{"id":3471,"date":"2026-05-14T10:18:40","date_gmt":"2026-05-14T16:18:40","guid":{"rendered":"https:\/\/horizonte.ccr.edu.mx\/?p=3471"},"modified":"2026-05-14T13:17:00","modified_gmt":"2026-05-14T19:17:00","slug":"vanguardia-educativa-un-analisis-sobre-tecnologia-y-aprendizaje-autonomo","status":"publish","type":"post","link":"https:\/\/horizonte.ccr.edu.mx\/?p=3471","title":{"rendered":"Vanguardia Educativa: Un An\u00e1lisis sobre Tecnolog\u00eda y Aprendizaje Aut\u00f3nomo"},"content":{"rendered":"\n

Evoluci\u00f3n y tendencias tecnol\u00f3gicas de la producci\u00f3n cient\u00edfica sobre sistemas de tutor\u00eda inteligente y autorregulaci\u00f3n del aprendizaje en educaci\u00f3n superior: un an\u00e1lisis bibliom\u00e9trico (2019\u20112025)<\/strong><\/h2>\n\n\n\n

Autor: Lic. Arturo Figueroa Mendoza<\/h3>\n\n\n\n

Resumen<\/h3>\n\n\n\n

Objetivo:<\/strong> analizar la evoluci\u00f3n, tendencias tecnol\u00f3gicas y estructura intelectual de la producci\u00f3n cient\u00edfica sobre Sistemas de Tutor\u00eda Inteligente (ITS) y autorregulaci\u00f3n del aprendizaje (SRL) en educaci\u00f3n superior entre 2019 y 2025.<\/p>\n\n\n\n

Metodolog\u00eda:<\/strong> estudio bibliom\u00e9trico descriptivo\u2011longitudinal. Se extrajeron 10.000 art\u00edculos de OpenAlex mediante su API. Se aplicaron las leyes de Price, Lotka y Bradford, an\u00e1lisis de redes de coautor\u00eda y co\u2011ocurrencia de palabras clave, con scripts en Python (Polars, NetworkX) y VOSviewer. Se realizaron pruebas de bondad de ajuste (Kolmogorov\u2011Smirnov, \u03c7\u00b2) y de significaci\u00f3n estad\u00edstica de co\u2011ocurrencias.<\/p>\n\n\n\n

Resultados:<\/strong> crecimiento exponencial (R\u00b2 = 0,911). La distribuci\u00f3n de Lotka mostr\u00f3 una concentraci\u00f3n m\u00e1s extrema que la te\u00f3rica (\u03b1 = 2,68; p < 0,001). La ley de Bradford tambi\u00e9n se desvi\u00f3 significativamente (\u03c7\u00b2 = 60,5; p < 0,001), con una zona intermedia muy amplia (574 revistas). El 83,3% de las co\u2011ocurrencias entre t\u00e9rminos fueron significativas (|z|>1,96). Se identificaron cuatro clusters tem\u00e1ticos: tecnol\u00f3gico (IA generativa, LLMs), pedag\u00f3gico (metacognici\u00f3n, andamiaje), contextual (educaci\u00f3n superior post\u2011COVID) y metodol\u00f3gico (learning analytics). Dragan Ga\u0161evi\u0107 es el autor m\u00e1s prol\u00edfico (85 art\u00edculos) y principal hub de coautor\u00eda.<\/p>\n\n\n\n

Conclusiones:<\/strong> el campo crece aceleradamente con transici\u00f3n hacia IA generativa. La estructura de productividad es extremadamente asim\u00e9trica y la dispersi\u00f3n de fuentes es mayor a la esperada. Se requieren modelos te\u00f3ricos integradores y estudios longitudinales.<\/p>\n\n\n\n

Palabras clave:<\/strong> Sistemas de Tutor\u00eda Inteligente; autorregulaci\u00f3n del aprendizaje; bibliometr\u00eda; inteligencia artificial generativa; educaci\u00f3n superior.<\/p>\n\n\n\n

Introducci\u00f3n<\/h3>\n\n\n\n

La transformaci\u00f3n digital de la educaci\u00f3n superior ha situado a la inteligencia artificial (IA) en el centro del debate pedag\u00f3gico contempor\u00e1neo. Los Sistemas de Tutor\u00eda Inteligente (ITS) y las herramientas de IA generativa han abierto nuevas posibilidades para personalizar el aprendizaje y fortalecer la autorregulaci\u00f3n del aprendizaje (self\u2011regulated learning<\/em>, SRL), competencia indispensable para que el estudiante universitario gestione de manera aut\u00f3noma su cognici\u00f3n, motivaci\u00f3n y comportamiento (Jin et al., 2023).<\/p>\n\n\n\n

Sin embargo, la velocidad con que se genera investigaci\u00f3n en este campo ha producido un corpus fragmentado y heterog\u00e9neo. La ausencia de una visi\u00f3n panor\u00e1mica, cuantitativa y estructural de la producci\u00f3n cient\u00edfica impide identificar con claridad las tendencias consolidadas, los actores clave y las lagunas de conocimiento.<\/p>\n\n\n\n

Los ITS han evolucionado desde sistemas basados en reglas hacia arquitecturas de aprendizaje profundo y modelos generativos (Asatryan & Safaryan, 2025), pero la investigaci\u00f3n emp\u00edrica se ha concentrado en intervenciones puntuales sin ofrecer una caracterizaci\u00f3n integral del campo (Banihashem et al., 2025). Este vac\u00edo justifica la realizaci\u00f3n de un estudio bibliom\u00e9trico que emplee t\u00e9cnicas de ciencia de datos para procesar grandes vol\u00famenes de metadatos cient\u00edficos y ofrecer indicadores objetivos de productividad, colaboraci\u00f3n e impacto (Vaca Zambrano et al., 2025).<\/p>\n\n\n\n

La pregunta principal fue: \u00bfc\u00f3mo ha sido la evoluci\u00f3n, las tendencias tecnol\u00f3gicas y la estructura intelectual de la producci\u00f3n cient\u00edfica sobre ITS en relaci\u00f3n con la SRL en educaci\u00f3n superior durante 2019\u20112025? Las preguntas secundarias son: (1) \u00bfcu\u00e1l es la tasa de crecimiento y su ajuste a la Ley de Price? (2) \u00bfcu\u00e1les son las revistas, autores y pa\u00edses con mayor productividad e impacto, seg\u00fan las leyes de Bradford y Lotka? (3) \u00bfqu\u00e9 redes de coautor\u00eda y colaboraci\u00f3n internacional caracterizan el campo? (4) \u00bfcu\u00e1les son los t\u00e9rminos tecnol\u00f3gicos emergentes?<\/p>\n\n\n\n

El objetivo general fue analizar la evoluci\u00f3n y las tendencias tecnol\u00f3gicas de la producci\u00f3n cient\u00edfica sobre ITS aplicados a la SRL en educaci\u00f3n superior mediante un an\u00e1lisis bibliom\u00e9trico (2019\u20112025). Los objetivos espec\u00edficos fueron: (1) medir la productividad cient\u00edfica y contrastarla con las leyes de Price, Bradford y Lotka; (2) mapear las redes de coautor\u00eda y colaboraci\u00f3n; (3) identificar tendencias tem\u00e1ticas emergentes mediante co\u2011ocurrencia de palabras clave; (4) evaluar el impacto a trav\u00e9s de indicadores de citaci\u00f3n.<\/p>\n\n\n\n

Se postul\u00f3 como hip\u00f3tesis principal que la producci\u00f3n ha crecido exponencialmente (Ley de Price). Las hip\u00f3tesis secundarias sostienen que la productividad se ajusta a Lotka y Bradford; que la colaboraci\u00f3n es predominantemente internacional; y que los frentes tem\u00e1ticos han migrado hacia la IA generativa, el aprendizaje profundo y el procesamiento del lenguaje natural.<\/p>\n\n\n\n

2. Metodolog\u00eda<\/h3>\n\n\n\n

2.1. Enfoque y dise\u00f1o<\/h4>\n\n\n\n

Se adopt\u00f3 un enfoque cuantitativo, con m\u00e9todo bibliom\u00e9trico (cienciom\u00e9trico). El dise\u00f1o fue no experimental, longitudinal de tendencia, descriptivo\u2011explicativo. Se trata de una investigaci\u00f3n de gabinete basada en fuentes secundarias.<\/p>\n\n\n\n

2.2. Fuente de datos y estrategia de b\u00fasqueda<\/h4>\n\n\n\n

Se utiliz\u00f3 la base de datos OpenAlex<\/em> (API REST), que indexa m\u00e1s de 250 millones de trabajos acad\u00e9micos. La ecuaci\u00f3n de b\u00fasqueda fue:<\/p>\n\n\n\n

Text<\/em><\/p>\n\n\n\n

(\u00abintelligent tutoring system\u00bb OR \u00abITS\u00bb OR \u00abAI tutor\u00bb OR \u00abartificial intelligence in education\u00bb OR \u00abadaptive learning system\u00bb) AND (\u00abself-regulated learning\u00bb OR \u00abSRL\u00bb OR \u00abself-regulation\u00bb OR \u00abmetacognition\u00bb OR \u00abautonomous learning\u00bb) AND (\u00abhigher education\u00bb OR \u00abuniversity\u00bb OR \u00abcollege\u00bb OR \u00abundergraduate\u00bb OR \u00abgraduate\u00bb)<\/p>\n\n\n\n

Filtros:<\/em> tipo de documento = \u00abarticle\u00bb; a\u00f1os 2019\u20112025; idiomas ingl\u00e9s y espa\u00f1ol. Se recuperaron t\u00edtulos, autores, afiliaciones, revista, a\u00f1o, DOI, citas, res\u00famenes y palabras clave.<\/p>\n\n\n\n

2.3. Muestra<\/h4>\n\n\n\n

Muestreo censal. El corpus final fue de 10.000 art\u00edculos.<\/p>\n\n\n\n

2.4. Procesamiento y an\u00e1lisis<\/h4>\n\n\n\n

Extracci\u00f3n:<\/strong> script en Python 3.11 con requests, paginaci\u00f3n y \u201cPolite Pool\u201d.
Limpieza y normalizaci\u00f3n:<\/strong> biblioteca Polars (eliminaci\u00f3n de duplicados, normalizaci\u00f3n de autores\/revistas\/pa\u00edses).
Indicadores de productividad e impacto:<\/strong>
Ley de Price: regresi\u00f3n exponencial sobre producci\u00f3n anual, coeficiente R\u00b2.
Ley de Lotka: estimaci\u00f3n del exponente \u03b1 mediante m\u00ednimos cuadrados; prueba de Kolmogorov\u2011Smirnov (K\u2011S) para comparar distribuci\u00f3n emp\u00edrica con la te\u00f3rica.
Ley de Bradford: segmentaci\u00f3n en tres zonas; prueba \u03c7\u00b2 para comparar frecuencias observadas vs. esperadas.
Citas: totales, promedio por documento, \u00edndice h de la colecci\u00f3n.
Redes de coautor\u00eda:<\/strong> grafo no dirigido con NetworkX; centralidad de grado; detecci\u00f3n de comunidades (algoritmo de Louvain).
Redes de co\u2011ocurrencia de palabras clave:<\/strong> matriz de co\u2011ocurrencia normalizada (\u00edndice de equivalencia); prueba de significaci\u00f3n estad\u00edstica (puntaje z, umbral |z|>1,96); clustering jer\u00e1rquico; visualizaci\u00f3n con VOSviewer.
Herramientas:<\/strong> Python (Polars, NetworkX, Matplotlib, Seaborn) y VOSviewer.<\/p>\n\n\n\n

3. Resultados<\/h3>\n\n\n\n

3.1. Evoluci\u00f3n temporal (Ley de Price)<\/h4>\n\n\n\n

La Tabla 1 muestra la producci\u00f3n anual. El modelo exponencial ajustado fue\u00a0y= 682,1.+e0.219-t<\/sup>\u00a0con un coeficiente de determinaci\u00f3n\u00a0R2<\/sup>=0,9111 confirmando un crecimiento exponencial (Figura 1). El ligero estancamiento en 2025 se atribuye a la cobertura parcial del a\u00f1o.<\/span><\/p>\n\n\n\n

Tabla 1.<\/strong> Producci\u00f3n anual de art\u00edculos sobre ITS y SRL (2019\u20112025)<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

3.2. Productividad de autores (Ley de Lotka)<\/strong><\/h4>\n\n\n\n

Se identificaron 33.624 autores distintos. El exponente de Lotka estimado fue\u00a0\u03b1=268. La prueba Kolmogorov\u2011Smirnov arroj\u00f3\u00a0D<\/em>= 0,117 y p = 0,0000, indicando una diferencia significativa entre la distribuci\u00f3n observada y la te\u00f3rica. En concreto, la cola de autores muy productivos es m\u00e1s larga que la prevista por Lotka. Solo 183 autores (0,54%) publicaron 5 o m\u00e1s art\u00edculos, constituyendo la \u00e9lite del campo. La Tabla 2 muestra los cinco autores m\u00e1s productivos.<\/p>\n\n\n\n

Tabla 2.<\/strong> Autores m\u00e1s productivos (2019\u20112025)<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

3.3. Productividad de Revistas (Ley de Bradford<\/strong>)<\/h4>\n\n\n\n

La distribuci\u00f3n de las revistas se segment\u00f3 en tres zonas (Tabla 3). La prueba \u03c7\u00b2 mostr\u00f3 un valor de 60,50 con p= 0,0000 lo que indica una desviaci\u00f3n significativa del modelos t\u00f3rico de Bradford. La zona intermedia (Z2) result\u00f3 mucho m\u00e1s grande de lo esperado (574 revistas observadas frente a 424,3 te\u00f3ricas), evidenciando una dispersi\u00f3n at\u00edpica de la literatura en fuentes de productividad media.<\/p>\n\n\n\n

Tabla 3.<\/strong> Zonas de Bradford (observado vs. esperado)<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Las revistas m\u00e1s productivas fueron Frontiers in Psychology<\/em> (286 art\u00edculos), Sustainability<\/em> (174), Education Sciences<\/em> (169), Frontiers in Education<\/em> (162) e IEEE Access<\/em> (154).<\/p>\n\n\n\n

3.4. Redes de coautor\u00eda<\/h4>\n\n\n\n

La red de coautor\u00eda incluy\u00f3 3017 nodos (autores) y 8078 enlaces, con una densidad de 0,0018. Se detectaron 529 comunidades. Dragan Ga\u0161evi\u0107 present\u00f3 la mayor centralidad de grado (206 conexiones), actuando como el principal hub<\/em> que conecta m\u00faltiples grupos. La colaboraci\u00f3n internacional fue frecuente, con cl\u00fasteres liderados por Estados Unidos, Reino Unido, Australia y China.<\/p>\n\n\n\n

3.5. An\u00e1lisis de co\u2011ocurrencia de palabras clave<\/strong><\/h4>\n\n\n\n

Se construy\u00f3 una matriz de 5050 aristas potenciales entre t\u00e9rminos. De ellas,\u00a04206 (83,3%)<\/strong>\u00a0resultaron estad\u00edsticamente significativas (|z|>1,96) lo que valida la estructura de los clusters. El an\u00e1lisis identific\u00f3 cuatro grandes clusters tem\u00e1ticos:<\/p>\n\n\n\n

    \n
  • Cluster tecnol\u00f3gico (rojo):<\/strong><\/li>\n<\/ul>\n\n\n\n

     machine learning<\/em>, Deep learning<\/em>, GPT<\/em>, LLM<\/em>, chatbot<\/em>, natural language processing<\/em>.<\/p>\n\n\n\n

      \n
    • Cluster pedag\u00f3gico (verde):<\/strong> self\u2011regulated<\/em><\/li>\n<\/ul>\n\n\n\n

      learning<\/em>, metacognition<\/em>, scaffolding<\/em>, feedback<\/em>, motivation<\/em>, self\u2011efficacy<\/em>.<\/p>\n\n\n\n

        \n
      • Cluster contextual (azul):<\/strong> <\/li>\n\n\n\n
      • higher education<\/em>, online learning<\/em>, COVID\u201119<\/em>, University<\/em> students<\/em>, post\u2011pandemic<\/em>.<\/li>\n\n\n\n
      • Cluster metodol\u00f3gico (amarillo):<\/strong> <\/li>\n<\/ul>\n\n\n\n

        learning analytics<\/em>, educational data mining<\/em>, trace data<\/em>, multimodal<\/em>, prediction<\/em>.<\/p>\n\n\n\n

        Los t\u00e9rminos con mayor centralidad fueron self\u2011regulated learning<\/em>, intelligent tutoring system<\/em>, machine learning<\/em> y higher education<\/em>.<\/p>\n\n\n\n

        3.6. Impacto cient\u00edfico<\/strong> El \u00edndice h de la colecci\u00f3n fue 178<\/strong>. El promedio de citas por a\u00f1o se situ\u00f3 en 7,34. Los documentos m\u00e1s citados corresponden a revisiones sobre IA en educaci\u00f3n (Zawacki\u2011Richter et al., 2019) y estudios emp\u00edricos cl\u00e1sicos sobre ITS y SRL (Azevedo & Cromley, 2004; Roll et al., 2007).<\/p>\n\n\n\n

        4. Discusi\u00f3n<\/h3>\n\n\n\n

        Los resultados confirman la\u00a0hip\u00f3tesis principal\u00a0de crecimiento exponencial (Ley de Price), con un\u00a0R2<\/sup>=0,911. La ligera disminuci\u00f3n del ajuste perfecto (frente al R2<\/sup> ideal de 1) explica por la meseta observada en 2025 y por el impacto de la pandemia, que pudo distorsionar la tendencia en 2020\u20112021 (Jin et al., 2023).<\/p>\n\n\n\n

        La\u00a0Ley de Lotka<\/em>\u00a0mostr\u00f3 una desviaci\u00f3n significativa (p<0,0001), con un exponente \u03b1= 2,68 (superior al te\u00f3rico 2,0). Esto implica una concentraci\u00f3n\u00a0incluso m\u00e1s extrema<\/em>\u00a0de la productividad en una \u00e9lite muy reducida. En campos tecnol\u00f3gicos emergentes, esta sobrerrepresentaci\u00f3n de autores hiperproductivos (como Ga\u0161evi\u0107) es habitual, pero tambi\u00e9n puede reflejar din\u00e1micas de liderazgo de grupo y publicaciones multiautor (Lotka, 1926; Newman, 2004).<\/p>\n\n\n\n

        La\u00a0Ley de Bradford<\/strong>\u00a0tambi\u00e9n se desvi\u00f3 significativamente (x2<\/sup> 60,5, p< 0,001), principalmente por el tama\u00f1o muy superior de la zona intermedia (574 revistas observadas frente a 424 esperadas). Este hallazgo indica que la literatura relevante sobre ITS y SRL se dispersa en un n\u00famero mayor al esperado de fuentes de productividad media. Esto refuerza la naturaleza interdisciplinaria del campo: los investigadores publican tanto en revistas psicol\u00f3gicas como tecnol\u00f3gicas, sin que se forme un n\u00facleo extremadamente concentrado (Bradford, 1948). Para el investigador, esto supone un desaf\u00edo de cobertura bibliogr\u00e1fica.<\/p>\n\n\n\n

        Las redes de coautor\u00eda<\/em> mostraron una fragmentaci\u00f3n en 529 comunidades, pero conectadas a trav\u00e9s de hubs<\/em> como Ga\u0161evi\u0107. La colaboraci\u00f3n internacional existe, pero no es predominante (contrario a la hip\u00f3tesis secundaria 3), ya que muchos grupos trabajan dentro de sus propios pa\u00edses. Esto puede deberse a barreras idiom\u00e1ticas y a la financiaci\u00f3n nacional de proyectos de IA educativa.<\/p>\n\n\n\n

        El an\u00e1lisis de co\u2011ocurrencia<\/em> valida la hip\u00f3tesis secundaria 4: el cl\u00faster tecnol\u00f3gico dominante incluye IA generativa (GPT, LLM), aprendizaje profundo y procesamiento del lenguaje natural, lo que coincide con las predicciones de Molenaar (2022) y Azevedo (2023). El cl\u00faster pedag\u00f3gico sigue anclado en la metacognici\u00f3n y el andamiaje, mientras que el metodol\u00f3gico consolida el learning analytics<\/em> como enfoque central. La alta proporci\u00f3n de co\u2011ocurrencias significativas (83,3%) da solidez a estos clusters.<\/p>\n\n\n\n

        El impacto<\/em> (\u00edndice h = 178) es elevado para un per\u00edodo de solo 7 a\u00f1os, indicando que el campo no solo crece en volumen, sino que produce trabajos muy citados. Los citation classics<\/em> funcionan como anclas conceptuales.<\/p>\n\n\n\n

        Limitaciones:<\/strong> (1) cobertura de OpenAlex con posible sesgo hacia publicaciones en ingl\u00e9s; (2) an\u00e1lisis de co\u2011ocurrencia sobre t\u00edtulos y res\u00famenes, no sobre palabras clave normalizadas; (3) per\u00edodo relativamente corto (2019\u20112025); (4) m\u00e9tricas de red limitadas a centralidad de grado.<\/p>\n\n\n\n

        5. Conclusiones<\/h3>\n\n\n\n

        5.1. S\u00edntesis de hallazgos<\/h4>\n\n\n\n
          \n
        • * Crecimiento exponencial confirmado (R2<\/sup>=0,911), de 480 a >2200 publicaciones anuales<\/li>\n\n\n\n
        • * Distribuci\u00f3n de Lotka significativamente m\u00e1s concentrada que la te\u00f3rica (\u03b1 = 2,68; p <0,001); \u00e9lite del 0,54% de autores produce el 4,5% de los art\u00edculos.<\/li>\n\n\n\n
        • * Ley de Bradford con desviaci\u00f3n significativa (x2 = 60,5; p<0,001) zona intermedia muy amplia (574 revistas), indicando alta dispersi\u00f3n.<\/li>\n\n\n\n
        • * Red de coautor\u00eda fragmentada (529 comunidades) pero conectada por hubs (Ga\u0161evi\u0107).<\/li>\n\n\n\n
        • * Cuatro clusters tem\u00e1ticos s\u00f3lidos (83,3% de co\u2011ocurrencias significativas): tecnol\u00f3gico (IA generativa), pedag\u00f3gico (metacognici\u00f3n), contextual (educaci\u00f3n superior post\u2011COVID) y metodol\u00f3gico (learning analytics).<\/li>\n\n\n\n
        • * Alto impacto: \u00edndice h = 178<\/li>\n<\/ul>\n\n\n\n

          5.2. Implicaciones<\/h4>\n\n\n\n

          Para la investigaci\u00f3n:<\/strong> necesidad de consolidaci\u00f3n te\u00f3rica (modelos integradores ITS\u2011SRL); realizar estudios longitudinales y multimodales; prestar atenci\u00f3n a la equidad e inclusi\u00f3n (t\u00e9rminos infra\u2011representados).<\/p>\n\n\n\n

          Para la pr\u00e1ctica educativa:<\/strong> integrar cr\u00edticamente la IA generativa; capacitar al profesorado en competencias digitales y de IA; promover la autorregulaci\u00f3n como competencia transversal.<\/p>\n\n\n\n

          5.3. L\u00edneas futuras<\/h4>\n\n\n\n
            \n
          1. An\u00e1lisis longitudinal ampliado (2010\u20112025) para capturar el periodo temporal pre\u2011pandemia.<\/li>\n\n\n\n
          2. An\u00e1lisis de contenido cualitativo complementario.<\/li>\n\n\n\n
          3. Estudio comparativo de las 529 comunidades de coautor\u00eda.<\/li>\n\n\n\n
          4. Miner\u00eda de contextos de citaci\u00f3n (citation contexts<\/em>) para entender el uso del conocimiento.<\/li>\n<\/ol>\n\n\n\n

            5.4. Conclusi\u00f3n final<\/h4>\n\n\n\n

            La investigaci\u00f3n sobre ITS y SRL en educaci\u00f3n superior es un campo en r\u00e1pida expansi\u00f3n, interdisciplinar, de alto impacto, con una estructura de productividad extremadamente asim\u00e9trica y una dispersi\u00f3n de fuentes mayor a la habitual. La transici\u00f3n hacia la IA generativa redefine las fronteras tem\u00e1ticas. La autorregulaci\u00f3n del aprendizaje se erige como la competencia cr\u00edtica para que los estudiantes aprovechen estas tecnolog\u00edas sin caer en dependencia cognitiva. Este estudio proporciona un mapa bibliom\u00e9trico robusto que puede guiar a investigadores, dise\u00f1adores instruccionales y gestores educativos.<\/p>\n\n\n\n

            Perspectiva Horizonte: \u00bfPor qu\u00e9 este estudio define nuestro futuro?<\/span><\/h3>\n\n\n\n

            Por: Direcci\u00f3n Acad\u00e9mica IESCR<\/strong><\/p>\n\n\n\n

            Aunque el an\u00e1lisis bibliom\u00e9trico del presente art\u00edculo pueda parecer un ejercicio puramente estad\u00edstico, sus hallazgos son una br\u00fajula estrat\u00e9gica<\/strong> para nuestra instituci\u00f3n. Al \u00abtraducir\u00bb estos datos a nuestra realidad educativa, extraemos tres conclusiones vitales:<\/p>\n\n\n\n

              \n
            1. La IA como Tutor Personal, no como sustituto:<\/strong> El estudio confirma que la tendencia mundial no es reemplazar al docente, sino usar la Inteligencia Artificial para fomentar la autorregulaci\u00f3n<\/em>. Esto significa que en el IESCR estamos impulsando herramientas que ayuden al alumno a identificar sus propios procesos de aprendizaje, haci\u00e9ndolo m\u00e1s aut\u00f3nomo y cr\u00edtico.<\/li>\n\n\n\n
            2. Decisiones basadas en evidencia:<\/strong> El uso de algoritmos y Python para analizar 10,000 investigaciones nos asegura que el modelo educativo que estamos construyendo para 2026 no se basa en \u00abmodas\u00bb, sino en cl\u00fasteres de \u00e9xito comprobados globalmente.<\/li>\n\n\n\n
            3. Vanguardia Tecnol\u00f3gica:<\/strong> Al publicar este nivel de investigaci\u00f3n, reafirmamos que en el Instituto Carl Rogers no solo consumimos tecnolog\u00eda; la estudiamos y la dominamos. Estamos preparando a nuestros estudiantes para un mercado laboral donde la Ciencia de Datos y la IA son el lenguaje com\u00fan.<\/li>\n<\/ol>\n\n\n\n

              En conclusi\u00f3n: Este art\u00edculo es la prueba de que en nuestra instituci\u00f3n, la innovaci\u00f3n tiene un sustento cient\u00edfico riguroso.<\/strong><\/em><\/p>\n\n\n\n

              Referencias<\/h3>\n\n\n\n

              Azevedo, R., & Cromley, J. G. (2004). Does training on self-regulated learning facilitate students’ learning with hypermedia? Journal of Educational Psychology<\/em>, 96(3), 523\u2011535.<\/p>\n\n\n\n

              Azevedo, R. (2023). Generative AI and self\u2011regulated learning: A new frontier. Computers and Education: Artificial Intelligence<\/em>, 5, 100168.<\/p>\n\n\n\n

              Banihashem, S. K., et al. (2025). Mapping the landscape of AI\u2011supported self\u2011regulated learning: A systematic review. Educational Research Review<\/em>, 42, 100567.<\/p>\n\n\n\n

              Bradford, S. C. (1948). Documentation<\/em>. Public Affairs Press.<\/p>\n\n\n\n

              Jin, S. H., et al. (2023). Intelligent tutoring systems and self\u2011regulated learning: A meta\u2011analysis. Computers & Education<\/em>, 198, 104756.<\/p>\n\n\n\n

              Lotka, A. J. (1926). The frequency distribution of scientific productivity. Journal of the Washington Academy of Sciences<\/em>, 16(12), 317\u2011323.<\/p>\n\n\n\n

              Molenaar, I. (2022). The concept of hybrid human\u2011AI regulation. Computers and Education: Artificial Intelligence<\/em>, 3, 100070.<\/p>\n\n\n\n

              Newman, M. E. J. (2004). Coauthorship networks and patterns of scientific collaboration. Proceedings of the National Academy of Sciences<\/em>, 101(suppl_1), 5200\u20115205.<\/p>\n\n\n\n

              Price, D. J. de S. (1963). Little science, big science<\/em>. Columbia University Press.<\/p>\n\n\n\n

              Roll, I., Aleven, V., McLaren, B. M., & Koedinger, K. R. (2007). Can help seeking be tutored? Proceedings of the 13th International Conference on Artificial Intelligence in Education<\/em>, 421\u2011428.<\/p>\n\n\n\n

              Van Eck, N. J., & Waltman, L. (2010). Software survey: VOSviewer. Scientometrics<\/em>, 84(2), 523\u2011538. Zimmerman, B. J. (2002). Becoming a self\u2011regulated learner: An overview. Theory into Practice<\/em>, 41(2), 64\u201170.<\/p>\n\n\n\n

                <\/ul>\n","protected":false},"excerpt":{"rendered":"

                Explore la frontera tecnol\u00f3gica de la educaci\u00f3n superior a trav\u00e9s de este an\u00e1lisis bibliom\u00e9trico especializado. El art\u00edculo desglosa c\u00f3mo los Sistemas de Tutor\u00eda Inteligente (ITS) y la inteligencia artificial est\u00e1n redefiniendo la autorregulaci\u00f3n del aprendizaje, revelando las tendencias globales que marcar\u00e1n el camino de la ense\u00f1anza universitaria hacia el a\u00f1o 2026<\/p>\n","protected":false},"author":4,"featured_media":3474,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[14,17],"tags":[],"class_list":["post-3471","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-edicionjunio2026","category-opinion"],"blocksy_meta":[],"_links":{"self":[{"href":"https:\/\/horizonte.ccr.edu.mx\/index.php?rest_route=\/wp\/v2\/posts\/3471","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/horizonte.ccr.edu.mx\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/horizonte.ccr.edu.mx\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/horizonte.ccr.edu.mx\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/horizonte.ccr.edu.mx\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=3471"}],"version-history":[{"count":8,"href":"https:\/\/horizonte.ccr.edu.mx\/index.php?rest_route=\/wp\/v2\/posts\/3471\/revisions"}],"predecessor-version":[{"id":3489,"href":"https:\/\/horizonte.ccr.edu.mx\/index.php?rest_route=\/wp\/v2\/posts\/3471\/revisions\/3489"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/horizonte.ccr.edu.mx\/index.php?rest_route=\/wp\/v2\/media\/3474"}],"wp:attachment":[{"href":"https:\/\/horizonte.ccr.edu.mx\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=3471"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/horizonte.ccr.edu.mx\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=3471"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/horizonte.ccr.edu.mx\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=3471"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}