La revisión de Forero-Corba y Negre Bennasar cartografía, con un recorte temporal muy reciente (2021–febrero de 2023), cómo se está usando el binomio IA/ML en educación a partir de 55 artículos localizados en WoS y Scopus bajo el protocolo PRISMA.
El texto acota deliberadamente su corpus a publicaciones en inglés y acceso abierto, y organiza el panorama por niveles educativos y por geografía: la investigación aparece distribuida en 38 países, con una presencia dominante de Estados Unidos y un desplazamiento interesante hacia primaria y secundaria, donde se concentra la mayoría de aplicaciones reseñadas.
El aporte central es doble: por un lado, inventaria 33 técnicas con claro predominio del aprendizaje supervisado y muestra qué algoritmos aparecen con más frecuencia en contextos educativos (por ejemplo, enfoques tipo Random Forest, árboles de decisión o k-NN). Por otro, sintetiza para qué se están usando: predicción de rendimiento y abandono, recomendación y orientación académica, analíticas sobre percepciones de docentes y estudiantes, robótica y realidad virtual, alfabetización en IA, y casos más específicos (seguridad informática, marcos de equidad algorítmica, apoyo a estudiantes con TEA).
El artículo insiste en que la promesa de estos sistemas se juega menos en el “modelo” y más en la calidad, etiquetado y gobernanza de los datos, además de la capacidad institucional para traducir predicciones en decisiones educativas justificables.
En sus conclusiones, la revisión no presenta la IA/ML como un bloque monolítico: separa usos de aula y usos de gestión, señala que el auge postpandemia dejó huellas visibles (una parte del corpus toca COVID-19) y subraya un cuello de botella recurrente: la competencia tecnopedagógica docente para interpretar, limitar y aprovechar herramientas predictivas.
El texto también deja abiertas tensiones que merecen trabajo empírico: el sesgo derivado de publicar solo en inglés, la dependencia de dos bases de datos, la falta de evidencia en diversidad y necesidades educativas especiales, y la necesidad de que “integrar IA” no se reduzca a comprar herramientas, sino a rediseñar evaluación, currículo y formación con criterios éticos y trazables.
---
Cómo citar: Forero-Corba, W., & Negre Bennasar, F. (2024). Técnicas y aplicaciones del Machine Learning e inteligencia artificial en educación: una revisión sistemática. RIED-Revista Iberoamericana de Educación a Distancia, 27(1), 209–253. https://doi.org/10.5944/ried.27.1.37491
