INTELIGENCIA ARTIFICIAL Y EL REDISEÑO DE LA
EVALUACIÓN UNIVERSITARIA

ARTIFICIAL INTELLIGENCE AND THE REDESIGN OF
UNIVERSITY ASSESSMENT

Iván Ramón Rivera Rocha

Universidad Veracruzana, México

Sergio Federico Toledo Barrios

Universidad Veracruzana, México

Elizabeth Guadalupe Peña Ramírez

Universidad Veracruzana, México

Gilberto Cortes Acosta

Universidad Veracruzana, México
P á g i n a 1040
Revista Científica y Académica. Vol. 6, No. 3, Julio-Septiembre Año 2026

DOI:
https://doi.org/10.61384/r.c.a..v6i3.2068
Inteligencia Artificial y el Rediseño de la Evaluación Universitaria

Iván Ramón Rivera Rocha

ivarivera@uv.mx

https://orcid.org/0009-0008-8098-8288

Universidad Veracruzana, México

Sergio Federico Toledo Barrios

stoledo@uv.mx

https://orcid.org/0009-0005-6089-
0775
Universidad Veracruzana, México

Elizabeth Guadalupe Peña Ramírez

zS24008365@estudiantes.uv.mx

https://orcid.org/0009-0009-4738-6725

Universidad Veracruzana, México

Gilberto Cortes Acosta

gilcortes@uv.mx

https://orcid.org/0000-0002-4638-5968

Universidad Veracruzana, México

RESUMEN

El estudio tuvo como objetivo analizar las experiencias de docentes universitarios ante la
incorporación de la inteligencia artificial generativa en la planificación educativa y el rediseño de las
estrategias de evaluación. Se desarrolló una investigación cualitativa sustentada en la teoría de la
actividad histórico-cultural, en el contexto de una facultad de administración de una universidad
mexicana. Se realizaron entrevistas asincrónicas a una muestra intencional de ocho profesores que
utilizaban estas herramientas en su diseño instruccional. Los resultados muestran que la inteligencia
artificial se incorporó a diferentes actividades de planificación, aunque los participantes revisaban sus
respuestas para evitar errores y contenidos carentes de profundidad disciplinar. También se identificó
la necesidad de reconsiderar los trabajos escritos tradicionales y otorgar mayor importancia a la
evaluación de los procesos y a la revisión presencial de los aprendizajes. Aunque los docentes
reconocieron que estas herramientas reducían el tiempo dedicado a determinadas tareas, parte de
ese ahorro se destinaba al aprendizaje y actualización sobre nuevas aplicaciones. Se concluye que la
integración educativa de la inteligencia artificial generativa requiere criterios de revisión académica,
ajustes en las estrategias de evaluación y formación continua del profesorado

Palabras clave: inteligencia artificial generativa; evaluación universitaria; diseño instruccional; trabajo
docente; educación superior
P á g i n a 1041
Revista Científica y Académica. Vol. 6, No. 3, Julio-Septiembre Año 2026

Artificial Intelligence and the Redesign of University Assessment

ABSTRACT

This study aimed to analyze university faculty members’ experiences with the incorporation of
generative artificial intelligence into educational planning and the redesign of assessment strategies.
A qualitative study grounded in cultural-historical activity theory was conducted within the school of
administration of a Mexican university. Asynchronous interviews were conducted with a purposive
sample of eight faculty members who used these tools in their instructional design. The findings show
that artificial intelligence was incorporated into various planning activities, although participants
reviewed its outputs to prevent errors and content lacking disciplinary depth. The study also identified
a need to reconsider traditional written assignments and place greater emphasis on process-based
assessment and in-person verification of learning. Although faculty members acknowledged that
these tools reduced the time devoted to certain tasks, part of the time saved was invested in learning
about and keeping up to date with new applications. The study concludes that the educational
integration of generative artificial intelligence requires academic review criteria, adjustments to
assessment strategies, and ongoing faculty development

Keywords: generative artificial intelligence; university assessment; instructional design; faculty work;
higher education

Recibido: 28- mayo-2026 / Aprobado: 02-septiembre-2026
P á g i n a 1042
Revista Científica y Académica. Vol. 6, No. 3, Julio-Septiembre Año 2026

INTRODUCCIÓN

La inteligencia artificial (IA) ha ampliado su presencia en distintos ámbitos sociales y profesionales,
entre ellos la medicina, la economía, el derecho y la educación. Su incorporación a los sistemas
educativos abre posibilidades para personalizar el aprendizaje, apoyar tareas administrativas, facilitar
el acceso a la información y desarrollar nuevos recursos pedagógicos. La Organización de las Naciones
Unidas para la Educación, la Ciencia y la Cultura (Miao & Holmes, 2023) y la Organización para la
Cooperación y el Desarrollo Económicos (OCDE, 2023) sostienen que estas oportunidades deben
acompañarse de formación, criterios éticos y orientaciones institucionales que permitan integrar la
tecnología de manera responsable.

La expansión de herramientas de IA generativa, como ChatGPT, Google Gemini, Microsoft Copilot y
Perplexity AI, ha modificado algunas prácticas de enseñanza y aprendizaje. Los estudiantes pueden
utilizarlas para redactar textos, resolver problemas, buscar información o preparar presentaciones,
mientras que los docentes deben decidir de qué manera responder a su presencia en las actividades
académicas. Las alternativas comprenden desde restringir su uso hasta incorporarlas como recursos
didácticos, siempre que existan propósitos formativos y criterios claros de evaluación. Esta situación
plantea desafíos relacionados con la integridad académica, la autoría, la veracidad de las respuestas,
la protección de datos y la formación del profesorado.

En México, la adopción tecnológica en la educación superior se desarrolla en medio de condiciones
desiguales de infraestructura, conectividad y acceso a recursos digitales. El interés institucional por la
transformación digital ha estado presente en iniciativas nacionales, entre ellas el Plan Nacional de
Desarrollo 2019-2024 y el programa Aprende en Casa. Estas experiencias no eliminan las brechas que
condicionan el uso educativo de tecnologías emergentes. La Encuesta Nacional sobre Disponibilidad y
Uso de Tecnologías de la Información en los Hogares documenta diferencias en el acceso y uso de
internet y equipos tecnológicos entre los hogares mexicanos (INEGI, 2023). Aunque esta encuesta no
mide directamente las condiciones de las instituciones de educación superior, sus resultados permiten
reconocer el entorno desigual en el que estudiantes y docentes acceden a los recursos digitales.
P á g i n a 1043
Revista Científica y Académica. Vol. 6, No. 3, Julio-Septiembre Año 2026

Los estudios realizados en el contexto latinoamericano describen posturas heterogéneas del
profesorado universitario ante la IA. Estas diferencias se han relacionado con la disciplina de
enseñanza, la experiencia profesional, la edad y el nivel previo de alfabetización digital (Chao-
Rebolledo & Rivera-Navarro, 2024; Crompton & Burke, 2023). Algunos docentes identifican
oportunidades para apoyar la planificación y diversificar las estrategias didácticas; otros expresan
dudas sobre la integridad académica, la privacidad de los datos, la calidad de la información generada
y las posibles transformaciones de su función profesional. Estas posiciones no representan
necesariamente aceptación o rechazo absolutos, sino distintas formas de comprender y utilizar la
tecnología en contextos educativos concretos.

La problemática adquiere características particulares en la Facultad de Administración de la
Universidad Veracruzana, Región Veracruz. La formación en Administración de Empresas comprende
procesos de gestión, análisis de información y toma de decisiones en entornos organizacionales donde
aumenta el uso de sistemas inteligentes y herramientas de automatización. Por esta razón, la
incorporación educativa de la IA requiere que los docentes conozcan sus posibilidades y limitaciones,
además de establecer criterios pedagógicos para su utilización en las asignaturas.

En esta facultad aún se dispone de poca evidencia empírica sobre las experiencias de los profesores
que han incorporado herramientas de IA generativa en la planificación y la evaluación. Tampoco se
conoce suficientemente cómo revisan la información producida por estas aplicaciones, qué
modificaciones realizan en sus actividades académicas ni cómo interpretan los cambios en el tiempo
dedicado al trabajo docente. Esta ausencia de información situada constituye la brecha abordada por
la investigación. Debido a que la muestra se integró por profesores que ya utilizaban estas
herramientas, el estudio no pretende establecer el nivel general de adopción de la IA entre todo el
personal de la facultad.

La investigación aporta evidencia contextualizada a un campo en crecimiento. Una parte considerable
de los estudios sobre IA en educación superior se ha desarrollado en Europa, Asia y Norteamérica, por
lo que sus resultados no siempre pueden trasladarse directamente a las condiciones institucionales y
P á g i n a 1044
Revista Científica y Académica. Vol. 6, No. 3, Julio-Septiembre Año 2026

socioeducativas de América Latina. Zawacki-Richter et al. (2019) también señalaron que buena parte
de la investigación sobre aplicaciones de IA en educación superior había prestado escasa atención a
la perspectiva del profesorado.

La relevancia social del tema se relaciona con las transformaciones del ámbito laboral. El Foro
Económico Mundial (2023) estimó que el 44 % de las competencias básicas de los trabajadores
experimentaría cambios o alteraciones entre 2023 y 2027, y ubicó la IA y los macrodatos entre las
áreas prioritarias de formación. Las universidades deben responder a estas transformaciones
mediante procesos educativos que promuevan un uso crítico y ético de la tecnología, sin reducir la
formación profesional al dominio instrumental de determinadas aplicaciones.

En el plano institucional, los hallazgos pueden aportar elementos para orientar la formación docente,
revisar estrategias de evaluación y analizar la integración pedagógica de la IA generativa. El estudio
también se relaciona con la línea institucional de Innovación Educativa y Desarrollo de Competencias
Investigativas en Educación Superior. Su objetivo fue analizar las experiencias de docentes de la
Facultad de Administración de la Universidad Veracruzana ante la incorporación de la IA generativa
en la planificación educativa y el rediseño de las estrategias de evaluación.

Antecedentes

La investigación sobre inteligencia artificial en la educación superior ha crecido durante los últimos
años. Zawacki-Richter et al. (2019) analizaron 146 publicaciones difundidas entre 2007 y 2018 e
identificaron cuatro áreas principales de aplicación: elaboración de perfiles y predicción, evaluación,
sistemas de tutoría inteligente y aprendizaje adaptativo o personalizado. La revisión también encontró
una participación limitada de educadores y especialistas en ciencias de la educación, pues buena parte
de los estudios procedía de áreas tecnológicas. Este vacío resulta pertinente para la presente
investigación, centrada en las experiencias del profesorado ante la incorporación de la IA generativa.

Una revisión posterior de Crompton y Burke (2023) confirmó el crecimiento de las aplicaciones de IA
en la educación superior e identificó usos relacionados con la evaluación, la predicción del
desempeño, los asistentes virtuales, la tutoría inteligente y la gestión del aprendizaje.
P á g i n a 1045
Revista Científica y Académica. Vol. 6, No. 3, Julio-Septiembre Año 2026

Estos avances amplían las posibilidades de apoyo educativo, pero también requieren examinar la
manera en que docentes e instituciones interpretan, adaptan y regulan las herramientas disponibles.
La adopción de una tecnología no garantiza por sí misma su integración pedagógica ni la mejora de los
procesos formativos.

La competencia docente para incorporar tecnologías puede analizarse mediante el modelo TPACK,
que relaciona los conocimientos tecnológicos, pedagógicos y disciplinares. Cejas León et al. (2016)
sostienen que el uso educativo de la tecnología exige articular estos componentes de acuerdo con el
contexto en el que se desarrolla la enseñanza. Aunque su estudio no se centró específicamente en
inteligencia artificial, su planteamiento ayuda a comprender que el dominio técnico de una plataforma
resulta insuficiente si no se acompaña de conocimientos pedagógicos y disciplinares para decidir
cuándo y con qué propósito utilizarla.

La inteligencia artificial puede definirse como el campo dedicado al desarrollo de sistemas capaces de
ejecutar tareas asociadas con capacidades humanas como el razonamiento, el aprendizaje, la
resolución de problemas y la comprensión del lenguaje (Russell & Norvig, 2021). En educación,
comprende aplicaciones como sistemas de tutoría inteligente, algoritmos de recomendación,
plataformas adaptativas, herramientas de análisis del aprendizaje y asistentes conversacionales
basados en modelos de lenguaje de gran escala. Estos últimos producen contenidos a partir de
instrucciones proporcionadas por los usuarios y pueden generar textos, imágenes, código y otros
recursos digitales.

Holmes et al. (2019) distinguen tres ámbitos de aplicación de la IA educativa. El primero comprende
herramientas dirigidas al estudiante, como tutores virtuales, plataformas adaptativas y sistemas de
retroalimentación personalizada. El segundo reúne recursos de apoyo al profesorado, entre ellos el
análisis de datos de aprendizaje, la detección de dificultades y la automatización de algunas tareas de
evaluación. El tercero corresponde a aplicaciones institucionales destinadas a predecir la deserción,
gestionar información y optimizar procesos administrativos. Esta clasificación muestra que la IA puede
P á g i n a 1046
Revista Científica y Académica. Vol. 6, No. 3, Julio-Septiembre Año 2026

modificar diferentes componentes del sistema educativo y no únicamente la interacción directa entre
el estudiante y una plataforma.

La evaluación universitaria constituye uno de los ámbitos más expuestos a estos cambios. Las
herramientas generativas pueden producir respuestas escritas, resolver ejercicios y elaborar
proyectos con un grado creciente de complejidad, lo que dificulta establecer cuánto del producto
presentado corresponde al aprendizaje del estudiante. Esta situación obliga a revisar las actividades
centradas exclusivamente en el resultado final y a prestar mayor atención a los procedimientos, la
argumentación, la retroalimentación y la capacidad de aplicar el conocimiento. Boud (2020) plantea
que la reforma de la evaluación en la educación superior requiere prácticas vinculadas con el
aprendizaje y con la participación activa del estudiante, en lugar de depender únicamente de tareas
acumulativas o calificaciones finales.

La teoría de la actividad histórico-cultural ofrece un marco para interpretar estas transformaciones.
Desde esta perspectiva, la IA no se reduce a una herramienta externa, sino que actúa como un
instrumento mediador dentro de un sistema compuesto por sujetos, objetivos, reglas, comunidad y
división del trabajo. La incorporación de un nuevo instrumento puede alterar las relaciones entre estos
componentes y producir tensiones que impulsan cambios en la actividad (Engeström, 2001). En la
evaluación universitaria, esta mediación puede modificar la planificación docente, la elaboración de
actividades, las formas de verificar los aprendizajes y la distribución del tiempo de trabajo.

La dimensión ética también forma parte de este proceso. La Recomendación sobre la Ética de la
Inteligencia Artificial establece que su desarrollo y utilización deben respetar los derechos humanos,
la dignidad, la diversidad, la inclusión y la protección del ambiente (UNESCO, 2021). En el ámbito
educativo, estos principios se relacionan con la privacidad de los datos, la equidad en el acceso, la
transparencia, los sesgos algorítmicos y la integridad académica. También exigen reconocer que las
respuestas producidas por los sistemas generativos pueden contener errores, información inventada
o interpretaciones carentes de suficiente profundidad disciplinar.
P á g i n a 1047
Revista Científica y Académica. Vol. 6, No. 3, Julio-Septiembre Año 2026

El profesorado universitario ocupa una posición central frente a estos desafíos. Además de distinguir
entre usos formativos e inadecuados de la IA, debe diseñar actividades que permitan reconocer el
proceso seguido por el estudiante, revisar la confiabilidad de los contenidos generados y establecer
criterios explícitos para el empleo de estas herramientas. Su experiencia permite comprender cómo
la IA modifica la planificación, la evaluación y el trabajo académico cotidiano. Por esta razón, el estudio
se concentra en las prácticas y percepciones de docentes que ya incorporan IA generativa en su diseño
instruccional.

La literatura reciente indica que la incorporación de la IA generativa en la educación superior combina
posibilidades de apoyo pedagógico con riesgos relacionados con la confiabilidad de la información, la
dependencia tecnológica y la integridad académica (Kasneci et al., 2023). La producción automatizada
de textos dificulta verificar la autoría mediante las formas tradicionales de evaluación, por lo que se
requieren actividades que valoren el razonamiento, el proceso de elaboración y la comprensión del
estudiante (Cotton et al., 2024). También se ha señalado que las ventajas de ChatGPT dependen de la
alfabetización en IA, la supervisión humana y el establecimiento de orientaciones pedagógicas e
institucionales claras (Farrokhnia et al., 2024). En el área de administración, la IA generativa plantea
una tensión entre la eficiencia que ofrece y los cambios que exige en las funciones del profesorado y
en el diseño de la evaluación (Lim et al., 2023). A ello se suma que la preparación docente no se limita
al manejo técnico de las plataformas, sino que comprende la capacidad de valorar críticamente sus
resultados e integrarlos de acuerdo con los objetivos de aprendizaje (Kohnke et al., 2023). Estos
antecedentes respaldan la necesidad de estudiar cómo los docentes universitarios reinterpretan su
planificación, sus criterios de evaluación y su carga de trabajo ante la incorporación de estas
herramientas.

METODOLOGÍA

La investigación se desarrolló desde un enfoque cualitativo y tomó como referente interpretativo la
teoría de la actividad histórico-cultural (Engeström, 2001). Este marco permitió analizar la inteligencia
artificial generativa como un instrumento mediador cuya incorporación puede modificar las reglas, la