Revista Científica Arbitrada de Investigación en Comunicación, Marketing y Empresa  
REICOMUNICAR. Vol. 8, Núm. 16 (Ed. Julio – Diciembre 2025) ISSN: 2737-6354.  
Revisión sistemática del uso de inteligencia artificial en la evaluación del desempeño docente  
en la educación superior latinoamericana.  
DOI: https://doi.org/10.46296/rc.v8i16.0396  
Revisión sistemática del uso de inteligencia artificial en la  
evaluación del desempeño docente en la educación superior  
latinoamericana  
Systematic Review of the Use of Artificial Intelligence in the  
Evaluation of Teaching Performance in Latin American Higher  
Education  
Ortiz Darwin Daniel  
Universidad Estatal de Milagro. Milagro, Ecuador.  
Correo: dortizo4@unemi.edu.ec  
ORCID ID: https://orcid.org/0009-0001-4661-1558  
Muñoz-Vera Johana Vanessa  
Universidad Estatal de Milagro. Milagro, Ecuador.  
Correo: jmunozv12@unemi.edu.ec  
ORCID ID: https://orcid.org/0009-0001-1096-0617  
Vera-Angulo Maritza Itaty  
Universidad Estatal de Milagro. Milagro, Ecuador.  
Correo: mveraa32@unemi.edu.ec  
ORCID ID: https://orcid.org/0009-0009-3679-7393  
Del Campo Guillermo  
Universidad Estatal de Milagro. Milagro, Ecuador.  
Correo: gdsaltos@unemi.edu.ec  
ORCID ID: https://orcid.org/0009-0003-4885-3571  
RESUMEN  
La pandemia de la COVID-19 impulsó una digitalización acelerada en la educación superior, lo  
que favoreció la incorporación de la inteligencia artificial (IA) como un recurso estratégico en la  
gestión del desempeño docente. Sin embargo, en Latinoamérica su implementación presentó  
vacíos relacionados con la falta de formación docente, la equidad digital y la ausencia de marcos  
éticos sólidos. Ante esta problemática, el presente estudio tuvo como propósito analizar,  
mediante una revisión sistemática, el uso de la IA en instituciones de educación superior de la  
región, con énfasis en su impacto en los procesos de evaluación y retroalimentación pedagógica.  
La metodología se desarrolló conforme a las directrices PRISMA (2020), realizando búsquedas  
en bases de datos de reconocimiento internacional Scopus, Scielo y Google Scholar y  
considerando publicaciones entre 2020 y 2025. Tras un proceso de depuración de 2.435  
documentos iniciales, se seleccionaron 20 artículos que cumplían con los criterios de inclusión  
establecidos. Los resultados mostraron que la IA favoreció la retroalimentación inmediata y  
personalizada, agilizó la recopilación de evidencias, fortaleció la toma de decisiones  
institucionales y estimuló la innovación pedagógica. No obstante, persistieron desafíos  
vinculados con la resistencia docente, la dependencia tecnológica y la desigualdad en el acceso  
a estas herramientas. En conclusión, la IA se configuró como una herramienta complementaria  
y no sustitutiva del rol docente, cuya integración requiere políticas claras, formación continua y  
un marco normativo sólido que garantice un uso equitativo y contextualizado en la educación  
superior latinoamericana.  
Información del manuscrito:  
Fecha de recepción: 11 de junio de 2025.  
Fecha de aceptación: 29 de agosto de 2025.  
Fecha de publicación: 15 de septiembre de 2025.  
4
48  
Ortiz et al. (2025)  
Palabras claves: inteligencia artificial, educación superior, desempeño docente, evaluación,  
retroalimentación.  
ABSTRACT  
The COVID-19 pandemic drove accelerated digitalization in higher education, which favored the  
incorporation of artificial intelligence (AI) as a strategic resource in teacher performance  
management. However, in Latin America, its implementation presented gaps related to the lack  
of teacher training, digital equity, and the absence of solid ethical frameworks. Given this problem,  
the purpose of this study was to analyze, through a systematic review, the use of AI in higher  
education institutions in the region, with an emphasis on its impact on pedagogical evaluation and  
feedback processes. The methodology was developed according to the PRISMA guidelines  
(
2020), searching internationally recognized databases Scopus, Scielo, and Google Scholar, and  
considering publications between 2020 and 2025. After a screening process of 2,435 initial  
documents, 20 articles that met the established inclusion criteria were selected. The results  
showed that AI facilitated immediate and personalized feedback, streamlined evidence collection,  
strengthened institutional decision-making, and stimulated pedagogical innovation. However,  
challenges persisted, including teacher resistance, technological dependence, and unequal  
access to these tools. In conclusion, AI emerged as a complementary, rather than a substitute,  
tool for the teaching role. Its integration requires clear policies, ongoing training, and a solid  
regulatory framework that guarantees its equitable and contextualized use in Latin American  
higher education.  
Keywords: Artificial intelligence, higher education, teacher performance, assessment, feedback.  
1. INTRODUCCIÓN  
La pandemia de la COVID-19 transformó aceleradamente la educación superior  
en Latinoamérica, impulsando la migración hacia entornos virtuales e híbridos  
que modificaron de manera profunda las dinámicas docentes y administrativas.  
En este contexto, Villalobos y Vásquez (2024) señalan que la inteligencia artificial  
(IA) se ha consolidado como un recurso estratégico para fortalecer la gestión  
académica universitaria, especialmente en procesos de evaluación y  
acompañamiento pedagógico.  
El problema se centra en que, a pesar de los beneficios reportados, la aplicación  
de la IA en la educación superior latinoamericana sigue siendo limitada y  
heterogénea. Balcázar (2025) advierte que persisten desafíos vinculados con la  
equidad digital, la privacidad de datos y la formación insuficiente del profesorado  
para el uso de estas tecnologías. Estos obstáculos reflejan que la integración de  
la IA no ha alcanzado aún un nivel de sistematización que garantice resultados  
sostenidos en la mejora del desempeño docente.  
Revista Científica Arbitrada de Investigación en Comunicación, Marketing y Empresa  
REICOMUNICAR. Vol. 8, Núm. 16 (Ed. Julio – Diciembre 2025) ISSN: 2737-6354.  
Revisión sistemática del uso de inteligencia artificial en la evaluación del desempeño docente  
en la educación superior latinoamericana.  
La revisión de la literatura evidencia vacíos relevantes. Según Ávalos (2024),  
existe escasez de estudios longitudinales que permitan evaluar el impacto de la  
IA en la retroalimentación docente a largo plazo. De igual manera, Vera (2023)  
resalta la necesidad de investigaciones enfocadas en la evaluación mediada por  
IA desde perspectivas contextualizadas a las realidades latinoamericanas. Por  
su parte, Navas (2022) observa que aún no se han consolidado marcos éticos  
sólidos que regulen su implementación, lo que genera riesgos asociados a la  
transparencia y al uso responsable de los datos educativos.  
En este marco, el presente estudio tiene como objetivo analizar, mediante una  
revisión sistemática, el uso de la inteligencia artificial en la gestión del  
desempeño docente en instituciones de educación superior de Latinoamérica.  
Este trabajo busca aportar una síntesis crítica sobre los beneficios, limitaciones  
y desafíos de estas tecnologías, además de orientar futuras líneas de  
investigación y de acción institucional que promuevan una educación  
universitaria más equitativa, eficiente e innovadora.  
La inteligencia artificial en la educación superior.  
Arcos (2024) sostiene que la inteligencia artificial (IA) en la educación superior  
se ha consolidado como un recurso estratégico capaz de transformar las  
dinámicas de enseñanza y evaluación. Según este autor, su principal impacto  
radica en la posibilidad de personalizar el aprendizaje y fomentar la innovación  
pedagógica a través de sistemas adaptativos que ajustan el proceso formativo a  
las necesidades individuales del estudiante. En este marco, la IA permite  
automatizar tareas y ofrecer un acompañamiento más cercano y eficaz.  
Ávalos (2024) resalta que, en el ámbito de la retroalimentación docente, la  
inteligencia artificial favorece la provisión de información inmediata y  
personalizada, optimizando la calidad del proceso formativo y promoviendo  
mejoras continuas en la práctica pedagógica. De manera complementaria, Vera  
(2023) subraya que la evaluación mediada por tecnología amplía las  
oportunidades de recopilar evidencias en tiempo real y genera procesos  
formativos más justos y transparentes.  
4
50  
Ortiz et al. (2025)  
Navas (2022) sostiene que la gestión académica universitaria digitalizada se  
apoya cada vez más en la analítica de datos, lo que permite identificar patrones  
de rendimiento, anticipar necesidades institucionales y fortalecer la toma de  
decisiones estratégicas para una planificación más eficiente. Sin embargo,  
Villalobos y Vásquez (2024) advierten que este proceso enfrenta limitaciones  
importantes, entre ellas la resistencia de algunos docentes a incorporar estas  
herramientas y las persistentes desigualdades en el acceso tecnológico, que  
dificultan su implementación equitativa.  
Desde la perspectiva de la gestión del conocimiento, Alvarado et al. (2025)  
sostienen que la inteligencia artificial (IA) se ha convertido en un recurso clave  
para fortalecer las capacidades investigativas de los docentes, al facilitar la  
búsqueda de información, la sistematización de datos y la producción académica  
en entornos universitarios cada vez más digitalizados. Este apoyo tecnológico  
no solo incrementa la eficiencia en la labor investigativa, sino que también amplía  
las posibilidades de innovación en la docencia superior. Sin embargo, Mendoza  
(2022) advierte que su implementación debe estar respaldada por políticas  
claras que garanticen un uso ético, responsable y contextualizado.  
En cuanto a la innovación educativa, la literatura latinoamericana enfatiza que la  
IA no solo transforma las prácticas docentes, sino que también potencia la  
construcción de entornos híbridos y flexibles que integran presencialidad y  
digitalidad (Eras Guaman et al., 2024). Este planteamiento coincide con estudios  
que sostienen que las tecnologías emergentes deben orientarse hacia la  
consolidación de modelos inclusivos y sostenibles en la región (Yépez Y Solis,  
2
025).  
Por otra parte, los hallazgos de revisiones sistemáticas confirman que la IA  
puede ser un recurso útil en la elaboración de trabajos académicos, ya que  
agiliza procesos de redacción, análisis de información y organización de datos,  
incrementando la productividad investigativa de los docentes (Macedo et al.,  
2
025). Sin embargo, persisten cuestionamientos éticos relacionados con la  
originalidad y la integridad académica (Murillo, 2025).  
La literatura también subraya la importancia de la retroalimentación formativa en  
contextos postpandemia, destacando que la IA ha permitido agilizar los procesos  
4
51  
Revista Científica Arbitrada de Investigación en Comunicación, Marketing y Empresa  
REICOMUNICAR. Vol. 8, Núm. 16 (Ed. Julio – Diciembre 2025) ISSN: 2737-6354.  
Revisión sistemática del uso de inteligencia artificial en la evaluación del desempeño docente  
en la educación superior latinoamericana.  
evaluativos y mejorar la eficiencia del acompañamiento pedagógico. Sin  
embargo, se señala que estos beneficios no han alcanzado su máximo potencial  
debido a la falta de capacitación docente y a la desigual implementación  
tecnológica en las instituciones de la región (Balcázar, 2025).  
En el ámbito de la didáctica universitaria, Carvajal (2024) plantea que la  
inteligencia artificial (IA) se ha consolidado como un recurso esencial para  
impulsar la innovación educativa y fomentar procesos de aprendizaje más  
personalizados. Su incorporación en el aula favorece la implementación de  
metodologías activas que sitúan al estudiante en el centro del proceso formativo,  
promoviendo mayor autonomía, participación y protagonismo en su propio  
aprendizaje. Sin embargo, el autor advierte que aún persisten barreras  
significativas, como la resistencia al cambio de parte de algunos docentes, lo que  
limita la plena integración de estas tecnologías en las prácticas pedagógicas  
cotidianas.  
Otros estudios evidencian que la IA ha abierto nuevas oportunidades en los  
procesos de evaluación educativa postpandemia, al permitir instrumentos más  
justos, transparentes y orientados a la equidad académica. Sin embargo, se  
reconoce que estas transformaciones aún requieren políticas institucionales  
sólidas para garantizar una implementación sostenible y equitativa (Holguín,  
2
024).  
La retroalimentación como estrategia clave para el mejoramiento del  
desempeño docente mediada por inteligencia artificial en la educación  
superior latinoamericana.  
Desde una perspectiva crítica, Muirragui et al. (2025) advierten que la creciente  
incorporación de la inteligencia artificial (IA) en la educación superior puede  
derivar en una marcada dependencia tecnológica y en la presencia de sesgos  
algorítmicos que afecten la objetividad de la evaluación docente. Estos riesgos,  
si no se abordan con políticas y regulaciones claras, podrían comprometer la  
equidad y la transparencia de los procesos académicos. Sin embargo, los  
autores también destacan que, cuando la IA se implementa de manera adecuada  
4
52  
Ortiz et al. (2025)  
y contextualizada, constituye una herramienta poderosa para optimizar tanto la  
práctica pedagógica como la gestión administrativa universitaria.  
En cuanto a los sistemas de gestión del aprendizaje (LMS), se ha demostrado  
que la integración de IA fortalece la personalización de la enseñanza y facilita el  
seguimiento al desempeño de los estudiantes. Estas plataformas, sin embargo,  
enfrentan el reto de ser utilizadas no solo como herramientas técnicas, sino  
también como instrumentos pedagógicos que promuevan aprendizajes  
significativos (Ortiz et al., 2025).  
La evaluación como pilar fundamental en la gestión del desempeño  
docente mediada por inteligencia artificial.  
De manera complementaria, se argumenta que la IA ha impulsado la  
transformación de la educación primaria y superior, al promover modelos  
híbridos más flexibles que integran la presencialidad con tecnologías digitales.  
Este proceso, aunque innovador, revela desigualdades en su implementación,  
especialmente en países de América Latina con limitaciones de infraestructura  
(Robalino et al., 2024).  
En el campo de la gestión del conocimiento en universidades, se reconoce que  
la IA ha potenciado la sistematización de información y el fortalecimiento de los  
procesos institucionales. No obstante, la literatura aún carece de estudios  
longitudinales que permitan evaluar de manera sostenida su verdadero impacto  
en la calidad académica (Rojas et al., s.f.).  
Finalmente, autores como Acosta et al. (2023) señalan que las estrategias de  
enseñanza en Latinoamérica aún enfrentan el desafío de integrar la IA de  
manera efectiva, debido a la falta de capacitación docente y a la ausencia de  
marcos regulatorios robustos. Esta situación refuerza la necesidad de avanzar  
en estudios longitudinales que analicen los efectos sostenidos de la IA en el  
desempeño docente y en la calidad educativa (Torres-Barreto et al., 2024).  
2. METODOLOGÍA  
La presente revisión sistemática, fundamentada en el esquema metodológico  
expuesto en la Tabla 1, tuvo como propósito analizar el uso de la inteligencia  
4
53  
Revista Científica Arbitrada de Investigación en Comunicación, Marketing y Empresa  
REICOMUNICAR. Vol. 8, Núm. 16 (Ed. Julio – Diciembre 2025) ISSN: 2737-6354.  
Revisión sistemática del uso de inteligencia artificial en la evaluación del desempeño docente  
en la educación superior latinoamericana.  
artificial (IA) en la gestión del desempeño docente dentro de instituciones de  
educación superior en Latinoamérica. El proceso se desarrolló siguiendo  
rigurosamente las directrices establecidas por la declaración PRISMA 2020  
(Page et al., 2021), lo cual garantizó un procedimiento de selección y análisis  
transparente, objetivo y verificable. Este enfoque metodológico permitió no solo  
depurar las fuentes con base en criterios de inclusión y exclusión, sino también  
asegurar la validez y confiabilidad de los hallazgos obtenidos.  
Se recopilaron estudios publicados entre 2020 y 2025 en bases de datos  
académicas de amplio reconocimiento, como Scopus, Scielo y Google Scholar,  
utilizando palabras clave en español (e.g., inteligencia artificial, educación  
superior, gestión académica, evaluación docente, retroalimentación) y sus  
equivalentes en inglés. Para refinar los resultados, se aplicaron conectores  
booleanos (AND, OR, NOT) que facilitaron la combinación estructurada de  
términos de búsqueda.  
En una primera fase del proceso de búsqueda, se identificaron un total de 2.435  
artículos relacionados con la temática de la inteligencia artificial en la educación  
superior. Posteriormente, estos documentos fueron sometidos a un riguroso  
proceso de filtrado en función de criterios de inclusión y exclusión previamente  
definidos. Se dio prioridad a aquellas investigaciones de carácter científico que  
presentaban datos cualitativos y cuantitativos, y que ofrecían evidencia empírica  
sobre la aplicación de la IA en procesos de evaluación y retroalimentación  
docente. En contraste, se descartaron publicaciones teóricas sin respaldo  
empírico, tesis no arbitradas, blogs, páginas web, documentos duplicados o  
ajenos al ámbito temático.  
Tras la depuración del corpus inicial, se seleccionaron 20 artículos que  
abordaron de forma directa el uso de la inteligencia artificial en la gestión  
académica universitaria. Estos documentos fueron sometidos a un análisis crítico  
y comparativo, lo que posibilitó identificar patrones recurrentes, tendencias  
emergentes y enfoques metodológicos empleados. Asimismo, el examen  
permitió evidenciar vacíos de investigación significativos en el contexto  
latinoamericano, aportando insumos relevantes para futuras líneas de estudio.  
4
54  
Ortiz et al. (2025)  
Figura 1. Diagrama del flujo del proceso de revisión sistemática, basado en las directrices  
PRIMA 2020 (Page et al., 2021), Herramientas digitales de apoyo utilizadas en la revisión.  
Para optimizar la búsqueda y el análisis de la literatura, en esta revisión  
sistemática se emplearon herramientas digitales de apoyo que integran  
inteligencia artificial y automatización, las cuales facilitaron tanto la organización  
de la información como la identificación de fuentes relevantes. Entre ellas, se  
destacó el uso de ResearchRabbit, un recurso que permitió explorar de manera  
visual la literatura científica a través de mapas de citación y recomendaciones  
temáticas, lo que ayudó a rastrear conexiones entre autores y tendencias  
emergentes en el campo de estudio.  
De igual manera, se incorporó Google NotebookLM, un asistente de  
investigación que posibilitó procesar documentos y generar resúmenes  
estructurados, contribuyendo a la extracción de ideas clave y a la comprensión  
ágil de los textos seleccionados. Esta herramienta favoreció la síntesis de  
información compleja en un formato accesible y útil para el análisis comparativo.  
Finalmente, se utilizó Researcher Discovery (Researcher.Life), una plataforma  
orientada a complementar la búsqueda bibliográfica mediante la recomendación  
automatizada de literatura y la detección de nuevas áreas de investigación  
4
55  
Revista Científica Arbitrada de Investigación en Comunicación, Marketing y Empresa  
REICOMUNICAR. Vol. 8, Núm. 16 (Ed. Julio – Diciembre 2025) ISSN: 2737-6354.  
Revisión sistemática del uso de inteligencia artificial en la evaluación del desempeño docente  
en la educación superior latinoamericana.  
relacionadas. Su integración permitió ampliar el espectro de fuentes y asegurar  
que el corpus bibliográfico seleccionado respondiera a la pertinencia temática y  
a los criterios metodológicos planteados en el estudio.  
En conjunto, estas herramientas no reemplazaron el criterio académico del  
investigador, pero resultaron fundamentales para disminuir la carga manual en  
el proceso, facilitar un rastreo más amplio y preciso de la literatura disponible y,  
al mismo tiempo, reforzar la rigurosidad metodológica de la revisión sistemática.  
De esta manera, contribuyeron a optimizar la organización, selección y análisis  
de la información sin comprometer la objetividad ni la solidez científica del  
estudio.  
El siguiente cuadro presenta los criterios de inclusión y exclusión definidos para  
esta revisión sistemática. Su aplicación permitió depurar la búsqueda inicial de  
2
.435 documentos hasta conformar un corpus final de 20 artículos pertinentes,  
garantizando la rigurosidad metodológica y la pertinencia temática del estudio.  
Estos criterios contribuyeron a asegurar que solo se consideraran  
investigaciones con evidencia empírica y relevancia directa en el uso de la  
inteligencia artificial en la gestión del desempeño docente en instituciones de  
educación superior de Latinoamérica.  
Tabla 1. Tabla de criterios de inclusión y exclusión aplicados en la revisión sistemática  
Acción  
Criterios de inclusión  
Criterios de exclusión  
páginas web no  
Tipo de documento  
Artículos científicos publicados en Blogs,  
revistas indexadas y arbitradas. arbitradas, tesis sin evidencia  
empírica,  
documentos  
duplicados.  
Periodo de  
publicación  
Investigaciones publicadas entre Estudios publicados fuera de  
2020 y 2025. este rango temporal.  
Idioma  
Publicaciones en español (y Documentos en otros idiomas  
equivalentes en inglés cuando sin pertinencia al objeto de  
aportaron  
al  
contexto estudio.  
latinoamericano).  
Contenido  
Estudios con evidencia cualitativa Publicaciones teóricas sin  
y/o cuantitativa sobre la aplicación evidencia empírica con  
o
de IA en educación superior, información no relacionada con  
centrados en la gestión del IA o educación superior.  
desempeño docente.  
4
56  
Ortiz et al. (2025)  
Ámbito geográfico  
Investigaciones en Estudios centrados en otros  
enfocadas  
instituciones de educación superior niveles educativos (primaria,  
en Latinoamérica.  
secundaria)  
o
fuera  
de  
Latinoamérica.  
Relevancia temática  
Documentos que aborden la Trabajos cuyo contenido no  
evaluación retroalimentación aporte directamente los  
y
a
docente mediada por IA y la gestión objetivos de la investigación.  
académica digital.  
Fuente: Muñoz V; Ortiz D; Vera I; Del Campo S  
Método de análisis  
Los textos seleccionados fueron analizados mediante un enfoque crítico-  
comparativo. En una primera etapa se identificaron los principales aportes de  
cada investigación, para posteriormente contrastar las coincidencias,  
divergencias y vacíos existentes en los distintos enfoques. Este proceso facilitó  
la construcción de una síntesis integradora que evidencia tanto las aplicaciones  
y beneficios de la inteligencia artificial en la gestión universitaria como los  
desafíos éticos, pedagógicos y tecnológicos que plantea su implementación. En  
términos generales, la metodología se sustentó en un procedimiento sistemático  
y riguroso de revisión documental, orientado a garantizar objetividad, solidez  
académica y una contribución significativa al estado del arte.  
3. RESULTADOS Y DISCUSIÓN  
Los hallazgos de la revisión sistemática se organizaron en tres ejes principales.  
En el ámbito pedagógico, la IA destaca por favorecer la retroalimentación  
inmediata, la personalización del aprendizaje y el uso de metodologías activas,  
como lo evidencian Ávalos Guijarro (2024), Vera (2023), Carvajal Chávez (2024)  
y Arcos (2024). En la gestión académica, se reconoce su aporte en la analítica  
de datos, la toma de decisiones institucionales, el fortalecimiento de capacidades  
investigativas y el seguimiento estudiantil mediante LMS, según Navas (2022),  
Alvarado-Peña et al. (2025), Muirragui et al. (2025) y Ortiz Merchan et al. (2025).  
Finalmente, en cuanto a las limitaciones, se identifican la falta de capacitación  
docente, las brechas tecnológicas, la inequidad digital y riesgos de dependencia  
tecnológica, señalados por Acosta Cervantes et al. (2023), Eras Guaman et al.  
(2024), Villalobos y Vásquez (2024), Muirragui et al. (2025) y Balcázar (2025).  
4
57  
Revista Científica Arbitrada de Investigación en Comunicación, Marketing y Empresa  
REICOMUNICAR. Vol. 8, Núm. 16 (Ed. Julio – Diciembre 2025) ISSN: 2737-6354.  
Revisión sistemática del uso de inteligencia artificial en la evaluación del desempeño docente  
en la educación superior latinoamericana.  
En síntesis, la IA se perfila como un recurso estratégico para fortalecer la  
docencia y la gestión universitaria, aunque su implementación sigue  
condicionada por desafíos estructurales y éticos en la región.  
Tabla 2. Tabla o matriz de comparaciones entre autores  
Autor(es), Año  
Objeto de estudio  
Principales  
hallazgos sobre IA  
Limitaciones  
señaladas  
Acosta Cervantes  
et al. (2023)  
Estrategias de  
enseñanza y práctica  
docente  
La IA apoya  
metodologías activas pedagógica en IA.  
y mejora la práctica  
Escasa formación  
docente.  
Alvarado-Peña et  
al. (2025)  
Capacidades  
investigativas docentes investigación y  
gestión de la  
La IA potencia la  
Débil preparación  
ética y digital en  
docentes.  
información.  
Arcos (2024)  
Aprendizaje  
personalizado  
La IA facilita la  
personalización y  
transformación  
pedagógica.  
Riesgo de  
deshumanización del  
proceso educativo.  
Ávalos Guijarro  
Evaluación y  
IA genera feedback  
Escasa capacitación  
(
2024)  
retroalimentación  
inmediato y fortalece docente en su uso.  
evaluación formativa.  
Balcázar (2025)  
Retroalimentación  
postpandemia  
IA agiliza  
Brechas digitales  
limitan impacto real.  
retroalimentación y  
mejora eficiencia  
docente.  
Carvajal Chávez  
IA como recurso  
didáctico  
La IA apoya la  
innovación didáctica  
y el aprendizaje  
adaptativo.  
Resistencias  
docentes a su  
adopción.  
(
2024)  
Eras Guaman et al. Innovación educativa  
Fortalece innovación Persistencia de  
(
2024)  
con IA  
en enseñanza y  
procesos  
brechas  
tecnológicas.  
universitarios.  
Holguín Gil (2024)  
Evaluación educativa  
postpandemia  
La IA apoya  
procesos evaluativos institucionales  
Escasez de políticas  
más justos y  
claras.  
transparentes.  
Macedo et al.  
IA en trabajos  
académicos  
Mejora la escritura  
académica y análisis de regulación.  
de datos.  
Riesgos éticos y falta  
(
2025)  
Mendoza & Bullón  
2022)  
Gestión del  
conocimiento  
La IA apoya gestión  
del conocimiento en  
universidades.  
Limitada aplicación  
práctica en contextos  
locales.  
(
4
58  
Ortiz et al. (2025)  
Muirragui et al.  
IA en educación  
universitaria  
Impacto positivo en  
aprendizaje y  
Sesgos algorítmicos  
y dependencia  
(
2025)  
desempeño docente. tecnológica.  
Murillo Delgado  
2025)  
IA en investigación  
universitaria  
La IA es un recurso  
emergente en  
procesos  
Escasez de  
formación  
metodológica  
docente.  
(
investigativos.  
Navas (2022)  
Gestión académica  
digital  
IA y analítica de  
datos mejoran toma  
de decisiones.  
Brechas digitales y  
acceso desigual.  
Ortiz Merchan et  
al. (2025)  
Sistemas de gestión  
del aprendizaje  
La IA potencia  
plataformas LMS y  
personaliza  
Falta de integración  
con prácticas  
pedagógicas.  
enseñanza.  
Robalino Ibarra et  
al. (2024)  
IA en educación básica La IA transforma  
Desigual  
implementación en  
Latinoamérica.  
y superior  
enseñanza y gestión  
educativa.  
Rojas et al. (s.f.)  
Gestión del  
conocimiento  
IA fortalece gestión  
organizacional en  
educación superior.  
Déficit de estudios  
longitudinales.  
Torres-Barreto et  
al. (2024)  
Proyectos educativos y IA mejora análisis y  
Carencia de marcos  
normativos y éticos.  
triple hélice  
priorización en  
proyectos  
académicos.  
Vera (2023)  
Evaluación y  
retroalimentación  
docente  
IA favorece  
recopilación de  
evidencias en tiempo tecnología.  
real.  
Dependencia  
excesiva de la  
Villalobos &  
Vásquez (2024)  
Tecnologías digitales  
postpandemia  
La IA asegura  
continuidad  
educativa e  
innovación.  
Persisten brechas de  
equidad digital.  
Yépez & Solis  
Tecnologías  
emergentes en  
educación  
La IA es clave en la  
visión de educación  
futura en AL.  
Falta de políticas  
regionales claras.  
(
2025)  
Fuente: Muñoz V; Ortiz D; Vera I; Del Campo S  
La siguiente matriz presentada en la Tabla 3 sintetiza de manera categorizada  
los principales hallazgos de esta revisión sistemática. En el eje de impactos  
pedagógicos, la evidencia confirma que la IA fortalece la retroalimentación  
inmediata y personalizada, facilita la recopilación de evidencias en tiempo real,  
promueve la personalización del aprendizaje y favorece la aplicación de  
metodologías activas y adaptativas. En el ámbito de la gestión académica, se  
destacan los aportes de la analítica de datos para la toma de decisiones  
4
59  
Revista Científica Arbitrada de Investigación en Comunicación, Marketing y Empresa  
REICOMUNICAR. Vol. 8, Núm. 16 (Ed. Julio – Diciembre 2025) ISSN: 2737-6354.  
Revisión sistemática del uso de inteligencia artificial en la evaluación del desempeño docente  
en la educación superior latinoamericana.  
estratégicas, el fortalecimiento de las capacidades investigativas, la mejora del  
desempeño institucional y el uso de LMS más personalizados. Finalmente, en  
cuanto a las limitaciones, se identifican la escasa capacitación docente, las  
brechas digitales y la inequidad tecnológica, además de riesgos asociados con  
la dependencia y los sesgos algorítmicos, así como la ausencia de marcos  
normativos claros. En conjunto, estos hallazgos reflejan un panorama dual: por  
un lado, el potencial transformador de la IA, y por otro, los retos estructurales  
que condicionan su plena implementación en la educación superior  
latinoamericana.  
Tabla 3. Matriz de los aportes positivos y los desafíos de la IA en la gestión docente.  
Categoría  
Impactos  
pedagógicos  
Evidencias encontradas  
Feedback inmediato y personalizado (Ávalos, 2024); recopilación de  
evidencias en tiempo real (Vera, 2023); personalización del  
aprendizaje (Arcos, 2024); metodologías activas y adaptativas  
(
Carvajal, 2024).  
Impactos en la Analítica de datos para decisiones estratégicas (Navas, 2022);  
gestión académica fortalecimiento de la investigación docente (Alvarado, 2025); mejora  
del desempeño institucional (Muirragui, 2025); LMS personalizados  
(
Ortiz, 2025).  
Escasa capacitación docente (Acosta, 2023); brechas digitales (Eras,  
024); inequidad tecnológica (Villalobos, 2024); dependencia  
tecnológica y sesgos (Muirragui, 2025); falta de marcos normativos  
Balcázar, 2025).  
Limitaciones  
2
(
Fuente: Muñoz V; Ortiz D; Vera I; Del Campo S  
Discusión  
Los resultados obtenidos en esta revisión sistemática evidenciaron que la  
inteligencia artificial (IA) se ha consolidado como un recurso estratégico para la  
gestión del desempeño docente en la educación superior latinoamericana, lo que  
responde directamente al objetivo planteado de analizar su impacto en los  
procesos de evaluación y retroalimentación. Ávalos (2024) destaca que la IA  
optimizó la retroalimentación formativa al ofrecer información inmediata y  
personalizada, contribuyendo a mejorar la calidad del proceso pedagógico. De  
manera complementaria, Vera (2023) sostiene que la recopilación de evidencias  
en tiempo real permitió fortalecer la mejora continua en la evaluación docente.  
Estos hallazgos coinciden con estudios internacionales de revisión que señalan  
la relevancia de la IA en la personalización del aprendizaje y en la eficiencia de  
los procesos educativos.  
4
60  
Ortiz et al. (2025)  
Asimismo, se identificó que la analítica de datos aplicada a la gestión académica  
se ha convertido en un insumo fundamental para la toma de decisiones  
estratégicas, al posibilitar la identificación de patrones de rendimiento y la  
anticipación de necesidades institucionales, como señala Navas (2022). Sin  
embargo, la revisión también reveló limitaciones críticas. Acosta et al. (2023)  
advierten que la falta de capacitación docente en el uso de estas tecnologías  
restringe su verdadero potencial en el aula. Muirragui et al. (2025) enfatizan que  
la dependencia tecnológica puede afectar la autonomía pedagógica y reducir la  
creatividad en los procesos de enseñanza. A esto se suman las brechas digitales  
señaladas por Eras Guaman et al. (2024), que profundizan desigualdades  
educativas, y la ausencia de marcos éticos claros descrita por Villalobos y  
Vásquez (2024), lo que genera riesgos vinculados con la privacidad y los sesgos  
algorítmicos.  
En contraste con estas limitaciones, estudios como el de Alvarado et al. (2025)  
refuerzan la idea de que la IA debe concebirse como una herramienta  
complementaria y no sustitutiva del rol docente, ya que libera tiempo de tareas  
administrativas y permite focalizar los esfuerzos en actividades pedagógicas de  
mayor valor. Por otra parte, investigaciones recientes muestran tendencias  
emergentes hacia la consolidación de modelos híbridos adaptativos apoyados  
en IA, lo que coincide con lo planteado por Yépez y Solis (2025). En la misma  
línea, Macedo et al. (2025) destacan que estas tecnologías impulsan el  
desarrollo de capacidades investigativas y la innovación en la producción  
académica, mientras que Torres-Barreto et al. (2024) subrayan la necesidad de  
establecer políticas claras y estudios longitudinales que garanticen un impacto  
sostenido y ético en la región.  
En síntesis, la discusión muestra que, aunque la IA ofrece beneficios evidentes  
en la retroalimentación, la evaluación y la gestión académica, su efectividad en  
el contexto latinoamericano depende de superar vacíos estructurales  
relacionados con la formación docente, la equidad digital y la regulación  
normativa.  
4
61  
Revista Científica Arbitrada de Investigación en Comunicación, Marketing y Empresa  
REICOMUNICAR. Vol. 8, Núm. 16 (Ed. Julio – Diciembre 2025) ISSN: 2737-6354.  
Revisión sistemática del uso de inteligencia artificial en la evaluación del desempeño docente  
en la educación superior latinoamericana.  
4. CONCLUSIONES  
El análisis realizado permite afirmar que la inteligencia artificial (IA) se configura  
como un recurso estratégico para la gestión del desempeño docente en la  
educación superior latinoamericana, particularmente en los procesos de  
evaluación y retroalimentación pedagógica. Según Vera (2023), estas  
tecnologías favorecen la recopilación de evidencias en tiempo real y fortalecen  
la retroalimentación formativa, lo que contribuye a la mejora continua del proceso  
pedagógico.  
No obstante, la integración de la IA enfrenta limitaciones significativas. Balcázar  
(2025) advierte que la escasa capacitación docente, las brechas tecnológicas y  
la falta de políticas claras reducen el impacto real de estas herramientas en la  
práctica universitaria. Estas condiciones hacen evidente la necesidad de  
implementar programas de formación y marcos regulatorios sólidos.  
En este sentido, la IA debe concebirse como una herramienta complementaria,  
que libere al profesorado de tareas administrativas y potencie su rol pedagógico.  
Torres et al. (2024) señalan que resulta prioritario avanzar en investigaciones  
longitudinales que evalúen su impacto sostenido y en el diseño de políticas  
institucionales que aseguren un uso ético, equitativo y contextualizado en la  
región.  
REFERENCIAS  
Acosta Cervantes, J. L., Bayas Romero, E. L., Manobanda Calberto, L. I., & Tapia  
Peralta, S. R. (2023). Estrategias de enseñanza para el mejoramiento de  
la práctica docente en Latinoamérica. Revisión sistemática. Ciencia Latina  
Revista  
Científica  
Multidisciplinar,  
7(2),  
3069-3087.  
https://doi.org/10.37811/cl_rcm.v7i2.5553  
Alvarado-Peña, L. J., De Castro, R. F., Álvarez Diez, R. C., Bueno Fernández,  
M. M., Dos Santos, G. M. T., & Vega Osuna, L. A. (2025). Desarrollo de  
capacidades investigativas en docentes de educación superior en  
América Latina: Una mirada desde la inteligencia artificial. SAPIENTIAE,  
1
1(1), 97-115. https://doi.org/10.37293/sapientiae111.07  
4
62  
Ortiz et al. (2025)  
Arcos, A. F. P. (2024). Revolutionizing Higher Education: Artificial Intelligence for  
Personalized Learning and Teaching Transformation. 2(2).  
Avalos Guijarro, A. D. L. Á. (2024). Impacto de la inteligencia artificial en la  
evaluación y retroalimentación educativa. Revista Retos para la  
investigación, 3(1), 19-32. https://doi.org/10.62465/rri.v3n1.2024.72  
Balcázar, M. (2025). La retroalimentación formativa en contextos educativos  
postpandemia. Editorial Académica.  
Carvajal Chávez, C. A. (2024). Inteligencia artificial como recurso didáctico en la  
educación superior. Una revisión sistemática. RECIMUNDO, 8(4), 51-65.  
https://doi.org/10.26820/recimundo/8.(4).diciembre.2024.51-65  
Eras Guaman, Y. E., Camacho Martínez, Á. E., Echeverría Saldarriaga, P. F.,  
Jaramillo Montecinos, R. V., & Maldonado, M. D. R. (2024). Innovación  
educativa mediante inteligencia artificial en la enseñanza del siglo XXI.  
Una revisión sistemática: Educational innovation through artificial  
intelligence in 21st century teaching. A systematic review. LATAM Revista  
Latinoamericana de Ciencias Sociales  
y
Humanidades, 5(4).  
https://doi.org/10.56712/latam.v5i4.2575  
Holguín Gil, A. C. (2024). Evaluación educativa: Desafíos y oportunidades  
pedagógicas en la era postpandemia de la Institución Educativa Luis  
Eduardo Arias Reinel, Barbosa, Antioquia 2024 [Magister en Educación,  
Universidad Nacional de La Plata]. https://doi.org/10.35537/10915/170878  
Macedo, A., Amasifuen, D., Apolinario, A., Benancio, C., & Santisteban, J.  
(
2025). Inteligencia artificial en la elaboración de trabajos académicos de  
la educación superior: Una revisión sistemática. Revista Espacios, 46(4),  
99-203. https://doi.org/10.48082/espacios-a25v46n04p19  
1
Mendoza Suárez, C. E., & Bullón Romero, C. A. (2022). Gestión del conocimiento  
en instituciones de educación superior: Una revisión sistemática.  
Horizontes. Revista de Investigación en Ciencias de la Educación, 6(26),  
1
992-2003. https://doi.org/10.33996/revistahorizontes.v6i26.468  
Muirragui Irrazabal, V. L., Garzón Balcázar, J. M., Moreira Cañizares, A. C., &  
Martínez Benítez, E. J. (2025). Impacto del uso de la inteligencia artificial  
en la educación universitaria. Revisión sistemática. RECIMUNDO, 9(2),  
3
49-360. https://doi.org/10.26820/recimundo/9.(2).abril.2025.349-360  
Murillo Delgado, E. P. (2025). La inteligencia artificial como herramienta  
emergente en los procesos de investigación en la educación superior. Una  
revisión  
sistemática.  
RECIMUNDO,  
9(2),  
474-488.  
https://doi.org/10.26820/recimundo/9.(2).abril.2025.474-488  
4
63  
Revista Científica Arbitrada de Investigación en Comunicación, Marketing y Empresa  
REICOMUNICAR. Vol. 8, Núm. 16 (Ed. Julio – Diciembre 2025) ISSN: 2737-6354.  
Revisión sistemática del uso de inteligencia artificial en la evaluación del desempeño docente  
en la educación superior latinoamericana.  
Navas, L. (2022). Gestión académica digital y analítica de datos en universidades  
de América Latina. Revista de Tecnología Educativa.  
Ortiz Merchan, J. G., Felix Romero, C. E., Suárez Mantilla, J. M., & Mejía Alcivar,  
G. E. (2025). Inteligencia artificial en los sistemas de gestión del  
aprendizaje en la educación superior: Revisión sistemática.  
RECIMUNDO,  
9(1),  
497-513.  
https://doi.org/10.26820/recimundo/9.(1).enero.2025.497-513  
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow,  
C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R.,  
Glanville, J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder,  
E. W., Mayo-Wilson, E., McDonald, S., ... Moher, D. (2021). The  
PRISMA 2020 statement: An updated guideline for reporting systematic  
reviews. BMJ, n71. https://doi.org/10.1136/bmj.n71  
Robalino Ibarra, C. P., Chicaiza Marchan, K. A., Coello Rivas, C. R., & Castillo  
Mainato, A. F. (2024). Revisión sistemática: Inteligencia artificial en la  
transformación de la educación primaria: Systematic review: artificial  
intelligence in the transformation of primary education. LATAM Revista  
Latinoamericana de Ciencias Sociales  
y
Humanidades, 5(5).  
https://doi.org/10.56712/latam.v5i5.2754  
Rojas, N. D., Mairena, M. E. J., & Collantes, A. O. L. (s. f.). Gestión del  
conocimiento y su impacto en las instituciones de educación superior: Una  
revisión sistemática. 5.  
Torres-Barreto, M., Hazbon-Manrique, J., & Álvarez-Melgarejo, E. (2024).  
Aplicación del Proceso Analítico Jerárquico en proyectos educativos de  
triple hélice. Revista Educación y Tecnología.  
Vera, C. (2023). Evaluación docente y retroalimentación en la educación superior  
postpandemia. Revista Científica de Educación Superior.  
Villalobos, J., & Vásquez, A. (2024). Integración de tecnologías digitales en la  
educación superior postpandemia: avances, desafíos y perspectivas  
futuras. Universidad Nacional  
Yépez González, D. A., & SOLIS FRANCO, G. C. (2025). Hacia una educación  
del futuro en américa latina: Revisión sistémica sobre el uso de  
tecnologías emergentes. https://doi.org/10.5281/ZENODO.16288381  
4
64