IA educativa y formación de agentes de cambio inclusivo en estudiantes de Pedagogía SEA-UV
DOI:
https://doi.org/10.56200/mentor.v5i5.13497Palabras clave:
educación inclusiva, inteligencia artificial educativa, formación docente, Barreras para el Aprendizaje y la Participación, agente de cambio educativoResumen
La formación inicial de profesionales de la educación requiere experiencias que articulen inclusión, análisis de Barreras para el Aprendizaje y la Participación (BAP) y uso crítico de inteligencia artificial (IA), particularmente en modalidades abiertas. El objetivo fue analizar los resultados observados en dimensiones vinculadas con la competencia de agente de cambio educativo inclusivo en estudiantes de Pedagogía del Sistema de Enseñanza Abierta de la Universidad Veracruzana. Se realizó un estudio mixto con predominio cuantitativo y alcance descriptivo, con un grupo de 40 estudiantes; la participación varió según actividad e ítem. Se analizaron actividades diagnósticas y finales en Wooclap, respuestas abiertas y 16 Evidencias de Desempeño Complejas (EDC) evaluadas mediante rúbrica. En la evaluación final, 10 de 22 estudiantes se percibieron bastante preparados, 9 medianamente y 3 muy preparados para diseñar proyectos inclusivos con APRA. Las EDC alcanzaron una media de 19.31/20 (DE = 0.87), y Shambala fue la IA considerada más útil por 16 de 24 participantes. Las respuestas finales incorporaron referencias a pertenencia, derechos, contexto y ética. Los resultados ofrecen evidencia situada sobre dimensiones vinculadas con la formación inclusiva, sin permitir atribuciones causales ni estimaciones de cambio individual.
Descargas
Citas
Ainscow, M. (2020). Promoting inclusion and equity in education: Lessons from international experiences. Nordic Journal of Studies in Educational Policy, 6(1), 7–16. https://doi.org/10.1080/20020317.2020.1729587
Booth, T., & Ainscow, M. (2011). Index for inclusion: Developing learning and participation in schools (3rd ed.). Centre for Studies on Inclusive Education.
Bracho, T. (2002). Desigualdad social y educación en México. Una perspectiva sociológica. EDUCAR, 29, 31–54. https://doi.org/10.5565/rev/educar.325
Branch, R. M. (2009). Instructional design: The ADDIE approach. Springer. https://doi.org/10.1007/978-0-387-09506-6
Cai, H., Han, B., Sun, J., Li, X., & Wong, L.-H. (2025). Harnessing AI for teacher education to promote inclusive education: Investigating the effects of ChatGPT-supported lesson plan critiques on the development of pre-service teachers' lesson planning skills. The Internet and Higher Education, 67, 101022. https://doi.org/10.1016/j.iheduc.2025.101022
Campbell, D. T., & Stanley, J. C. (1966). Experimental and quasi-experimental designs for research. Rand McNally.
Consejo Nacional de Evaluación de la Política de Desarrollo Social. (2020). Medición multidimensional de la pobreza en México 2008–2018. CONEVAL.
Consejo Nacional de Evaluación de la Política de Desarrollo Social. (2021). Informe de evaluación de la política de desarrollo social 2020. CONEVAL.
Cope, B., & Kalantzis, M. (2009). Ubiquitous learning: An agenda for educational transformation. In B. Cope & M. Kalantzis (Eds.), Ubiquitous learning (pp. 3–14). University of Illinois Press.
Creswell, J. W., & Plano Clark, V. L. (2018). Designing and conducting mixed methods research (3rd ed.). SAGE.
Dick, W., Carey, L., & Carey, J. O. (2015). The systematic design of instruction (8th ed.). Pearson.
Flick, U. (2018). Doing qualitative data collection: Charting the routes. In U. Flick (Ed.), The SAGE handbook of qualitative data collection (pp. 3–16). SAGE Publications. https://doi.org/10.4135/9781526416070.n1
Florian, L. (2014). What counts as evidence of inclusive education? European Journal of Special Needs Education, 29(3), 286–294. https://doi.org/10.1080/08856257.2014.933551
Freire, P. (2000). Pedagogy of the oppressed (30th anniversary ed.). Continuum.
Fullan, M. (2007). The new meaning of educational change (4th ed.). Teachers College Press.
Garrison, D. R., & Kanuka, H. (2004). Blended learning: Uncovering its transformative potential in higher education. The Internet and Higher Education, 7(2), 95–105. https://doi.org/10.1016/j.iheduc.2004.02.001
Hwang, G.-J., & Chang, H.-F. (2011). A formative assessment-based mobile learning approach to improving the learning attitudes and achievements of students. Computers & Education, 56(4), 1023–1031. https://doi.org/10.1016/j.compedu.2010.12.002
Instituto Nacional de Estadística y Geografía. (2019). Encuesta Nacional de Ingresos y Gastos de los Hogares (ENIGH) 2018. https://www.inegi.org.mx/programas/enigh/nc/2018/
Instituto Nacional de Estadística y Geografía. (2021). Censo de Población y Vivienda 2020. https://www.inegi.org.mx/programas/ccpv/2020/
Kalniņa, D., Nīmante, D., & Baranova, S. (2024). Artificial intelligence for higher education: Benefits and challenges for pre-service teachers. Frontiers in Education, 9, 1501819. https://doi.org/10.3389/feduc.2024.1501819
Kolb, D. A. (1984). Experiential learning: Experience as the source of learning and development. Prentice Hall.
Lonngi, S. D. (2020). Modelo para el diseño, desarrollo, implementación y evaluación de experiencias educativas... In A. C. Hernández, R. Lonngi, & S. García (Eds.), La labor académica y artística desde la Universidad Veracruzana (pp. 293–314). Morlis Books.
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI in education. Pearson.
Melo-López, V.-A., Basantes-Andrade, A., Gudiño-Mejía, C.-B., & Hernández-Martínez, E. (2025). The impact of artificial intelligence on inclusive education: A systematic review. Education Sciences, 15(5), 539. https://doi.org/10.3390/educsci15050539
Miles, M. B., Huberman, A. M., & Saldaña, J. (2014). Qualitative data analysis: A methods sourcebook (3rd ed.). SAGE.
Moore, M. G., & Kearsley, G. (2011). Distance education: A systems view of online learning (3rd ed.). Wadsworth Cengage Learning.
Moorhouse, B. L., Wan, Y., Wu, C., Kohnke, L., Ho, T. Y., & Kwong, T. (2024). Developing language teachers' professional generative AI competence: An intervention study in an initial language teacher education course. System, 125, 103399. https://doi.org/10.1016/j.system.2024.103399
Murillo, F. J., & Krichesky, G. J. (2012). El proceso del cambio escolar: Una guía para impulsar y sostener la mejora de las escuelas. REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, 10(1), 26–43. https://doi.org/10.15366/reice2012.10.1.001
Organización de las Naciones Unidas. (2006). Convención sobre los derechos de las personas con discapacidad. https://www.un.org/esa/socdev/enable/documents/tccconvs.pdf
Organización de las Naciones Unidas. (2015). Transformar nuestro mundo: La Agenda 2030 para el Desarrollo Sostenible (A/RES/70/1). https://digitallibrary.un.org/record/3923923/files/A_RES_70_1-ES.pdf
Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura. (1994). Declaración de Salamanca y marco de acción para las necesidades educativas especiales. https://unesdoc.unesco.org/ark:/48223/pf0000098427_spa
Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura. (2017). Guía para asegurar la inclusión y la equidad en la educación. https://unesdoc.unesco.org/ark:/48223/pf0000259592
Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura. (2022). Recomendación sobre la ética de la inteligencia artificial. https://unesdoc.unesco.org/ark:/48223/pf0000381137_spa
O'Neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown.
Ouyang, F., & Jiao, P. (2021). Artificial intelligence in education: The three paradigms. Computers and Education: Artificial Intelligence, 2, 100020. https://doi.org/10.1016/j.caeai.2021.100020
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
Schön, D. A. (1983). The reflective practitioner: How professionals think in action. Basic Books.
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Polity Press.
Siemens, G. (2005). Connectivism: A learning theory for the digital age. International Journal of Instructional Technology and Distance Learning, 2(1), 3–10. https://www.scirp.org/reference/referencespapers?referenceid=148504
Sperling, K., Stenberg, C.-J., McGrath, C., Åkerfeldt, A., Heintz, F., & Stenliden, L. (2024). In search of artificial intelligence (AI) literacy in teacher education: A scoping review. Computers and Education Open, 6, 100169. https://doi.org/10.1016/j.caeo.2024.100169
Tashakkori, A., & Teddlie, C. (Eds.). (2010). SAGE handbook of mixed methods in social & behavioral research (2nd ed.). SAGE Publications. https://doi.org/10.4135/9781506335193
Tobón, S. (2017). Evaluación socioformativa: Estrategias e instrumentos. Kresearch. https://doi.org/10.24944/isbn.978-0-9969924-0-4
Wiggins, G., & McTighe, J. (2005). Understanding by design (2nd ed.). ASCD.
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, 39. https://doi.org/10.1186/s41239-019-0171-0
Zhai, C., Wibowo, S., & Li, L. D. (2024). The effects of over-reliance on AI dialogue systems on students' cognitive abilities: A systematic review. Smart Learning Environments, 11(1), 28. https://doi.org/10.1186/s40561-024-00316-7
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Sajid Demian Lonngi Reyna , Susana García Aguilar , Jeysira Jacqueline Dorantes Carrión

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






























+593987341121 