Superada la fase inicial de asombro tecnológico, la investigación educativa necesita avanzar hacia estudios capaces de ofrecer evidencias sólidas, contrastables y relevantes. RIED-Revista Iberoamericana de Educación a Distancia invita a presentar contribuciones que no se limiten a describir posibilidades, riesgos o percepciones generales sobre la IA generativa, sino que aporten conocimiento nuevo, metodológicamente riguroso y útil para orientar decisiones pedagógicas, institucionales y políticas. Es decir, trabajos que susciten interés y generen impacto.
Ya es conocido que la RIED presta especial atención a investigaciones desarrolladas en educación superior, que tendrán prioridad. Igualmente, tendrán prioridad aquellos referidos a entornos digitales. Aunque, en segundo lugar, también podrán considerarse estudios de máxima calidad en otros niveles o contextos cuando sus resultados sean argumentados, justificados, en el sentido de que pueden ser claramente transferibles a la educación superior digital, abierta, híbrida o a distancia. También, se valorarán en especial las aportaciones internacionales, comparadas e interinstitucionales.
Este monográfico considerará, dentro de la temática propuesta, especialmente:
- investigaciones empíricas originales, con diseños cuantitativos, cualitativos o mixtos bien justificados;
- estudios experimentales o cuasiexperimentales;
- análisis longitudinales; investigaciones con muestras amplias y bien caracterizadas;
- estudios comparados;
- trabajos basados en analíticas de aprendizaje, trazas digitales, corpus relevantes o datos institucionales;
- evaluaciones de intervenciones, herramientas o modelos pedagógicos; y estudios cualitativos de alta densidad analítica, sustentados en evidencias consistentes.
También podrán considerarse contribuciones teóricas, conceptuales o de revisión, pero solo cuando ofrezcan una aportación excepcional, claramente original y diferenciada de la literatura ya disponible. Las revisiones sistemáticas, metaanálisis o revisiones de alcance, y excepcionales en calidad e interés, deberán responder a protocolos rigurosos, preguntas bien delimitadas y resultados originales con valor añadido real para el campo.
No se considerarán prioritarios, y difícilmente publicables:
- los manuscritos meramente especulativos, ensayísticos, descriptivos o basados en opiniones generales;
- las experiencias aisladas sin evaluación rigurosa;
- los estudios sustentados únicamente en percepciones superficiales o muestras insuficientes;
- las propuestas de modelos no contrastados;
- las revisiones narrativas sin método explícito o que no aporten novedad excepcional; o
- los trabajos que reiteren conclusiones ya ampliamente conocidas sobre IA en educación.
Líneas temáticas preferentes del monográfico
Como guía (no exhaustiva), se proponen los siguientes ejes o líneas de contribución, preferentemente en contextos de educación superior y en entornos a distancia, en línea, híbridos o bimodales:
1. Impacto de la IA generativa en el aprendizaje
- Intervenciones didácticas mediadas por IA generativa y evaluación de sus resultados.
- Efectos diferenciales según perfiles de estudiantes, disciplinas, modalidades o niveles de competencia digital.
- Relación entre uso de IA generativa, autonomía, pensamiento crítico, autorregulación y aprendizaje profundo.
- Estudios longitudinales sobre adopción, uso sostenido e impacto acumulado de la IA generativa.
2. Evaluación de aprendizajes y feedback formativo con uso de IA
- Modelos de evaluación auténtica, continua, oral, procesual, competencial o basada en desempeño.
- Evidencias sobre fiabilidad, validez, equidad y escalabilidad de nuevas formas de evaluación.
- Uso de IA generativa para feedback formativo y su impacto en el aprendizaje.
- Comparación entre evaluación humana, evaluación asistida por IA y sistemas híbridos de corrección.
- Rúbricas, portafolios, trazabilidad, defensa oral, coevaluación, autoevaluación y evaluación multimodal.
3. Integridad académica, autoría y uso responsable de IA
- Comportamientos reales de estudiantes y docentes ante la IA generativa en tareas académicas.
- Efectividad de políticas, protocolos, declaraciones de uso, rediseños de tareas o estrategias formativas.
- Alfabetización en IA, integridad académica y desarrollo del juicio crítico.
- Limitaciones, sesgos y efectos no deseados de los detectores de contenido generado por IA.
- Autoría, transparencia, trazabilidad y responsabilidad en producciones académicas asistidas por IA.
4. Personalización, tutoría inteligente y acompañamiento con IA
- Sistemas tutoriales inteligentes, chatbots o agentes conversacionales basados en modelos generativos.
- Adaptación de contenidos, itinerarios, actividades y feedback según perfiles o necesidades de los estudiantes.
- Personalización orientada a inclusión, accesibilidad y apoyo a estudiantes con necesidades específicas.
- Efectos de la tutoría automatizada sobre autonomía, satisfacción, logro, permanencia y carga docente.
- Comparación entre tutoría humana, tutoría automatizada y modelos híbridos de acompañamiento.
5. Calidad, gobernanza y condiciones institucionales de uso de IA
Siempre que se apoyen en evidencias empíricas o análisis rigurosos y no en declaraciones generales de principios, tendrán cabida, también:
- Investigaciones sobre culturas organizacionales, criterios de adopción, liderazgo académico, usos institucionales responsables y el impacto formativo que todo ello tiene en los estudiantes.
- Investigaciones sobre políticas, marcos de calidad, equidad, privacidad, protección de datos, derechos de autor, formación docente y sostenibilidad institucional.
CONCLUSIÓN
Con este monográfico, RIED aspira a continuar contribuyendo a una nueva etapa de la investigación sobre IA generativa en educación: menos centrada en la fascinación por la herramienta y más comprometida con la producción de evidencias, la mejora verificable del aprendizaje, la protección de la integridad académica, la calidad de la evaluación, la equidad y la responsabilidad institucional.
La convocatoria se dirige a investigadores y equipos de investigación capaces de aportar conocimiento sólido, internacionalmente relevante y metodológicamente exigente sobre el papel de la IA generativa en la educación digital, abierta, híbrida y a distancia.
En fin, la revista, por tanto, dará prioridad, en esta convocatoria, a investigaciones empíricas rigurosas y originales. Las contribuciones teóricas, conceptuales o de revisión sistemática serán consideradas exclusivamente cuando aporten un avance sustantivo, excepcional y claramente diferenciado respecto de la literatura ya disponible.
FECHAS DE INTERÉS
- Recepción de artículos: durante el mes de noviembre de 2026 (fecha límite 01/12/2026, hora de Madrid). Eviten enviar artículos antes de noviembre de 2026.
- Publicación oficial: Este número (Vol. 30-2) corresponde a 01/06/2027.
- Publicación OnlineFirst: Antes de esa fecha oficial, los artículos se irán publicando en formato OnlineFirst (listos para leer y citar) conforme vayan superando las diferentes fases de evaluación.
IMPORTANTE
- No envíen trabajo alguno a RIED si no están convencidos de que se cumplen todos los parámetros exigidos en este documento y los enlaces a los que remite así como lo indicado en esta convocatoria.
- Todos los trabajos enviados en esta convocatoria deberán versar sobre el tema de la misma y serán remitidos a la sección «Monográfico».
- Todos aquellos artículos que no sean considerados para su publicación en este Vol. 30(2), serán desestimados.
- Aquellos trabajos que superen todas las fases de evaluación deberán ser traducidos, con calidad profesional, al segundo idioma: inglés, si el manuscrito original fue presentado en español o portugués; y español, si el manuscrito original fue presentado en inglés.
