Herramientas de Inteligencia Artificial para la Educación Inclusiva y la Personalización del Aprendizaje  
Essenia Cruz Alfonso  
Pedro Serrano Yero  
Osmany Nieves Torres  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 08/09/2025  
Aprobado: 16/11/2025  
Artículo de revisión  
Herramientas de Inteligencia Artificial para la Educación Inclusiva y la  
Personalización del Aprendizaje  
Artificial Intelligence Tools for Inclusive Education and Learning Personalization  
Essenia Cruz Alfonso1 (essenia@ult.edu.cu) (https://orcid.org/0000-0001-9540-0194)  
Pedro Serrano Yero2 (pedrosy@ult.edu.cu) (https://orcid.org/0000-0002-1358-2746)  
Osmany Nieves Torres3 (osmanynt79@gmail.com) (https://orcid.org/0000-0003-0749-  
494X)  
Resumen  
Este artículo explora el uso de herramientas de inteligencia artificial (IA) en la educación  
inclusiva y la personalización del aprendizaje. Se analizan tecnologías como asistentes  
virtuales, sistemas de tutoría inteligente, plataformas adaptativas, reconocimiento de  
voz y traducción automática, destacando su potencial para eliminar barreras educativas  
y adaptar los contenidos a las necesidades individuales. A través de entrevistas a  
profesores, la revisión bibliográfica, encuestas a estudiantes y la observación a clases  
se pudo corroborar que es un reto para la educación inclusiva el uso de las  
herramientas de IA. También se abordan los desafíos éticos, técnicos y pedagógicos  
que implica su implementación, así como estudios de caso y perspectivas futuras. La IA  
se presenta como una aliada estratégica para construir entornos educativos más  
equitativos, personalizados y emocionalmente resonantes.  
Palabras clave: Inteligencia artificial, educación inclusiva, personalización del  
aprendizaje, asistentes virtuales.  
Abstract  
This article explores the use of artificial intelligence (AI) tools in inclusive education and  
personalized learning. It analyzes technologies such as virtual assistants, intelligent  
tutoring systems, adaptive platforms, voice recognition, and machine translation,  
highlighting their potential to eliminate educational barriers and adapt content to  
individual needs. Through interviews with teachers, literature reviews, student surveys,  
and classroom observations, it was confirmed that the use of AI tools is a challenge for  
inclusive education. The ethical, technical, and pedagogical challenges involved in their  
implementation are also addressed, as well as case studies and future perspectives. AI  
is presented as a strategic ally in building more equitable, personalized, and emotionally  
resonant educational environments.  
1
Máster en Nuevas Tecnologías para la Educación. Profesora Auxiliar. Facultad de Ciencias Técnicas y  
Agropecuarias, Departamento de Informática. 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. Profesor Auxiliar. Universidad de Las Tunas. Cuba.  
Página 62  
Herramientas de Inteligencia Artificial para la Educación Inclusiva y la Personalización del Aprendizaje  
Essenia Cruz Alfonso  
Pedro Serrano Yero  
Osmany Nieves Torres  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 08/09/2025  
Aprobado: 16/11/2025  
Artículo de revisión  
Key words: Artificial Intelligence, inclusive education, personalized learning, virtual  
assistants.  
Introducción  
En las últimas décadas, el sistema educativo ha enfrentado el desafío de responder a  
una creciente diversidad de estudiantes, marcada por diferencias cognitivas, culturales,  
lingüísticas, socioeconómicas y funcionales. La educación inclusiva, como paradigma  
ético y político, exige transformar no solo los contenidos y metodologías, sino también  
las estructuras y tecnologías que median el aprendizaje. En este contexto, la  
inteligencia artificial (IA) emerge como una herramienta disruptiva con el potencial de  
rediseñar las trayectorias educativas, adaptarlas a las singularidades de cada  
estudiante y eliminar barreras históricas de acceso y participación.  
La IA aplicada a la educación no se limita a la automatización de tareas administrativas  
o la optimización de procesos de evaluación. Su verdadero potencial radica en la  
capacidad de generar entornos de aprendizaje responsivos, multimodales y  
emocionalmente resonantes, capaces de ajustarse en tiempo real a las necesidades  
individuales. Desde sistemas de tutoría inteligente hasta asistentes conversacionales  
inclusivos, las herramientas de IA pueden facilitar la personalización del aprendizaje,  
apoyar a estudiantes con discapacidades, traducir contenidos para poblaciones  
migrantes, y ofrecer retroalimentación adaptativa que potencie el desarrollo integral.  
Sin embargo, esta promesa tecnológica no está exenta de tensiones. La  
implementación de IA en contextos educativos plantea desafíos éticos relacionados con  
la privacidad, el sesgo algorítmico, la equidad digital y la soberanía pedagógica.  
Además, requiere una profunda transformación en la formación docente, el diseño  
curricular y las políticas públicas. Este artículo tiene como objetivo analizar el potencial,  
las aplicaciones y los desafíos de las herramientas de inteligencia artificial en el  
contexto de la educación inclusiva y la personalización del aprendizaje, con el fin de  
proponer criterios éticos, pedagógicos y técnicos para su implementación responsable,  
ello desde una perspectiva interdisciplinaria que articula teoría educativa, innovación  
tecnológica y justicia social.  
Desarrollo  
La educación inclusiva se define como un enfoque pedagógico que busca garantizar el  
acceso, la participación y el aprendizaje de todos los estudiantes, independientemente  
de sus condiciones físicas, cognitivas, sociales o culturales (UNESCO, 2020). Implica  
la eliminación de barreras y la adaptación de entornos, contenidos y metodologías.  
Como bien se plantea en esta definición dada por la UNESCO, la educación inclusiva  
debe garantizar el aprendizaje activo por parte de todos los escolares, esto no significa  
igualdad absoluta, sino la enseñanza sea adaptada para que todos tengan igualdad de  
oportunidades.  
Página 63  
Herramientas de Inteligencia Artificial para la Educación Inclusiva y la Personalización del Aprendizaje  
Essenia Cruz Alfonso  
Pedro Serrano Yero  
Osmany Nieves Torres  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 08/09/2025  
Aprobado: 16/11/2025  
Artículo de revisión  
La personalización del aprendizaje se refiere a la adaptación de los procesos  
educativos a las necesidades, intereses, ritmos y estilos de cada estudiante. La IA  
permite esta personalización mediante el análisis de datos, la predicción de dificultades  
y la generación de rutas de aprendizaje individualizadas (Holmes et al, 2021).  
Esta personalización del aprendizaje debe caracterizarse por una flexibilidad y  
adaptabilidad que tenga en cuanta, no solo las necesidades educativas y dificultades,  
sino las potencialidades de cada escolar.  
La IA en educación incluye algoritmos de aprendizaje automático, procesamiento de  
lenguaje natural, visión computacional y sistemas expertos que permiten automatizar  
tareas, analizar patrones de aprendizaje y generar recomendaciones pedagógicas  
(Luckin et al, 2016).  
Herramientas de IA para la Educación Inclusiva  
Asistentes virtuales educativos  
Los asistentes virtuales como chatbots y agentes conversacionales permiten a  
estudiantes con discapacidades recibir apoyo constante, resolver dudas y acceder a  
contenidos en formatos accesibles (Crespo y Benavides, 2024).  
Estos asistentes se adaptan cada vez más a las particularidades de cada estudiante e  
incluyen además un seguimiento en el ritmo de aprendizaje.  
Reconocimiento de voz y lenguaje natural  
Herramientas como Google Speech-to-Text o Whisper de OpenAI permiten transcribir  
clases en tiempo real, facilitando el acceso para estudiantes con discapacidades  
auditivas o dificultades de procesamiento lingüístico (Prendes-Espinosa, 2023).  
Lectores de pantalla y texto a voz  
Función: Transforman texto escrito en audio, facilitando el acceso a la información para  
personas con discapacidad visual, dislexia o dificultades de lectura.  
Herramientas destacadas:  
Immersive Reader (Microsoft): Lee en voz alta, resalta sílabas, ajusta el tamaño  
de fuente y ofrece traducción integrada.  
VoiceOver (Apple) / TalkBack (Android): Lectores de pantalla integrados en  
dispositivos móviles.  
NVDA / JAWS: Lectores avanzados para usuarios con ceguera total.  
Aplicación educativa: Permite que los estudiantes escuchen textos, instrucciones o  
contenidos curriculares, promoviendo autonomía.  
Página 64  
Herramientas de Inteligencia Artificial para la Educación Inclusiva y la Personalización del Aprendizaje  
Essenia Cruz Alfonso  
Pedro Serrano Yero  
Osmany Nieves Torres  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 08/09/2025  
Aprobado: 16/11/2025  
Artículo de revisión  
Traducción en tiempo real  
Función: Traduce texto, voz o contenido visual entre idiomas, facilitando la inclusión de  
estudiantes migrantes o multilingües.  
Herramientas destacadas:  
Microsoft Translator: Traducción simultánea en más de 100 idiomas, compatible  
con presentaciones y conversaciones grupales.  
Google Translate: Traducción de documentos, voz y texto en imagen.  
DeepL: Traducción de alta calidad con enfoque en precisión semántica.  
Aplicación educativa: Permite que estudiantes y docentes superen barreras lingüísticas  
en tiempo real, promoviendo equidad comunicativa (Gutiérrez et al, 2024).  
Herramientas combinadas de accesibilidad:  
Ejemplos integrados:  
Microsoft 365 Educación: Incluye lector inmersivo, subtítulos en vivo, dictado por  
voz y traducción simultánea.  
Plataformas adaptativas como Khan Academy o Moodle: Integran accesibilidad  
visual, auditiva y cognitiva.  
Generación de Contenido Multimodal  
La IA puede transformar textos en imágenes, audios o videos, adaptando los contenidos  
a diferentes estilos de aprendizaje y necesidades sensoriales (Cordón, 2023).  
Herramientas de Inteligencia Artificial para la Personalización del Aprendizaje  
Plataformas de Aprendizaje Adaptativo  
Sistemas como Knewton, Smart Sparrow y Squirrel AI utilizan algoritmos para ajustar el  
contenido, la dificultad y el ritmo de aprendizaje según el desempeño del estudiante  
(Holmes et al, 2021).  
Sistemas de Tutoría Inteligente (STI)  
Los STI simulan el comportamiento de un tutor humano, ofreciendo retroalimentación  
personalizada, explicaciones adaptadas y seguimiento del progreso (Woolf, 2010).  
Análisis de datos educativos  
El aprendizaje analítico (learning analytics) permite identificar patrones de  
comportamiento, predecir riesgos de abandono y diseñar intervenciones pedagógicas  
personalizadas (Long & Siemens, 2011).  
Página 65  
Herramientas de Inteligencia Artificial para la Educación Inclusiva y la Personalización del Aprendizaje  
Essenia Cruz Alfonso  
Pedro Serrano Yero  
Osmany Nieves Torres  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 08/09/2025  
Aprobado: 16/11/2025  
Artículo de revisión  
Evaluación automatizada y retroalimentación  
Herramientas como Gradescope o Turnitin Feedback Studio utilizan IA para evaluar  
respuestas abiertas, detectar plagio y ofrecer retroalimentación formativa (Luckin et al,  
2016).  
IA como apoyo para Estudiantes con Necesidades Diversas  
¿Qué entendemos por necesidades diversas?  
Incluye estudiantes con: Discapacidad visual, auditiva, motora o cognitiva, Trastornos  
del aprendizaje (dislexia, TDAH, TEA), Barreras lingüísticas o culturales, Situaciones  
socioeconómicas desfavorables.  
La IA puede ayudar a personalizar, adaptar y facilitar el acceso al aprendizaje,  
promoviendo equidad y participación.  
Tabla 1  
Aplicaciones de IA para diferentes tipos de necesidades educativas  
Tipo de necesidad  
Visual  
Herramienta IA  
Immersive Reader, VoiceOver  
Aplicación educativa  
Lectura en voz alta, ajuste de  
contraste, navegación por voz  
Auditiva  
Subtítulos automáticos (Teams, Transcripción en tiempo real,  
Zoom), Otter.ai subtitulado de videos  
Plataformas adaptativas (Khan Aprendizaje personalizado según  
Academy, DreamBox) ritmo y estilo  
Dictado por voz (Copilot, Google Escritura sin teclado, navegación  
Cognitiva  
Motora  
Docs)  
por comandos  
Lingüística  
Socioemocional  
Microsoft Translator, DeepL  
Traducción simultánea en clase,  
adaptación cultural  
Chatbots educativos empáticos  
Apoyo  
emocional,  
tutoría  
conversacional,  
personalizado  
seguimiento  
Nota: Elaboración propia basado en Fullmind Team (2025).  
Según el Instituto i360, la IA permite identificar patrones de aprendizaje y ofrecer  
intervenciones adaptadas en tiempo real, incluso en contextos con escasez de docentes  
especializados (Instituto i360, 2024).  
Beneficios pedagógicos:  
Acceso universal al contenido  
Aprendizaje a ritmo propio  
Reducción de barreras físicas y cognitivas  
Mayor autonomía y autoestima  
Página 66  
Herramientas de Inteligencia Artificial para la Educación Inclusiva y la Personalización del Aprendizaje  
Essenia Cruz Alfonso  
Pedro Serrano Yero  
Osmany Nieves Torres  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 08/09/2025  
Aprobado: 16/11/2025  
Artículo de revisión  
Apoyo constante sin saturar al docente  
Un estudio de la Universitat de les Illes Balears destaca que la IA mejora la participación  
y el rendimiento académico de estudiantes con necesidades especiales (Universitat de  
les Illes Balears, 2023).  
Desafíos éticos y técnicos:  
Sesgos algorítmicos: Los modelos pueden reproducir prejuicios si no se entrenan  
con datos diversos (O'Neil, 2016).  
Privacidad de datos: El uso de datos personales requiere protocolos de  
protección y consentimiento informado (Zeide, 2019).  
Formación docente: La integración efectiva de IA exige capacitación continua y  
alfabetización digital (Tourón & Santiago, 2021).  
Infraestructura tecnológica: La brecha digital limita el acceso equitativo a estas  
herramientas (Van Dijk, 2020).  
Consideraciones éticas y pedagógicas  
Hay tres consideraciones críticas que deben ser el pilar de cualquier implementación de  
IA en contextos educativos inclusivos: la privacidad de los datos de estudiantes  
vulnerables, la mitigación de sesgos algorítmicos y la indispensable supervisión  
humana. Abordar estos aspectos no es una alternativa, sino una condición  
indispensable para asegurar que la IA sirva a la inclusión y no al revés. El objetivo  
último es trazar un camino donde la tecnología amplifique, nunca reemplace, la esencia  
humana de la educación.  
Privacidad: Proteger los datos sensibles de estudiantes vulnerables  
Los sistemas de IA educativos se alimentan de datos. Para personalizar el aprendizaje,  
recopilan y analizan información que va desde el rendimiento académico y los tiempos  
de respuesta hasta patrones de comportamiento, interacciones sociales e incluso datos  
biométricos (análisis de voz, seguimiento ocular). Cuando se trata de estudiantes  
vulnerables —por ejemplo, aquellos con diagnósticos de salud mental, discapacidades  
intelectuales, o en situación de vulnerabilidad socioeconómica— esta información es  
extremadamente sensible.  
La creación de un perfil digital exhaustivo de un estudiante vulnerable supone una  
amenaza existencial para su privacidad. Una brecha de seguridad o un uso indebido de  
estos datos puede tener consecuencias devastadoras: estigmatización, discriminación  
futura en el acceso a estudios superiores o empleo, y la violación de su derecho a un  
desarrollo libre sin el peso de un "expediente digital" predictivo.  
Página 67  
Herramientas de Inteligencia Artificial para la Educación Inclusiva y la Personalización del Aprendizaje  
Essenia Cruz Alfonso  
Pedro Serrano Yero  
Osmany Nieves Torres  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 08/09/2025  
Aprobado: 16/11/2025  
Artículo de revisión  
Consideraciones éticas y estrategias:  
1. Recolección mínima y propósito definido: Solo deben recogerse los datos  
estrictamente necesarios para el objetivo pedagógico declarado. El  
"consentimiento informado" debe ser comprensible, incluso para los padres o  
tutores de estudiantes con discapacidades cognitivas, explicando claramente  
cómo se usarán los datos, quién tendrá acceso y por cuánto tiempo se  
almacenarán.  
2. Anonimización y cifrado: Los datos personales deben anonimizarse o  
pseudonimizarse siempre que sea posible para los análisis agregados. El  
almacenamiento y la transmisión de datos deben realizarse con cifrados de  
grado militar para prevenir accesos no autorizados.  
3. Transparencia y control: Estudiantes y familias deben tener derecho a acceder,  
rectificar e incluso solicitar la eliminación de sus datos. Deben saber qué "sabe"  
el sistema sobre ellos y cómo está utilizando esa información para tomar  
decisiones.  
4. Gobernanza ética de datos: Las instituciones educativas deben establecer  
comités de ética que supervisen los proyectos de IA, incluyendo a pedagogos,  
especialistas en privacidad, padres y representantes de estudiantes con  
diversidad funcional. La pregunta clave no es "¿Qué podemos hacer con estos  
datos?", sino "¿Qué debemos hacer para proteger a nuestro alumnado?".  
Proteger la privacidad no es solo un requisito legal (como el GDPR en Europa o la  
LOPD en España), es una obligación moral. Es la base de la confianza sin la cual  
ninguna herramienta tecnológica podrá integrarse de forma efectiva y segura en la  
educación de quienes son más dependientes de nuestro cuidado.  
Sesgos algorítmicos: Evitar que la IA reproduzca estereotipos o excluya perfiles  
atípicos.  
La IA no es objetiva; aprende de los datos con los que se la entrena. Si estos datos  
reflejan los prejuicios, estereotipos y desigualdades históricas de nuestra sociedad, la IA  
no solo los replicará, sino que los potenciará y automatizará, creando una ilusión de  
imparcialidad científica. Este es quizás el riesgo más insidioso para la educación  
inclusiva.  
Un algoritmo sesgado puede perpetuar exclusiones de múltiples maneras:  
Diagnósticos erróneos: Un sistema diseñado para detectar dislexia, entrenado  
principalmente con datos de niños de lengua materna española, podría fallar  
consistentemente en identificar la dislexia en estudiantes bilingües o de origen  
extranjero, interpretando diferencias lingüísticas como déficits.  
Página 68  
Herramientas de Inteligencia Artificial para la Educación Inclusiva y la Personalización del Aprendizaje  
Essenia Cruz Alfonso  
Pedro Serrano Yero  
Osmany Nieves Torres  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 08/09/2025  
Aprobado: 16/11/2025  
Artículo de revisión  
Guetos digitales: Al recomendar caminos de aprendizaje, un sistema sesgado  
podría dirigir sistemáticamente a estudiantes de minorías étnicas o de entornos  
socioeconómicos bajos hacia itinerarios menos exigentes, reproduciendo la  
segregación académica.  
Exclusión de perfiles atípicos: Un modelo entrenado con patrones de  
"normalidad" puede ignorar o patologizar formas atípicas de aprendizaje,  
creatividad o interacción, penalizando a neurodivergentes (como personas con  
TEA o TDAH) por no ajustarse a la norma.  
Consideraciones éticas y estrategias:  
1. Auditorías continuas de sesgos: Los algoritmos deben ser auditados de forma  
regular y transparente por equipos diversos (éticos, pedagogos, sociólogos) para  
detectar y corregir sesgos relacionados con etnia, género, condición  
socioeconómica y discapacidad.  
2. Conjuntos de datos diversos e inclusivos: Es fundamental invertir en la creación y  
uso de datasets de entrenamiento que representen la amplia gama de la  
diversidad humana, incluyendo todas las variantes de capacidad, origen cultural  
y lingüístico.  
3. Transparencia algorítmica (Explicabilidad): Los educadores deben poder  
comprender, al menos en términos generales, cómo el sistema llega a una  
conclusión o recomendación. ¿Por qué sugiere que un estudiante necesita  
refuerzo en matemáticas? Un "derecho a la explicación" es crucial para desafiar  
decisiones algorítmicas potencialmente erróneas.  
4. Diseño centrado en el usuario diverso: El proceso de desarrollo debe incluir  
desde su fase inicial a estudiantes con diversas capacidades, sus familias y a  
educadores especializados, para asegurar que la herramienta se adapta a ellos y  
no al revés.  
La lucha contra los sesgos algorítmicos es una lucha por la justicia social en el ámbito  
digital. Una IA verdaderamente inclusiva no refuerza el status quo, sino que desafía sus  
limitaciones y amplía las oportunidades para todos.  
Supervisión humana: La IA no reemplaza el acompañamiento afectivo ni el juicio  
pedagógico.  
La tercera consideración, y tal vez la más importante, es recordar el papel fundamental  
del ser humano en la educación. La IA puede procesar información, pero no puede  
amar, no puede sentir empatía, no puede captar el contexto socioemocional único de un  
niño que llega triste al aula, ni puede inspirar con una mirada de aliento. La educación  
inclusiva es, en esencia, una práctica profundamente humana y relacional.  
Página 69  
Herramientas de Inteligencia Artificial para la Educación Inclusiva y la Personalización del Aprendizaje  
Essenia Cruz Alfonso  
Pedro Serrano Yero  
Osmany Nieves Torres  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 08/09/2025  
Aprobado: 16/11/2025  
Artículo de revisión  
La delegación excesiva en las recomendaciones de la IA puede conducir a un  
"determinismo algorítmico", donde el futuro educativo de un estudiante queda  
predeterminado por un perfil digital, ignorando su capacidad de crecimiento, resiliencia y  
cambio. Se pierde el juicio pedagógico profesional, la intuición y la conexión emocional  
que son vitales para motivar a estudiantes, especialmente a aquellos que enfrentan  
mayores desafíos.  
Consideraciones éticas y estrategias:  
1. La IA como asistente, no como reemplazo: El rol ideal de la IA es el de un  
poderoso asistente para el docente. Puede liberarle de tareas administrativas y  
de corrección repetitivas, proporcionarle análisis detallados del progreso de cada  
estudiante y alertarle sobre posibles dificultades. Pero la toma de decisiones final  
—la adaptación curricular significativa, la intervención socioemocional, la  
evaluación cualitativa— debe residir siempre en el educador.  
2. Preservar el acompañamiento afectivo: Ningún chatbot por más avanzado que  
sea puede sustituir la relación de confianza y cuidado entre un maestro y su  
alumno. La tecnología debe usarse para potenciar, no para sustituir, la  
interacción humana. Por ejemplo, una herramienta de IA puede identificar que un  
estudiante está atascado en un problema, pero es el docente quien puede  
acercarse, ofrecer palabras de aliento y explicar el concepto de una manera  
diferente, adaptándose a su estado anímico.  
3. Formación docente crítica: La capacitación del profesorado no puede centrarse  
solo en el uso técnico de la herramienta. Debe incluir una formación sólida en  
ética de la IA, para que los educadores desarrollen un espíritu crítico, sean  
capaces de identificar posibles sesgos en las recomendaciones del sistema y se  
empoderen para anularlas cuando su juicio profesional lo considere necesario.  
4. Evaluación holística: La evaluación del estudiante debe ser un proceso mixto. La  
IA puede aportar datos cuantitativos sobre logros y tiempos, pero la evaluación  
cualitativa de habilidades como la colaboración, la creatividad, la empatía y la  
perseverancia —competencias clave para la vida— debe ser realizada por el  
docente.  
La supervisión humana es la brújula que asegura que el viaje de la personalización con  
IA no pierda de vista el destino final: la formación integral de personas autónomas,  
críticas y felices.  
La integración de la IA en la educación inclusiva se encuentra en una encrucijada. Por  
un lado, ofrece un potencial sin precedentes para democratizar el acceso a una  
educación de calidad y personalizada. Por el otro, amenaza con crear nuevas formas de  
exclusión, más sofisticadas y difíciles de detectar. La diferencia entre uno y otro  
escenario no reside en la tecnología en sí, sino en el marco ético y pedagógico que  
construyamos a su alrededor.  
Página 70  
Herramientas de Inteligencia Artificial para la Educación Inclusiva y la Personalización del Aprendizaje  
Essenia Cruz Alfonso  
Pedro Serrano Yero  
Osmany Nieves Torres  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 08/09/2025  
Aprobado: 16/11/2025  
Artículo de revisión  
Este marco debe tener como pilares fundamentales:  
La privacidad como derecho fundamental: Reconociendo que los datos de los  
estudiantes vulnerables son un depósito de confianza que debemos proteger con  
el máximo celo.  
La lucha activa contra los sesgos: Asumiendo que la neutralidad de la IA es un  
mito y trabajando de forma proactiva para auditar, diversificar y transparentar los  
algoritmos.  
La centralidad del juicio humano: Colocando a la IA en su justo lugar, como una  
herramienta al servicio de los educadores, nunca como un sustituto de su criterio,  
su empatía y su papel como guías.  
Perspectivas futuras  
La IA promete una educación más inclusiva, personalizada y emocionalmente  
resonante. Sin embargo, su implementación debe estar guiada por principios éticos,  
políticas públicas inclusivas y una visión pedagógica centrada en el ser humano. Se  
vislumbra el desarrollo de sistemas híbridos que integren IA con pedagogías  
ritualizadas, narrativas simbólicas y diseño emocional del aprendizaje.  
Conclusiones  
La IA no es una solución mágica, pero sí una herramienta poderosa para transformar la  
educación. Su aplicación en contextos inclusivos y personalizados requiere una mirada  
crítica, colaborativa y profundamente humana. Como investigadoras, diseñadoras y  
educadoras, tenemos la responsabilidad de moldear estas tecnologías para que sirvan  
al propósito de una educación más justa, creativa y significativa.  
La accesibilidad no es un añadido técnico, sino una condición ética y pedagógica para  
garantizar que todos los estudiantes puedan participar plenamente. Las herramientas  
de IA no solo amplían posibilidades, sino que también deben ser diseñadas y usadas  
con sensibilidad y justicia.  
La IA no solo puede facilitar el acceso, sino transformar la experiencia educativa para  
quienes históricamente han sido excluidos. Pero su implementación debe ser  
consciente, ética y situada, con el docente como garante de la inclusión.  
Referencias bibliográficas  
Cordón García, J. A. (2023). Educación inclusiva y tecnologías emergentes: La  
revolución digital en el aula. Editorial UOC.  
Crespo Obaco, J. P., & Benavides Bailón, J. (2024). Beneficios y desafíos de los  
asistentes virtuales en el aprendizaje: Benefits and Challenges of Virtual  
Assistants in Learning. LATAM Revista Latinoamericana De Ciencias Sociales Y  
Humanidades, 5(2), 685 – 700. https://doi.org/10.56712/latam.v5i2.1909  
Página 71  
Herramientas de Inteligencia Artificial para la Educación Inclusiva y la Personalización del Aprendizaje  
Essenia Cruz Alfonso  
Pedro Serrano Yero  
Osmany Nieves Torres  
Volumen: 17  
Número: Especial 3  
Año: 2025  
Recepción: 08/09/2025  
Aprobado: 16/11/2025  
Artículo de revisión  
Fullmind Team. (2025, julio 21). AI in education: 10 real applications of EdTech in 2025.  
Fullmind. https://www.fullmindlearning.com/blog/ai-in-education-applications  
Gutiérrez De León, M., Hernández, R. & Martínez, A. (2024). Inteligencia artificial y  
diversidad educativa: Análisis de herramientas de traducción automática. Revista  
Iberoamericana de Educación, 78(1), 45-62. https://revistaiberoamericana.org  
Holmes, W., Bialik, M. & Fadel, C. (2021). Artificial Intelligence in Education: Promises  
and Implications for Teaching and Learning. Center for Curriculum Redesign.  
Instituto i360. (2024). Uso de la inteligencia artificial para la educación inclusiva.  
https://prodis360.org/uso-de-la-inteligencia-artificial-para-la-educacion-inclusiva/  
Long, P. & Siemens, G. (2011). Penetrating the Fog: Analytics in Learning and  
Education.  
EDUCAUSE  
Review,  
46(5),  
30-40.  
https://er.educause.edu/articles/2011/9/penetrating-the-fog-analytics-in-learning-  
and-education  
Luckin, R., Holmes, W., Griffiths, M. & Forcier, L. B. (2016). Intelligence Unleashed: An  
Argument for AI in Education. Pearson.  
O'Neil, C. (2016). Weapons of Math Destruction: How Big Data Increases Inequality and  
Threatens Democracy. Crown Publishing Group.  
Prendes-Espinosa, M. (2023). Tecnologías para la inclusión educativa. Ediciones de la  
Universidad de Murcia.  
Tourón, J. & Santiago, R. (2021). Flipped Learning y competencia digital docente.  
Narcea Ediciones.  
UNESCO. (2020). Inclusive education: A guide for educators and policymakers.  
UNESCO Publishing.  
Universitat de les Illes Balears (2023). Estudio sobre el impacto de la IA en estudiantes  
con necesidades educativas especiales. Grupo de Investigación en Tecnología  
Educativa.  
Van Dijk, J. (2020). The Digital Divide. Polity Press.  
Woolf, B. P. (2010). Building Intelligent Interactive Tutors: Student-Centered Strategies  
for Revolutionizing E-Learning. Morgan Kaufmann.  
Zeide, E. (2019). Artificial intelligence in higher education: Applications, promise, perils,  
and  
ethical  
questions.  
EDUCAUSE  
Review,  
54(3),  
1-15.  
https://er.educause.edu/articles/2019/8/artificial-intelligence-in-higher-education-  
applications-promise-and-perils-and-ethical-questions  
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 72