Efectos de un modelo de aprendizaje adaptativo en tiempo real basado en inteligencia artificial sobre la personalización curricular en estudiantes con diversidad cognitiva y sensorial
DOI:
https://doi.org/10.63969/zd6rpc61Palabras clave:
aprendizaje adaptativo, inteligencia artificial, personalización curricular, educación inclusiva, diversidad cognitiva, diversidad sensorialResumen
Introducción: La personalización curricular mediante inteligencia artificial (IA) puede reducir barreras de acceso y ajustar la enseñanza a la variabilidad del alumnado, pero la evidencia cuasiexperimental en educación escolar inclusiva sigue siendo limitada. Objetivo: Evaluar el efecto de un modelo adaptativo en tiempo real sobre la personalización curricular de estudiantes con diversidad cognitiva y sensorial de décimo de Educación General Básica y primero de Bachillerato. Método: Se realizó un estudio cuasiexperimental pretest–postest con 200 estudiantes, distribuidos equitativamente entre intervención y comparación. El grupo de intervención completó 30 sesiones de Matemática en las que el sistema ajustó dificultad, ritmo, formato y retroalimentación; el grupo de comparación utilizó recursos digitales no adaptativos. Se analizaron cambios, tamaños del efecto y modelos lineales ajustados por pretest, nivel, diversidad, edad, asistencia, competencia digital y apoyo. Resultados: La ganancia en personalización fue mayor en intervención (M = 0,692; DE = 0,313) que en comparación (M = 0,202; DE = 0,239), diferencia = 0,489; IC 95 % [0,411; 0,567]; d = 1,76; p < .001. El efecto ajustado fue b = 0,481; IC 95 % [0,401; 0,561]. También se observaron ventajas en rendimiento (d = 2,03), compromiso (d = 1,29), accesibilidad (d = 1,86) y participación (d = 1,94), todas con p < .001. No se detectó moderación significativa por nivel educativo ni tipo de diversidad. Conclusión: El modelo se asoció con mejoras amplias y consistentes; sin embargo, la asignación no aleatoria y la ausencia de identificadores de conglomerado limitan la inferencia causal.
Descargas
Referencias
Asiri, A. M., Barayan, A. M. A., Almutairi, A. A. A. M., & Alamri, J. M. (2026). Artificial intelligence and the enhancement of quality of life for individuals with visual impairments: A systematic review. Discover Education, 5, 454. https://doi.org/10.1007/s44217-026-01173-x
CAST. (2024). Universal Design for Learning Guidelines version 3.0. https://udlguidelines.cast.org/
Cerón Salazar, E. M., & Burbano González, D. C. (2026). Intelligent learning systems in primary and secondary education: A systematic review (2014–2024). Frontiers in Education, 11, 1720377. https://doi.org/10.3389/feduc.2026.1720377
Chemnad, K., & Othman, A. (2024). Digital accessibility in the era of artificial intelligence—Bibliometric analysis and systematic review. Frontiers in Artificial Intelligence, 7, 1349668. https://doi.org/10.3389/frai.2024.1349668
Chiu, T. K. F., Xia, Q., Zhou, X., Chai, C. S., & Cheng, M. (2023). Systematic literature review on opportunities, challenges, and future research recommendations of artificial intelligence in education. Computers and Education: Artificial Intelligence, 4, 100118. https://doi.org/10.1016/j.caeai.2022.100118
Comisión Europea. (2022). Ethical guidelines on the use of artificial intelligence (AI) and data in teaching and learning for educators. Publications Office of the European Union. https://op.europa.eu/s/zB7Q
Dutt, S., Ahuja, N. J., & Kumar, M. (2022). An intelligent tutoring system architecture based on fuzzy neural network (FNN) for special education of learning disabled learners. Education and Information Technologies, 27, 2613–2633. https://doi.org/10.1007/s10639-021-10713-x
European Agency for Special Needs and Inclusive Education. (2022). Inclusive digital education (H. Weber, A. Elsner, D. Wolf, M. Rohs, & M. Turner-Cmuchal, Eds.). https://www.european-agency.org/sites/default/files/Inclusive_Digital_Education.pdf
Garcia Ramos, J., & Wilson-Kennedy, Z. (2024). Promoting equity and addressing concerns in teaching and learning with artificial intelligence. Frontiers in Education, 9, 1487882. https://doi.org/10.3389/feduc.2024.1487882
Hussein, E., Hussein, M., & Al-Hendawi, M. (2025). Investigation into the applications of artificial intelligence (AI) in special education: A literature review. Social Sciences, 14(5), 288. https://doi.org/10.3390/socsci14050288
Jadán-Guerrero, J., Tamayo-Narvaez, K., Méndez, E., & Valenzuela, M. (2024). Adaptive learning environments: Integrating artificial intelligence for special education advances. In HCI International 2024 Posters (pp. 86–94). Springer. https://doi.org/10.1007/978-3-031-61953-3_10
Kabudi, T., Pappas, I. O., & Olsen, D. H. (2021). AI-enabled adaptive learning systems: A systematic mapping of the literature. Computers and Education: Artificial Intelligence, 2, 100017. https://doi.org/10.1016/j.caeai.2021.100017
Lan, L., Li, K., & Li, D. (2025). Exploring the application of AI in the education of children with autism: A public health perspective. Frontiers in Psychiatry, 15, 1521926. https://doi.org/10.3389/fpsyt.2024.1521926
Ministerio de Educación, Deporte y Cultura. (2025, 20 de febrero). Innovación educativa: Currículo adaptado transforma el aprendizaje de 9.718 estudiantes con discapacidad. https://educacion.gob.ec/innovacion-educativa-curriculo-adaptado-transforma-el-aprendizaje-de-9-718-estudiantes-con-discapacidad/
OECD. (2023). OECD Digital Education Outlook 2023: Towards an effective digital education ecosystem. OECD Publishing. https://doi.org/10.1787/c74f03de-en
Standen, P. J., Brown, D. J., Taheri, M., Galvez Trigo, M. J., Boulton, H., Burton, A., Hallewell, M. J., Lathe, J. G., Shopland, N., Blanco Gonzalez, M. A., Kwiatkowska, G. M., Milli, E., Cobello, S., Mazzucato, A., Traversi, M., & Hortal, E. (2020). An evaluation of an adaptive learning system based on multimodal affect recognition for learners with intellectual disabilities. British Journal of Educational Technology, 51(5), 1748–1765. https://doi.org/10.1111/bjet.13010
Toyokawa, Y., Horikoshi, I., Majumdar, R., & Ogata, H. (2023). Challenges and opportunities of AI in inclusive education: A case study of data-enhanced active reading in Japan. Smart Learning Environments, 10, 67. https://doi.org/10.1186/s40561-023-00286-2
UNESCO. (2023a). Global education monitoring report 2023: Technology in education—A tool on whose terms? https://unesdoc.unesco.org/ark:/48223/pf0000385723
UNESCO. (2023b). Guidance for generative AI in education and research. https://unesdoc.unesco.org/ark:/48223/pf0000386693
UNESCO. (2024). AI competency framework for students. https://unesdoc.unesco.org/ark:/48223/pf0000391105
UNICEF. (2025). Guidance on AI and children: Version 3.0. UNICEF Innocenti. https://www.unicef.org/innocenti/reports/policy-guidance-ai-children
Varsik, S., & Vosberg, L. (2024). The potential impact of artificial intelligence on equity and inclusion in education (OECD Artificial Intelligence Papers No. 23). OECD Publishing. https://doi.org/10.1787/15df715b-en
Voultsiou, E., & Moussiades, L. (2025). A systematic review of AI, VR, and LLM applications in special education: Opportunities, challenges, and future directions. Education and Information Technologies, 30, 19141–19181. https://doi.org/10.1007/s10639-025-13550-4
World Health Organization, & UNICEF. (2022). Global report on assistive technology. World Health Organization. https://www.who.int/publications/i/item/9789240049451
Yang, Y., Chen, L., He, W., Sun, D., & Salas-Pilco, S. Z. (2025). Artificial intelligence for enhancing special education for K–12: A decade of trends, themes, and global insights (2013–2023). International Journal of Artificial Intelligence in Education, 35, 1129–1177. https://doi.org/10.1007/s40593-024-00422-0
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Teresa del Rocío Urgiles Uyaguari, Jorge Freddy Jara Espinoza , Lina Yasenia López Caicedo , Ricardo Damián Eugenio Monserrate , Jeniffer Steffania Hidalgo Álava (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los artículos publicados en la revista se distribuyen bajo la licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0). Esta licencia permite a terceros descargar, copiar, distribuir, adaptar y reutilizar una obra, incluso con fines comerciales, siempre que se otorgue el crédito adecuado al autor original.
