Competencias digitales docentes e inteligencia artificial en educación superior: análisis bibliométrico 2019–2026

Autores/as

  • Alexandra Guerra-Mera GRUPO MarBal, Departamento de Tecnología, Ambato 180107, Ecuador. Autor/a https://orcid.org/0009-0009-5079-7058
  • José Balseca-Manzano Carrera de Sistemas de Información, Escuela de Hábitat, Infraestructura y Creatividad, Pontificia Universidad Católica del Ecuador, Ambato 180207, Ecuador. Autor/a https://orcid.org/0000-0003-1517-0013
  • Fanny Guerra-Mera Dirección de Idiomas, Universidad de Investigación de Tecnología Experimental Yachay, Urcuqui 100115, Ecuador. Autor/a https://orcid.org/0009-0006-7639-4706

DOI:

https://doi.org/10.63957/arksis.v1i2.0012

Palabras clave:

competencias digitales docentes, inteligencia artificial, educación superior, bibliometría, inteligencia artificial generativa, alfabetización en IA

Resumen

Este estudio analiza cómo ha cambiado la forma en que los docentes manejan las herramientas digitales para utilizar la inteligencia artificial en la universidad, cubriendo el lapso entre 2019 y 2026. Para darle forma, se realizó un análisis bibliométrico mirando hacia atrás sobre los documentos que viven en Scopus. Se revisaron los títulos, los resúmenes y las palabras clave usando una ecuación de búsqueda específica (TITLE-ABS-KEY), poniendo énfasis en conceptos como competencias digitales, la propia IA, la alfabetización en esta materia y el día a día en las aulas universitarias. Tras filtrar el material bajo criterios precisos de año, idioma y temática, se obtuvo un grupo de 504 textos. Al ver los resultados, se nota un despegue claro en la producción científica desde 2023, que alcanza su punto más alto en 2025. Lo que más abunda son artículos científicos en inglés, alojados en revistas que tocan temas de educación, tecnología e inteligencia artificial. China, Estados Unidos y España aparecen como los motores principales de toda esta investigación. Al revisar las etiquetas, lo que más se repite son inteligencia artificial, educación superior, inteligencia artificial generativa, alfabetización en IA, ChatGPT y, claro, la competencia digital en todas sus formas. Este campo es como un organismo en pleno crecimiento (que no para de sorprender) y se nota un cambio de marcha: se ha dejado de ver las competencias digitales como un simple kit de herramientas técnicas para empezar a entender que el asunto va mucho más allá, tocando temas tan serios como la ética, la evaluación, la integridad académica y esa necesaria preparación constante del profesorado universitario

Biografía del autor/a

  • Alexandra Guerra-Mera, GRUPO MarBal, Departamento de Tecnología, Ambato 180107, Ecuador.

    Alexandra del Pilar Guerra Mera es docente e investigadora en el área de las tecnologías de la información. Cuenta con formación de posgrado en Gerencia Informática y experiencia académica vinculada con los sistemas de información, la gestión tecnológica y el desarrollo de software. Sus intereses de investigación se orientan al análisis de la inteligencia artificial aplicada al diseño y desarrollo de software, con especial atención a sus implicaciones éticas, técnicas y operativas, así como a la adopción responsable de estas tecnologías en los entornos profesionales y educativos

  • José Balseca-Manzano, Carrera de Sistemas de Información, Escuela de Hábitat, Infraestructura y Creatividad, Pontificia Universidad Católica del Ecuador, Ambato 180207, Ecuador.

    José Marcelo Balseca Manzano es ingeniero de Sistemas y Computación, docente universitario y profesional con experiencia en infraestructura tecnológica, administración de plataformas, desarrollo web y gestión de entornos virtuales de aprendizaje. Cuenta con formación de posgrado en Gerencia Informática y en tecnologías aplicadas a la docencia. Sus intereses académicos y de investigación se centran en la inteligencia artificial aplicada a la educación y al desarrollo de software, la computación en la nube, los centros de datos y la transformación digital en la educación superior.

  • Fanny Guerra-Mera, Dirección de Idiomas, Universidad de Investigación de Tecnología Experimental Yachay, Urcuqui 100115, Ecuador.

    Fanny del Carmen Guerra Mera es docente universitaria e investigadora en el área de la enseñanza del idioma inglés. Se encuentra vinculada a la Universidad de Investigación de Tecnología Experimental Yachay Tech, donde desarrolla actividades académicas relacionadas con el aprendizaje de lenguas y la formación universitaria. Sus intereses de investigación abarcan las estrategias de enseñanza explícita e implícita, el aprendizaje de vocabulario, la competencia comunicativa y la aplicación de metodologías activas en la educación superior.

Referencias

[1] C. K. Y. Chan and W. Hu, “Students’ voices on generative AI: perceptions, benefits, and challenges in higher education,” International Journal of Educational Technology in Higher Education, vol. 20, no. 1, art. 43, 2023, doi: 10.1186/s41239-023-00411-8.

[2] Y. Walter, “Embracing the future of Artificial Intelligence in the classroom: the relevance of AI literacy, prompt engineering, and critical thinking in modern education,” International Journal of Educational Technology in Higher Education, vol. 21, no. 1, art. 15, 2024, doi: 10.1186/s41239-024-00448-3.

[3] T. Rasul et al., “The role of ChatGPT in higher education: Benefits, challenges, and future research directions,” Journal of Applied Learning and Teaching, vol. 6, no. 1, pp. 41-56, 2023, doi: 10.37074/jalt.2023.6.1.29.

[4] C. K. Y. Chan and K. K. W. Lee, “The AI generation gap: Are Gen Z students more interested in adopting generative AI such as ChatGPT in teaching and learning than their Gen X and millennial generation teachers?,” Smart Learning Environments, vol. 10, no. 1, art. 60, 2023, doi: 10.1186/s40561-023-00269-3.

[5] J. Dempere, K. Modugu, A. Hesham, and L. K. Ramasamy, “The impact of ChatGPT on higher education,” Frontiers in Education, vol. 8, art. 1206936, 2023, doi: 10.3389/feduc.2023.1206936.

[6] M. Firat, “What ChatGPT means for universities: Perceptions of scholars and students,” Journal of Applied Learning and Teaching, vol. 6, no. 1, pp. 57-63, 2023, doi: 10.37074/jalt.2023.6.1.22.

[7] T. Farrelly and N. Baker, “Generative Artificial Intelligence: Implications and Considerations for Higher Education Practice,” Education Sciences, vol. 13, no. 11, art. 1109, 2023, doi: 10.3390/educsci13111109.

[8] B. L. Moorhouse, M. A. Yeo, and Y. Wan, “Generative AI tools and assessment: Guidelines of the world’s top-ranking universities,” Computers and Education Open, vol. 5, art. 100151, 2023, doi: 10.1016/j.caeo.2023.100151.

[9] Q. Xia, X. Weng, F. Ouyang, T. J. Lin, and T. K. F. Chiu, “A scoping review on how generative artificial intelligence transforms assessment in higher education,” International Journal of Educational Technology in Higher Education, vol. 21, no. 1, art. 40, 2024, doi: 10.1186/s41239-024-00468-z.

[10] D. T. K. Ng, W. Wu, J. K. L. Leung, T. K. F. Chiu, and S. K. W. Chu, “Design and validation of the AI literacy questionnaire: The affective, behavioural, cognitive and ethical approach,” British Journal of Educational Technology, vol. 55, no. 3, pp. 1082-1104, 2024, doi: 10.1111/bjet.13411.

[11] M. Aria and C. Cuccurullo, “bibliometrix: An R-tool for comprehensive science mapping analysis,” Journal of Informetrics, vol. 11, no. 4, pp. 959-975, 2017, doi: 10.1016/j.joi.2017.08.007.

[12] N. J. van Eck and L. Waltman, “Software survey: VOSviewer, a computer program for bibliometric mapping,” Scientometrics, vol. 84, no. 2, pp. 523-538, 2010, doi: 10.1007/s11192-009-0146-3.

[13] M. J. Page et al., “The PRISMA 2020 statement: An updated guideline for reporting systematic reviews,” BMJ, vol. 372, art. n71, 2021, doi: 10.1136/bmj.n71.

[14] C. Redecker, European Framework for the Digital Competence of Educators: DigCompEdu. Luxembourg: Publications Office of the European Union, 2017, doi: 10.2760/159770.

[15] UNESCO, AI Competency Framework for Teachers. Paris: United Nations Educational, Scientific and Cultural Organization, 2024.

[16] UNESCO, Guidance for Generative AI in Education and Research. Paris: United Nations Educational, Scientific and Cultural Organization, 2023.

[17] T. K. F. Chiu, Q. Xia, X. Zhou, C. K. Y. Chai, and M. Cheng, “Systematic literature review on opportunities, challenges, and future research recommendations of artificial intelligence in education,” Computers and Education: Artificial Intelligence, vol. 4, art. 100118, 2023, doi: 10.1016/j.caeai.2022.100118.

[18] European Commission, Ethical Guidelines on the Use of Artificial Intelligence and Data in Teaching and Learning for Educators. Luxembourg: Publications Office of the European Union, 2022.

[19] OECD, Digital Education Outlook 2023: Towards an Effective Digital Education Ecosystem. Paris: OECD Publishing, 2023, doi: 10.1787/c74f03de-en

Descargas

Publicado

2026-07-31

Número

Vol. 1 Núm. 2 (2026): Transiciones Multidisciplinarias en la Educación y la Ingeniería Contemporánea

Sección

Artículo de revisión

Categorías

Licencia

Derechos de autor 2026 Revista de Ingeniería, Industria y Construcción

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Revista Multidisciplinaria de Ingeniería e Industria © 2025 by PUCE sede Ambato está licenciada bajo CC BY 4.0

Los artículos publicados en ARKSIS se distribuyen bajo los términos de la Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0), en específico los términos de la licencia oficial otorga permisos para:

A. Libertades que Usted Recibe (Derechos del Licenciatario):

  • Compartir: Copiar, redistribuir el material en cualquier medio o formato.
  • Adaptar: Remezclar, transformar y crear a partir del material para cualquier propósito, incluido el comercial.

B. Condición Única y Obligatoria:

  • Atribución (BY): Debe dar el crédito al autor de la manera especificada por el licenciante (la revista).

Así, en específico esta licencia permite crear obras derivadas (traducciones, resúmenes ampliados, nuevos análisis basados en los datos), para lo que es importante destacar:

  • Integridad Académica: Cualquier modificación debe ser claramente identificada como tal.
  • Atribución de la Fuente Original: La obra derivada debe citar el trabajo original de la forma especifica.
  • No Endoso Implícito: El hecho de permitir adaptaciones no significa que los autores o la revista avalen la obra derivada o su uso.

Cómo citar

[1]
A. Guerra-Mera, J. M. Balseca-Manzano, and F. Guerra-Mera, “Competencias digitales docentes e inteligencia artificial en educación superior: análisis bibliométrico 2019–2026”, ARKSIS-Journal, vol. 1, no. 2, pp. 39–54, Jul. 2026, doi: 10.63957/arksis.v1i2.0012.