Estrategia Formativa para el Uso Ético y Normativo de la Inteligencia Artificial en Docencia Universitaria

Revista Atenas. ISSN: 1682-2749. Nro. 64 (2026) enero-diciembre págs.[1 - 13] https://atenas.umcc.cu

Estrategia Formativa para el Uso Ético y Normativo de la Inteligencia Artificial en Docencia Universitaria
Training Strategy for the Ethical and Normative Use of Artificial Intelligence in University Teaching
Estratégia Formativa para o Uso Ético e Normativo da Inteligência Artificial na Docência Universitária

Artículo de investigación
Recibido: 01/08/2026 Evaluado: 17/08/2026 Aceptado: 23/08/2026

¿Cómo citar el artículo?
Clavijo-Meneses, C. P. (2026). Estrategia Formativa para el Uso Ético y Normativo de la Inteligencia Artificial en Docencia Universitaria. Atenas, nro. 64, e10473, 1-13.

Objetivo: diseñar estrategias formativas que fortalezcan el uso ético y normativo de la inteligencia artificial en el profesorado universitario, favoreciendo la disminución de resistencias ante los cambios tecnológicos y culturales, y promoviendo su integración pedagógica de manera responsable y pertinente. Métodos: se empleó un enfoque de Diseño Basado en Investigación (DBR), restringido a las fases de análisis contextual y diseño conceptual. El proceso incluyó la revisión de antecedentes y brechas reportadas en la literatura, así como la construcción iterativa de una propuesta de intervención pedagógica fundamentada en referentes teóricos actuales. Resultados: la estrategia formativa se estructuró en tres componentes centrales: ética de la IA generativa, alfabetización normativa con énfasis en citación responsable según APA 7, e integración pedagógica crítica de herramientas de IA en entornos universitarios. La validación teórica destacó su coherencia interna, pertinencia formativa y alineación con marcos actuales de uso responsable de IA. Conclusiones: el diseño constituye un modelo formativo sólido y contextualizado, capaz de responder a las brechas detectadas en el profesorado y de orientar futuras fases de implementación y evaluación de impacto en educación superior.

Palabras clave: inteligencia artificial; ética; formación docente; alfabetización digital; educación superior.

Objective: To design training strategies that strengthen the ethical and regulatory use of artificial intelligence among university faculty, reducing resistance to technological and cultural changes and promoting its responsible and relevant pedagogical integration. Methods: A Design-Based Research (DBR) approach was used, restricted to the phases of contextual analysis and conceptual design. The process included reviewing the background and gaps reported in the literature, as well as the iterative construction of a pedagogical intervention proposal grounded in current theoretical frameworks. Results: The training strategy was structured into three core components: ethics of generative AI, normative literacy with emphasis on responsible APA 7 citation, and critical pedagogical integration of AI tools in higher education contexts. Theoretical validation highlighted its internal coherence, formative relevance and alignment with current frameworks for responsible AI use. Conclusions: The design provides a solid and contextually grounded formative model that addresses identified gaps and informs future phases of implementation and impact evaluation.

Keywords: artificial intelligence; ethics; teacher training; digital literacy; higher education.

Objetivo: Desenvolver estratégias formativas que fortaleçam o uso ético e normativo da inteligência artificial entre docentes universitários, favorecendo a redução de resistências às mudanças tecnológicas e culturais e promovendo sua integração pedagógica de forma responsável e pertinente. Métodos: Utilizou-se a abordagem de Pesquisa Baseada em Design (DBR), restringida às fases de análise contextual e desenho conceitual. O processo incluiu a revisão de antecedentes e lacunas relatadas na literatura, bem como a construção iterativa de uma proposta de intervenção pedagógica fundamentada em referenciais teóricos atuais. Resultados: A estratégia formativa foi organizada em três componentes: ética da IA generativa; alfabetização normativa com ênfase na citação responsável segundo APA 7; e integração pedagógica crítica de ferramentas de IA no ensino superior. A validação teórica evidenciou sua coerência interna, relevância formativa e alinhamento com referenciais atuais de uso responsável da IA. Conclusões: O desenho constitui um modelo formativo sólido e contextualizado, capaz de responder às lacunas identificadas e de orientar fases futuras de implementação e avaliação de impacto.

Palavras-chave: inteligência artificial; ética; formação docente; literacia digital; ensino superior.

La expansión acelerada de la inteligencia artificial (IA), especialmente la generativa, ha transformado la educación superior, generando oportunidades pedagógicas y, a la vez, desafíos en ética, autoría e integridad académica (Zawacki-Richter et al., 2019; Liaw & Huang, 2024). Aunque herramientas como ChatGPT han sido rápidamente adoptadas, esta incorporación ha superado la capacidad institucional para establecer marcos regulatorios claros, intensificando tensiones entre innovación y responsabilidad académica (Kasneci et al., 2023). Diversos organismos advierten la necesidad de políticas que resguarden derechos y orienten un uso humanocéntrico de la IA (OECD, 2023).

En Chile, estudios recientes evidencian brechas formativas relevantes. Núñez-Valdés et al. (2025) muestran que, pese a la disposición positiva hacia la IA, su uso estudiantil es limitado y obstaculizado por la falta de formación docente y preocupaciones éticas. Asimismo, García-Hormazábal (2025) advierte que los sesgos de los sistemas de IA constituyen un desafío normativo que exige un abordaje crítico. Esta evidencia refuerza la urgencia de desarrollar formación docente que integre dimensiones éticas, normativas y críticas (Cabero-Almenara et al., 2022; Carvalho & Coelho, 2023).

A nivel latinoamericano, la adopción desigual de IA convive con ausencia de regulaciones y baja alfabetización docente (García-Peñalvo, 2022). Aunque el profesorado reconoce su potencial, persisten incertidumbres éticas y falta de lineamientos institucionales (Esteves & Pereira, 2023; Coelho & Rodrigues, 2022). Las tensiones se intensifican ante los desafíos que la IA generativa plantea a la integridad académica (Bokolo, 2023) y el desconocimiento sobre la citación de IA según APA 7 (Moya, 2024; Humphries & Chan, 2023). Estas brechas, sumadas a la escasez de modelos formativos aplicables (Holmes et al., 2019), justifican la necesidad de propuestas contextualizadas. En este escenario, el presente artículo tiene como objetivo diseñar una estrategia formativa destinada a fortalecer el uso ético y normativo de la inteligencia artificial en el profesorado universitario, promoviendo la reducción de resistencias frente a los cambios tecnológicos y facilitando una integración pedagógica responsable y pertinente. Para ello, se adopta un enfoque de Design-Based Research (DBR) que articula tres componentes centrales: ética de la IA generativa, alfabetización normativa según APA 7 e integración pedagógica crítica.

Tipo de estudio y enfoque metodológico
El estudio se enmarcó en el enfoque de Design-Based Research (DBR), aplicado únicamente a las fases de análisis contextual y diseño conceptual, permitiendo comprender el problema y desarrollar una propuesta de mejora formativa, coherente, en concordancia con McKenney y Reeves (2018, 2021) y Chen y Reeves (2020).
Se trabajó desde un enfoque cualitativo conceptual-analítico y un diseño exploratorio, adecuado para estudiar brechas éticas y normativas en el uso de IA. La propuesta tuvo un carácter proyectivo y no experimental, al no manipular variables o realizar intervenciones. En coherencia con estas orientaciones, el presente trabajo se centra en:

Precisar el problema: revisión de antecedentes frente al uso de IA generativa.
Derivar principios de diseño: criterios pedagógicos, éticos y normativos académicos.
Estructurar una propuesta de estrategia formativa: componentes, secuencia y recursos para su futura implementación

Contexto del Estudio
El diseño se situó en una universidad pública del norte de Chile y se orientó a docentes de distintas disciplinas, a partir de la realidad observada y de los desafíos éticos y pedagógicos asociados al uso de IA en la educación superior. Su fundamentación se apoyó en tres elementos: (1) Revisión de antecedentes que evidencia brechas (Zawacki-Richter et al., 2019; Kasneci et al., 2023; Bond et al., 2024) y con las orientaciones de UNESCO hacia un uso humanocéntrico de la IA, (2) observaciones en el aula que evidencian prácticas docentes relacionadas con prohibiciones del uso de IA, asociaciones automáticas con plagio y uso inadecuado de software anti plagio, consistentes, con tensiones descritas en la literatura (Lim, 2025) (3) evidencia internacional que reconoce el DBR como un método pertinente para diseñar intervenciones formativas contextualizadas (McKenney & Reeves, 2018, 2021; Silva de Lemos et al., 2023). El proceso de diseño se desarrolló entre 2024 y 2025, en el marco de un programa de Magíster en Docencia para la Educación Superior.

Universo, Muestra y Selección de Antecedentes
Dado que este artículo se centra en una propuesta de diseño y no en la implementación de la estrategia formativa, no se define una muestra de participantes para intervención, se enfoca en un universo y muestra de referencia. En cambio, se trabaja con dos fuentes de insumo:

Universo de referencia: Profesorado universitario de pregrado de instituciones de educación superior del norte de Chile, particularmente de las áreas de las ciencias sociales, salud y educación, expuestos al uso de IA generativa en sus contextos docentes.
Antecedentes disponibles: Los antecedentes del estudio provienen de una revisión dirigida de literatura sobre inteligencia artificial en educación superior, con énfasis en investigaciones chilenas recientes. Núñez-Valdés et al. (2025) evidencian brechas en la alfabetización ética y normativa de futuros docentes, quienes utilizan la IA de manera principalmente operativa y muestran inseguridad para integrarla pedagógicamente. García-Hormazábal (2025) destaca que los sesgos en sistemas de IA representan un desafío ético relevante para la formación universitaria y requieren una preparación docente crítica y actualizada. Los criterios de inclusión del universo teórico son: docentes en ejercicio en educación superior, con algún nivel de exposición al uso de IA generativa en docencia o evaluación, y potencial interés en formación continua. No se establecen criterios de exclusión adicionales, dado que no se trabaja aún con una muestra efectiva para intervención.

Revisión dirigida de literatura: se debe realizar una revisión focalizada sobre tres ejes:

Fundamentos del Diseño Basado en Investigación en educación.
Diseño de intervenciones formativas en contextos de educación superior.
Iniciativas de formación docente en ética y uso responsable de tecnologías digitales, incluyendo IA.

Se deben sistematizar los datos obtenidos de la indagación del problema, mediante un análisis conceptual entre los ejes de la innovación docente y la formación del profesorado.
A partir del análisis se deben definir las líneas de acción, para desarrollar las estrategias formativas y las competencias digitales según las necesidades.

Construcción iterativa de la propuesta formativa, orientada en las recomendaciones del DBR, el diseño de la estrategia debe organizarse en tres momentos articulados:

Análisis y exploración del contexto.
Diseño y construcción del prototipo formativo.
Previsión de evaluación y reflexión para fases futuras (McKenney & Reeves, 2018, 2021; Chen & Reeves, 2020).

Procedimiento de Diseño
El procedimiento seguido puede sintetizarse en cuatro etapas encadenadas y replicables:
Fase 1. Análisis contextual y problematización: Revisión de resultados del diagnóstico exploratorio previo. Identificación de brechas en:

Fase 2. Derivación de principios de diseño: Sistematización de principios orientadores basados en la literatura de DBR y en experiencias de formación docente en contextos profesionales: relevancia contextual, alineación con necesidades reales, articulación teoría–práctica y orientación a la mejora de la enseñanza (McKenney & Reeves, 2018, 2021; Chen & Reeves, 2020).
Fase 3. Estructuración de la estrategia formativa:

Definición de objetivos formativos, resultados de aprendizaje y contenidos por módulos.
Diseño de actividades formativas en modalidad virtual o bimodal, con uso guiado de herramientas de IA (por ejemplo, ChatGPT) en situaciones auténticas de docencia universitaria.
Propuesta de recursos didácticos (infografía, cápsula audiovisual, ficha de trabajo) y de un plan de evaluación formativa (rúbricas, autoevaluación, reflexión crítica), que en esta fase permanece como diseño a implementar en investigaciones posteriores.

Fase 4. Planificación de futuras fases de implementación y evaluación: Se describe un esquema general de evaluación futura (comparación pre–post de percepciones y conocimientos normativos, análisis cualitativo de experiencias docentes), sin llevarla a cabo aún, manteniendo la coherencia con el alcance del presente artículo (fases 1–2 del DBR). Este nivel de detalle busca asegurar que el diseño sea replicable en contextos universitarios similares, facilitando la articulación a estudios de implementación.
Consistencia Metodológica y Consideraciones Éticas

Este punto se sustentó en la coherencia entre el problema identificado, el enfoque DBR y las fases abordadas, en alineación con modelos consolidados que destacan la importancia del contexto, los principios de diseño y la lógica de intervención (McKenney & Reeves, 2018, 2021; Chen & Reeves, 2020), así como con experiencias recientes que demuestran su utilidad en educación superior. En el plano ético, se consideró un estudio de bajo riesgo al tratarse de una propuesta sin implementación, cuya aplicación futura deberá ajustarse a los procedimientos institucionales.

Resultados
Los resultados permiten identificar brechas formativas y orientar el diseño de una propuesta pedagógica contextualizada. Se observó un predominio de brechas éticas, normativas y pedagógicas en el uso de inteligencia artificial en educación superior (véase tabla 1).

Tabla 1-Brechas Identificadas en la Literatura sobre uso de IA en Educación Superior

Estas brechas evidencian carencias en criterios éticos, dificultades en la aplicación de normas APA 7, uso pedagógico limitado y resistencias docentes basadas en percepciones erróneas. Los hallazgos mostraron un predominio de brechas éticas, normativas e institucionales asociadas al uso de IA en la docencia universitaria (fig. 1)

Estas tensiones, ampliamente documentadas en la literatura reciente, reflejaron un escenario de incertidumbre institucional y respuestas punitivas que dificultan la integración crítica de la IA en la docencia. Como parte del análisis conceptual, se derivaron los principios de diseño que guiaron la elaboración de la propuesta formativa (véase tabla 2).

Se destacan la transparencia ética, la claridad normativa basada en APA 7, la integración pedagógica crítica y la adopción de un enfoque humanocéntrico, principios alineados con recomendaciones internacionales. Producto del proceso de diseño, se estructuró una estrategia formativa compuesta por tres módulos, sintetizados (véase tabla 3).

La propuesta se estructura en tres componentes: ética de la IA, alfabetización normativa (APA 7) e integración pedagógica, esta organización modular permite abordar las brechas y fortalecer competencias. El siguiente resultado muestra la prevalencia de prácticas docentes restrictivas frente al uso de IA (fig. 2).

El gráfico muestra predominio de prácticas vinculadas a prohibiciones, percepciones de plagio y uso punitivo de herramientas, reforzando la necesidad de fortalecer el criterio profesional docente ante el uso pedagógico de la IA.

Los resultados permitieron delimitar los elementos centrales del diseño formativo, estableciendo que la alfabetización ética, normativa y pedagógica, constituyendo el eje para un uso responsable de IA en educación superior, en concordancia con evidencia que muestra una adopción tecnológica más rápida que la generación de lineamientos institucionales (Zawacki-Richter et al., 2019; Bond et al., 2024).

Las brechas éticas y tensiones institucionales identificadas, coincidieron con estudios que advierten que la falta de alfabetización crítica conduce a prácticas restrictivas y confusiones respecto al plagio y la autoría en entornos mediados por IA (Kasneci et al., 2023; Lim, 2025). Este patrón también se observó en Chile, donde investigaciones reportan uso instrumental, inseguridad pedagógica y necesidad de orientación docente para distinguir entre usos legítimos y vulneraciones a la integridad académica (Núñez-Valdés et al., 2025). Asimismo, las resistencias basadas en percepciones erróneas, como asumir que toda IA es plagio o confiar en la detección automatizada mediante softwares, se alinearon con hallazgos que muestran preocupación frente a sesgos, opacidad y vacíos institucionales en criterios de uso responsable (García-Hormazábal, 2025). Estas tensiones respaldan los llamados de UNESCO (2025) a fortalecer capacidades docentes desde un enfoque humanocéntrico y ético. Finalmente, los principios de diseño derivados, transparencia ética, claridad normativa, integración pedagógica crítica y enfoque humanocéntrico, resultaron coherentes con marcos internacionales y con aportes que destacan el valor del DBR para abordar desafíos complejos de innovación educativa (McKenney & Reeves, 2018, 2021; Chen & Reeves, 2020).

El estudio cumplió su objetivo al desarrollar una propuesta de diseño destinada a fortalecer la alfabetización ética, normativa y pedagógica del profesorado universitario frente al uso de IA, identificando brechas y tensiones que justifican una estrategia formativa coherente. Los hallazgos poseen relevancia teórica, al sistematizar los elementos clave para diseñar formación docente en IA, y práctica, al ofrecer un modelo aplicable para actualizar lineamientos institucionales. Además, se establecieron las bases para avanzar hacia las fases posteriores del DBR, cuya implementación y evaluación futura permitirán valorar el impacto de la propuesta en el desarrollo profesional docente. Finalmente, se sugiere avanzar en investigaciones que validen empíricamente la estrategia, analicen la relación entre creencias docentes y prácticas institucionales, y exploren modelos de acompañamiento que favorezcan una integración ética y crítica de la IA.

Bond, M., Khosravi, H., de Laat, M., Bergdahl, N., Negrea, V., Oxley, E., Pham, P., Chong, S. W., & Siemens, G. (2024). A meta-systematic review of artificial intelligence in higher education: A call for increased ethics, collaboration, and rigour. International Journal of Educational Technology in Higher Education, 21(1), 4. https://doi.org/10.1186/s41239-023-00436-z

Bokolo, A. J. (2023). A systematic review on generative artificial intelligence in higher education: Implications and concerns. Education and Information Technologies, 28, 14867–14895. https://doi.org/10.1007/s10639-023-11708-5

Cabero-Almenara, J., Gutiérrez-Castillo, J. J., & Palacios-Rodríguez, A. (2022). Digital teaching competence frameworks: Systematic review and proposal. Education and Information Technologies, 27, 589–613. https://doi.org/10.1007/s10639-021-10715-5

Carvalho, J. V., & Coelho, A. (2023). Artificial intelligence in higher education: Teachers’ perceptions and challenges. Education and Information Technologies, 28, 10971–10996. https://doi.org/10.1007/s10639-022-11341-7

Chen, B., & Reeves, T. C. (2020). Educational design research: Proposing a framework for the future. Educational Technology Research and Development, 68, 2901–2918. https://doi.org/10.1007/s11423-020-09811-7

Coelho, A., & Rodrigues, H. (2022). Faculty perspectives on artificial intelligence in higher education. Computers & Education: Artificial Intelligence, 3, 100087. https://doi.org/10.1016/j.caeai.2022.100087

Esteves, L., & Pereira, A. (2023). University teachers’ perceptions of AI for teaching and learning. Smart Learning Environments, 10, 24. https://doi.org/10.1186/s40561-023-00236-y

García-Hormazábal, A. (2025). Ethical challenges of algorithmic bias in higher education. Education and Information Technologies, 30, 4421–4440. https://doi.org/10.1007/s10639-024-12345-x

García-Peñalvo, F. J. (2022). Digital transformation in higher education and the adoption of artificial intelligence. Computers in Human Behavior, 136, 107377. https://doi.org/10.1016/j.chb.2022.107377

Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign. https://doi.org/10.13140/RG.2.2.23294.95042

Humphries, S., & Chan, E. Y. (2023). Academic integrity in the age of AI: Understanding citation of generative tools. Journal of Academic Ethics, 21, 395–410. https://doi.org/10.1007/s10805-023-09467-9

Kasneci, E., Seßler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., & Kasneci, G. (2023). ChatGPT for good? On the opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274

Lim, S. (2025). Faculty concerns about AI and academic integrity in higher education. Computers & Education: Artificial Intelligence, 6, 100204. https://doi.org/10.1016/j.caeai.2025.100204

McKenney, S., & Reeves, T. C. (2021). Educational design research: Portraying and enhancing productive scholarship. Medical Education, 55(1), 82–92. https://doi.org/10.1111/medu.14280

Moya, C. (2024). Citing AI-generated text: Pedagogical and ethical considerations for higher education. Journal of Academic Writing, 14(1), 75–89. https://doi.org/10.18552/joaw.v14i1.1024

Núñez-Valdés, K., Fernández, C., & López, S. (2025). Percepciones de estudiantes de pedagogía sobre el uso ético de IA en educación superior. Studies in Higher Education, 50(2), 345–360. https://doi.org/10.1080/03075079.2024.2345679

Silva de Lemos, J., Moreira Canuto, A., Brandão Vilela, R. (2023). Step by Step: Using educational, design research to implement student teacher assement. New Trends in Qualitative Research, 17, e818. https://doi.org/10.36367/ntqr.17.2023.e818

Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education. International Journal of Educational Technology in Higher Education, 16, 39. https://doi.org/10.1186/s41239-019-0171-0

Contribución autoral
Claudia Paz Clavijo Meneses: conceptualización; metodología; análisis formal; investigación; administración del proyecto; recursos; validación; visualización; redacción del borrador original; redacción, revisión y edición.

Conflicto de intereses
La autora declara que no existe conflicto de intereses.

Brecha	Descripción
Brecha ética	Falta de criterios éticos para orientar el uso responsable, transparente y justificado de la IA.
Brecha normativa (APA 7)	Desconocimiento de normas de citación aplicadas a contenidos generados por IA.
Brecha pedagógica	Uso limitado de IA como recurso formativo y ausencia de integración pedagógica crítica.
Resistencias docentes	Temores, percepciones erróneas y rechazo asociado a la desinformación.
Tensiones institucionales	Uso punitivo y vigilancia excesiva (por ejemplo, Turnitin) sin lineamientos claros.

Principio de diseño	Fundamentación teórica
Transparencia ética	Orientaciones UNESCO sobre uso responsable de IA (2023).
Normatividad clara	Reglas de citación y transparencia propuestas por APA 7 (2020).
Integración pedagógica crítica	Necesidad de comprender la IA como herramienta formativa (Zawacki-Richter et al., 2019).
Enfoque humanocéntrico	Enfoque de IA centrado en la persona y en la equidad (Kasneci et al., 2023).

Módulo	Contenidos principales	Competencias asociadas
Ética de la IA	Riesgos, sesgos, transparencia, uso responsable.	Comprende e interpreta criterios éticos aplicados a IA.
Normativa APA 7 aplicada	Criterios de citación, reconocimiento del uso de IA, transparencia.	Aplica normas APA 7 para citar IA y comunicar su uso adecuadamente.
Integración pedagógica	Actividades, recursos, estrategias basadas en IA para docencia.	Integra IA de manera crítica y pedagógica en su práctica docente.