IA generativa versus profesores: reflexiones desde una revisión de la literatura

PIXEL-BIT REVISTA DE MEDIOS Y EDUCACIÓN Nº 72 - ENERO2025 https://revistapixelbit.com Píxel-Bit. Revista de Medios y Educación. 2025 - ISSN: 1133-8482. e-ISSN: 2171-7966. PIXEL-BIT REVISTA DE MEDIOS Y EDUCACIÓN ENERO 2 0 2 5 EQUIPO EDITORIAL (EDITORIAL BOARD) EDITOR JEFE (EDITOR IN CHIEF) Nº 72 Dr. Julio Cabero Almenara, Departamento de Didáctica y Organización Educativa, Facultad de CC de la Educación, Director del Grupo de Investigación Didáctica. Universidad de Sevilla (España) EDITOR ADJUNTO (ASSISTANT EDITOR) Dr. Juan Jesús Gutiérrez Castillo, Departamento de Didáctica y Organización Educativa. Facultad de CC de la Educación, Universidad de Sevilla (España) Dr. Óscar M. Gallego Pérez, Grupo de Investigación Didáctica, Universidad de Sevilla (España) EDITORES ASOCIADOS Dra. Urtza Garay Ruiz, Universidad del País Vasco. (España) Dra. Ivanovnna Milqueya Cruz Pichardo, Pontificia Universidad Católica Madre y Maestra. (República Dominicana) Dra. Carmen Llorente Cejudo, Universidad de Sevilla (España) CONSEJO METODOLÓGICO Dr. José González Such, Universidad de Valencia (España) Dr. Antonio Matas Terrón, Universidad de Málaga (España) Dra. Cynthia Martínez-Garrido, Universidad Autónoma de Madrid (España) Dr. Luis Carro Sancristóbal, Universidad de Valladolid (España) Dra. Nina Hidalgo Farran, Universidad Autónoma de Madrid (España) CONSEJO DE REDACCIÓN Dra. María Puig Gutiérrez, Universidad de Sevilla. (España) Dra. Sandra Martínez Pérez, Universidad de Barcelona (España) Dr. Selín Carrasco, Universidad de La Punta (Argentina) Dr. Jackson Collares, Universidades Federal do Amazonas (Brasil) Dra. Kitty Gaona, Universidad Autónoma de Asunción (Paraguay) Dr. Vito José de Jesús Carioca. Instituto Politécnico de Beja Ciencias da Educación (Portugal) Dra. Elvira Esther Navas, Universidad Metropolitana de Venezuela (Venezuela) Dr. Angel Puentes Puente, Pontificia Universidad Católica Madre y Maestra. Santo Domingo (República Dominicana) Dr. Fabrizio Manuel Sirignano, Università degli Studi Suor Orsola Benincasa (Italia) Dra. Sonia Aguilar Gavira. Universidad de Cádiz (España) Dra. Eloisa Reche Urbano. Universidad de Córdoba (España) CONSEJO TÉCNICO Dra. Raquel Barragán Sánchez, Grupo de Investigación Didáctica, Universidad de Sevilla (España) Dr. Antonio Palacios Rodríguez, Grupo de Investigación Didáctica, Universidad de Sevilla (España) Dr. Manuel Serrano Hidalgo, Grupo de Investigación Didáctica, Universidad de Sevilla (España) Diseño de portada: Dña. Lucía Terrones García, Universidad de Sevilla (España) Revisor/corrector de textos en inglés: Dra. Rubicelia Valencia Ortiz, MacMillan Education (México) Revisores metodológicos: evaluadores asignados a cada artículo CONSEJO CIENTÍFICO Jordi Adell Segura, Universidad Jaume I Castellón (España) Ignacio Aguaded Gómez, Universidad de Huelva (España) María Victoria Aguiar Perera, Universidad de Las Palmas de Gran Canaria (España) Olga María Alegre de la Rosa, Universidad de la Laguna Tenerife (España) Manuel Área Moreira, Universidad de la Laguna Tenerife (España) Patricia Ávila Muñoz, Instituto Latinoamericano de Comunicación Educativa (México) María Paz Prendes Espinosa, Universidad de Murcia (España) Angel Manuel Bautista Valencia, Universidad Central de Panamá (Panamá) Jos Beishuizen, Vrije Universiteit Amsterdam (Holanda) Píxel-Bit. Revista de Medios y Educación. 2025 - ISSN: 1133-8482. e-ISSN: 2171-7966. Florentino Blázquez Entonado, Universidad de Extremadura (España) Silvana Calaprice, Università degli studi di Bari (Italia) Selín Carrasco, Universidad de La Punta (Argentina) Raimundo Carrasco Soto, Universidad de Durango (México) Zulma Cataldi, Universidad de Buenos Aires (Argentina) Luciano Cecconi, Università degli Studi di Modena (Italia) Jean-François Cerisier, Université de Poitiers, Francia Jordi Lluís Coiduras Rodríguez, Universidad de Lleida (España) Jackson Collares, Universidades Federal do Amazonas (Brasil) Enricomaria Corbi, Università degli Studi Suor Orsola Benincasa (Italia) Marialaura Cunzio, Università degli Studi Suor Orsola Benincasa (Italia) Brigitte Denis, Université de Liège (Bélgica) Floriana Falcinelli, Università degli Studi di Perugia (Italia) Maria Cecilia Fonseca Sardi, Universidad Metropolitana de Venezuela (Venezuela) Maribel Santos Miranda Pinto, Universidade do Minho (Portugal) Kitty Gaona, Universidad Autónoma de Asunción (Paraguay) María-Jesús Gallego-Arrufat, Universidad de Granada (España) Lorenzo García Aretio, UNED (España) Ana García-Valcarcel Muñoz-Repiso, Universidad de Salamanca (España) Antonio Bautista García-Vera, Universidad Complutense de Madrid (España) José Manuel Gómez y Méndez, Universidad de Sevilla (España) Mercedes González Sanmamed, Universidad de La Coruña (España) Manuel González-Sicilia Llamas, Universidad Católica San Antonio-Murcia (España) António José Meneses Osório, Universidade do Minho (Portugal) Carol Halal Orfali, Universidad Tecnológica de Chile INACAP (Chile) Mauricio Hernández Ramírez, Universidad Autónoma de Tamaulipas (México) Ana Landeta Etxeberría, Universidad a Distancia de Madrid (UDIMA) Linda Lavelle, Plymouth Institute of Education (Inglaterra) Fernando Leal Ríos, Universidad Autónoma de Tamaulipas (México) Paul Lefrere, Cca (UK) Carlos Marcelo García, Universidad de Sevilla (España) Francois Marchessou, Universidad de Poittiers, París (Francia) Francesca Marone, Università degli Studi di Napoli Federico II (Italia) Francisco Martínez Sánchez, Universidad de Murcia (España) Ivory de Lourdes Mogollón de Lugo, Universidad Central de Venezuela (Venezuela) Angela Muschitiello, Università degli studi di Bari (Italia) Margherita Musello, Università degli Studi Suor Orsola Benincasa (Italia) Elvira Esther Navas, Universidad Metropolitana de Venezuela (Venezuela) Trinidad Núñez Domínguez, Universidad de Sevilla (España) James O’Higgins, de la Universidad de Dublín (UK) José Antonio Ortega Carrillo, Universidad de Granada (España) Gabriela Padilla, Universidad Autónoma de Tumalipas (México) Ramón Pérez Pérez, Universidad de Oviedo (España) Angel Puentes Puente, Pontificia Universidad Católica Madre y Maestra. Santo Domingo (República Dominicana) Juan Jesús Gutiérrez Castillo, Universidad de Sevilla (España) Julio Manuel Barroso Osuna, Universidad de Sevilla (España) Rosalía Romero Tena. Universidad de Sevilla (España) Hommy Rosario, Universidad de Carabobo (Venezuela) Pier Giuseppe Rossi, Università di Macerata (Italia) Jesús Salinas Ibáñez, Universidad Islas Baleares (España) Yamile Sandoval Romero, Universidad de Santiago de Cali (Colombia) Albert Sangrá Morer, Universidad Oberta de Catalunya (España) Ángel Sanmartín Alonso, Universidad de Valencia (España) Horacio Santángelo, Universidad Tecnológica Nacional (Argentina) Francisco Solá Cabrera, Universidad de Sevilla (España) Jan Frick, Stavanger University (Noruega) Karl Steffens, Universidad de Colonia (Alemania) Seppo Tella, Helsinki University (Finlandia) Hanne Wacher Kjaergaard, Aarhus University (Dinamarca) Píxel-Bit. Revista de Medios y Educación. 2025 - ISSN: 1133-8482. e-ISSN: 2171-7966. FACTOR DE IMPACTO (IMPACT FACTOR) SCOPUS Q1 Education: Posición 236 de 1406 (83% Percentil). CiteScore Tracker 2023: 5,3 - Journal Citation Indicator (JCI). Emerging Sources Citation Index (ESCI). Categoría: Education & Educational Research. Posición 556 de 1506. Cuartil Q2 (Percentil: 65.29) – FECYT (2023): Ciencias de la Educación. Cuartil 1. Posición 12. Puntuación: 39,22DIALNET MÉTRICAS (Factor impacto 2022: 1.78. Q1 Educación. Posición 13 de 235) - REDIB Calificación Glogal: 29,102 (71/1.119) Percentil del Factor de Impacto Normalizado: 95,455ERIH PLUS - Clasificación CIRC: BCategoría ANEP: B - CARHUS (+2018): B - MIAR (ICDS 2020): 9,9 - Google Scholar (global): h5: 34; Mediana: 52 - Journal Scholar Metric Q2 Educación. Actualización 2016 Posición: 405a de 1,115Criterios ANECA: 20 de 21 - INDEX COPERNICUS Puntuación ICV 2019: 95.10 Píxel-Bit, Revista de Medios y Educación está indexada entre otras bases en: SCOPUS, Fecyt, DOAJ, Iresie, ISOC (CSIC/CINDOC), DICE, MIAR, IN-RECS, RESH, Ulrich’s Periodicals, Catálogo Latindex, Biné-EDUSOL, Dialnet, Redinet, OEI, DOCE, Scribd, Redalyc, Red Iberoamericana de Revistas de Comunicación y Cultura, Gage Cengage Learning, Centro de Documentación del Observatorio de la Infancia en Andalucía. Además de estar presente en portales especializados, Buscadores Científicos y Catálogos de Bibliotecas de reconocido prestigio, y pendiente de evaluación en otras bases de datos. EDITA (PUBLISHED BY) Grupo de Investigación Didáctica (HUM-390). Universidad de Sevilla (España). Facultad de Ciencias de la Educación. Departamento de Didáctica y Organización Educativa. C/ Pirotecnia s/n, 41013 Sevilla. Dirección de correo electrónico: [email protected]. URL: https://revistapixelbit.com/ ISSN: 1133-8482; e-ISSN: 2171-7966; Depósito Legal: SE-1725-02 Formato de la revista: 16,5 x 23,0 cm Los recursos incluidos en Píxel Bit están sujetos a una licencia Creative Commons Attribution-NonCommercialShareAlike 4.0 Unported (Reconocimiento-NoComercial-CompartirIgual)(CC BY-NC-SA 4.0), en consecuencia, las acciones, productos y utilidades derivadas de su utilización no podrán generar ningún tipo de lucro y la obra generada sólo podrá distribuirse bajo esta misma licencia. En las obras derivadas deberá, asimismo, hacerse referencia expresa a la fuente y al autor del recurso utilizado. ©2025 Píxel-Bit. No está permitida la reproducción total o parcial por ningún medio de la versión impresa de Píxel-Bit. Píxel-Bit. Revista de Medios y Educación. 2025 - ISSN: 1133-8482. e-ISSN: 2171-7966. Nº 72 PIXEL-BIT REVISTA DE MEDIOS Y EDUCACIÓN Índice E N E R O 2 0 2 5 1.- Análisis de la Disposición Espacial de Contenido en entornos de Realidad Aumentada y su Efecto en la Carga Cognitiva de los Usuarios [Analysis of the Spatial Layout of Content in Augmented Reality Environments and its Effect on Users' Cognitive Load] Luis Eduardo Bautista, Fernanda Maradei, Gabriel Pedraza 2.- Evaluación de actitudes hacia la ciencia, tecnología, ingeniería y matemáticas (STEM) para fomentar la creatividad en la educación secundaria [Assessing Attitudes Toward Science, Technology, Engineering, and Mathematics (STEM) for Enhancing Creativity in Secondary Education] Mujib Mujib, Mardiyah Mardiyah 3.- Distinción entre textos de guion escritos por humanos y generados por IA: un estudio preliminar con estudiantes de Cine [Distinction between Screenplay Texts Written by Humans and Generated by AI: a Preliminary Study with Film Students] Javier Luri-Rodríguez, Elio Quiroga-Rodríguez 4.- Efecto mediador del autocontrol sobre la autoestima y el uso de Instagram en adolescentes. Relaciones con el rendimiento académico y el estrés tecnológico [Mediating effect of self-monitoring on selfesteem and Instagram use in adolescents. Relationships with academic performance and technological stress] Francisco José Rubio-Hernández, Adoración Díaz-López, Vanessa Caba-Machado, Elena GonzálezCalahorra 5.- Phubbing: edad y presencia en línea como condiciones necesarias [Phubbing: Age and Online Presence as Necessary Conditions] Antonio Matas-Terrón 6.- IA generativa versus profesores: reflexiones desde una revisión de la literatura [Generative AI vs. Teachers: insights from a literature review] Andres Chiappe, Carolina San Miguel, Fabiola Mabel Sáez Delgado 7.- ¿Coinciden la comunidad científica y la sociedad sobre el uso de la Inteligencia Artificial en educación? [Do the scientific community and society agree on the use of Artificial Intelligence in education?] Sonia Martín-Gómez, Ángel Bartolomé Muñoz de Luna 8.- La utilidad percibida del ChatGPT por parte del alumnado universitario [Perceived usefulness of ChatGPT by university students] Pablo Javier Ortega-Rodríguez, Francisco Javier Pericacho Gómez 9.- La hora del Booktok: caracterización de nuevos vídeos para la promoción lectora en el móvil [Booktok Time: Characterization of New Videos for Mobile Reading Promotion] José Rovira-Collado, Francisco Antonio Martínez-Carratalá, Sebastián Miras 10.- Cómo potenciar el pensamiento crítico en la universidad a través de competencias en línea: evaluación de la información y la netiqueta// How to enhance critical thinking at university through online skills: information assessment and netiquette Magalí Denoni Buján, Ana Cebollero Salinas 7 39 70 87 103 119 139 159 180 199 Píxel-Bit. Revista de Medios y Educación. 2025 - ISSN: 1133-8482. e-ISSN: 2171-7966. Pixel-Bit. Revista de Medios y Educación, 72, 119-137 | 2025 | https://doi.org/10.12795/pixelbit.107046 IA generativa versus profesores: reflexiones desde una revisión de la literatura Generative AI vs. Teachers: insights from a literature review Dr. Andres Chiappe Profesor Titular. Universidad de la Sabana. Colombia Dña. Carolina Sanmiguel Profesora. Fundación Universitaria Navarra. Colombia Dra. Fabiola Mabel Sáez Delgado Profesora. Universidad Católica de la Santísima Concepción. Chile Recibido: 2024/05/08; Revisado: 2024/05/28; Aceptado: 2024/12/05; Online First: 2024/12/14; Publicado: 2025/01/07 ABSTRACT The growing integration of artificial intelligence in universities is reshaping higher education, particularly through the use of chatbots and generative language models. This article conducts a literature review, applying PRISMA guidelines to 155 peerreviewed articles, to examine the advantages, limitations, and pedagogical applications of AI compared to human teaching. Three main scenarios of impact on educational practices were identified: a) Loss of certain traditional aspects of teaching, such as exclusive information transmission and reporting tasks, b) Transformation of roles, including control over educational content and the didactic contract, c) Emergence of new elements, such as personalized learning and innovative evaluation approaches. Despite its potential to automate processes and save time, chatbots cannot replicate essential human qualities like empathy and adaptability. Therefore, their optimal integration requires thorough pedagogical analysis to balance innovation with educational effectiveness. This work is valuable for researchers, educators, and instructional designers seeking to understand how to leverage AI without compromising teaching quality. It represents a crucial step toward the development of AI integration strategies grounded in solid pedagogical principles. RESUMEN La creciente integración educativa de la inteligencia artificial está reconfigurando la educación superior, especialmente a través del uso de chatbots y modelos de lenguaje generativo. Este artículo realiza una revisión de la literatura, aplicando las directrices PRISMA a 155 artículos revisados por pares, para examinar las ventajas, limitaciones y aplicaciones pedagógicas de la IA en comparación con la enseñanza humana. Se identificaron tres principales escenarios de impacto en las prácticas educativas: a) Pérdida de ciertos aspectos tradicionales de la enseñanza, como la transmisión exclusiva de información y tareas de reporte, b) Transformación de roles, incluyendo el control sobre contenidos educativos y el contrato didáctico, c) Emergencia de nuevos elementos, como la personalización del aprendizaje y enfoques innovadores en la evaluación. A pesar de su potencial para automatizar procesos y ahorrar tiempo, los chatbots no replican cualidades humanas esenciales como la empatía y la adaptabilidad. Por ello, su integración óptima requiere análisis pedagógicos profundos que equilibren innovación y efectividad educativa. Este trabajo es valioso para investigadores, docentes y diseñadores educativos interesados en entender cómo aprovechar la IA sin comprometer la calidad de la enseñanza. Representa un paso crucial hacia estrategias de incorporación de IA basadas en principios pedagógicos sólidos. KEYWORDS · PALABRAS CLAVES Inteligencia Artificial Generativa; Prácticas Docentes; Innovación Educativa; Educación Superior; Transformación Pedagógica; Aplicaciones de Chatbots en Educación Generative Artificial Intelligence; Teacher Practices; Educational Innovation; Higher Education; Pedagogical Transformation; Chatbot Applications in Education Pixel-Bit. Revista de Medios y Educación, 72, 119-137 | 2025 | https://doi.org/10.12795/pixelbit.107046 PÁGINA | 120 1. Introducción En los últimos tiempos, ha sido cada vez más frecuente escuchar sobre experiencias piloto de implementación de chatbots en la educación, como parte de una tendencia creciente y compleja de incorporar tecnologías digitales para apoyar la enseñanza y el aprendizaje (Chen et al., 2023; Tlili et al., 2023). En este sentido, Salvagno et al. (2023), mencionan que los chatbots son programas capaces de generar una conversación específica con las personas, a través del procesamiento de lenguaje natural. Los chatbots, que pueden vincular texto y voz, reconocen expresiones, entienden perspectivas y ofrecen perspectivas a partir de procesos de alimentación o entrenamiento continuo basados en las respuestas e interacciones de sus usuarios. En otras palabras, los chatbots se consideran una herramienta de software que permite interactuar con los usuarios sobre un tema específico de manera natural y conversacional mediante texto y voz (Smutny & Schreiberova, 2020). Se han utilizado para diversos propósitos en un amplio rango de dominios, y la educación no ha sido la excepción. Las pocas y recientes investigaciones al respecto, así como la información disponible en la prensa y redes académicas, indican que existe mucha confusión y temor sobre el uso de estas herramientas digitales, principalmente relacionado con el plagio (King, 2023) y, en general, con la pérdida de relevancia de muchas actividades de aprendizaje y evaluación que tradicionalmente se han brindado a los estudiantes (Surahman & Wang, 2022). En este escenario, es de vital importancia ofrecer un enfoque reflexivo desde una perspectiva pedagógica sobre este tema, de manera que sea útil para investigadores y educadores, y así identificar sus posibilidades y principales riesgos para su correcta implementación en el marco de la educación superior. En el camino hacia la comprensión, al menos de manera incipiente, del potencial y los riesgos del uso de chatbots en la educación, parece que aún queda prácticamente todo por hacer, según lo indicado en la Figura 1, donde se muestra el panorama de la investigación sobre este tema, publicado en revistas revisadas por pares e indexadas en Scopus. Figura 1 Artículos publicados sobre “chatbots y educación” en revistas indexadas en Scopus. Pixel-Bit. Revista de Medios y Educación, 72, 119-137 | 2025 | https://doi.org/10.12795/pixelbit.107046 PÁGINA | 121 La Figura 1 destaca que el interés investigativo en el uso de chatbots en la educación ha crecido exponencialmente en los últimos cinco años. Sin embargo, el número de artículos publicados por año sigue siendo relativamente bajo, con un promedio de poco más de 100 artículos por año en los últimos cuatro años. Estos hallazgos sugieren que aún hay mucho por investigar en esta área, a pesar del creciente interés. Los entusiastas del avance tecnológico consideran que la inteligencia artificial (IA) es un elemento permanente en nuestra sociedad, respaldada por hallazgos de investigación y su crecimiento y presencia actuales en diversos ámbitos de la vida humana (S. Lee et al., 2022). La mayoría de las iniciativas de IA buscan lograr mejoras permanentes, aumentando las expectativas sobre su uso continuo. La integración de algoritmos inteligentes ha revolucionado las tecnologías digitales en nuestra vida diaria, particularmente mediante procesos automatizados de resolución de problemas (Raphael, 2022) y servicios digitales personalizados (Maksimova et al., 2021). No obstante, la IA también plantea preocupaciones, como la privacidad (Hu & Min, 2023), la seguridad de la información (S. Lee et al., 2020), el sesgo y la fiabilidad de los sistemas de toma de decisiones (Qiu et al., 2022; Sun et al., 2022), aspectos discutidos desde distintas perspectivas críticas. Entre los desarrollos recientes de la IA destacan los chatbots, también conocidos como robots conversacionales, agentes o asistentes personalizados, que interactúan y “conversan mediante texto” con usuarios humanos. Han sido utilizados principalmente en sistemas de atención al cliente (Antonio et al., 2022), asistencia personal y del hogar, comercio electrónico, marketing y gestión empresarial (Reis et al., 2022), transporte y logística (Aksyonov et al., 2021) e interacción ciudadano-gobierno. Los chatbots se basan en modelos de lenguaje natural, que asimilan la estructura del lenguaje humano, identifican patrones, realizan predicciones y generan respuestas conversacionales mediante el entrenamiento con grandes cantidades de datos y algoritmos (C.-C. Lin et al., 2023). Existen dos tipos: “abiertos” o generales, disponibles para el público y capaces de responder sobre diversos temas; y “cerrados” o específicos, diseñados para áreas particulares como la atención al cliente o el cuidado de pacientes (Wilson & Marasoiu, 2022). Su creación requiere una gran cantidad de información para responder preguntas diversas de los usuarios y una actualización y entrenamiento constantes para mantener las respuestas relevantes, lo que involucra un tiempo y costo significativos (Al-Tuama & Nasrawi, 2022). En educación, el uso de chatbots está emergiendo y generando interés, aunque las publicaciones académicas son mínimas debido a su novedad (Bailey & Almusharraf, 2021). La literatura inicial muestra expectativas positivas, centrándose en identificar la intencionalidad y aplicación de los desarrollos de IA en cursos universitarios como asistentes virtuales o tutores, apoyando modelos de aprendizaje masivo o autodirigido (Hsu & Huang, 2022) o mediando la regulación emocional de los estudiantes (Benke et al., 2020). Si bien existen escépticos (Winkler & Söllner, 2018), revisiones recientes han examinado chatbots para Facebook Messenger como soporte de aprendizaje (Smutny & Schreiberova, 2020), intentos de uso de chatbots en educación (Kuhail et al., 2023), tendencias de investigación en IA generativa en práctica educativa (Bozkurt, 2023), tendencias de uso de chatbots en contextos educativos (Hwang & Chang, 2023), y beneficios, oportunidades, desafíos y perspectivas de los chatbots de IA en la educación (Labadze et al., 2023). Sin embargo, se requiere una revisión específica que complemente estos objetivos para explorar más a fondo los beneficios potenciales y la idoneidad de los avances en modelos de lenguaje natural para la educación superior. Pixel-Bit. Revista de Medios y Educación, 72, 119-137 | 2025 | https://doi.org/10.12795/pixelbit.107046 PÁGINA | 128 vuelto menos relevantes, permitiendo que tanto estudiantes como docentes se enfoquen en tareas que implican analizar y comprender la información adquirida, como señalan Fidan y Gencel (2022) y Malik et al. (2021). Este cambio requiere una transformación en el diseño de las tareas y actividades educativas. Las asignaciones deben enfocarse en fortalecer las habilidades de los estudiantes en lugar de disminuir sus oportunidades de aprendizaje debido a la dependencia excesiva de los chatbots. Además, las instituciones de educación superior deberían considerar la adopción de herramientas de verificación de similitudes y detección de escritura generada por máquinas. Esto introduciría escenarios donde la inteligencia artificial se utilice para identificar contenido generado por la IA. Sin embargo, el énfasis en la evaluación debe desplazarse de la producción de textos en sí misma. En su lugar, el enfoque debe centrarse en la capacidad de los estudiantes para comprender, analizar y relacionarse con los textos. Esto asegura que las evaluaciones educativas prioricen el pensamiento crítico y la comprensión sobre la producción mecánica, alineando los objetivos de aprendizaje con el uso creciente de tecnologías de inteligencia artificial en la educación. Pérdida #3: Evaluación para todos por igual basada únicamente en la memoria. En consideración de lo anterior, un tercer tema fue extraído de la literatura revisada (8,2%) que se centra en la evaluación del aprendizaje. Así, cuando un estudiante depende de chatbots para reportar información, los mecanismos de evaluación enfocados en dichos procesos dejarían de tener sentido. Por esta razón, en el marco de la evaluación, será importante recurrir a otras formas de evaluar los resultados del aprendizaje, tales como discusiones, debates, proyectos, portafolios o prácticas que, además de permitir la verificación de la autenticidad de la producción intelectual del estudiante frente a la posibilidad de utilizar chatbots, permiten al docente identificar directamente su desempeño. Algunas investigaciones que abordan estos temas son las de Ledwos et al. (2022) y Chou (2023). Esto no es más que la reivindicación de la evaluación formativa sobre la sumativa, de modo que a través de ella se utilicen las diversas posibilidades de la inteligencia artificial como parte de las actividades de evaluación del aprendizaje. Por otro lado, involucrar chatbots y otros desarrollos basados en inteligencia artificial en la evaluación del aprendizaje podría llevar a la implementación de procesos de evaluación en los que se apliquen métodos e instrumentos diferentes a distintos estudiantes. Tal vez estemos al inicio del declive de la evaluación homogenizada y estandarizada. 3.2.2 Sobre las transformaciones que afectarán a los docentes debido a los chatbots Algunos de los temas que tenderán a transformarse debido al uso progresivo de chatbots en la educación están relacionados con lo que Zambrano (2005) señala sobre la Pedagogía, en términos de concebirla como un discurso sobre las relaciones entre docentes, estudiantes, la escuela y el entorno social, así como sobre las formas de orientación del conocimiento que ocurren. Pixel-Bit. Revista de Medios y Educación, 72, 119-137 | 2025 | https://doi.org/10.12795/pixelbit.107046 PÁGINA | 129 Transformación #1: Sobre el control de la intencionalidad y orientación del contenido educativo En relación con lo anterior, un pequeño porcentaje de los artículos revisados (5,8%) informa que el uso de chatbots en la educación está relacionado con la transferencia del monopolio del control que los docentes y la institución escolar han tenido hasta ahora sobre la intencionalidad y orientación del contenido de aprendizaje de los estudiantes. Históricamente, los estudiantes reciben durante su vida escolar un conjunto de conocimientos estructurados en forma de propuestas curriculares, que alguien ha considerado que corresponden a lo que se debe aprender. Entonces, ¿con qué intención se ha organizado el currículo de esta manera? ¿Está bien que una persona indefinida determine qué debe aprender otra persona? ¿Quién decide esto? Ciertamente no el estudiante. Esta es una cuestión que no ha sido suficientemente cuestionada y que es aceptada como parte del paradigma educativo actual, pero que, debido al uso de desarrollos de inteligencia artificial en la educación, está comenzando a ser cuestionada. Parte de lo anterior se puede encontrar en Farhi et al. (2022) o Chassignol et al. (2018). En este sentido, el chatbot puede ofrecer una experiencia de aprendizaje personalizada, adaptada a las necesidades y preferencias del estudiante, permitiéndole explorar y construir su conocimiento de una manera más autónoma (Srimathi & Krishnamoorthy, 2019). Sin embargo, este cambio de paradigma también conlleva ciertos desafíos y riesgos, siendo uno de los principales mantener un alto nivel de calidad y consistencia en el contenido y en la orientación del aprendizaje, ya que el chatbot no siempre puede garantizar que los estudiantes reciban la información correcta y relevante. Transformación #2: ¿Quién se encargará de la transposición didáctica? Un pequeño porcentaje (4,2%) de los documentos revisados aborda los procesos de creación de contenido educativo, centrándose específicamente en la transposición didáctica. Este concepto, desarrollado en el siglo XX, describe la transformación del conocimiento científico en material enseñable y, finalmente, en conocimiento que los estudiantes puedan comprender y aprender (Chevallard, 1998). Este proceso de "traducción" asegura que el contenido esté alineado con el desarrollo cognitivo, el lenguaje y los conocimientos previos de los estudiantes, y tradicionalmente ha sido gestionado por docentes o expertos en la materia. La inteligencia artificial generativa ahora está comenzando a desempeñar un papel en la transposición didáctica, ya que los modelos de lenguaje natural están diseñados no solo para proporcionar respuestas, sino también para simplificar y explicar conocimientos científicos en términos accesibles. Esta capacidad lingüística posiciona a la IA como una herramienta valiosa para armonizar conceptos complejos con un lenguaje cotidiano. Además, los sistemas de inteligencia artificial pueden ser entrenados para identificar estilos de aprendizaje individuales, limitaciones y habilidades, permitiendo que el proceso de transposición didáctica se adapte de manera más cercana a las necesidades de cada estudiante. Esto habilita un enfoque más personalizado del aprendizaje, complementando los roles de los docentes en la adaptación de los contenidos. Al respaldar estos procesos, la IA tiene el potencial de mejorar la entrega del contenido educativo, asegurando su accesibilidad y relevancia. Ejemplos de estas aplicaciones de IA en la creación de Pixel-Bit. Revista de Medios y Educación, 72, 119-137 | 2025 | https://doi.org/10.12795/pixelbit.107046 PÁGINA | 130 contenidos se discuten en Ohanian (2019) y Ako-Nai et al. (2022), demostrando su creciente influencia en la innovación educativa. Transformación #3: El contrato didáctico Finalmente, los últimos artículos revisados (3,7%) se refieren a los posibles cambios en las relaciones entre docentes y estudiantes. En este sentido, en el contexto del uso de chatbots en la educación, el “contrato didáctico” se convierte en un concepto importante relacionado con dichas relaciones, con grandes y complejos desafíos por delante. El contrato didáctico se refiere al acuerdo tácito entre el docente y el estudiante sobre lo que se espera que ocurra en el aula y cómo se llevará a cabo el aprendizaje. Este contrato establece las reglas y expectativas para el aprendizaje y puede influir en cómo se utilizan los chatbots en el aula (Caldeborg et al., 2019). En el contexto del uso de chatbots en la educación, el contrato didáctico puede ser desafiado por la introducción de nuevas herramientas tecnológicas. Por ejemplo, los estudiantes pueden esperar una interacción más personalizada con el chatbot, lo que puede requerir que el docente adapte su enfoque y sus estrategias de enseñanza para satisfacer esas necesidades. Investigaciones relacionadas con cambios en las relaciones en el aula pueden encontrarse en Garito (1991) o Lo et al. (2021). 4. Discusión y Conclusiones El despliegue de chatbots de inteligencia artificial en entornos educativos presenta un problema multifacético que exige un examen pedagógico profundo. El uso de chatbots y herramientas de inteligencia artificial en la educación introduce cambios significativos en las prácticas pedagógicas. Los chatbots pueden automatizar tareas repetitivas, como responder preguntas comunes, permitiendo a los docentes enfocarse en actividades de mayor valor, como el diseño de lecciones y el apoyo personalizado a los estudiantes. Este cambio puede fomentar el aprendizaje activo y la colaboración en el aula. Sin embargo, estas herramientas requieren que los docentes adapten sus roles, actuando como facilitadores y mediadores del uso responsable de la tecnología. Los chatbots promueven el aprendizaje autodirigido, pero demandan habilidades críticas para evaluar la información. Además, las evaluaciones deben enfatizar el pensamiento crítico y la creatividad en lugar de tareas basadas en la memoria. En este sentido, la relación entre docente y estudiante sigue siendo crucial. Si bien los chatbots personalizan el aprendizaje, la interacción humana fomenta la empatía, motivación y el apoyo emocional. La integración efectiva de la IA debe alinearse con principios pedagógicos que prioricen el desarrollo holístico de los estudiantes. Los chatbots impulsados por inteligencia artificial tienen un gran potencial para automatizar tareas de enseñanza, ofreciendo eficiencias y accesibilidad previamente inalcanzables. No obstante, no pueden replicar por completo las cualidades únicas de la interacción humana esenciales para la educación, como la empatía, la inteligencia emocional, la adaptabilidad y la capacidad de inspirar y motivar a los estudiantes. De hecho, estas atribuciones profundamente humanas trascienden la mera transmisión de información y a menudo resisten la replicación incluso por los algoritmos más avanzados. Pixel-Bit. Revista de Medios y Educación, 72, 119-137 | 2025 | https://doi.org/10.12795/pixelbit.107046 PÁGINA | 131 Por lo tanto, la integración de chatbots de inteligencia artificial en la educación requiere una evaluación crítica de sus fortalezas y limitaciones desde una perspectiva pedagógica. Por ejemplo, la investigación debe identificar áreas en las que los chatbots sobresalen, como la automatización de tareas repetitivas, al tiempo que destaca sus deficiencias, particularmente en el fomento de conexiones humanas significativas. Al hacerlo, los educadores pueden aprovechar los chatbots en tareas donde la automatización sea beneficiosa, liberando tiempo de instrucción para actividades que demanden el toque humano irremplazable. En este contexto, la interacción entre chatbots generativos y docentes representa una relación dinámica donde ambos deben complementar las fortalezas del otro para crear un sistema educativo efectivo. En consecuencia, futuros estudios deberían examinar los diseños de interacción chatbot-estudiante y explorar el impacto de la personalidad del chatbot y su ubicación en los resultados de aprendizaje y en la satisfacción. Además, la rápida evolución de la inteligencia artificial en la educación exige mecanismos para maximizar su potencial, al tiempo que se abordan desafíos como la inteligencia emocional y el uso ético. A medida que herramientas como ChatGPT ganan protagonismo, se hace evidente que las directrices para su adopción responsable son fundamentales (Tlili et al., 2023). Por lo tanto, la colaboración entre educadores, diseñadores instruccionales, investigadores y desarrolladores de IA es esencial para establecer principios pedagógicos que equilibren la innovación tecnológica con la preservación de los elementos humanos. En última instancia, al lograr este equilibrio, las tecnologías emergentes pueden promover experiencias de aprendizaje mejoradas y habilidades vitales para la vida, como la autorregulación, asegurando que la IA complemente, y no reemplace, el papel invaluable de los educadores humanos (Bozkurt, 2023). 4.1 Limitaciones y Recomendaciones Esta revisión, aunque exhaustiva, presenta limitaciones. La mayoría de los estudios analizados provienen de contextos educativos específicos y con amplios recursos, lo que limita su generalización a entornos con menores recursos tecnológicos o actitudes culturales diferentes hacia la inteligencia artificial. Además, el enfoque en estudios recientes refleja un panorama en evolución, pero los impactos a largo plazo de los chatbots aún no se han explorado a profundidad. Asimismo, las inconsistencias metodológicas entre los estudios dificultan realizar comparaciones directas. Finalmente, aunque el análisis de frecuencia y co-ocurrencias identificó tendencias clave, podría pasar por alto matices más profundos. La investigación futura debería incluir métodos cualitativos, como estudios de caso, para comprender mejor los efectos contextuales y subjetivos de los chatbots en la educación. Por otro lado, para optimizar la integración de los chatbots en la educación, las instituciones deberían adoptar un enfoque equilibrado que combine la innovación tecnológica con principios pedagógicos sólidos. Los docentes deben recibir formación para aprovechar de manera efectiva los chatbots como complemento, y no reemplazo, de sus prácticas de enseñanza. Los currículos deben actualizarse para enfatizar el pensamiento Pixel-Bit. Revista de Medios y Educación, 72, 119-137 | 2025 | https://doi.org/10.12795/pixelbit.107046 PÁGINA | 132 crítico, la creatividad y la alfabetización digital, permitiendo a los estudiantes navegar en entornos de aprendizaje potenciados por la IA de manera responsable. Los desarrolladores deben colaborar con educadores para diseñar chatbots adaptados a diversos contextos educativos, garantizando su inclusividad y adaptabilidad. Además, se necesita más investigación para explorar los impactos a largo plazo, particularmente en el compromiso de los estudiantes y en la dinámica docente-estudiante, al tiempo que se abordan preocupaciones éticas como la privacidad de los datos y el sesgo. Contribución de los autores Todos los autores participaron equitativamente en los siguientes procesos, de acuerdo con la Taxonomía CRediT: conceptualización, curación de datos y análisis formal, investigación y diseño metodológico, redacción del borrador original y su revisión final y edición. Además, Andrés Chiappe es el autor correspondiente. Agradecimientos Agradecemos a la Universidad de La Sabana (Grupo Tecnologías para la Academia – Proventus (Proyecto EDUPHD-20-2022)) y a la Fundación Universitaria Navarra - Uninavarra por el apoyo brindado en la preparación de este artículo. Referencias Ako-Nai, F., De La Cal Marin, E., & Tan, Q. (2022). Artificial Intelligence Decision and Validation Powered Smart Contract for Open Learning Content Creation. In J. Prieto, A. Partida, P. Leitão, & A. Pinto (Eds.), Blockchain and Applications (Vol. 320, pp. 359–362). Springer International Publishing. https://doi.org/10.1007/978-3-030-86162-9_37 Aksyonov, K. A., Ziomkovskaya, P. E., Danwitch, D., Aksyonova, O. P., & Aksyonova, E. K. (2021). Development of a text analysis agent for a logistics company’s Q&A system. Journal of Physics: Conference Series, 2134(1), 012021. https://doi.org/10.1088/1742-6596/2134/1/012021 Al-Tuama, A. T., & Nasrawi, D. A. (2022). A Survey on the Impact of Chatbots on Marketing Activities. 2022 13th International Conference on Computing Communication and Networking Technologies (ICCCNT), 1–7. https://doi.org/10.1109/ICCCNT54827.2022.9984635 Antonio, R., Tyandra, N., Nusantara, L. T., Anderies, & Agung Santoso Gunawan, A. (2022). Study Literature Review: Discovering the Effect of Chatbot Implementation in E-commerce Customer Service System Towards Customer Satisfaction. 2022 International Seminar on Application for Technology of Information and Communication (iSemantic), 296–301. https://doi.org/10.1109/iSemantic55962.2022.9920434 Pixel-Bit. Revista de Medios y Educación, 72, 119-137 | 2025 | https://doi.org/10.12795/pixelbit.107046 PÁGINA | 133 Aoun, J. E. (2017). Robot-Proof. The MIT Press. https://mitpress.mit.edu/books/robot-proof Bachiri, Y.-A., & Mouncif, H. (2023). Artificial Intelligence System in Aid of Pedagogical Engineering for Knowledge Assessment on MOOC Platforms: Open EdX and Moodle. International Journal of Emerging Technologies in Learning (iJET), 18(05), 144–160. https://doi.org/10.3991/ijet.v18i05.36589 Bailey, D., & Almusharraf, N. (2021). Investigating the Effect of Chatbot-to-User Questions and Directives on Student Participation. 2021 1st International Conference on Artificial Intelligence and Data Analytics (CAIDA), 85–90. https://doi.org/10.1109/CAIDA51941.2021.9425208 Benke, I., Knierim, M. T., & Maedche, A. (2020). Chatbot-based Emotion Management for Distributed Teams: A Participatory Design Study. Proceedings of the ACM on Human-Computer Interaction, 4(CSCW2), 1–30. https://doi.org/10.1145/3415189 Bozkurt, A. (2023). Unleashing the Potential of Generative AI, Conversational Agents and Chatbots in Educational Praxis: A Systematic Review and Bibliometric Analysis of GenAI in Education. Open Praxis, 15(4), 261–270. https://doi.org/10.55982/openpraxis.15.4.609 Caldeborg, A., Maivorsdotter, N., & Öhman, M. (2019). Touching the didactic contract—A student perspective on intergenerational touch in PE. Sport, Education and Society, 24(3), 256–268. https://doi.org/10.1080/13573322.2017.1346600 Carrera-Rivera, A., Ochoa, W., Larrinaga, F., & Lasa, G. (2022). How-to conduct a systematic literature review: A quick guide for computer science research. MethodsX, 9, 101895. https://doi.org/10.1016/j.mex.2022.101895 Chassignol, M., Khoroshavin, A., Klimova, A., & Bilyatdinova, A. (2018). Artificial Intelligence trends in education: A narrative overview. Procedia Computer Science, 136, 16–24. https://doi.org/10.1016/j.procs.2018.08.233 Chen, Y., Jensen, S., Albert, L. J., Gupta, S., & Lee, T. (2023). Artificial Intelligence (AI) Student Assistants in the Classroom: Designing Chatbots to Support Student Success. Information Systems Frontiers, 25(1), 161–182. https://doi.org/10.1007/s10796-022-10291-4 Chevallard, Y. (1998). La transposición didáctica (Tercera Edición, Vol. 1). Aique. Chou, T.-N. (2023). Apply an Integrated Responsible AI Framework to Sustain the Assessment of Learning Effectiveness: Proceedings of the 15th International Conference on Computer Supported Education, 142–149. https://doi.org/10.5220/0012058400003470 Farhi, F., Jeljeli, R., & Hamdi, M. E. (2022). How do Students Perceive Artificial Intelligence in YouTube Educational Videos Selection? A Case Study of Al Ain City. International Journal of Emerging Technologies in Learning (iJET), 17(22), 61–82. https://doi.org/10.3991/ijet.v17i22.33447 Fidan, M., & Gencel, N. (2022). Supporting the Instructional Videos With Chatbot and Peer Feedback Mechanisms in Online Learning: The Effects on Learning Performance and Intrinsic Motivation. Journal of Educational Computing Research, 60(7), 1716–1741. https://doi.org/10.1177/07356331221077901 Pixel-Bit. Revista de Medios y Educación, 72, 119-137 | 2025 | https://doi.org/10.12795/pixelbit.107046 PÁGINA | 134 Garito, M. A. (1991). Artificial intelligence in education: Evolution of the teaching?learning relationship. British Journal of Educational Technology, 22(1), 41–47. https://doi.org/10.1111/j.1467-8535.1991.tb00050.x Hsu, H.-H., & Huang, N.-F. (2022). Xiao-Shih: A Self-Enriched Question Answering Bot With Machine Learning on Chinese-Based MOOCs. IEEE Transactions on Learning Technologies, 15(2), 223– 237. https://doi.org/10.1109/TLT.2022.3162572 Hu, Y., & Min, H. (Kelly). (2023). The dark side of artificial intelligence in service: The “watching-eye” effect and privacy concerns. International Journal of Hospitality Management, 110, 103437. https://doi.org/10.1016/j.ijhm.2023.103437 Hwang, G.-J., & Chang, C.-Y. (2023). A review of opportunities and challenges of chatbots in education. Interactive Learning Environments, 31(7), 4099–4112. https://doi.org/10.1080/10494820.2021.1952615 King, M. R. (2023). A Conversation on Artificial Intelligence, Chatbots, and Plagiarism in Higher Education. Cellular and Molecular Bioengineering, 16(1), 1–2. https://doi.org/10.1007/s12195022-00754-8 Kuhail, M. A., Alturki, N., Alramlawi, S., & Alhejori, K. (2023). Interacting with educational chatbots: A systematic review. Education and Information Technologies, 28(1), 973–1018. https://doi.org/10.1007/s10639-022-11177-3 Labadze, L., Grigolia, M., & Machaidze, L. (2023). Role of AI chatbots in education: Systematic literature review. International Journal of Educational Technology in Higher Education, 20(1), 56. https://doi.org/10.1186/s41239-023-00426-1 Ledwos, N., Mirchi, N., Yilmaz, R., Winkler-Schwartz, A., Sawni, A., Fazlollahi, A. M., Bissonnette, V., Bajunaid, K., Sabbagh, A. J., & Del Maestro, R. F. (2022). Assessment of learning curves on a simulated neurosurgical task using metrics selected by artificial intelligence. Journal of Neurosurgery, 137(4), 1160–1171. https://doi.org/10.3171/2021.12.JNS211563 Lee, S., Lee, M., & Lee, S. (2022). What If Artificial Intelligence Become Completely Ambient in Our Daily Lives? Exploring Future Human-AI Interaction through High Fidelity Illustrations. International Journal of Human–Computer Interaction, 1–19. https://doi.org/10.1080/10447318.2022.2080155 Lee, S., Suk, J., Ha, H. R., Song, X. X., & Deng, Y. (2020). Consumer’s Information Privacy and Security Concerns and Use of Intelligent Technology. In T. Ahram, W. Karwowski, A. Vergnano, F. Leali, & R. Taiar (Eds.), Intelligent Human Systems Integration 2020 (Vol. 1131, pp. 1184– 1189). Springer International Publishing. https://doi.org/10.1007/978-3-030-39512-4_180 Li, H. (2022). MOOC Teaching Platform System Based on Application of Artificial Intelligence. 2022 Second International Conference on Advanced Technologies in Intelligent Control, Environment, Computing & Communication Engineering (ICATIECE), 1–5. https://doi.org/10.1109/ICATIECE56365.2022.10047595 Lin, C.-C., Huang, A. Y. Q., & Yang, S. J. H. (2023). A Review of AI-Driven Conversational Chatbots Pixel-Bit. Revista de Medios y Educación, 72, 119-137 | 2025 | https://doi.org/10.12795/pixelbit.107046 PÁGINA | 135 Implementation Methodologies and Challenges (1999–2022). Sustainability, 15(5), 4012. https://doi.org/10.3390/su15054012 Lin, K.-C., Cheng, I.-L., Huang, Y.-C., Wei, C.-W., Chang, W.-L., Huang, C., & Chen, N.-S. (2023). The Effects of the Badminton Teaching–Assisted System using Electromyography and Gyroscope on Learners’ Badminton Skills. IEEE Transactions on Learning Technologies, 1–10. https://doi.org/10.1109/TLT.2023.3292215 Lo, F., Su, F., Chen, S., Qiu, J., & Du, J. (2021). Artificial Intelligence Aided Innovation Education Based on Multiple Intelligence. 2021 IEEE International Conference on Artificial Intelligence, Robotics, and Communication (ICAIRC), 12–15. https://doi.org/10.1109/ICAIRC52191.2021.9544874 López Regalado, O., Núñez-Rojas, N., Rafael López Gil, O., & Sánchez-Rodríguez, J. (2024). El Análisis del uso de la inteligencia artificial en la educación universitaria: Una revisión sistemática (Analysis of the use of artificial intelligence in university education: a systematic review). Pixel-Bit, Revista de Medios y Educación, 70, 97-122. https://doi.org/10.12795/pixelbit.106336 Maksimova, M., Solvak, M., & Krimmer, R. (2021). Data-Driven Personalized E-Government Services: Literature Review and Case Study. In N. Edelmann, C. Csáki, S. Hofmann, T. J. Lampoltshammer, L. Alcaide Muñoz, P. Parycek, G. Schwabe, & E. Tambouris (Eds.), Electronic Participation (Vol. 12849, pp. 151–165). Springer International Publishing. https://doi.org/10.1007/978-3-030-82824-0_12 Malik, R., Shrama, A., Trivedi, S., & Mishra, R. (2021). Adoption of Chatbots for Learning among University Students: Role of Perceived Convenience and Enhanced Performance. International Journal of Emerging Technologies in Learning (iJET), 16(18), 200. https://doi.org/10.3991/ijet.v16i18.24315 Meng, J., & Dai, Y. (Nancy). (2021). Emotional Support from AI Chatbots: Should a Supportive Partner Self-Disclose or Not? Journal of Computer-Mediated Communication, 26(4), 207–222. https://doi.org/10.1093/jcmc/zmab005 Mesquita, A., Oliveira, L., & Sequeira, A. S. (2021). Did AI Kill My Job?: Impacts of the Fourth Industrial Revolution in Administrative Job Positions in Portugal. In J.-É. Pelet (Ed.), Advances in Business Information Systems and Analytics (pp. 124–146). IGI Global. https://doi.org/10.4018/978-1-7998-3756-5.ch008 Ohanian, T. (2019). How Artificial Intelligence and Machine Learning May Eventually Change Content Creation Methodologies. SMPTE Motion Imaging Journal, 128(1), 33–40. https://doi.org/10.5594/JMI.2018.2876781 Pranckutė, R. (2021). Web of Science (WoS) and Scopus: The Titans of Bibliographic Information in Today’s Academic World. Publications, 9(1), 12. https://doi.org/10.3390/publications9010012 Qiu, C., Liang, W., Yan, Z., Li, Y., & You, Y. (2022). Research and Application of Power Grid Fault Diagnosis and Auxiliary Decision-making System Based on Artificial Intelligence Technology. 2022 7th International Conference on Power and Renewable Energy (ICPRE), 492–497. Pixel-Bit. Revista de Medios y Educación, 72, 119-137 | 2025 | https://doi.org/10.12795/pixelbit.107046 PÁGINA | 136 https://doi.org/10.1109/ICPRE55555.2022.9960335 Raphael, M. W. (2022). Artificial intelligence and the situational rationality of diagnosis: Human problem‐solving and the artifacts of health and medicine. Sociology Compass, 16(11). https://doi.org/10.1111/soc4.13047 Reis, L., Maier, C., & Weitzel, T. (2022). Chatbots in Marketing: An In-Deep Case Study Capturing Future Perspectives of AI in Advertising. Proceedings of the Conference on Computers and People Research, 1–8. https://doi.org/10.1145/3510606.3550204 Safadel, P., Hwang, S. N., & Perrin, J. M. (2023). User Acceptance of a Virtual Librarian Chatbot: An Implementation Method Using IBM Watson Natural Language Processing in Virtual Immersive Environment. TechTrends. https://doi.org/10.1007/s11528-023-00881-7 Salvagno, M., Taccone, F. S., & Gerli, A. G. (2023). Can artificial intelligence help for scientific writing? Critical Care, 27(1), 75. https://doi.org/10.1186/s13054-023-04380-2 Smutny, P., & Schreiberova, P. (2020). Chatbots for learning: A review of educational chatbots for the Facebook Messenger. Computers & Education, 151, 103862. https://doi.org/10.1016/j.compedu.2020.103862 Srimathi, H., & Krishnamoorthy, A. (2019). Personalization of student support services using chatbot. International Journal of Scientific and Technology Research, 8(9), 1744–1747. Scopus. Su, J., & Yang, W. (2023). Unlocking the Power of ChatGPT: A Framework for Applying Generative AI in Education. ECNU Review of Education, 6(3), 355–366. https://doi.org/10.1177/20965311231168423 Sun, J., Zhang, X., & Ding, Y. (2022). Research on trustworthiness assessment technology of intelligent decision-making system. In S. Yang & G. Wu (Eds.), Third International Conference on Artificial Intelligence and Electromechanical Automation (AIEA 2022) (p. 78). SPIE. https://doi.org/10.1117/12.2646844 Surahman, E., & Wang, T. (2022). Academic dishonesty and trustworthy assessment in online learning: A systematic literature review. Journal of Computer Assisted Learning, 38(6), 1535– 1553. https://doi.org/10.1111/jcal.12708 Tlili, A., Shehata, B., Adarkwah, M. A., Bozkurt, A., Hickey, D. T., Huang, R., & Agyemang, B. (2023). What if the devil is my guardian angel: ChatGPT as a case study of using chatbots in education. Smart Learning Environments, 10(1), 15. https://doi.org/10.1186/s40561-023-00237-x Villegas-José, V., & Delgado-García, M. (2024). Inteligencia artificial: Revolución educativa innovadora en la Educación Superior. Pixel-Bit, Revista de Medios y Educación, 71, 159-177. https://doi.org/10.12795/pixelbit.107760 Wilson, L., & Marasoiu, M. (2022). The Development and Use of Chatbots in Public Health: Scoping Review. JMIR Human Factors, 9(4), e35882. https://doi.org/10.2196/35882 Winkler, R., & Söllner, M. (2018). Unleashing the potential of chatbots in education: A state-of-the-art analysis. Academy of Management Annual Meeting (AOM). Zambrano, A. (2005). Didáctica, pedagogía y saber: Aportes desde las ciencias de la educación. Pixel-Bit. Revista de Medios y Educación, 72, 119-137 | 2025 | https://doi.org/10.12795/pixelbit.107046 PÁGINA | 137 Editorial Magisterio.