Inteligencia artificial aplicada a la detección temprana de necesidades psicopedagógicas en estudiantes de Educación inicial y Educación básica
Palabras clave:
inteligencia artificial, necesidades psicopedagógicas, educación inicial, educación básica, aprendizaje personalizadoResumen
La incorporación de la inteligencia artificial en los sistemas educativos ha generado nuevas posibilidades para identificar patrones de aprendizaje, dificultades académicas y características individuales de los estudiantes. El propósito de este artículo es analizar las oportunidades, desafíos y perspectivas relacionadas con el uso de herramientas de inteligencia artificial para la detección temprana de necesidades psicopedagógicas en estudiantes de educación inicial y educación básica, así como sus posibilidades para favorecer la personalización del aprendizaje. Se realizó una revisión documental de literatura científica reciente, con énfasis en revisiones sistemáticas y estudios publicados entre 2024 y 2026 en revistas académicas arbitradas. La evidencia examinada indica que los sistemas inteligentes de aprendizaje, el aprendizaje adaptativo, la analítica educativa, el aprendizaje automático y determinados sistemas de reconocimiento de patrones pueden contribuir a identificar indicadores asociados con dificultades de aprendizaje, desarrollo del lenguaje, desempeño académico y otras necesidades educativas. No obstante, la evidencia también revela limitaciones relacionadas con la calidad y representatividad de los datos, la explicabilidad de los algoritmos, la privacidad infantil, los sesgos, la preparación docente y la escasez de estudios longitudinales realizados en contextos educativos reales. Se concluye que la inteligencia artificial puede funcionar como una herramienta complementaria para fortalecer los procesos de observación, evaluación y toma de decisiones psicopedagógicas, pero no debe sustituir el juicio profesional ni los procesos de evaluación integral. Su mayor potencial reside en apoyar sistemas educativos capaces de detectar señales tempranas, orientar intervenciones diferenciadas y proporcionar experiencias de aprendizaje más ajustadas a las características de cada estudiante.
Descargas
Citas
Aljemely, Y. (2024). Challenges and best practices in training teachers to utilize artificial intelligence: A systematic review. Frontiers in Education, 9, 1470853. https://doi.org/10.3389/feduc.2024.1470853
Bayly-Castaneda, K. B., Ramirez-Montoya, M. S., & Morita-Alexander, A. (2024). Crafting personalized learning paths with AI for lifelong learning: A systematic literature review. Frontiers in Education, 9, 1424386. https://doi.org/10.3389/feduc.2024.1424386
Cerón Salazar, E. M. & Burbano González, D. C. (2026). Intelligent learning systems in primary and secondary education: A systematic review (2014–2024). Frontiers in Education, 11, 1720377. https://doi.org/10.3389/feduc.2026.1720377
Farhood, H., Nyden, M., Beheshti, A. & Muller, S. (2025). Artificial intelligence-based personalised learning in education: A systematic literature review. Discover Artificial Intelligence, 5, 331. https://doi.org/10.1007/s44163-025-00598-x
Gouseti, A., James, F., Fallin, L. & Burden, K. (2025). The ethics of using AI in K-12 education: A systematic literature review. Technology, Pedagogy and Education, 34(2), 161–182. https://doi.org/10.1080/1475939X.2024.2428601
Létourneau, A., Deslandes Martineau, M., Charland, P., Karran, J. A., Boasen, J. & Léger, P. M. (2025). A systematic review of AI-driven intelligent tutoring systems (ITS) in K-12 education. Science of Learning, 10, 29. https://doi.org/10.1038/s41539-025-00320-7
Martin, F., Zhuang, M. & Schaefer, D. (2024). Systematic review of research on artificial intelligence in K-12 education (2017–2022). Computers and Education: Artificial Intelligence, 6, 100195. https://doi.org/10.1016/j.caeai.2023.100195
Reinhart, L., Bischops, A. C., Kerth, J.-L., Hagemeister, M., Heinrichs, B., Eickhoff, S. B., Dukart, J., Konrad, K., Mayatepek, E. & Meissner, T. (2024). Artificial intelligence in child development monitoring: A systematic review on usage, outcomes and acceptance. Intelligence-Based Medicine, 9, 100134. https://doi.org/10.1016/j.ibmed.2024.100134
Sharma, S., Mittal, P., Kumar, M., & Bhardwaj, V. (2025). The role of large language models in personalized learning: A systematic review of educational impact. Discover Sustainability, 6, 243. https://doi.org/10.1007/s43621-025-01094-z
Wang, S., Wang, F., Zhu, Z., Wang, J., Tran, T., & Du, Z. (2024). Artificial intelligence in education: A systematic literature review. Expert Systems with Applications, 252, 124167. https://doi.org/10.1016/j.eswa.2024.124167
Zaibi, T. & Bezine, H. (2024). Early detection of learning disabilities through handwriting analysis and machine learning. Procedia Computer Science, 246, 3702–3712. https://doi.org/10.1016/j.procs.2024.09.186
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Bautista Rafael Pinto Cotto, Rafael Antonio Pinto Arboleda, Andres Rafael Pinto Arboleda

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.




























































