Design and implementation of a training intervention on artificial intelligence: a methodological perspective
Mtra. Leinny Patricia Domínguez Rodríguez, Dra. Elizabeth Guevara Roa2
Docente del Instituto Universitario Veracruzano (IUV). Correo electrónico: [email protected]
2 Docente del Instituto Universitario Veracruzano (IUV). Correo electrónico: elizabeth,[email protected]
Recibido: 17 de Julio de 2025. Aceptado:
Resumen. El presente artículo analiza el impacto de una intervención formativa enfocada en el uso pedagógico de herramientas de inteligencia artificial (IA) en docentes y estudiantes universitarios. La investigación se desarrolló bajo un enfoque metodológico mixto, integrando técnicas cuantitativas y cualitativas para obtener una comprensión más amplia del fenómeno. El diseño adoptado fue correlacional y cuasiexperimental, sustentado en un paradigma pragmático, que permitió observar tanto las asociaciones entre variables como los efectos de una capacitación estructurada en el corto plazo.
La muestra estuvo compuesta por docentes y estudiantes de distintas modalidades y programas del Instituto Universitario Veracruzano (IUV). Se aplicaron instrumentos validados que permitieron identificar el nivel de familiarización con la IA, su uso educativo, percepciones, beneficios percibidos y barreras institucionales. Los resultados evidencian mejoras significativas en las actitudes, conocimientos y prácticas docentes respecto a la IA, así como un creciente interés y valoración positiva por parte del estudiantado.
Asimismo, se identificaron tensiones institucionales derivadas de la ausencia de lineamientos claros y la necesidad de políticas inclusivas de transformación digital. La discusión se enmarca en las pedagogías emergentes y la sociedad del conocimiento, destacando la importancia de transitar hacia modelos educativo flexibles, éticos y contextualizados.
Se concluye que la integración crítica de la IA en la educación puede favorecer procesos de innovación pedagógica pertinentes y sostenibles, siempre que se acompañe de formación docente, infraestructura adecuada y marcos normativos que orienten su implementación.
Palabras Clave: Inteligencia artificial, educación superior, competencias digitales, pedagogías emergentes, innovación educativa, formación docente.
Abstract. This article analyzes the impact of a formative intervention focused on the pedagogical use of artificial intelligence (AI) tools by university teachers and students. The research was conducted using a mixed-methods approach, combining quantitative and qualitative techniques to gain a comprehensive understanding of the phenomenon. A correlational and quasi-experimental design was adopted, grounded in a pragmatic paradigm, which allowed for the observation of both associations between variables and the effects of a structured training program in the short term.
The sample consisted of faculty and students from various academic programs and modalities at the Instituto Universitario Veracruzano. Validated instruments were applied to identify the level of familiarity with AI, its educational uses, perceptions, perceived benefits, and institutional barriers. The results show significant improvements in attitudes, knowledge, and teaching practices related to AI, as well as increasing interest and positive perception among students.
Additionally, institutional tensions were identified, particularly the lack of clear guidelines and the need for inclusive digital training policies. The discussion is framed within the context of emerging pedagogies and the knowledge society, highlighting the need to move toward flexible, ethical, and contextually relevant educational models.
It is concluded that the critical integration of AI in education can foster relevant and sustainable pedagogical innovation, provided it is supported by teacher training, adequate infrastructure, and normative frameworks that guide its implementation.
Keywords: Artificial intelligence, higher education, digital competencies, emerging pedagogies, educational innovation, teacher training
Introducción
En los últimos años, la transformación digital ha redefinido los procesos educativos a nivel global. La interrupción de tecnologías emergentes como la inteligenciar artificial (IA) ha abierto nuevas posibilidades para mejorar la calidad, accesibilidad y personalización del aprendizaje, particularmente en la educación superior. Sin embargo, este avance también plantea desafíos en términos de equidad, ética, preparación docente y marcos institucionales.
En este contexto, la IA ya no puede considerarse una herramienta opcional, sino una competencia clave para el desarrollo profesional y académico. Las universidades enfrentan la necesidad urgente de integrar estas tecnologías en sus prácticas formativas, no solo desde una perspectiva técnica, sino pedagógica y crítica. A pesar de su creciente presencia en el ámbito educativo, persisten brevas significativas en el conocimiento, apropiación y uso consciente de la IA por parte de docentes y estudiantes. En el marco de este estudio, se emplearon herramientas de inteligencia artificial generativa como ChatGPT, Claude, Gamma, Algoreducation y Miro, las cuales permitieron a los participantes diseñar planeaciones, elaborar materiales didácticos y explorar aplicaciones pedagógicas de la IA en contextos reales de aula.
De acuerdo con Díaz Barriga (2008) citado en López (2016) la metáfora educativa del estudiante de la sociedad del conocimiento plantea que este requiere ser un aprendiz autónomo, capaz de autorregularse y con habilidades para el estudio independiente, automotivado y permanente. Requiere asimismo aprender a tomar decisiones y solucionar problemas en condiciones de conflicto e incertidumbre, así como a buscar y analizar información en diversas fuentes para transformarla en aras de construir y reconstruir el conocimiento en colaboración con otros. Implica que lo relevante del aprendizaje es poder “transformar lo que se sabe” y no únicamente poder “decir lo que se sabe” como en el caso de la educación centrada en la adquisición de saberes declarativos inmutables. (p. 28)
El presente estudio se llevó a cabo en una universidad mexicana y tuvo como objetivo analizar el impacto de la intervención formativa sobre el uso pedagógico de herramientas de inteligencia artificial en docentes y estudiantes de nivel superior. A través de un enfoque metodológico mixto, se identificaron avances en las competencias digitales, cambios en la percepción y barreras institucionales para su implementación.
A lo largo del artículo se describen los fundamentos teóricos que sustentan el estudio, la metodología empleada, los resultados obtenidos y una discusión crítica que permite reflexionar sobre el papel de la IA en los procesos de enseñanza – aprendizaje, así como las implicaciones para el diseño de políticas formativas inclusivas y contextualizadas.
Metodología
La presente investigación se desarrolló bajo un enfoque metodológico mixto, integrando herramientas cuantitativas y cualitativas con el propósito de obtener una comprensión integral del fenómeno de estudio: la incorporación de la Inteligencia Artificial (IA) en la práctica pedagógica. Esta combinación metodológica permitió no solo analizar y medir datos concretos sobre el conocimiento y uso de la IA por parte de docentes, sino también explorar las percepciones, experiencias y actitudes respecto a su integración en el proceso educativo.
La elección de un enfoque mixto responde a la necesidad de capturar la complejidad de las dinámicas educativas actuales, donde los saberes digitales ya no son periféricos, sino constitutivos del quehacer docente. En palabras de Salinas (2008) “La innovación no puede ser asimilada si su sentido no es compartido” (p.38), lo cual significa que el estudio contemple tanto indicadores cuantificables como la interpretación de sentidos culturares y educativos que emergen del proceso.
Desde esta perspectiva, la metodología no solo fue un medio para alcanzar resultados empíricos, sino también una vía para comprender los procesos de apropiación tecnológica dentro del aula. La IA, como herramienta emergente en la educación superior, supone un desafío que involucra el rediseño de prácticas, la construcción de nuevas competencias y el cuestionamiento de modelos pedagógicos tradicionales. Por ello, un diseño que permita examinar tanto la transformación observable como la dimensión reflexiva de la experiencia docente se vuelve esencial para cualquier intento de innovación educativa.
El procedimiento metodológico se desarrolló en cinco etapas sistemáticas que permitieron recoger, interpretar y comparar datos desde una perspectiva integral.
2.1 Tipo de estudio
El estudio adoptó un diseño metodológico de tipo correlacional y cuasiexperimental, enmarcado en un enfoque mixto sustentado en un paradigma pragmático. Este paradigma reconoce el valor de integrar metodologías cuantitativas y cualitativas para comprender fenómenos complejos en contextos educativos reales, privilegiando la utilidad práctica de los resultados por encima de consideraciones puramente epistemológicas.
Se eligió un diseño correlacional, el cual se define como un tipo de investigación no experimental que busca identificar relaciones entre variables sin manipular ninguna de ellas. En palabras de Sampieri, Fernández y Baptista (1997) “este tipo de estudio tiene como propósito medir el grado de relación que exista entre dos o más conceptos o variables. En ocasiones sólo se analiza la relación entre dos variables, pero frecuentemente se ubican en el estudio relaciones entre tres variables” (p.72). Este estudio, se justifica por la intención de identificar asociaciones significativas entre variables como la capacitación docente, el uso de la IA y la percepción de mejora en la calidad educativa, sin pretender establecer una causalidad directa.
Además, también se determinó un diseño cuasiexperimental, que se caracteriza por incluir una intervención controlada, pero sin asignación aleatoria de los participantes a los grupos. Los grupos de docentes se seleccionaron con base en su vinculación con procesos de formación continua, lo que permitió observar transformaciones prácticas en el corto y mediano plazo. Como resalta Cobo (2016) “no depende de uno u otro dispositivo o software, sino de la manera en que se adopta y de las condiciones que favorecen su aprovechamiento” (p.53), lo que respalda la elección de un diseño basado en contextos naturales donde se observa la integración progresiva de las tecnologías emergentes.
La combinación de ambos enfoques dentro de un modelo mixto permitió explorar tanto los vínculos entre variables como los efectos de una intervención estructurada, brindando así un panorama completo sobre la forma en que los docentes incorporan innovaciones tecnológicas y las traduce en acciones concretas dentro de sus entornos educativos. Este enfoque favorece además el análisis longitudinal de cambio, permitiendo no solo detectar transformaciones inmediatas, sino también trazar rutas de mejora continua que retroalimenten la toma de decisiones institucionales.
Algunas de las ventajas del enfoque mixto son:
- Triangulación de datos que aumenta la validez de los hallazgos
- Posibilidad de validar resultados desde múltiples perspectivas
- Integración de evidencia cuantitativa y cualitativa que enriquece la comprensión del fenómeno
- Mayor capacidad para abordar preguntas de investigación complejas. (Ortega, s.f)
Desventajas y limitaciones del enfoque mixto
- El diseño de la investigación puede ser muy complejo
- Se requiere de mucho más tiempo y recursos para planificar e implementar este tipo de investigación
- Puede ser difícil planificar y aplicar un método utilizando los resultados de otro
- Puede ser poco clara la forma de resolver las discrepancias que surjan en la interpretación de los resultados (Ortega, s.f)
2.2 Material y métodos
El procedimiento metodológico se estructuró en cinco etapas que permitieron un abordaje sistemático riguroso del fenómeno de estudio:
Etapa 1: Diagnóstico inicial: Se aplicó una encuesta diagnóstica a docentes y estudiantes para identificar el nivel de conocimiento previo sobre la IA y las necesidades formativas específicas. El instrumento contenía de 10 a 12 preguntas estructuradas con escala tipo Likert, así como reactivos abiertos que permitieron conocer la perspectiva cualitativa de los participantes. La recolección de datos se realizó a través de Google Forms, facilitando el acceso y la sistematización de la información.
Etapa 2: Diseño de la capacitación: A partir de los resultados del diagnóstico, se diseñó un curso de capacitación enfocado en tres dimensiones: uso técnico, ético y pedagógico de herramientas de IA. El diseño instruccional incluyó materiales como lecturas especializadas, videos explicativos y actividades de simulación.
Etapa 3: Implementación de la capacitación: La capacitación se implementó en modalidad semipresencial durante dos semanas, con dos sesiones de 2 horas cada una. Se combinaron sesiones teóricas con ejercicios prácticos que permitieron a los docentes experimentar directamente con plataformas de IA como ChatGPT, Claude, Gamma, Algoreducation y Miro. Los materiales utilizados incluyeron presentaciones interactivas, guías de uso y casos de estudio aplicados al contexto educativo.
Etapa 4: Período de aplicación libre: Se concedió un período de 5 meses en el cual los docentes pusieron en práctica lo aprendido, experimentando con herramientas de IA en sus clases reales. Durante esta fase, se proporcionó acompañamiento técnico y pedagógico.
Etapa 5: Evaluación post capacitación: Se aplicó una encuesta post capacitación de entre 10 a 12 preguntas estructuradas en escala Likert y preguntas abiertas, adaptadas para captar cambios percibidos, dificultades encontradas y niveles de apropiación. El instrumento mantuvo la misma estructura que la encuesta inicial para facilitar el análisis comparativo.
Además, previo a la aplicación del instrumento, se llevó a cabo un proceso de validación a través de juicio de expertos. Para ello, se diseñó una matriz de validación en la que se incluyeron los objetivos de la investigación, las variables a medir y los ítems del cuestionario. Los tres especialistas, todos ellos doctores en educación, revisaron cada reactivo con base en esa matriz, valorando su pertinencia, claridad y coherencia, así como su correspondencia con los objetivos planteados. Este procedimiento permitió identificar posibles ajustes y garantizar que cada ítem evaluará de manera adecuada lo que se pretendía media
Complementariamente, se realizó una prueba piloto con 8 administrativos que anteriormente habían desempeñado funciones docentes en la misma universidad. Esta fase permitió validar la claridad de las preguntas, verificar la pertinencia de los reactivos y realizar ajustes necesarios que garantizarán la fiabilidad y validez de los instrumentos. Como señala Salinas (2008) “la innovación educativa requiere de un proceso planeado, deliberado, sistematizado e intencional” (p.11), razón por la cual cada fase del proceso fue cuidadosamente estructurada.
2.3 Muestra y población
La población objetivo de este estudio estuvo conformada por docentes y estudiantes del Instituto Universitario Veracruzano (IUV). Los docentes participantes provenían de distintas áreas disciplinarias y estaban adscritos a modalidades diversas: presencial, mixta, virtual e híbrida. Por su parte, los estudiantes pertenecen a programas académicos de nivel superior, tanto en licenciatura como en posgrado y se encontraban activos al momento de la aplicación del estudio. Esta diversidad permitió explorar la integración de la IA en contextos formativos variados y enriqueció la interpretación de los resultados.
Se utilizó un muestreo no probabilístico por conveniencia, metodología adecuada para estudios en contextos educativos donde los participantes acceden voluntariamente a los procesos de formación. Esta decisión se fundamentó en la necesidad de trabajar con individuos que tuvieran disposición y condiciones para integrar nuevas herramientas digitales a su práctica pedagógica. Como advierte Cobo (2016), “la incorporación de la tecnología en el aula no viene acompañada de cambios transversales en la cultura educativa, su impacto será limitado” (p.52), por lo que se buscó trabajar con una muestra sensible a la innovación y con apertura al cambio.
Si bien este tipo de muestreo limita la generalización estadística de los resultados, permite obtener información relevante, situada y directamente aplicable al entorno institucional donde se lleva a cabo la intervención. Además, la naturaleza exploratoria del estudio y el enfoque mixto adoptado priorizan la comprensión profunda del fenómeno por encima de la representatividad estadística. A continuación en la tabla 1, se muestran las características de la muestra.
Tabla 1: Características de la muestra
| Participantes | Cantidad | Modalidad | Programa académico |
| Alumnos | 3,368 | Presencial, híbrida, ejecutiva y virtual | De todos los programas académicos que ofrece la institución entre ellos licenciatura, maestrías y doctorados. |
| Docentes | 337 | Presencial, híbrida, ejecutiva y virtual | Que imparten clases en todos los distintos programas académicos. |
El trabajo con esta población permitió identificar no solo el nivel de conocimiento y uso de la IA, sino también las barreras institucionales, actitudinales y metodológicas que dificultan su adopción. Además, se analizaron las condiciones que favorecen la apropiación significativa de tecnologías emergentes y su incorporación en la práctica docente con una visión crítica, reflexiva y transformadora. La heterogeneidad de la muestra también permitió contrastar experiencias entre diferentes niveles académicos, modalidades educativas y trayectorias formativas, enriqueciendo así el análisis y la comprensión del fenómeno estudiado.
Resultados
Los resultados obtenidos a partir de la aplicación de los instrumentos a docentes y estudiantes muestran un impacto positivo de la capacitación sobre el uso de la inteligencia artificial (IA) en el contexto educativo universitario.
En comparación con su conocimiento previo, la mayoría de los participantes percibió una mejora en su comprensión sobre la inteligencia artificial después de la capacitación. De acuerdo con los resultados, el 60.7% afirmó que su comprensión ha mejorado significativamente y un 30.7% consideró que ha mejorado moderadamente. Solo un 5.7% indicó que su comprensión se mantuvo igual y apenas un 2.9% reportó que no ha mejorado. Estos datos reflejan un impacto formativo favorable, pues más del 90% de los docentes participantes reconocieron avances claros en la apropiación de conocimientos sobre la IA.
Figura 1: Comprensión de la IA por parte de los docentes
Fuente: elaboración propia (2025)
En relación con los principales beneficios de la inteligencia artificial en la práctica docente después de la capacitación (figura 2), la mayoría de los participantes (52.1%) identificó la creación de contenido educativo como el aporte más significativo. En segundo lugar, destacaron la personalización del aprendizaje (18.6), seguida por la automatización de tareas (15%) y la evaluación más eficiente (10.7%). Solo un 3.6% señaló no haber identificado beneficios. Estos resultados evidencian que la IA se percibe principalmente como una aliada para optimizar la generación de materiales y enriquecer la experiencia educativa.
Figura 2: Principal beneficio identificado por los docentes.
Fuente: elaboración propia (2025)
En cuanto a los estudiantes, mayoría manifestó un alto interés en continuar aprendiendo sobre inteligencia artificial para su futuro profesional. Como se observa en la figura 3, el 53.1% de los participantes consideró que es muy importante adquirir conocimientos en esta área, mientras que un 40.7% lo calificó como importante. En contraste, solo un 4.1% lo valoró como poco importante y un 2.1% como nada importante. Estos resultados reflejan una percepción ampliamente positiva sobre la relevancia de la IA en la formación y proyección profesional de los estudiantes.
Figura 3: Importancia sobre el aprendizaje de IA en los alumnos
Fuente: elaboración propia (2025)
Los comentarios abiertos tanto de docentes como de estudiantes revelaron una transformación en la percepción sobre la IA, pasando de posturas restrictivas a una visión más funcional y pedagógica. Se destacó la necesidad de ofrecer más capacitaciones, definir criterios éticos y promover un uso responsable, crítico y contextualizado. Asimismo, varios participantes señalaron que la IA puede convertirse en un apoyo significativo para optimizar el tiempo de planeación, diversificar estrategias de enseñanza y fomentar aprendizajes más personalizados.
No obstante, también se expresaron inquietudes en torno a la dependencia tecnológica y al riesgo de un uso poco reflexivo, lo que refuerza la importancia de integrar procesos de formación continua y acompañamiento institucional. En conjunto, estas apreciaciones reflejan que la IA no solo es vista como una herramienta innovadora, sino como un elemento que requiere un marco pedagógico y ético sólido para garantizar su impacto positivo en la práctica educativa.
Conclusiones y discusión
Los hallazgos obtenidos corroboran que una intervención formativa enfocada en el uso pedagógico de la inteligencia artificial puede modificarse de manera significativa según las actitudes, conocimientos y prácticas tanto en docentes como en estudiantes universitarios. Esto coincide con el enfoque de las pedagogías emergentes, las cuales promueven una transformación en los modelos tradicionales hacia más flexibles, colaborativas y tecnológicamente mediadas.
De acuerdo con Adell y Castañeda (2012) citado en Prats, Núñez, Villamor & Longueira (2016) “Las pedagogías emergentes no tienen por qué referirse a nuevas pedagogías, sino que pueden suponer “versiones inéditas de los principios didácticos o, como suele ser más habitual, pueden beber de fuentes pedagógicas bien conocidas” (p.11). En realidad, como afirma Groos (2015) citado en Prats et al. (2016) “la mayoría de los elementos de instrucción de estas pedagogías no son nuevas estrategias de enseñanza, aunque podríamos decir que las asociaciones de aprendizaje activas que crean con los estudiantes son nuevas”. (p.11)
En el caso de los docentes, los resultados muestran una evolución positiva en su familiarización, disposición al aprendizaje continuo y uso regular de herramientas, particularmente aquellas orientadas a la generación de contenido. Esta apropiación progresiva de la tecnología se alinea con la necesidad de un cambio del paradigma en la sociedad del conocimiento, donde el rol del docente deja de ser transmisor y se convierte en facilitador del aprendizaje activo y significativo. Como señala la UNESCO (2024) “las tecnologías digitales se han convertido en una necesidad social para garantizar la educación como un derecho humano básico, especialmente en un mundo que debe hacer frente a crisis y conflictos cada vez más frecuentes” (párr.1) Además, se refuerza la importancia de desarrollar competencias digitales docentes, entendidas como habilidades integradas que van más allá del dominio técnico, abarcando aspectos éticos y pedagógicos.
Respecto al estudiantado, aunque el uso activo de herramientas de IA es más limitado, los niveles de interés, valoración de su utilidad e intención de aprendizaje son elevados. Esto indica un potencial formativo que puede aprovecharse si se incorporan experiencias de aprendizaje estructuradas con IA, que fortalezcan competencias digitales, pensamiento crítico y conciencia ética, elementos centrales de las nuevas formas de aprendizaje impulsadas por las TIC. La IA puede convertirse en un recurso valioso para promover la personalización del aprendizaje, la resolución creativa de problemas y el acceso a la información compleja de manera más fácil.
La discusión también evidenció tensiones institucionales importantes, como la falta de lineamientos claros sobre el uso de la IA, y la necesidad de políticas formativas más inclusivas. En línea con organismos internacionales como la UNESCO (2024) “la UNESCO apoya el uso de la innovación digital para ampliar el acceso a las oportunidades educativas y avanzar a la inclusión, mejorando la pertinencia y la calidad del aprendizaje, crear vías de aprendizaje a lo largo de toda la vida mejoradas por las TIC, reforzar los sistemas de gestión de la educación y el aprendizaje” (párr. 1)
También es necesario avanzar hacia la consolidación de los modelos educativos que integren el uso de la IA de forma crítica y contextualizada. Esto implica pasar enfoques instrumentales a perspectivas transformadoras que reconozcan el papel de la IA como agente de cambio en la cultura escolar y universitaria. Las pedagogías emergentes, como la pedagogía crítica, la pedagogía expandida o el conectivismo, ofrecen marcos teóricos pertinentes para repensar los procesos de enseñanza – aprendizaje en el ecosistema digital.
No obstante, este estudio presenta algunas limitaciones que deben considerarse. En primer lugar, el tamaño reducido de la muestra y su carácter intencional limita la generalización de los resultados. Asimismo, la duración de la intervención fue relativamente corta, lo que impide observar efectos a largo plazo en la apropiación tecnológica y en el desarrollo de competencias. También se identificaron desafíos vinculados a la disponibilidad de recursos tecnológicos y la preparación previa de los participantes en el uso de herramientas digitales.
A futuro, se recomienda realizar investigaciones con muestras más amplias, en distintitos contextos educativos, así como estudios longitudinales que permitan evaluar la sostenibilidad de los cambios observados. Asimismo, sería valioso explorar en mayor profundidad el impacto de la inteligencia artificial en otras dimensiones del aprendizaje, como la evaluación formativa o el desarrollo de habilidades socioemocionales en entornos digitales.
En síntesis, la experiencia aporta evidencia concreta sobre los beneficios de integrar la IA desde una perspectiva pedagógica y humanista, abriendo posibilidades reales para una innovación educativa pertinente y sustentada. La apropiación tecnológica no puede desvincularse de un marco axiológico que sitúe al estudiante como sujeto activo del aprendizaje, capaz de utilizar la tecnología para construir conocimiento, colaborar y transformar su entorno.
Referencias
Cobo Cristóbal (2016). La innovación pendiente reflexiones (y provocaciones) sobre educación, tecnología y conocimiento. https://www.aprendevirtual.org/centro-documentacion-pdf/La_innovacion_pendiente.pdf (p. 52) (p.73)
López García Camino (2016). Enseñar con TIC. Nuevas y renovadas metodologías para la enseñanza superior. https://dialnet.unirioja.es/servlet/articulo?codigo=5833863
Sampieri Roberto, Fernández Collado Carlos & Baptista Lucio Pilar (1997). Metodología de la investigación. https://www.uv.mx/personal/cbustamante/files/2011/06/metodologia-de-la-investigaci%C3%83%C2%B3n_sampieri.pdf (p.72)
Salinas Ibáñez Jesús (2008). Innovación educativa y uso de las TIC. https://dialnet.unirioja.es/servlet/libro?codigo=355257 (p. 11)
Ortega Cristina (s.f). Investigación mixta, qué es y tipos que existen. https://www.questionpro.com/blog/es/investigacion-mixta/
Prats Enric, Núñez Luis, Villamor Patricia & Longueira Silvana (2016). Pedagogías emergentes: una mirada crítica para una formación democrática del profesorado. https://dialnet.unirioja.es/servlet/articulo?codigo=5783251
UNESCO (2024). Qué necesita saber acerca del aprendizaje digital y la transformación de la educación. https://www.unesco.org/es/digital-education/need-know#:~:text=La%20UNESCO%20apoya%20el%20uso,de%20la%20educaci%C3%B3n%20y%20el
