Inteligencia artificial aplicada a la detección temprana de necesidades psicopedagógicas en estudiantes de Educación inicial y Educación básica

Autores/as

Palabras clave:

inteligencia artificial, necesidades psicopedagógicas, educación inicial, educación básica, aprendizaje personalizado

Resumen

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

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Bautista Rafael Pinto Cotto

Docente Titular. Universidad Técnica Estatal de Quevedo. Quevedo Ecuador.

Rafael Antonio Pinto Arboleda

Magister en Contabilidad y Auditoría (Contable). Ingeniero en Gestión Empresarial. Contador Público Autorizado. Docente. Facultad de Ciencias Empresariales. Universidad Técnica Estatal de Quevedo. Quevedo Ecuador.

Andres Rafael Pinto Arboleda

Docente Titular. Universidad Técnica Estatal de Quevedo. Quevedo Ecuador.

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

Publicado

09-10-2026

Cómo citar

Pinto Cotto, B. R., Pinto Arboleda, R. A., & Pinto Arboleda, A. R. (2026). Inteligencia artificial aplicada a la detección temprana de necesidades psicopedagógicas en estudiantes de Educación inicial y Educación básica. Opuntia Brava, 18(4), 52–69. Recuperado a partir de https://opuntiabrava.ult.edu.cu/index.php/opuntiabrava/article/view/3007