La Nueva Taxonomía del Aprendizaje con Inteligencia Artificial

Autores/as

Danilo Pedro Sarabia Guevara
Universidad Estatal Amazónica
https://orcid.org/0000-0002-1101-987X
Miguel Santiago Sandoval Romo
Escuela Politécnica de Chimborazo
https://orcid.org/0009-0004-1001-5991
Alex Bolívar Castro Michuy
Escuela de Educación Básica Francisco Javier Salazar
https://orcid.org/0009-0000-0437-0007
William Iván Satama Pereira
Universidad de Especialidades Espíritu Santo
https://orcid.org/0009-0001-6801-7680
DOI: https://doi.org/10.63415/saga.2026.132

Palabras clave:

inteligencia artificial, aprendizaje, cognición, tecnología educacional, evaluación de la educación

Sinopsis

La Nueva Taxonomía del Aprendizaje con IA propone una reinterpretación crítica de Bloom y de otros modelos cognitivos ante la incorporación de inteligencia artificial generativa en la educación. La obra examina la transformación de operaciones como recordar, comprender, aplicar, analizar, evaluar y crear cuando estudiantes y sistemas algorítmicos participan conjuntamente en la producción, revisión y validación del conocimiento. Desde una perspectiva interdisciplinaria, articula aportes de la psicología cognitiva, la pedagogía, la metacognición y la cognición distribuida para distinguir pensamiento autónomo, cognición aumentada, interacción dialógica, delegación algorítmica, supervisión epistémica y regulación metagenerativa. El argumento central desplaza la atención desde la ejecución observable hacia la arquitectura intelectual que sostiene cada desempeño. También examina la descarga cognitiva, la agencia del estudiante, la verificación de contenidos sintéticos y la fricción cognitiva deliberada como variables para diseñar experiencias formativas. A partir de dicha reformulación, el libro plantea criterios para construir resultados de aprendizaje, actividades, rúbricas y evaluaciones capaces de diferenciar producción automatizada, coautoría humano-máquina y dominio intelectual verificable. La propuesta culmina en una matriz multidimensional que relaciona complejidad cognitiva, autonomía, mediación algorítmica, responsabilidad epistémica, transferencia y evidencia, ofreciendo un lenguaje renovado para investigar, diseñar y evaluar el aprendizaje universitario contemporáneo en ecosistemas educativos mediados digitalmente.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

Danilo Pedro Sarabia Guevara, Universidad Estatal Amazónica

Danilo Pedro Sarabia Guevara, es un profesional ecuatoriano con más de 15 años de experiencia en gestión empresarial, educación superior, investigación científica y desarrollo sostenible, con formación académica orientada a la educación superior, al manejo ambiental, la producción agropecuaria y la sostenibilidad, nacido el 25 de julio de 1986 en la ciudad de Puyo. Es Ingeniero Agropecuario por la Universidad Estatal Amazónica, base que consolidó conocimientos técnicos vinculados al uso responsable del suelo, la producción agrícola y el equilibrio ecológico. Posteriormente obtuvo el grado de Magíster en Ingeniería Ambiental con mención en Saneamiento Ambiental en la misma universidad, fortaleciendo competencias para la gestión de residuos, el control ambiental y la protección de los recursos naturales, con una visión científica, aplicada y comprometida con el bienestar colectivo.

Su preparación se amplía con la Maestría en Agroecología y Ambiente otorgada por la Universidad Técnica de Ambato, formación que profundiza enfoques sustentables en sistemas productivos y desarrollo rural. Además, es Especialista en Entornos Virtuales de Aprendizaje por la Universidad Técnica de Ambato, lo que fortalece su desempeño en procesos educativos mediados por tecnología. Esta combinación de saberes técnicos, ambientales y pedagógicos sustenta una labor académica orientada a la innovación, la responsabilidad social y la formación integral, promoviendo prácticas conscientes, pensamiento crítico y una relación armónica entre producción, educación y naturaleza.

De igual manera con miras a fortalecer su formación académica en educación superior, se encuentra estudiando el Doctorado en Educación e Innovación en la Universidad de Investigación e Innovación de México. Actualmente es Gerente General de la Empresa Pública Amazónica UEA-EP, posee amplia trayectoria en dirección académica, planificación estratégica, gestión de proyectos y cooperación internacional.

Miguel Santiago Sandoval Romo, Escuela Politécnica de Chimborazo

Miguel Santiago Sandoval Romo desarrolla una trayectoria profesional vinculada con la medicina, la salud pública y la formación universitaria, campos desde los cuales articula conocimientos clínicos con responsabilidades docentes orientadas a la preparación de futuros profesionales.

Es médico graduado por la Universidad Central del Ecuador y especialista en Medicina Familiar y Comunitaria por la Pontificia Universidad Católica del Ecuador, formación que respalda una visión integral de la atención sanitaria centrada en las personas, las familias y las comunidades. Su actividad académica se vincula con la Escuela Superior Politécnica de Chimborazo, dentro de la Facultad de Salud Pública, donde ejerce docencia ocasional en la carrera de Medicina. También participa como profesor de Psicología Clínica en la sede Puyo de la Universidad Regional Autónoma de los Andes. La convergencia entre medicina y docencia configura un perfil interdisciplinario que favorece el diálogo entre ciencias de la salud y procesos formativos.

Su experiencia permite relacionar fundamentos biomédicos con dimensiones familiares, comunitarias y educativas. Desde esa perspectiva profesional, Sandoval Romo aporta una mirada sustentada en la práctica clínica, la prevención, la promoción de la salud y la enseñanza superior, con atención al desarrollo humano y a la formación responsable de profesionales, en escenarios profesionales contemporáneos.

Alex Bolívar Castro Michuy, Escuela de Educación Básica Francisco Javier Salazar

Alex Bolívar Castro Michuy posee una trayectoria académica dedicada a la educación, la docencia, la administración educativa y el liderazgo institucional. Su formación reúne niveles de preparación pedagógica que evidencian continuidad profesional dentro del campo educativo.

Obtuvo el grado de Magíster en Docencia Universitaria y Administración Educativa por la Universidad Tecnológica Indoamérica, preparación orientada al fortalecimiento de la enseñanza superior y de los procesos de gestión en instituciones educativas. Cuenta además con un Diploma Superior en Liderazgo Educativo otorgado por la Universidad Tecnológica San Antonio de Machala. Su formación de grado corresponde a la Licenciatura en Ciencias de la Educación con mención en Educación Básica, cursada en la Universidad Técnica de Babahoyo. A ello se suma el título de Profesor de Educación Primaria, de nivel técnico superior, obtenido en el Instituto Superior Pedagógico Manuela Cañizares. La progresión de su recorrido formativo refleja una relación sostenida entre práctica pedagógica, dirección educativa y preparación universitaria.

Castro Michuy integra saberes procedentes de la educación primaria con perspectivas propias de la gestión y la docencia superior. Tal combinación favorece una comprensión amplia de los procesos de enseñanza y aprendizaje, junto con criterios para orientar instituciones, acompañar comunidades académicas y promover prácticas educativas fundamentadas.

William Iván Satama Pereira, Universidad de Especialidades Espíritu Santo

William Iván Satama Pereira construye su trayectoria en la convergencia entre educación, gestión académica, informática e investigación. Cursa estudios doctorales en Educación en la Universidad Central de Querétaro, México, etapa que amplía su preparación para el análisis de fenómenos educativos y la producción de conocimiento especializado. Posee el grado de Magíster en Gestión Educativa por la Universidad Particular de Especialidades Espíritu Santo. Su formación previa comprende la Licenciatura en Ciencias de la Educación con mención en Docencia en Informática y el título de Analista de Sistemas, ambos obtenidos en la Universidad Técnica de Machala. La articulación entre pedagogía y tecnología caracteriza un perfil orientado al estudio de los procesos educativos mediados por recursos digitales.

Su producción académica aborda asuntos vinculados con las inteligencias múltiples en la educación básica mediante revisión sistemática de literatura. También ha trabajado sobre integración de inteligencia artificial en la educación latinoamericana, atendiendo perspectivas emergentes y proyecciones futuras. Satama Pereira reúne competencias provenientes de la gestión educativa, la docencia informática y el análisis de sistemas. Su recorrido académico favorece una aproximación interdisciplinaria a la innovación pedagógica, con interés por la investigación educativa, la transformación digital y el fortalecimiento de prácticas docentes sustentadas en evidencia y reflexión crítica.

Referencias

Abd-alrazaq, A., AlSaad, R., Alhuwail, D., Ahmed, A., Healy, P. M., Latifi, S., Aziz, S., Damseh, R., Alabed Alrazak, S., & Sheikh, J. (2023). Large language models in medical education: Opportunities, challenges, and future directions. JMIR Medical Education, 9, e48291. https://doi.org/10.2196/48291

Almazrou, S., Alanezi, F., Almutairi, S. A., AboAlsamh, H. M., Alsedrah, I. T., Arif, W. M., Alsadhan, A. A., AlSanad, D. S., Alqahtani, N. S., AlShammary, M. H., Bakhshwain, A. M., Almuhanna, A. F., Almulhem, M., Alnaim, N., Albelali, S., & Attar, R. W. (2024). Enhancing medical students critical thinking skills through ChatGPT: An empirical study with medical students. Nutrition and Health, 31(3), 1023–1033. https://doi.org/10.1177/02601060241273627

Banihashem, S. K., Kerman, N. T., Noroozi, O., Moon, J., & Drachsler, H. (2024). Feedback sources in essay writing: Peer-generated or AI-generated feedback?. International Journal of Educational Technology in Higher Education, 21(1), 23. https://doi.org/10.1186/s41239-024-00455-4

Barrett, A., & Pack, A. (2023). Not quite eye to A.I.: Student and teacher perspectives on the use of generative artificial intelligence in the writing process. International Journal of Educational Technology in Higher Education, 20(1), 59. https://doi.org/10.1186/s41239-023-00427-0

Celik, I. (2023). Towards Intelligent-TPACK: An empirical study on teachers’ professional knowledge to ethically integrate artificial intelligence (AI)-based tools into education. Computers in Human Behavior, 138, 107468. https://doi.org/10.1016/j.chb.2022.107468

Chan, C. K. Y. (2023). A comprehensive AI policy education framework for university teaching and learning. International Journal of Educational Technology in Higher Education, 20(1), 38. https://doi.org/10.1186/s41239-023-00408-3

Chan, C. K. Y., & Hu, W. (2023). Students’ voices on generative AI: Perceptions, benefits, and challenges in higher education. International Journal of Educational Technology in Higher Education, 20(1), 43. https://doi.org/10.1186/s41239-023-00411-8

Chan, C. K. Y., & Lee, K. K. W. (2023). The AI generation gap: Are gen z students more interested in adopting generative AI such as ChatGPT in teaching and learning than their gen x and millennial generation teachers?. Smart Learning Environments, 10(1), 60. https://doi.org/10.1186/s40561-023-00269-3

Chang, D. H., Lin, M. P. C., Hajian, S., & Wang, Q. Q. (2023). Educational design principles of using AI chatbot that supports Self-Regulated learning in education: Goal setting, feedback, and personalization. Sustainability, 15(17), 12921. https://doi.org/10.3390/su151712921

Chen, X., Xie, H., Zou, D., & Hwang, G. J. (2020). Application and theory gaps during the rise of artificial intelligence in education. Computers and Education: Artificial Intelligence, 1, 100002. https://doi.org/10.1016/j.caeai.2020.100002

Chen, L., Chen, P., & Lin, Z. (2020). Artificial intelligence in education: A review. IEEE Access, 8, 75264–75278. https://doi.org/10.1109/access.2020.2988510

Chiu, T. K. F. (2023). The impact of generative AI (GenAI) on practices, policies and research direction in education: A case of ChatGPT and Midjourney. Interactive Learning Environments, 32(10), 6187–6203. https://doi.org/10.1080/10494820.2023.2253861

Cooper, G. (2023). Examining science education in ChatGPT: An exploratory study of generative artificial intelligence. Journal of Science Education and Technology, 32(3), 444–452. https://doi.org/10.1007/s10956-023-10039-y

Cotton, D. R. E., Cotton, P. A., & Shipway, J. R. (2023). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations in Education and Teaching International, 61(2), 228–239. https://doi.org/10.1080/14703297.2023.2190148

Crawford, J., Cowling, M., & Allen, K. A. (2023). Leadership is needed for ethical ChatGPT: Character, assessment, and learning using artificial intelligence (AI). Journal of University Teaching and Learning Practice, 20(3). https://doi.org/10.53761/1.20.3.02

Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education: The state of the field. International Journal of Educational Technology in Higher Education, 20(1), 22. https://doi.org/10.1186/s41239-023-00392-8

Darvishi, A., Khosravi, H., Sadiq, S., Gašević, D., & Siemens, G. (2024). Impact of AI assistance on student agency. Computers & Education, 210, 104967. https://doi.org/10.1016/j.compedu.2023.104967

Doshi, A. R., & Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), eadn5290. https://doi.org/10.1126/sciadv.adn5290

Dwivedi, Y. K., Kshetri, N., Hughes, L., Slade, E. L., Jeyaraj, A., Kar, A. K., Baabdullah, A. M., Koohang, A., Raghavan, V., Ahuja, M., Albanna, H., Albashrawi, M. A., Al-Busaidi, A. S., Balakrishnan, J., Barlette, Y., Basu, S., Bose, I., Brooks, L., Buhalis, D., …, Wright, R. (2023). Opinion paper: “So what if ChatGPT wrote it?” multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management, 71, 102642. https://doi.org/10.1016/j.ijinfomgt.2023.102642

Díaz-Rodríguez, N., Del Ser, J., Coeckelbergh, M., López de Prado, M., Herrera-Viedma, E., & Herrera, F. (2023). Connecting the dots in trustworthy artificial intelligence: From AI principles, ethics, and key requirements to responsible AI systems and regulation. Information Fusion, 99, 101896. https://doi.org/10.1016/j.inffus.2023.101896

Escalante, J., Pack, A., & Barrett, A. (2023). AI-generated feedback on writing: Insights into efficacy and ENL student preference. International Journal of Educational Technology in Higher Education, 20(1), 57. https://doi.org/10.1186/s41239-023-00425-2

Essel, H. B., Vlachopoulos, D., Essuman, A. B., & Amankwa, J. O. (2024). ChatGPT effects on cognitive skills of undergraduate students: Receiving instant responses from AI-based conversational large language models (LLMs). Computers and Education: Artificial Intelligence, 6, 100198. https://doi.org/10.1016/j.caeai.2023.100198

Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X., & Gašević, D. (2024). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489–530. https://doi.org/10.1111/bjet.13544

Farrelly, T., & Baker, N. (2023). Generative artificial intelligence: Implications and considerations for higher education practice. Education Sciences, 13(11), 1109. https://doi.org/10.3390/educsci13111109

Gao, C. A., Howard, F. M., Markov, N. S., Dyer, E. C., Ramesh, S., Luo, Y., & Pearson, A. T. (2023). Comparing scientific abstracts generated by ChatGPT to real abstracts with detectors and blinded human reviewers. npj Digital Medicine, 6(1), 75. https://doi.org/10.1038/s41746-023-00819-6

Giannakos, M., Azevedo, R., Brusilovsky, P., Cukurova, M., Dimitriadis, Y., Hernandez-Leo, D., Järvelä, S., Mavrikis, M., & Rienties, B. (2024). The promise and challenges of generative AI in education. Behaviour & Information Technology, 44(11), 2518–2544. https://doi.org/10.1080/0144929x.2024.2394886

Guo, Y., & Lee, D. (2023). Leveraging ChatGPT for enhancing critical thinking skills. Journal of Chemical Education, 100(12), 4876–4883. https://doi.org/10.1021/acs.jchemed.3c00505

Hager, P., Jungmann, F., Holland, R., Bhagat, K., Hubrecht, I., Knauer, M., Vielhauer, J., Makowski, M., Braren, R., Kaissis, G., & Rueckert, D. (2024). Evaluation and mitigation of the limitations of large language models in clinical decision-making. Nature Medicine, 30(9), 2613–2622. https://doi.org/10.1038/s41591-024-03097-1

Halaweh, M. (2023). ChatGPT in education: Strategies for responsible implementation. Contemporary Educational Technology, 15(2), ep421. https://doi.org/10.30935/cedtech/13036

Hicks, M. T., Humphries, J., & Slater, J. (2024). ChatGPT is bullshit. Ethics and Information Technology, 26(2), 38. https://doi.org/10.1007/s10676-024-09775-5

Holmes, W., & Tuomi, I. (2022). State of the art and practice in AI in education. European Journal of Education, 57(4), 542–570. https://doi.org/10.1111/ejed.12533

Hwang, G. J., Xie, H., Wah, B. W., & Gašević, D. (2020). Vision, challenges, roles and research issues of artificial intelligence in education. Computers and Education: Artificial Intelligence, 1, 100001. https://doi.org/10.1016/j.caeai.2020.100001

Ivanov, S., Soliman, M., Tuomi, A., Alkathiri, N. A., & Al-Alawi, A. N. (2024). Drivers of generative AI adoption in higher education through the lens of the theory of planned behaviour. Technology in Society, 77, 102521. https://doi.org/10.1016/j.techsoc.2024.102521

Jakesch, M., Hancock, J. T., & Naaman, M. (2023). Human heuristics for AI-generated language are flawed. Proceedings of the National Academy of Sciences, 120(11), e2208839120. https://doi.org/10.1073/pnas.2208839120

Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., …, Kasneci, G. (2023). ChatGPT for good? on opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274

Kim, J., Lee, H., & Cho, Y. H. (2022). Learning design to support student-AI collaboration: Perspectives of leading teachers for AI in education. Education and Information Technologies, 27(5), 6069–6104. https://doi.org/10.1007/s10639-021-10831-6

King, M. R., & ChatGPT. (2023). A conversation on artificial intelligence, chatbots, and plagiarism in higher education. Cellular and Molecular Bioengineering, 16(1), 1–2. https://doi.org/10.1007/s12195-022-00754-8

Kung, T. H., Cheatham, M., Medenilla, A., Sillos, C., De Leon, L., Elepaño, C., Madriaga, M., Aggabao, R., Diaz-Candido, G., Maningo, J., & Tseng, V. (2023). Performance of ChatGPT on USMLE: Potential for AI-assisted medical education using large language models. PLOS Digital Health, 2(2), e0000198. https://doi.org/10.1371/journal.pdig.0000198

Laupichler, M. C., Aster, A., Schirch, J., & Raupach, T. (2022). Artificial intelligence literacy in higher and adult education: A scoping literature review. Computers and Education: Artificial Intelligence, 3, 100101. https://doi.org/10.1016/j.caeai.2022.100101

Lee, H. (2023). The rise of ChatGPT : exploring its potential in medical education. Anatomical Sciences Education, 17(5), 926–931. https://doi.org/10.1002/ase.2270

Li, T., Ji, Y., & Zhan, Z. (2024). Expert or machine? comparing the effect of pairing student teacher with in-service teacher and ChatGPT on their critical thinking, learning performance, and cognitive load in an integrated-STEM course. Asia Pacific Journal of Education, 44(1), 45–60. https://doi.org/10.1080/02188791.2024.2305163

Liu, C., Hou, J., Tu, Y. F., Wang, Y., & Hwang, G. J. (2021). Incorporating a reflective thinking promoting mechanism into artificial intelligence-supported english writing environments. Interactive Learning Environments, 31(9), 5614–5632. https://doi.org/10.1080/10494820.2021.2012812

Lo, C. K. (2023). What is the impact of ChatGPT on education? a rapid review of the literature. Education Sciences, 13(4), 410. https://doi.org/10.3390/educsci13040410

Marzuki,, Widiati, U., Rusdin, D., Darwin,, & Indrawati, I. (2023). The impact of AI writing tools on the content and organization of students’ writing: EFL teachers’ perspective. Cogent Education, 10(2), 2236469. https://doi.org/10.1080/2331186x.2023.2236469

Meskó, B. (2023). Prompt engineering as an important emerging skill for medical professionals: Tutorial. Journal of Medical Internet Research, 25, e50638. https://doi.org/10.2196/50638

Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, 100041. https://doi.org/10.1016/j.caeai.2021.100041

Nguyen, A., Ngo, H. N., Hong, Y., Dang, B., & Nguyen, B. P. T. (2022). Ethical principles for artificial intelligence in education. Education and Information Technologies, 28(4), 4221–4241. https://doi.org/10.1007/s10639-022-11316-w

Nguyen, A., Hong, Y., Dang, B., & Huang, X. (2024). Human-AI collaboration patterns in AI-assisted academic writing. Studies in Higher Education, 49(5), 847–864. https://doi.org/10.1080/03075079.2024.2323593

Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. https://doi.org/10.1126/science.adh2586

Owan, V. J., Abang, K. B., Idika, D. O., Etta, E. O., & Bassey, B. A. (2023). Exploring the potential of artificial intelligence tools in educational measurement and assessment. Eurasia Journal of Mathematics, Science and Technology Education, 19(8), em2307. https://doi.org/10.29333/ejmste/13428

O’Connor, S., & ChatGPT. (2023). Open artificial intelligence platforms in nursing education: Tools for academic progress or abuse?. Nurse Education in Practice, 66, 103537. https://doi.org/10.1016/j.nepr.2022.103537

Rahman, M. M., & Watanobe, Y. (2023). ChatGPT for education and research: Opportunities, threats, and strategies. Applied Sciences, 13(9), 5783. https://doi.org/10.3390/app13095783

Romero-Rodríguez, J. M., Ramírez-Montoya, M. S., Buenestado-Fernández, M., & Lara-Lara, F. (2023). Use of ChatGPT at university as a tool for complex thinking: Students’ perceived usefulness. Journal of New Approaches in Educational Research, 12(2), 323–339. https://doi.org/10.7821/naer.2023.7.1458

Seo, K., Tang, J., Roll, I., Fels, S., & Yoon, D. (2021). The impact of artificial intelligence on learner–instructor interaction in online learning. International Journal of Educational Technology in Higher Education, 18(1), 54. https://doi.org/10.1186/s41239-021-00292-9

Song, C., & Song, Y. (2023). Enhancing academic writing skills and motivation: Assessing the efficacy of ChatGPT in AI-assisted language learning for EFL students. Frontiers in Psychology, 14, 1260843. https://doi.org/10.3389/fpsyg.2023.1260843

Stahl, B. C., & Eke, D. (2024). The ethics of ChatGPT – exploring the ethical issues of an emerging technology. International Journal of Information Management, 74, 102700. https://doi.org/10.1016/j.ijinfomgt.2023.102700

Strzelecki, A. (2023). Students’ acceptance of ChatGPT in higher education: An extended unified theory of acceptance and use of technology. Innovative Higher Education, 49(2), 223–245. https://doi.org/10.1007/s10755-023-09686-1

Tam, T. Y. C., Sivarajkumar, S., Kapoor, S., Stolyar, A. V., Polanska, K., McCarthy, K. R., Osterhoudt, H., Wu, X., Visweswaran, S., Fu, S., Mathur, P., Cacciamani, G. E., Sun, C., Peng, Y., & Wang, Y. (2024). A framework for human evaluation of large language models in healthcare derived from literature review. npj Digital Medicine, 7(1), 258. https://doi.org/10.1038/s41746-024-01258-7

Tlili, A., Shehata, B., Adarkwah, M. A., Bozkurt, A., Hickey, D. T., Huang, R., & Agyemang, B. (2023). What if the devil is my guardian angel: ChatGPT as a case study of using chatbots in education. Smart Learning Environments, 10(1), 15. https://doi.org/10.1186/s40561-023-00237-x

Walter, Y. (2024). Embracing the future of artificial intelligence in the classroom: The relevance of AI literacy, prompt engineering, and critical thinking in modern education. International Journal of Educational Technology in Higher Education, 21(1), 15. https://doi.org/10.1186/s41239-024-00448-3

Wei, L. (2023). Artificial intelligence in language instruction: Impact on english learning achievement, L2 motivation, and self-regulated learning. Frontiers in Psychology, 14, 1261955. https://doi.org/10.3389/fpsyg.2023.1261955

Wu, R., & Yu, Z. (2023). Do AI chatbots improve students learning outcomes? evidence from a meta‐analysis. British Journal of Educational Technology, 55(1), 10–33. https://doi.org/10.1111/bjet.13334

Xu, X., Qiao, L., Cheng, N., Liu, H., & Zhao, W. (2025). Enhancing self‐regulated learning and learning experience in generative AI environments: The critical role of metacognitive support. British Journal of Educational Technology, 56(5), 1842–1863. https://doi.org/10.1111/bjet.13599

Yan, L., Sha, L., Zhao, L., Li, Y., Martinez‐Maldonado, R., Chen, G., Li, X., Jin, Y., & Gašević, D. (2023). Practical and ethical challenges of large language models in education: A systematic scoping review. British Journal of Educational Technology, 55(1), 90–112. https://doi.org/10.1111/bjet.13370

Yan, L., Greiff, S., Teuber, Z., & Gašević, D. (2024). Promises and challenges of generative artificial intelligence for human learning. Nature Human Behaviour, 8(10), 1839–1850. https://doi.org/10.1038/s41562-024-02004-5

Yang, W. (2022). Artificial intelligence education for young children: Why, what, and how in curriculum design and implementation. Computers and Education: Artificial Intelligence, 3, 100061. https://doi.org/10.1016/j.caeai.2022.100061

Yusuf, A., Pervin, N., & Román-González, M. (2024). Generative AI and the future of higher education: A threat to academic integrity or reformation? evidence from multicultural perspectives. International Journal of Educational Technology in Higher Education, 21(1), 21. https://doi.org/10.1186/s41239-024-00453-6

Descargas

LIBRO (Formato PDF)

Publicado

septiembre 16, 2026

Categorías

Derechos de autor 2026 Editorial SAGA

Detalles sobre esta monografía

ISBN-13 (15)

978-9907-803-75-4

Cómo citar

Sarabia Guevara, D. P., Sandoval Romo, M. S., Castro Michuy, A. B., & Satama Pereira, W. I. (2026). La Nueva Taxonomía del Aprendizaje con Inteligencia Artificial. Editorial SAGA. https://doi.org/10.63415/saga.2026.132