La Inteligencia Artificial en la enseñanza de la programación universitaria: transformaciones, desafíos  
y perspectivas  
Osmany Nieves Torres  
Pedro José Serrano Yero  
Essenia Cruz Alfonso  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 07/09/2025  
Aprobado: 14/11/2025  
Artículo de revisión  
La Inteligencia Artificial en la enseñanza de la programación universitaria:  
transformaciones, desafíos y perspectivas  
Artificial Intelligence in university programming education: transformations,  
challenges, and perspectives  
Osmany Nieves Torres1 (osmanynt79@gmail.com) (https://orcid.org/0000-0003-0749-  
494X)  
Pedro José Serrano Yero2 (pedrosy@ult.edu.cu) (https://orcid.org/0000-0002-1358-  
2746)  
Essenia Cruz Alfonso3 (essenia@ult.edu.cu) (https://orcid.org/0000-0001-9540-0194)  
Resumen  
En los últimos años, la integración de la inteligencia artificial en la enseñanza  
universitaria de la programación ha transformado profundamente los métodos  
pedagógicos, la personalización del aprendizaje y los criterios de evaluación. Este  
artículo analiza, desde una perspectiva científica y basada en evidencia reciente (2020-  
2025), cómo las herramientas y metodologías de inteligencia artificial están cambiando  
la formación de programadores en la universidad, evaluando beneficios, limitaciones,  
casos de éxito, hallazgos de investigaciones, retos éticos y buenas prácticas. Por tanto,  
se examina el impacto de la inteligencia artificial en el aprendizaje personalizado, la  
retroalimentación automática y el desarrollo del pensamiento computacional, y se ofrece  
una comparativa detallada entre enfoques tradicionales y asistidos por esta. Todo ello  
mediante el uso de métodos de la investigación científica como: análisis-síntesis,  
inducción-deducción, revisión de documentos. Además, el artículo explora el desarrollo  
de competencias docentes y discute marcos institucionales, experiencias en  
universidades hispanohablantes y marcos éticos para una implementación responsable.  
La revisión concluye que la inteligencia artificial tiene un potencial transformador  
incuestionable, siempre que su integración esté guiada por principios de equidad, ética  
y adaptación al contexto educativo.  
Palabras clave: inteligencia artificial, enseñanza de la programación, aprendizaje  
personalizado, retroalimentación automática, pensamiento computacional.  
Abstract  
In recent years, the integration of artificial intelligence into university programming  
education has profoundly transformed teaching methods, learning personalization, and  
assessment criteria. This article analyzes, from a scientific perspective and based on  
recent evidence (2020-2025), how artificial intelligence tools and methodologies are  
1 Máster en Nuevas Tecnologías para la Educación. Profesor Auxiliar. Universidad de Las Tunas. Cuba.  
2
Máster en Nuevas Tecnologías para la Educación. Profesor Auxiliar. Facultad de Ciencias Técnicas y  
Agropecuarias, Departamento de Informática. Universidad de Las Tunas. Cuba.  
3
Máster en Nuevas Tecnologías para la Educación. Profesora Auxiliar. Facultad de Ciencias Técnicas y  
Agropecuarias, Departamento de Informática. Universidad de Las Tunas. Cuba.  
Página 47  
La Inteligencia Artificial en la enseñanza de la programación universitaria: transformaciones, desafíos  
y perspectivas  
Osmany Nieves Torres  
Pedro José Serrano Yero  
Essenia Cruz Alfonso  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 07/09/2025  
Aprobado: 14/11/2025  
Artículo de revisión  
changing the training of programmers at university, evaluating benefits, limitations,  
success stories, research findings, ethical challenges, and best practices. It examines  
the impact of artificial intelligence on personalized learning, automatic feedback, and the  
development of computational thinking, and offers a detailed comparison between  
traditional and AI-assisted approaches. All of this is done using scientific research  
methods such as analysis-synthesis, induction-deduction, and document review. In  
addition, the article explores the development of teaching skills and discusses  
institutional frameworks, experiences in Spanish-speaking universities, and ethical  
frameworks for responsible implementation. The review concludes that artificial  
intelligence has unquestionable transformative potential, provided that its integration is  
guided by principles of equity, ethics, and adaptation to the educational context.  
Key words: artificial intelligence, programming education, personalized learning,  
automatic feedback, computational thinking.  
Introducción  
La inteligencia artificial ha emergido como una tecnología disruptiva cuyos efectos en la  
educación superior se han intensificado con la adopción masiva de modelos generativos  
y sistemas de asistencia educativa (Delatorre, 2024). En el área específica de la  
enseñanza de la programación, la IA no solo añade capacidades para la automatización  
y personalización, sino que está redefiniendo la identidad del docente, el rol del  
estudiante y la estructura de los entornos de aprendizaje (OpenWebinars, 2024; Actos  
en la Escuela, 2024).  
El vertiginoso desarrollo de modelos de lenguaje como ChatGPT, Gemini o Copilot,  
junto con plataformas para la evaluación automatizada y tutorías inteligentes, ha  
motivado la revisión de currículos, la aparición de nuevos programas formativos y la  
demanda de competencias emergentes tanto para el alumnado como para el  
profesorado (InsightSoftware, 2023; Megaprofe, 2025). Sin embargo, este progreso  
técnico conlleva desafíos importantes: ¿hasta qué punto la IA reemplaza o potencia la  
docencia tradicional?, ¿qué evidencias existen sobre la mejora o transformación del  
aprendizaje?, ¿qué marcos éticos y regulatorios deben guiar su uso?, y ¿cómo pueden  
las universidades hispanohablantes liderar o adaptarse a esta revolución?  
El presente artículo científico tiene como objetivo realizar un análisis integral,  
actualizado y basado en fuentes académicas y científicas en español, sobre el impacto  
de la IA en la enseñanza universitaria de la programación. Se abordarán tanto los  
beneficios como los retos, metodologías, estudios de caso, plataformas y experiencias  
innovadoras; así como los efectos sobre la equidad, la personalización, la  
retroalimentación automática y el desarrollo del pensamiento computacional.  
Desarrollo  
Panorama general de la IA en la enseñanza de la programación  
Página 48  
La Inteligencia Artificial en la enseñanza de la programación universitaria: transformaciones, desafíos  
y perspectivas  
Osmany Nieves Torres  
Pedro José Serrano Yero  
Essenia Cruz Alfonso  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 07/09/2025  
Aprobado: 14/11/2025  
Artículo de revisión  
El concepto de Inteligencia Artificial educativa engloba sistemas capaces de analizar  
datos, adaptar contenidos y facilitar la interacción, aprendizaje y evaluación en entornos  
digitales (González-González, 2023). En la enseñanza de la programación, la IA permite  
ir más allá de la digitalización sencilla para incidir en la personalización del aprendizaje,  
la automatización de la retroalimentación y el acompañamiento adaptativo (SciSimple,  
2025a; LearningML, 2024).  
La literatura reciente señala que la IA educativa supone "un salto frente a la tecnología  
que simplemente digitalizaba materiales", transformando el rol del estudiante de  
receptor pasivo a participante activo y el del docente de transmisor a diseñador y  
mediador de experiencias (Comunicagenia, 2024). Las plataformas de corrección  
automática, los asistentes generativos y los sistemas de predicción de rendimiento  
permiten gestionar la diversidad, anticipar dificultades y ofrecer apoyo a medida.  
De esta manera, la programación asistida por IA desarrolla nuevas relaciones entre el  
aprendizaje autónomo, la experimentación guiada y la resolución de problemas  
complejos (SEDICI, 2024). En el caso de la programación, los entornos enriquecidos  
por IA se insertan cada vez más en los planes de estudio en Ingeniería Informática,  
grados de Inteligencia Artificial y especialidades afines en universidades líderes de  
España y América Latina (UNIR, 2024).  
Aproximaciones teóricas y marcos institucionales  
Diversas autoridades académicas y organismos internacionales, como la UNESCO  
IESALC, destacan la urgencia de instaurar marcos de competencias y líneas de acción  
institucionales que permitan una adopción efectiva y ética de la IA (UNESCO IESALC,  
2024). Un marco robusto debe contemplar conocimientos, habilidades y actitudes: la  
comprensión conceptual de la IA, el uso crítico y la orientación a la equidad,  
transparencia y responsabilidad.  
El enfoque de la "pedagogía aumentada" promueve la combinación de metodologías  
tradicionales con las potencialidades de la IA generativa y adaptativa, buscando un  
equilibrio entre la automatización avanzada y el desarrollo de competencias  
interpersonales y metacognitivas (UAX, 2024).  
Por otro lado, estudios recientes insisten en la necesidad de abordar la formación del  
profesorado y del estudiantado en competencias de alfabetización digital crítica, ética  
de la IA y autorregulación del aprendizaje (INTEF, 2025). Ello implica superar la  
fragmentación institucional y pasar de respuestas ad hoc a planes formativos y  
normativos integrales.  
Inteligencia artificial generativa y sus aplicaciones educativas  
La irrupción de los modelos de lenguaje de gran escala (Large Language Models) ha  
marcado el auge de la IA generativa en la educación universitaria (UMH, 2024). Estas  
tecnologías son capaces de generar texto, código, explicaciones, ejercicios e, incluso,  
Página 49  
La Inteligencia Artificial en la enseñanza de la programación universitaria: transformaciones, desafíos  
y perspectivas  
Osmany Nieves Torres  
Pedro José Serrano Yero  
Essenia Cruz Alfonso  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 07/09/2025  
Aprobado: 14/11/2025  
Artículo de revisión  
recursos visuales y sonoros personalizados, según los intereses y niveles de los  
estudiantes.  
Un aspecto crítico del uso de IA generativa es la comprensión de sus límites y  
potencialidades: si bien aporta con sugerencias, explicaciones y ayuda en la resolución  
de problemas, no necesariamente garantiza precisión, profundidad conceptual ni  
creatividad genuina, requiriendo de la supervisión docente para prevenir el aprendizaje  
superficial y la dependencia excesiva (SEDICI, 2024).  
Herramientas de Inteligencia Artificial en la enseñanza de la programación universitaria  
Tabla 1  
Principales herramientas de IA actualmente empleadas en cursos universitarios de  
programación  
Características  
Herramienta  
Aplicación principal  
Contexto de uso  
destacadas  
Sugiere código, explica  
Asistente  
de  
código,  
de  
GitHub Copilot  
fragmentos, se integra Individual/Colabor.  
en IDEs  
autocompletado  
Responde  
dudas,  
Chatbot  
generador  
ChatGPT  
genera ejemplos, da Tutoría, apoyo  
feedback conceptual  
explicaciones y código  
Califica exámenes  
y
Evaluación  
automática  
de  
Gradescope  
código, retroalimentación Universidades global  
en tiempo real  
ejercicios y proyectos  
Ajuste  
adaptativo,  
Knewton Alta / Plataforma  
adaptativa  
con  
feedback  
inmediato, Matemáticas, lógica  
DreamBox ejercicios personalizados  
rutas de estudio  
Análisis  
real  
de  
IBM  
Watson  
Tutor inteligente personalizable  
progreso,  
soporte STEM/General  
Tutor  
multidisciplinar  
Apps de práctica gamificada y  
personalización IA  
Mimo,  
Feedback instantáneo,  
motivación, retos  
Móvil, autodidacta  
SoloLearn,  
Página 50  
La Inteligencia Artificial en la enseñanza de la programación universitaria: transformaciones, desafíos  
y perspectivas  
Osmany Nieves Torres  
Pedro José Serrano Yero  
Essenia Cruz Alfonso  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 07/09/2025  
Aprobado: 14/11/2025  
Artículo de revisión  
LeetCode  
adaptativos  
Generación  
de  
y
Copilot  
Herramienta de planificación y  
recursos docentes  
contenidos, rúbricas  
materiales interactivos  
Integración docente  
Países/universidades  
Education  
Herramienta  
Aplicación principal  
Características clave  
Asistente  
Global, universidades  
top  
GitHub Copilot  
Sugiere y explica código  
programación/autocompletado  
Explicaciones  
Universidades  
España, Latam  
ChatGPT  
Chatbot generativo  
contextualizadas  
Corrección  
feedback  
masiva,  
Gradescope  
Knewton Alta  
Evaluación automática  
NYU, Purdue, global  
EE.UU, Latam  
Varias  
Aprendizaje adaptativo  
Rutas personalizadas  
Motivación, variedad  
DreamBox,  
Mimo  
Práctica gamificada, ejercicios  
Nota: Elaboración propia basado en Alanazi et al. (2025).  
Las herramientas de IA han superado la etapa experimental y se han convertido en  
componentes habituales en universidades líderes e instituciones de formación online  
(UNIR, 2024). Plataformas como Gradescope y Knewton Alta se emplean en  
universidades como Purdue, NYU y otras, permitiendo evaluación a escala masiva y  
personalización del aprendizaje. GitHub Copilot y ChatGPT ofrecen capacidades  
avanzadas para la generación de código, facilitando la comprensión de lenguajes y  
sintaxis tanto en niveles introductorios como avanzados (SEDICI, 2024).  
El impacto de estas herramientas reside en la democratización del acceso, el ahorro de  
tiempo docente (reducción del 40-80% en tareas administrativas) y el aumento de la  
motivación y participación estudiantil (OpenWebinars, 2024).  
Beneficios de la inteligencia artificial en la enseñanza universitaria de programación  
Los beneficios identificados, según la literatura, incluyen:  
Personalización del aprendizaje: Algoritmos que adaptan contenidos, ejercicios y  
rutas de aprendizaje al ritmo y nivel individual de cada estudiante, fomentando la  
autonomía y reduciendo el abandono (SciSimple, 2025a; Megaprofe, 2025).  
Página 51  
La Inteligencia Artificial en la enseñanza de la programación universitaria: transformaciones, desafíos  
y perspectivas  
Osmany Nieves Torres  
Pedro José Serrano Yero  
Essenia Cruz Alfonso  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 07/09/2025  
Aprobado: 14/11/2025  
Artículo de revisión  
Automatización de la retroalimentación: Corrección automática de código,  
retroalimentación inmediata y específica sobre errores y buenas prácticas, que  
permite iteraciones ágiles y fomenta el autoaprendizaje (Ucontinental, 2024;  
Toolify, 2024).  
Motivación y compromiso: Gamificación, generación constante de ejercicios  
relevantes, tutorías virtuales 24/7 y desafíos adaptativos elevan la implicación y  
satisfacción del alumnado, influyendo positivamente en el aprendizaje y la  
retención (SciSimple, 2025a; Megaprofe, 2025).  
Ahorro de tiempo docente: Liberación del profesorado de tareas rutinarias y  
administrativas, optimización en la elaboración de materiales didácticos y en la  
evaluación, posibilitando mayor dedicación a la atención personalizada y diseño  
pedagógico (Megaprofe, 2025; Actos en la Escuela, 2024).  
Inclusión y accesibilidad: Interfaz adaptable, apoyo a estudiantes con  
necesidades específicas (traducción, conversión texto-voz, subtitulado),  
monitoreo proactivo de riesgo académico y soporte a la diversidad cultural y  
lingüística (Educación 3.0., 2024; García-Peñalvo, 2025).  
Fomento del pensamiento computacional: La IA, bien integrada, ayuda al  
desarrollo de habilidades cognitivas fundamentales, como la descomposición de  
problemas, la abstracción, la evaluación y la algoritmización, alineándose con las  
demandas de la sociedad digital (Ceibal, 2024).  
Desafíos y limitaciones del uso de inteligencia artificial en la enseñanza de la  
programación  
A pesar de los beneficios, la integración de la IA educativa no está exenta de desafíos:  
Dependencia tecnológica: Riesgo de atrofia de habilidades fundamentales si el  
aprendizaje se centra excesivamente en el uso pasivo de recomendaciones  
automáticas o soluciones generadas por IA, disminuyendo el pensamiento crítico  
y la creatividad (Dyle, 2024; UAX, 2024).  
Sesgos y fiabilidad: Las respuestas de la IA pueden presentar errores, sesgos o  
imprecisiones, especialmente en ejercicios complejos o adaptados a contextos  
culturalmente específicos; la revisión y supervisión docente resultan  
imprescindibles (UAX, 2024; SciELO, 2025).  
Brecha digital y equidad: Desigualdades de acceso a dispositivos, conectividad y  
recursos tecnológicos entre regiones y estudiantes dentro de los propios países  
hispanohablantes, lo que puede ampliar la brecha de logro académico (SciELO,  
2025).  
Página 52  
La Inteligencia Artificial en la enseñanza de la programación universitaria: transformaciones, desafíos  
y perspectivas  
Osmany Nieves Torres  
Pedro José Serrano Yero  
Essenia Cruz Alfonso  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 07/09/2025  
Aprobado: 14/11/2025  
Artículo de revisión  
Privacidad y protección de datos: La recopilación de datos personales para  
personalizar el aprendizaje exige políticas robustas de consentimiento,  
anonimización y uso ético de la información estudiantil, en línea con el RGPD y  
otras normativas locales (Alencastro y Sinche, 2025).  
Formación docente insuficiente: Muchos profesores carecen de competencias  
avanzadas para integrar plenamente la IA en sus clases, lo que limita la  
innovación didáctica y la explotación de su potencial (Redacción Zoom, 2025).  
Resistencia al cambio y ausencia de marcos normativos claros: Persisten  
temores sobre el reemplazo del docente, riesgos en la integridad académica y  
ausencia de políticas institucionales claras sobre el uso legítimo y ético de la IA  
educativa (Dyle, 2024).  
Aprendizaje personalizado y sistemas de retroalimentación automática  
Los sistemas de aprendizaje adaptativo vía IA han demostrado eficacia para ajustar la  
dificultad, secuenciación y feedback de los ejercicios de programación, permitiendo  
rutas diferenciadas según progreso y rendimiento individual (SciSimple, 2025a).  
Ejemplos de esto son:  
DreamBox Learning, Knewton Alta y Gradescope: Permiten evaluación continua y  
ajuste automático de contenidos, identificando áreas débiles a nivel granular.  
Plataformas gamificadas como Mimo y LeetCode: Utilizan IA para proponer  
desafíos y secuenciar ejercicios según los logros, el historial y preferencias del  
estudiante.  
Retroalimentación generada por LLMs (Large Language Models): Las  
investigaciones recientes señalan que los modelos como GPT-4 pueden ofrecer  
retroalimentación específica sobre el estilo de código, lógica de programación,  
identificación de errores, sugerencias de depuración y conceptualización  
algorítmica (SciSimple, 2025b).  
La personalización, según estudios empíricos, eleva la motivación y acelera el  
aprendizaje, aunque debe balancearse con desafíos de control de calidad,  
mantenimiento del rigor conceptual y prevención del aprendizaje superficial (SciSimple,  
2025b).  
Desarrollo de habilidades de pensamiento computacional  
La programación asistida por IA puede transformar la forma en que los estudiantes  
universitarios desarrollan el pensamiento computacional. Mientras la programación  
tradicional fomenta procesos secuenciales y un aprendizaje más reglado, los entornos  
con IA promueven:  
Descomposición de problemas a partir del análisis de ejemplos generados por IA.  
Página 53  
La Inteligencia Artificial en la enseñanza de la programación universitaria: transformaciones, desafíos  
y perspectivas  
Osmany Nieves Torres  
Pedro José Serrano Yero  
Essenia Cruz Alfonso  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 07/09/2025  
Aprobado: 14/11/2025  
Artículo de revisión  
Reconocimiento de patrones y transferencia de soluciones mediante la  
comparación de sugerencias del sistema.  
Desarrollo de algoritmos incrementales, donde el estudiante refina propuestas  
creadas por IA y evalúa alternativas.  
Formulación  
y
evaluación de preguntas críticas sobre el código  
generado/explicado.  
Alta exposición a la diversidad de modelos y estilos de resolución, incrementando  
la flexibilidad cognitiva y la adaptación a nuevos lenguajes o paradigmas de  
programación  
Diversos programas institucionales, como los del Programa de Pensamiento  
Computacional e IA de Ceibal (Uruguay) y la Escuela de Pensamiento Computacional e  
IA (EPCIA) en España, demuestran los beneficios de combinar programación, IA y  
robótica para alcanzar competencias del siglo XXI (INTEF, 2024).  
Comparación entre métodos tradicionales y asistidos por inteligencia artificial  
Tabla 2  
Principales puntos de la comparativa entre la enseñanza tradicional y la asistida por IA  
en programación universitaria  
Aspecto  
Enseñanza Tradicional  
Enseñanza asistida por IA  
Contenido educativo Estándar, homogéneo  
Personalizado y adaptativo  
Evaluación  
Rol docente  
Periódica, manual  
Automática, instantánea, retroalimentada  
Mentor, facilitador, supervisor  
Transmisor, evaluador  
Participación  
estudiantil  
Limitada al aula  
Baja  
Multiplataforma, acceso 24/7  
Flexibilidad  
Motivación  
Alta, itinerarios personalizados  
Variable,  
docente  
dependencia  
del  
Elevada por gamificación y feedback inmediato  
Potenciada por asistentes  
accesibles  
y
entornos  
Accesibilidad  
Relativa, según recursos  
Página 54  
La Inteligencia Artificial en la enseñanza de la programación universitaria: transformaciones, desafíos  
y perspectivas  
Osmany Nieves Torres  
Pedro José Serrano Yero  
Essenia Cruz Alfonso  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 07/09/2025  
Aprobado: 14/11/2025  
Artículo de revisión  
Escalabilidad  
Limitada por ratios profesor/est. Alta, permite atención simultánea a gran escala  
Dependencia  
subjetividad  
del  
docente, Dependencia tecnológica, sesgo algorítmico,  
superficialidad  
Riesgos  
Fuente: Mejía (2024).  
El principal valor añadido de la IA reside en la flexibilidad, el acceso extendido y la  
posibilidad de gestión diferenciada de la diversidad estudiantil. La función insustituible  
del docente se reubicará en el diseño de experiencias, la mediación humana y el  
aseguramiento de la calidad, creatividad y motivación genuina (Alencastro y Sinche,  
2025).  
Casos de estudio y experiencias en universidades hispanohablantes  
Varios estudios recientes ofrecen una visión crítica y empírica de la integración de la IA  
en cursos de programación en universidades hispanohablantes:  
Tabla 3  
Estudios de caso recientes sobre IA en programación universitaria (2023-2025)  
Universidad  
Herramienta/experiencia  
Resultados clave  
Referencia  
[0]  
Universidad  
Sevilla  
de  
Elevada satisfacción, desarrollo  
ético  
Integración en currícula IA  
ChatGPT, Gemini en cursos Mejora  
específicos autoeficacia  
motivación  
y
UNED  
[2]  
Universidad  
Caldas  
de Facultad  
regionales  
IA,  
proyectos Programas pioneros, impacto  
social  
Universidad Buenos Codex,  
ChatGPT  
para Mejor rendimiento, percepción  
positiva  
Aires  
evaluación  
Ayuda conceptual, retos en  
Arg./Colombia  
ChatGPT en prácticas iniciales  
ejercicios complejos  
Nota: Elaboración propia basado en Pang y Wei (2025).  
En la Universidad de Sevilla, la mención en Ingeniería Informática - Inteligencia  
Artificial integra prácticas con IA en empresas, formación ética y técnicas de  
Página 55  
La Inteligencia Artificial en la enseñanza de la programación universitaria: transformaciones, desafíos  
y perspectivas  
Osmany Nieves Torres  
Pedro José Serrano Yero  
Essenia Cruz Alfonso  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 07/09/2025  
Aprobado: 14/11/2025  
Artículo de revisión  
aprendizaje automático, razonamiento distribuido y procesamiento del lenguaje  
natural (Universidad de Sevilla, 2024).  
La UNED ha implementado cursos y proyectos piloto con ChatGPT, Gemini y  
plataformas propias, evaluando impactos y retos en la docencia y la  
autoevaluación de asignaturas de programación y proyectos finales (UMH, 2024).  
En Argentina y Colombia, se han desarrollado experimentos controlados en  
cursos introductorios donde ChatGPT y asistentes similares se usaron para  
responder preguntas de examen o para practicar paradigmas como orientación a  
objetos y concurrencia, reportando mejoras en motivación, autoeficacia y  
profundidad conceptual - aunque persistiendo retos en ejercicios complejos y en  
el desarrollo pleno de competencias críticas (Repository USTA, 2024).  
Universidades latinoamericanas como la Universidad de Caldas (Colombia) han  
establecido las primeras facultades y programas de IA, enfocadas en la  
formación de profesionales híbridos y la integración temprana de competencias  
digitales en el currículo (Delatorre, 2024).  
Un patrón común es la percepción positiva sobre la utilidad de la IA como complemento,  
la preferencia de los estudiantes por personalización y feedback instantáneo, y el  
reconocimiento por parte del profesorado de la necesidad de acompañamiento continuo  
y de marcos éticos claros (Repository USTA, 2024; SEDICI, 2024). Los resultados  
estadísticos, en general, muestran una mejora en la retención, la satisfacción y los  
resultados en competencias digitales y computacionales cuando la IA es integrada  
estructuradamente.  
Impacto de la inteligencia artificial en la personalización y equidad del aprendizaje  
Una de las aportaciones más notables de la IA es la posibilidad de implementar, por  
primera vez a gran escala, el ideal de personalización educativa. A través del análisis de  
datos y la adaptación dinámica de los recorridos de aprendizaje, la IA posibilita que  
estudiantes con diferentes ritmos, estilos y necesidades avancen de manera autónoma  
y reciban atención diferenciada por parte del sistema y del docente (OpenWebinars,  
2024; SciSimple, 2025b).  
Sin embargo, los estudios advierten sobre riesgos de profundización de la brecha  
digital, ya que el acceso desigual a recursos tecnológicos puede marginar aún más a  
aquellos colectivos ya desfavorecidos, limitando el potencial democratizador de la IA si  
no se acompaña de políticas institucionales robustas (SciELO, 2025). La equidad debe  
pasar por la garantía de conectividad, dispositivos, formación y atención a la diversidad,  
elementos que son retos en muchas universidades latinoamericanas.  
Evaluación automática y retroalimentación: calidad y límites  
La automatización de la retroalimentación y evaluación, especialmente en materias de  
programación, representa un salto cualitativo tanto para la eficiencia del proceso  
docente como para la riqueza de la experiencia del estudiante. La posibilidad de recibir  
Página 56  
La Inteligencia Artificial en la enseñanza de la programación universitaria: transformaciones, desafíos  
y perspectivas  
Osmany Nieves Torres  
Pedro José Serrano Yero  
Essenia Cruz Alfonso  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 07/09/2025  
Aprobado: 14/11/2025  
Artículo de revisión  
comentarios al instante, iterativos y personalizados estimula el aprendizaje autónomo y  
fomenta la experimentación, una de las claves para el éxito en programación  
(UContinental, 2024; Toolify, 2024).  
No obstante, la literatura coincide en que la calidad del feedback generado por IA no  
siempre es equiparable al juicio humano experto, especialmente en ejercicios  
complejos, creativos o contextualmente ambiguos (SciSimple, 2025b). Además, existe  
el riesgo de que feedback ambiguo, impreciso, sesgado o excesivo pueda desorientar o  
cortar el desarrollo del pensamiento crítico de los estudiantes. La presencia de un  
docente mediador, capaz de supervisar, contextualizar  
y
suplementar la  
retroalimentación automatizada, es esencial para evitar desviaciones o aprendizaje  
superficial (UMH, 2024).  
Rol docente, alfabetización ética y nuevas competencias  
La IA no reemplaza, sino que redefine el rol docente: de transmisor a mentor, curador y  
diseñador de experiencias de aprendizaje personalizadas, colaborando con los  
sistemas inteligentes como copilotos educativos (UAX, 2024). Esta metamorfosis exige  
competencias renovadas, incluyendo:  
Alfabetización digital avanzada: Conocimiento profundo de la arquitectura  
funcional, los límites y las posibilidades de la IA, así como herramientas  
específicas para la programación.  
Pensamiento crítico y ético: Capacidad para identificar sesgos, evaluar la  
fiabilidad y garantizar el uso justo, transparente y legal de los sistemas de IA en  
el aula (INTEF, 2025; SciELO, 2025).  
Diseño pedagógico híbrido: Integración armónica de métodos activos, proyectos,  
gamificación y análisis de datos con las capacidades automáticas de la IA.  
Las políticas institucionales y los marcos de competencias, como los recomendados por  
la UNESCO y la IESALC, resultan decisivos para orientar la transformación responsable  
de la profesión docente y prevenir la segmentación digital y curricular (UAX, 2024).  
Consideraciones éticas y regulatorias  
La evidencia acumulada muestra que la ética en la aplicación de la IA educativa es tan  
crítica como la innovación misma. Temas como la privacidad de los datos, el sesgo  
algorítmico, la transparencia, la rendición de cuentas y la integridad académica  
aparecen recurrentemente en las revisiones sistemáticas y en las recomendaciones de  
organismos internacionales (SciELO, 2025).  
Las universidades hispanohablantes deben avanzar hacia la adopción de marcos éticos  
sólidos -como el propuesto por la UNESCO en sus Recomendaciones sobre la Ética de  
la IA- y protocolos institucionales claros en lo relativo a:  
Consentimiento informado y anonimización de datos.  
Página 57  
La Inteligencia Artificial en la enseñanza de la programación universitaria: transformaciones, desafíos  
y perspectivas  
Osmany Nieves Torres  
Pedro José Serrano Yero  
Essenia Cruz Alfonso  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 07/09/2025  
Aprobado: 14/11/2025  
Artículo de revisión  
Evaluación continua de los algoritmos empleados.  
Protocolos de supervisión docente y revisión humana del uso de la IA por parte  
del estudiantado.  
Fomento de la equidad y la inclusión como valores cardinales en la regulación  
del uso institucional de nuevas tecnologías.  
Conclusiones  
La integración de la inteligencia artificial en la enseñanza universitaria de la  
programación representa una oportunidad única para transformar, personalizar y  
ampliar el alcance y la efectividad de la educación digital. Las evidencias científicas  
recientes revelan que la IA potencia la personalización, eficiencia y motivación del  
aprendizaje, habilita nuevas formas de evaluación y retroalimentación, y contribuye al  
desarrollo de habilidades de pensamiento computacional, tan demandadas en el mundo  
contemporáneo.  
Sin embargo, estos avances deben ser implementados con una visión ética, equitativa y  
contextualizada. La automatización sin acompañamiento humano puede derivar en  
efectos negativos, como la homogeneización, pérdida de pensamiento crítico y  
amplificación de desigualdades. El éxito de la IA educativa depende, por tanto, de su  
integración en marcos pedagógicos híbridos, de la formación continua del profesorado y  
del desarrollo activo de políticas institucionales y normativas éticas que garanticen la  
protección, equidad y responsabilidad en el uso de los datos.  
Para las universidades hispanohablantes, el reto es mayúsculo, pero la oportunidad es,  
igualmente, histórica: reformular su misión educativa para preparar a graduados y  
docentes en el dominio ético, técnico y crítico de la inteligencia artificial, asegurando  
que la transformación digital sea verdaderamente inclusiva, creativa y centrada en las  
personas.  
Referencias bibliográficas  
Actos en la Escuela (2024). El rol docente frente a la IA: desafíos, oportunidades y  
responsabilidades. https://actosenlaescuela.com/rol-docente-frente-a-la-ia/  
Alanazi, M., Soh, B., Samra, H., & Li, A. (2025). The Influence of Artificial Intelligence  
Tools on Learning Outcomes in Computer Programming: A Systematic Review  
and  
Meta-Analysis.  
Computers  
(2073-431X),  
14(5).  
https://doi.org/10.3390/computers14050185  
Alencastro Pinzón, D. F. y Sinche Salinas, L. P. (2025). Ética en la aplicación de la  
inteligencia artificial en la Educación Superior: retos, posibilidades y enfoques  
estratégicos.  
Journal  
of  
Pro  
Sciences,  
9(59).  
https://journalprosciences.com/index.php/ps/article/view/895  
Ceibal (2024). Inteligencia Artificial - Ceibal - Pensamiento Computacional.  
https://pensamientocomputacional.ceibal.edu.uy/inteligencia-artificial/  
Página 58  
La Inteligencia Artificial en la enseñanza de la programación universitaria: transformaciones, desafíos  
y perspectivas  
Osmany Nieves Torres  
Pedro José Serrano Yero  
Essenia Cruz Alfonso  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 07/09/2025  
Aprobado: 14/11/2025  
Artículo de revisión  
Comunicagenia (2024). Aprender programación con la ayuda de la IA: ¿Una nueva era  
educativa? https://comunicagenia.com/blog/aprender-programacion-con-ia/  
Delatorre, A. (2024). Inteligencia Artificial en la educación latinoamericana: Un análisis  
profundo de su integración y desafíos. https://delatorre.ai/inteligencia-artificial-en-  
la-educacion-latinoamericana-un-analisis-profundo-de-su-integracion-y-desafios/  
Dyle (2024). Desafíos, retos y oportunidades de la IA en la educación.  
https://www.dyle.es/wp-content/uploads/2024/06/Monograficos-n22-3.pdf  
Educación 3.0. (2024). Estos son los beneficios de la IA para estudiantes y docentes.  
https://www.educaciontrespuntocero.com/opinion/beneficios-de-la-ia/  
García-Peñalvo, F. J. (2025). Hacia una pedagogía aumentada: el papel de la IA en la  
personalización  
del  
aprendizaje.  
https://otrasvoceseneducacion.org/archivos/417780  
González-González, C. S. (2023). El impacto de la inteligencia artificial en la educación:  
transformación de la forma de enseñar y de aprender. Revista Qurriculum, 36,  
51-60.  
https://riull.ull.es/xmlui/bitstream/handle/915/32719/Q_36_%20%282023%29_03.  
pdf  
InsightSoftware (2023). Programación tradicional frente a técnicas de ML.  
https://insightsoftware.com/es/blog/machine-learning-vs-traditional-programming/  
INTEF (2024). EPCIA - Code INTEF. https://code.intef.es/iniciativas/epcia/  
INTEF (2025). Orientaciones para la integración de la inteligencia artificial en la  
formación docente. https://intef.es/wp-content/uploads/2025/06/Orientaciones-  
para-la-integracion-de-la-IA-en-la-formacion-docente-1.pdf  
LearningML (2024). Pensamiento Computacional - LearningML - AI made easy.  
https://web.learningml.org/pensamiento-computacional/  
Megaprofe  
(2025).  
Mejores  
Herramientas  
IA  
Educativas  
2025.  
https://megaprofe.es/mejores-herramientas-ia-educativas-2025/  
Mejía, J. C. (2024). Diferencias entre Programación tradicional VS Programación de  
Inteligencia Artificial. https://www.juancmejia.com/transformacion-  
digital/diferencias-entre-programacion-tradicional-vs-programacion-de-  
inteligencia-artificial-ia-infografia/  
Normas APA (2025). Normas APA Guía Actualizada. https://normas-apa-edu.com/  
OpenWebinars (2024). IA en educación: usos reales, ventajas y riesgos.  
https://openwebinars.net/blog/inteligencia-artificial-en-educacion-usos-ventajas-y-  
riesgos/  
Página 59  
La Inteligencia Artificial en la enseñanza de la programación universitaria: transformaciones, desafíos  
y perspectivas  
Osmany Nieves Torres  
Pedro José Serrano Yero  
Essenia Cruz Alfonso  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 07/09/2025  
Aprobado: 14/11/2025  
Artículo de revisión  
Pang, W. & Wei, Z. (2025). Shaping the future of higher education: A technology usage  
study on generative AI innovations. Information, 16(2), 95.  
https://doi.org/10.3390/info16020095  
Repository USTA (2024). Formato_Articulos_IEEE  
(para  
autores).  
https://repository.usta.edu.co/bitstreams/3e516545-00c1-424a-bbb5-  
e0d34911f464/download  
Redacción Zoom (2025). IA en las universidades: cómo la inteligencia artificial está  
cambiando la educación en América Latina. Revista Zoom.  
https://revistazoom.pe/ia-en-las-universidades-como-la-inteligencia-artificial-esta-  
cambiando-la-educacion-enamerica-latina/  
SciELO (2025). Dimensiones éticas de la inteligencia artificial en educación.  
https://ve.scielo.org/scielo.php?script=sci_arttext&pid=S2542-  
30292025000100027  
SciSimple (2025a). Usando IA para Personalizar el Aprendizaje de Programación.  
https://scisimple.com/es/articles/2025-07-30-usando-ia-para-personalizar-el-  
aprendizaje-de-programacion--a3j1n6n  
SciSimple (2025b). Retroalimentación de IA: Transformando la Educación en  
Programación. https://scisimple.com/es/articles/2025-04-16-retroalimentacion-de-  
ia-transformando-la-educacion-en-programacion--ak5ov7n  
Scribbr (2024). Guía rápida de cómo citar en APA según su 7a edición.  
https://www.scribbr.es/category/normas-apa/  
SEDICI (2024). Aprendizaje y enseñanza de programación: el desafío de herramientas  
de IA. https://sedici.unlp.edu.ar/handle/10915/165093  
Toolify (2024). El futuro de la retroalimentación: Feedback automatizado con IA.  
https://www.toolify.ai/es/ai-news-es/el-futuro-de-la-retroalimentacin-feedback-  
automatizado-con-ia-470157  
UAX (2024). Inteligencia artificial generativa. Buenas prácticas docentes.  
https://repositorio.uax.es/bitstream/handle/20.500.12080/46852/Inteligencia%20ar  
tificial%20generativa.pdf?sequence=1  
UContinental (2024). 3 alternativas para usar la IA en el proceso de retroalimentación.  
https://ucontinental.edu.pe/innovacionpedagogica/3-alternativas-para-usar-la-ia-  
en-el-proceso-de-retroalimentacion/notas-destacadas/  
UMH (2024). Guía de buenas prácticas en el uso de IA generativa para la docencia.  
https://docenciaonline.umh.es/files/2024/10/Guia-de-buenas-practicas-en-el-uso-  
de-IA-generativa-para-la-docencia-en-la-UMH-2024-v2.2.pdf  
UNESCO IESALC (2024). Los retos de la IA en la educación superior y el imperativo de  
los marcos de competencias. https://www.iesalc.unesco.org/es/articles/los-retos-  
de-la-ia-en-la-educacion-superior-y-el-imperativo-de-los-marcos-de-competencias  
Página 60  
La Inteligencia Artificial en la enseñanza de la programación universitaria: transformaciones, desafíos  
y perspectivas  
Osmany Nieves Torres  
Pedro José Serrano Yero  
Essenia Cruz Alfonso  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 07/09/2025  
Aprobado: 14/11/2025  
Artículo de revisión  
UNIR (2024). Curso en IA para Programadores. https://www.unir.net/ingenieria/curso-ia-  
programar/  
Universidad de Sevilla (2024). Grado en Ingeniería Informática-Inteligencia Artificial.  
https://www.us.es/estudiar/que-estudiar/oferta-de-grados/grado-en-ingenieria-  
informatica-inteligencia-artificial  
Conflicto de intereses: Los autores declaran no tener conflictos de intereses.  
Contribución de los autores: Los autores participaron de conjunto en la búsqueda y análisis de la información para el  
artículo, así como en su diseño y redacción.  
Página 61