aún en una fase de desarrollo incipiente. Si bien estos trabajos han contribuido de manera significativa a visibilizar los dilemas éticos y a formular marcos conceptuales de análisis, la escasez de evidencias empíricas limita la transferencia de estos planteamientos a la práctica educativa. En esta línea, los resultados coinciden con Ortega-Bolaños et al. (2024) y González Villegas et al. (2024) al señalar la urgencia de desarrollar instrumentos validados que permitan evaluar de forma sistemática la dimensión ética de la IA en contextos educativos reales.
En conjunto, la discusión académica ha avanzado de manera notable en la identificación de problemas y en la formulación de marcos analíticos, pero aún carece de consensos sólidos y de orientaciones prácticas transferibles a la política educativa y a la docencia. Los resultados de esta revisión apuntan, por tanto, a la necesidad de un esfuerzo coordinado entre la investigación, las instituciones educativas y los organismos internacionales para traducir la reflexión teórica en directrices operativas que garanticen un uso ético, inclusivo y socialmente responsable de la inteligencia artificial en educación.
IMPLICACIONES PRÁCTICAS
Los hallazgos de esta revisión permiten derivar implicaciones relevantes para distintos niveles del sistema educativo. En primer lugar, a nivel de instituciones educativas, se pone de manifiesto la necesidad de establecer protocolos claros para la gestión ética de los datos, así como criterios de transparencia en el uso de herramientas basadas en IA, garantizando que docentes y estudiantes comprendan los procesos automatizados que intervienen en la enseñanza y el aprendizaje.
En segundo lugar, desde una perspectiva de política educativa y regulación, los resultados refuerzan la urgencia de desarrollar marcos normativos específicos que aborden los riesgos asociados a la IA en educación, especialmente en lo relativo a la protección de datos, la prevención de sesgos algorítmicos y la rendición de cuentas. Estas regulaciones deberían alinearse con las recomendaciones de organismos internacionales y adaptarse a los distintos contextos educativos, evitando enfoques homogéneos que ignoren las desigualdades estructurales existentes.
Finalmente, en el ámbito de la formación docente, se evidencia la necesidad de incorporar programas de desarrollo profesional orientados a promover un uso crítico, reflexivo y ético de la IA. La formación del profesorado resulta clave para garantizar que estas tecnologías se utilicen como herramientas de apoyo pedagógico y no como sustitutos de la mediación humana, preservando así la dimensión relacional y humanizadora del proceso educativo.
CONCLUSIONES Y LIMITACIONES
En relación con los objetivos planteados, este estudio ha permitido identificar los principales dilemas éticos asociados al uso de la inteligencia artificial en educación, analizar los marcos teóricos y metodológicos empleados en la literatura reciente y detectar vacíos de investigación que condicionan un desarrollo ético y sostenible de estas tecnologías. A través de una revisión sistemática de artículos publicados entre 2020 y 2025, se ha constatado una convergencia en torno a seis grandes preocupaciones: la privacidad de los datos, los sesgos algorítmicos, la falta de transparencia, la indefinición de responsabilidades, la deshumanización del proceso educativo y la ampliación de la brecha digital.
Asimismo, los resultados ponen de manifiesto una marcada heterogeneidad teórica y metodológica, con predominio de enfoques bioéticos, sociocríticos y normativos internacionales, pero sin alcanzar un consenso consolidado que permita orientar de manera clara la práctica educativa. La escasez de investigaciones empíricas y de instrumentos validados para evaluar la dimensión ética de la IA representa un vacío significativo que debería ocupar un lugar prioritario en futuras agendas de investigación.
A pesar de las aportaciones realizadas, este estudio presenta algunas limitaciones que deben ser consideradas al interpretar sus resultados. En primer lugar, la revisión se circunscribe a artículos científicos publicados entre 2020 y 2025 y localizados en cinco bases de datos, lo que, si bien garantiza la actualidad y relevancia de las fuentes, puede haber dejado fuera investigaciones disponibles en otros repositorios o formatos. En segundo lugar, aunque se aplicaron criterios de inclusión y exclusión previamente definidos, no se utilizó una herramienta estandarizada de evaluación de la calidad metodológica o del riesgo de sesgo de los estudios incluidos. En consecuencia, la elegibilidad de los artículos se basó fundamentalmente en su pertinencia temática y en la coherencia metodológica declarada por los propios autores, lo que limita la posibilidad de realizar comparaciones más precisas entre los trabajos analizados.
Por último, el proceso de selección y análisis fue realizado por una única revisora, lo que, a pesar de la aplicación sistemática de los criterios establecidos y de la revisión reiterada de los estudios, puede introducir un sesgo interpretativo. Estas limitaciones refuerzan la necesidad de abordar los resultados desde una perspectiva crítica y prudente. En este sentido, futuras investigaciones deberían avanzar hacia estudios empíricos aplicados en contextos educativos diversos, así como hacia el desarrollo de herramientas de evaluación que permitan medir de forma sistemática las implicaciones éticas de la inteligencia artificial en educación.
En síntesis, este trabajo contribuye a clarificar el estado actual del conocimiento sobre la ética de la inteligencia artificial en educación y subraya la urgencia de articular un enfoque colectivo que combine innovación tecnológica y responsabilidad social, garantizando que la IA se consolide como una herramienta al servicio de una educación más justa, inclusiva y humanizadora.
REFERENCIAS
Adams, C., Pente, P., Lemermeyer, G., & Rockwell, G. (2023). Ethical principles for artificial intelligence in K-12 education. Computers and Education: Artificial Intelligence, 4, 100131. https://doi.org/10.1016/j.caeai.2023.100131
Adams, C., Pente, P., Lemermeyer, G., Turville, J., & Rockwell, G. (2022). Artificial intelligence and teachers’ new ethical obligations. IRIE - International Review of Information Ethics, 31(08/2022), 2. https://doi.org/10.29173/irie483
Aiken, R. M., & Epstein, R. G. (2000). Ethical guidelines for AI in education: Starting a conversation. International Journal of Artificial Intelligence in Education, 11, 163–176. https://www.researchgate.net/publication/228600407
Akgun, S., & Greenhow, C. (2022). Artificial intelligence in education: Addressing ethical challenges in K-12 settings. AI and Ethics, 2(3), 431–440. https://doi.org/10.1007/s43681-021-00096-7
Alonso-Rodríguez, A. M. (2024). Hacia un marco ético de la inteligencia artificial en la educación. Teoría de la Educación, 36(2), 79–98. https://doi.org/10.14201/teri.31821
Bond, M., Khosravi, H., De Laat, M., Bergdahl, N., Negrea, V., Oxley, E., ... & Siemens, G. (2024). A meta systematic review of artificial intelligence in higher education: A call for increased ethics, collaboration, and rigour. International Journal of Educational Technology in Higher Education, 21(1), 4. https://doi.org/10.1186/s41239-023-00436-z
Bustamante Bula, R., & Camacho Bonilla, A. (2024). Inteligencia artificial (IA) en las escuelas: Una revisión sistemática (2019-2023). Enunciación, 29(1), 62–82. https://doi.org/10.14483/22486798.22039
Cherner, T., Foulger, T.S. & Donnelly, M. Introducing a Generative AI Decision Tree for Higher Education: A Synthesis of Ethical Considerations from Published Frameworks & Guidelines. TechTrends 69, 84–99 (2025). https://doi.org/10.1007/s11528-024-01023-3
Clemente Alcocer , A. A., Cabello Cabrera, A., & Añorve García, E. (2024). La inteligencia artificial en la educación: desafíos éticos y perspectivas hacia una nueva enseñanza: Artificial intelligence in education: ethical challenges and perspectives towards a new teaching. LATAM Revista Latinoamericana De Ciencias Sociales Y Humanidades, 5(6), 464 – 472. https://doi.org/10.56712/latam.v5i6.3019
Ferrer, R. M. (2021). Ethical assessments for a privacy-friendly artificial intelligence. Arbor, 197(802). https://doi.org/10.3989/arbor.2021.802006
Garrett, N., Beard, N., & Fiesler, C. (2020). More than “if time allows”: The role of ethics in AI education. AIES 2020 - Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society, 272–278. https://doi.org/10.1145/3375627.3375868
González Villegas, M. P., Arriaga Nabor, M. O., López Arciniega, A., & Orozco Delgadillo, M. I. (2024). Consideraciones éticas en la implementación de inteligencia artificial en la educación superior, Revista desafíos educativos, 3, 356–363.
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promise and implications for teaching and learning. https://www.researchgate.net/publication/332180327
Holmes, W., Porayska-Pomsta, K., Holstein, K., Sutherland, E., Baker, T., Shum, S. B., Santos, O. C., Rodrigo, M. T., Cukurova, M., Bittencourt, I. I., & Koedinger, K. R. (2022). Ethics of AI in education: Towards a community-wide framework. International Journal of Artificial Intelligence in Education, 32(3), 504–526. https://doi.org/10.1007/s40593-021-00239-1
Kajiwara, Y., & Kawabata, K. (2024). AI literacy for ethical use of chatbot: Will students accept AI ethics? Computers and Education: Artificial Intelligence, 6, 100251. https://doi.org/10.1016/j.caeai.2024.100251
Lowe, M. (2024). The more things change: The ethical impacts of artificial intelligence in higher education. Intersection: A Journal at the Intersection of Assessment and Learning, 9(2), Special Issue. https://files.eric.ed.gov/fulltext/EJ1435770.pdf
Martínez Molina, O. A. (2024). Ética, inteligencia artificial e investigación educativa: Un triángulo vital para el futuro de la educación. Revista Scientific, 9(Ed. Esp. 4), 10–19. https://doi.org/10.29394/Scientific.issn.2542-2987.2024.9.E4.0.10-19
Memarian, B., & Doleck, T. (2023). Fairness, accountability, transparency, and ethics (FATE) in artificial intelligence (AI) and higher education: A systematic review. Computers and Education: Artificial Intelligence, 5, 100152. https://doi.org/10.1016/j.caeai.2023.100152
Nguyen, A., Ngo, H. N., Hong, Y., Dang, B., & Nguyen, B. P. T. (2023). Ethical principles for artificial intelligence in education. Education and Information Technologies, 28(4), 4221–4241. https://doi.org/10.1007/s10639-022-11316-w
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., ... & Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372, n71. https://doi.org/10.1136/bmj.n71
Paguay-Simbaña, M. Y., Jimenez-Abad, D., Quiliguango-Lanchimba, V. F., Maynaguez-Canacuan, M. P., Coello-García, C. de los Á., & Coello-Ortiz, S. M. (2024). La ética en el uso de la inteligencia artificial en los procesos educativos. Revista Científica Retos de la Ciencia, 1(4), 145–158. https://doi.org/10.53877/rc.8.19e.202409.12
Porayska-Pomsta, K., Holmes, W., & Nemorin, S. (2023). The ethics of AI in education. Handbook of Artificial Intelligence in Education. https://doi.org/10.48550/arXiv.2406.11842
Reiss, M. J. (2021). The use of AI in education: Practicalities and ethical considerations. London Review of Education, 19(1), Article n1. https://files.eric.ed.gov/fulltext/EJ1297682.pdf
Schiff, D. (2022). Education for AI, not AI for education: The role of education and ethics in national AI policy strategies. International Journal of Artificial Intelligence in Education, 32(3), 527–563. https://doi.org/10.1007/s40593-021-00270-2
Stavroulakis, I., Marín-Díaz V., & Marín-Rodríguez, M. (2025). Percepciones de los educadores sobre el uso de la inteligencia artificial en el ámbito educativo. Educaçao e Pesquisas, 51, e293219. https://doi.org/10.1590/s1678-4634202551293219
Swindell, A., Greeley, L., Farag, A., & Verdone, B. (2024). Against artificial education: Towards an ethical framework for generative artificial intelligence (AI) use in education. Online Learning, 28(2), 7–27. https://doi.org/10.24059/olj.v28i2.4438
UNESCO. (2021). Guidance for generative AI in education and research. https://unesdoc.unesco.org/ark:/48223/pf0000381133
UNESCO. (2024). Guía para el uso de IA generativa en educación e investigación. https://www.unesco.org/es/open-access/cc-sa
Unión Europea. (2022). Directrices éticas sobre el uso de la inteligencia artificial (IA) y los datos en la educación y formación para los educadores. https://doi.org/10.2766/795588
Valdivieso, T., & González, O. (2025). Generative AI tools in Salvadoran higher education: Balancing equity, ethics, and knowledge management in the Global South. Education Sciences, 15(2). https://doi.org/10.3390/educsci15020214
Villarino, R. T. H. (2025). Artificial intelligence (AI) integration in rural Philippine higher education: Perspectives, challenges, and ethical considerations. International Journal of Educational Research and Innovation, 2025(23). https://doi.org/10.46661/IJERI.10909
Wang, Z., Chai, C. S., Li, J., & Lee, V. W. Y. (2025). Assessment of AI ethical reflection: The development and validation of the AI ethical reflection scale (AIERS) for university students. International Journal of Educational Technology in Higher Education, 22(1). https://doi.org/10.1186/s41239-025-00519-z
Wayne Holmes, & Kaska Porayska-Pomsta. (2023). The ethics of artificial intelligence in education. https://doi.org/10.4324/9780429329067
Williamson, B., & Eynon, R. (2020). Historical threads, missing links, and future directions in AI in education. Learning, Media and Technology, 45(3), 223–235. https://doi.org/10.1080/17439884.2020.1798995
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – Where are the educators? International Journal of Educational Technology in Higher Education, 16(1). https://doi.org/10.1186/s41239-019-0171-0
|
Contribución de los autores Los autores contribuyeron a partes iguales en la totalidad de la investigación. |
|
Financiación Este estudio no fue financiado. |
|
Agradecimientos No aplica. |
|
Conflicto de intereses La autora declara no tener ningún conflicto de intereses. |
|
Declaración de uso de la IA para la redacción del manuscrito Los autores declaran no haber empleado la IA para la redacción total o parcial de este manuscrito. |
Citación: Rodríguez Tenorio, E., Llorente Cejudo, MC., & Cabero Almenara, J. (2026). Retos éticos del uso de la inteligencia artificial en educación: revisión sistemática (2020–2025). EDMETIC, Revista de Educación Mediática y TIC, 15(2), art.1. https://doi.org/10.21071/edmetic.v15i2.18825