71
ISSN 1390-7778 (Versión Impresa)
ISSN 2528-8148 (Versión Electrónica)
YACHANA
Revista CientífiCa
Volumen 15, Número 1, Enero-Junio 2026
Resumen
El estudio analiza la relación entre neu-
roeducación, tecnologías emergentes y
la tercera misión universitaria en la edu-
cación superior ecuatoriana. Se aplicó
un enfoque no experimental, transversal
y descriptivo-exploratorio con triangula-
ción metodológica basada en observación
estructurada, entrevistas y análisis docu-
mental, en 135 estudiantes de la carrera
de Educación de la Universidad Metropo-
litana del Ecuador. Los resultados mues-
tran altos niveles de compromiso (90%),
colaboración (90%) y participación ac-
tiva (85%), con una media general de
84,1% (DE = 3,4). El uso de tecnologías
emergentes presentó mejor desempeño
(87,3%) que la aplicación de principios
neuroeducativos (81,9%). Las entrevis-
tas conrmaron mejoras en motivación y
personalización del aprendizaje median-
te inteligencia articial, mientras que el
análisis documental evidenció coherencia
con las políticas nacionales y los Objeti-
vos de Desarrollo Sostenible. Se concluye
que la convergencia entre neuroeducación
e IA favorece la participación, el apren-
dizaje signicativo y la proyección social
universitaria.
Palabras clave: universidad, aprendizaje
en línea, motivación, innovación educa-
cional.
Abstract
This study analyzes the relationship be-
tween neuroeducation, emerging tech-
nologies, and the Third Mission of uni-
versities in Ecuadorian higher education.
A non-experimental, cross-sectional,
and descriptive–exploratory design with
methodological triangulation was ap-
plied, combining structured observation,
semi-structured interviews, and documen-
tary analysis involving 135 students from
the Education program at Universidad
Metropolitana del Ecuador. Results re-
vealed high levels of engagement (90%),
collaboration (90%), and active participa-
Inteligencia artificial y tecnologías emergentes
aplicadas al cumplimiento de la “Tercera Misión”
Articial Intelligence and Emerging Technologies Applied
to the Fulllment of the third university mission
Margarita del Pilar Luque Espinoza de los Monteros
https://orcid.org/0000-0002-8165-7738
Magíster en Educación Superior, Universidad Metropolitana, Guayaquil, Ecuador, mluque@umet.edu.ec,
margarita.luque@uiimex.edu.mx
Reinaldo Requeiro Almeida
https://orcid.org/0000-0001-8609-5554
Doctor en Ciencias Pedagógicas, Universidad Cienfuegos, Cienfuegos, Cuba, rrequeiro@gmail.com
https://doi.org/10.62325/10.62325/yachana.v15.n1.2026.1048
27/01/2026
18/09/2025
YACHANA Revista Cientíca, vol. 15, núm. 1 (enero-junio de 2026), pp. 71-84
30/01/2026
Artículo de investigación
72
Luqe, M., & Requeiro, R.
YACHANA Revista Cientíca, vol. 15, núm. 1 (enero-junio de 2026), pp. 71-84
IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al
cumplImIento de la “tercera mIsIón” cumplImIento de la “tercera mIsIón”
tion (85%), with an overall mean of 84.1% (SD = 3.4). The use of emerging technologies per-
formed better (87.3%) than the application of neuroeducational principles (81.0%). Teachers
reported improvements in motivation and personalized learning through artificial intelligence
tools, while documentary evidence showed alignment with national education policies and the
Sustainable Development Goals. The findings indicate that the convergence between neuroed-
ucation and AI enhances student engagement, meaningful learning, and the university’s social
outreach, providing a replicable observational instrument to assess pedagogical innovation rel-
evance.
Keywords: universities, electronic learning, motivation, educational innovations.
Introducción
La educación superior enfrenta desafíos
crecientes en la era digital: no solo debe
formar profesionales competentes, sino
también contribuir activamente al desarrollo
regional mediante la transferencia
de conocimiento, la innovación y la
vinculación con la sociedad. Este conjunto
de funciones, conocido como la tercera
misión universitaria, se ha consolidado
como un eje estratégico que amplía
las labores tradicionales de docencia e
investigación. Diversos estudios muestran
que las universidades emprendedoras
desempeñan un papel clave en la
competitividad regional, al generar capital
humano y fomentar el emprendimiento
(Guerrero et al., 2016). Más recientemente,
revisiones sistemáticas han evidenciado
que, en Europa, la tercera misión integra
dimensiones económicas, sociales y de
sostenibilidad, y que su medición resulta
esencial para comprender el impacto real
de las instituciones en la sociedad (Taieb,
2024).
Paralelamente, la neuroeducación –
enfoque interdisciplinario que articula
neurociencia, psicología cognitiva y
educación– ha puesto en el centro la
plasticidad cerebral, la formación de
la memoria y la gestión de la atención,
aportando principios para diseñar
estrategias pedagógicas alineadas con
el funcionamiento cerebral y enriquecer
el compromiso y el rendimiento del
alumnado (Pradeep et al., 2024). A la vez,
revisiones recientes muestran que integrar
neurociencia educativa con Inteligencia
Articial (IA) permite monitorizar y
regular la carga cognitiva en tiempo real
(p. ej., mediante Electroencefalografía/
Espectroscopía funcional del infrarrojo
cercano) y personalizar la instrucción con
retroalimentación adaptativa, mejorando
la ecacia del aprendizaje y abriendo retos
éticos y de escalabilidad (Gkintoni et al.,
2025).
En educación superior, la IA generativa
se asocia con retroalimentación inmediata
y diversa, autoevaluación y rutas de
aprendizaje adaptativas que fortalecen
la autorregulación, la motivación y el
compromiso del estudiantado (Xia et al.,
2024). A nivel de campo, las revisiones
bibliométricas muestran un foco creciente
en chatbots (p. ej., ChatGPT) y en su
impacto sobre el rendimiento académico
y la participación, al tiempo que señalan
la necesidad de personalización y de
formación docente para un uso efectivo de
estas herramientas (Aguado-García et al.,
2025).
En paralelo, las plataformas con
trayectorias adaptativas impulsadas
73
IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al
cumplImIento de la “tercera mIsIón” cumplImIento de la “tercera mIsIón”
Luqe, M., & Requeiro, R.
YACHANA Revista Cientíca, vol. 15, núm. 1 (enero-junio de 2026), pp. 71-84
por IA se proponen como soporte para
currículos centrados en el estudiante,
con implicaciones para el diseño de la
evaluación, la integridad académica y el
desarrollo de la alfabetización en IA de
docentes y estudiantes (Xia et al., 2024).
Aunque varios estudios han explorado
estos aspectos por separado, son pocos
los que indagan en la intersección entre
neuroeducación, tecnologías emergentes y
la tercera misión universitaria. Por ejemplo,
la revisión sistemática de Compagnucci y
Spigarelli (2020) analiza la Tercera Misión
de las universidades –especialmente
la transferencia de conocimiento y el
compromiso con actores no académicos–
y propone un marco de medidas para su
implementación a partir de 134 artículos
(2004–2019).
Sin embargo, no profundiza en metodologías
pedagógicas basadas en neuroeducación
ni en tecnologías emergentes aplicadas
directamente al aula. De igual modo,
trabajos sobre neuroeducación recientes
describen dinámicas neuronales y
estrategias pedagógicas, pero con escasa
consideración de su aplicación concreta
en la vinculación con la comunidad
universitaria (Pradeep, 2024d. ).
Este estudio aporta diferenciación al
investigar empíricamente cómo la
aplicación de principios neuroeducativos
combinados con tecnologías emergentes en
cursos virtuales de la carrera de Educación,
en la Universidad Metropolitana del
Ecuador, puede potenciar la participación,
la motivación, la colaboración y la
transferencia de conocimiento comunitario.
A partir de ello, la investigación se orienta
por las siguientes preguntas:
1. ¿Cómo contribuye la integración
de principios de neuroeducación y
el uso de tecnologías emergentes
al fortalecimiento de la tercera mi-
sión universitaria en estudiantes de
la carrera de Educación?
2. ¿Qué evidencias cualitativas y
cuantitativas muestran mejoras en
la participación, motivación y co-
laboración estudiantil al aplicar es-
tas estrategias en cursos virtuales?
El objetivo general consiste en analizar la
relación entre neuroeducación, tecnologías
emergentes y tercera Misión universitaria,
identicando sus aportes tanto en el ámbito
pedagógico como en la vinculación social.
Desde el punto de vista metodológico, el
estudio adopta un diseño no experimental,
transversal y de carácter descriptivo-
exploratorio, que combina técnicas
cualitativas y cuantitativas mediante un
proceso de triangulación. Esta integración
metodológica –basada en observación
estructurada, entrevistas semiestructuradas
y análisis documental– permite analizar
de manera contextual cómo los principios
de la neuroeducación y las tecnologías
emergentes se articulan en las prácticas
docentes y en las acciones de vinculación
universitaria.
Materiales y método
Tipo de estudio
La investigación se desarrolló bajo un
enfoque no experimental, transversal y
de tipo descriptivo–exploratorio, con
integración de técnicas cualitativas y
cuantitativas para alcanzar una visión
comprensiva del fenómeno estudiado.
Este diseño resulta pertinente cuando se
pretende analizar prácticas educativas
en su contexto natural, sin manipular
74
Luqe, M., & Requeiro, R.
YACHANA Revista Cientíca, vol. 15, núm. 1 (enero-junio de 2026), pp. 71-84
IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al
cumplImIento de la “tercera mIsIón” cumplImIento de la “tercera mIsIón”
variables, privilegiando la observación
de interacciones y la interpretación de
signicados, al tiempo que se incorporan
mediciones básicas de frecuencia y
tendencia (Creswell & Plano, 2018;
Johnson & Onwuegbuzie, 2004). Se
seleccionó este enfoque porque permite
comprender cómo los principios de
la neuroeducación y las tecnologías
emergentes se aplican en escenarios reales
de enseñanza, evaluando su impacto
en la motivación, la participación y la
transferencia de conocimiento hacia
proyectos de vinculación comunitaria.
El procedimiento metodológico integró
tres fuentes principales de datos –
observación estructurada, entrevistas
semiestructuradas y análisis documental–,
articuladas mediante un proceso de
triangulación secuencial que permitió
contrastar hallazgos y reforzar la validez
interna del estudio (véase la Figura 1).
Participantes
La población de estudio estuvo confor-
mada por 135 estudiantes de la carrera de
Educación de la Universidad Metropolita-
na del Ecuador, matriculados en modali-
dad virtual durante el período académico
65. Todos cursaban asignaturas anes a
Herramientas Informáticas y Tecnología
Educativa. Los participantes se encon-
traban en sexto semestre y tenían edades
comprendidas entre 25 y 50 años, con
una media estimada de 34,8 años (DE =
6,2), lo que reeja una cohorte adulta con
experiencia previa en contextos laborales
y académicos.
La estrategia de muestreo fue no
probabilística e intencional, lo cual
es frecuente en estudios de carácter
exploratorio donde se seleccionan grupos
que presentan características relevantes
para el objeto de estudio (Etikan et
Figura 1
Esquema del diseño metodológico y triangulación de fuentes
Observación estructurada
Datos cuantitativos
n = 1.35 estudiantes
Indicadores: participación,
retroalimentación,
compromiso digital
Entrevistas semiestructuradas
Datos cuantitativos
3 docentes
Análisis temático inductivo
Triangulación metodológica
Integración de datos cualitativos y cuantitativos
Validación de resultados y coherencia analítica
Comprensión holística del fenómeno estudiado.
Análisis documental
Contexto institucional
Planes de estudio,
lineamientos y normativa
nacional
75
IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al
cumplImIento de la “tercera mIsIón” cumplImIento de la “tercera mIsIón”
Luqe, M., & Requeiro, R.
YACHANA Revista Cientíca, vol. 15, núm. 1 (enero-junio de 2026), pp. 71-84
al., 2016). La elección de este grupo
especíco se justica porque en las
asignaturas observadas se integraban de
forma explícita metodologías activas,
gamicación y recursos de inteligencia
articial, construyendo un entorno propicio
para analizar la convergencia entre
neuroeducación y tecnologías emergentes.
Se emplearon, además, tres instrumentos
principales para la recolección y
triangulación de la información:
Guía de observación estructurada
Este instrumento observacional fue
diseñado especícamente para registrar la
aplicación de principios neuroeducativos
y el uso de tecnologías emergentes en
el aula virtual. Incluyó indicadores en
escala Likert (1 = siempre, 2 = a veces, 3
= nunca), organizados en dos categorías:
principios de neuroeducación aplicados
(participación activa, conexión signicativa
con el contenido, retroalimentación
positiva) y uso de tecnologías emergentes
(compromiso, resolución de problemas,
colaboración mediante dispositivos). Su
desarrollo se basó en la literatura sobre
observación sistemática en contextos
educativos (Angrosino, 2007) y puede
ser replicado o adaptado en otras carreras
universitarias para evaluar prácticas
docentes innovadoras con enfoque
neuroeducativo.
Entrevistas semiestructuradas con cues-
tionario
Aplicadas a los docentes responsables
de las asignaturas, con el propósito de
explorar percepciones sobre la motivación
estudiantil, los benecios del uso de
inteligencia articial y gamicación, así
como los desafíos asociados. Las entrevistas
semiestructuradas son ampliamente
utilizadas en investigación educativa porque
permiten obtener información contextual y
contrastar los hallazgos observacionales
(Kallio et al., 2016).
Análisis documental
Comprendió la revisión de planes de
estudio, lineamientos institucionales
y normativa nacional vinculada a la
educación digital. Este procedimiento
aportó el marco contextual necesario
para vincular la práctica educativa
observada con la política institucional
y con la tercera misión universitaria,
asegurando coherencia entre los hallazgos
y los objetivos estratégicos (Bowen,
2009). Asímismo, se describieron los los
materiales utilizados y los instrumentos
de recolección de datos, tales como
cuestionarios, test, pruebas estandarizadas,
entre otros, especicando sus propiedades
psicométricas. De igual forma, se detallaron
los aparatos y dispositivos empleados,
indicado versión, características técnicas,
marca registrada, modelo y fabricante y
el tipo de mediciones obtenidas mediante
cada equipo.
Procedimiento
La recolección de datos se efectuó en tres
sesiones de clase virtuales consecutivas,
correspondientes a las asignaturas
Herramientas Informáticas y Tecnología
Educativa. Durante las sesiones se
implementaron pausas activas, actividades
gamicadas y el uso de chatbots con
inteligencia articial como asistentes
pedagógicos.
Las observaciones fueron realizadas por
los docentes responsables, previamente
capacitados mediante taller de calibración
en el uso de la guía estructurada para
asegurar uniformidad en los criterios de
76
Luqe, M., & Requeiro, R.
YACHANA Revista Cientíca, vol. 15, núm. 1 (enero-junio de 2026), pp. 71-84
IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al
cumplImIento de la “tercera mIsIón” cumplImIento de la “tercera mIsIón”
registro. En paralelo, se aplicaron las
entrevistas a los mismos docentes y se
recopilaron documentos institucionales
que sustentaban la incorporación de
neuroeducación y tecnologías emergentes
en el currículo.
Análisis de datos
Los datos cuantitativos obtenidos de
la guía de observación se procesaron
mediante análisis descriptivo univariado,
con cálculo de frecuencias absolutas,
porcentajes, promedios y desviaciones
estándar, siguiendo las recomendaciones
de Field (2018) para el tratamiento
de escalas categóricas. Las medias y
desviaciones estándar se calcularon a
partir de los porcentajes de cumplimiento
de cada indicador dentro de las categorías
analizadas, a n de estimar la consistencia
interna de las observaciones.
Los datos cualitativos, provenientes de las
entrevistas y de las notas de observación,
se analizaron mediante codicación
temática inductiva, conforme a las fases de
Braun y Clarke (2006): (1) familiarización
con los datos, (2) generación de códigos
iniciales, (3) búsqueda de temas, (4)
revisión y (5) denición nal. Este proceso
permitió identicar patrones de signicado
relacionados con motivación, colaboración
y transferencia de conocimiento hacia la
comunidad.
Para garantizar la validez interna del
estudio se aplicó una estrategia de
triangulación metodológica, contrastando
la información procedente de la
observación, las entrevistas y el análisis
documental, procedimiento recomendado
para reforzar la credibilidad en los estudios
sociales aplicados (Denzin, 2012).
Consideraciones éticas
El estudio contó con la aprobación del
Consejo Académico Superior de la
Universidad Metropolitana del Ecuador y
se desarrolló conforme a los lineamientos
éticos internacionales para investigaciones
educativas. Todos los participantes
otorgaron consentimiento informado, se
garantizó la participación voluntaria y se
resguardó la condencialidad de los datos
personales, conforme a las orientaciones
de la British Educational Research
Association (BERA, 2018).
Resultados
La observación sistemática de tres sesiones
virtuales (n = 135 estudiantes) evidenció
una aplicación consistente de principios de
neuroeducación y tecnologías emergentes
en las asignaturas de Herramientas
Informáticas y Tecnología Educativa
(véase la Tabla 1). Los indicadores
correspondientes a la categoría Principios
de neuroeducación alcanzaron valores
medios altos, con un promedio general
de 81,0% (DE = 3,0), lo que sugiere un
nivel de implementación homogéneo
entre los tres componentes analizados.
La participación activa mediante pausas
o ejercicios fue el indicador con mayor
frecuencia de cumplimiento (85%),
seguido por la retroalimentación positiva
y reconocimiento del esfuerzo (80%) y la
conexión personal con el contenido (78%).
Esta consistencia reeja un equilibrio
entre estimulación cognitiva, refuerzo
emocional y vinculación signicativa con
el aprendizaje, tres pilares del enfoque
neuroeducativo.
En cuanto a la categoría Uso de tecnologías
emergentes, los resultados fueron
ligeramente superiores, con un promedio
77
IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al
cumplImIento de la “tercera mIsIón” cumplImIento de la “tercera mIsIón”
Luqe, M., & Requeiro, R.
YACHANA Revista Cientíca, vol. 15, núm. 1 (enero-junio de 2026), pp. 71-84
general de 87,3% (DE = 3,8). Los
indicadores más altos correspondieron al
compromiso con aplicaciones interactivas
o gamicadas (90%) y a la colaboración
mediada por tabletas o computadoras
(90%), mientras que la interacción con toma
de decisiones o resolución de problemas
registró un 82%. Este patrón sugiere una
mayor estabilidad en la participación
digital y una respuesta más heterogénea
en tareas de resolución compleja. La
diferencia media entre categorías fue de 6,3
puntos porcentuales, favoreciendo al uso
de tecnologías emergentes, lo que conrma
que el componente tecnológico actúa
como catalizador de la motivación y el
compromiso estudiantil (véase la Tabla 2).
Tabla 1
Resultados de la guía de observación (n=135 estudiantes)
Categoría Indicador
Siempre
(%)
A veces
(%)
Nunca
(%)
Principios de
Neuroeducación
Participación activa mediante pausas o
ejercicios
85 10 5
Conexión personal con el contenido 78 15 7
Retroalimentación positiva y
reconocimiento del esfuerzo
80 12 8
Uso de
Tecnologías
Emergentes
Compromiso con aplicaciones interactivas/
gamicadas
90 8 2
Interacción con toma de decisiones o
resolución de problemas
82 14 4
Colaboración con tabletas/computadoras 90 7 3
Tabla 2
Medias y desviaciones estándar por categoría observacional
Categoría
Media
(%)
Desviación estándar
(DE)
Diferencia entre
categorías (%)
Principios de
neuroeducación
81,0 3,0 -
Tecnologías emergentes 87,3 3,8 +6,3
La dispersión mínima observada (DE < 4)
evidencia consistencia entre las variables,
lo que sugiere que las prácticas pedagógicas
se aplicaron de manera uniforme en
las sesiones analizadas. Además, la
correlación observacional positiva entre
participación activa y colaboración digital
indica una posible relación sinérgica
entre los estímulos neuroeducativos
y los entornos tecnológicos, donde la
activación cognitiva se refuerza mediante
interacciones digitales colaborativas.
Las entrevistas a docentes respaldaron
estos resultados cuantitativos. El 100%
de los entrevistados armó que la
incorporación de chatbots y mentoring
asistido por inteligencia articial mejoró
78
Luqe, M., & Requeiro, R.
YACHANA Revista Cientíca, vol. 15, núm. 1 (enero-junio de 2026), pp. 71-84
IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al
cumplImIento de la “tercera mIsIón” cumplImIento de la “tercera mIsIón”
la retroalimentación y personalización del
aprendizaje. Asimismo, el 87% destacó
un aumento de la motivación cuando los
estudiantes participaron en proyectos de
vinculación, como el diseño de maquetas
digitales 3D, percibidos como una
forma de romper la rutina y promover
creatividad, curiosidad y sentido de logro.
Los testimonios señalaron además una
percepción de ujo durante las sesiones,
coincidente con estados de atención
sostenida y motivación intrínseca descritos
por la literatura neuroeducativa.
El análisis documental conrmó la
coherencia entre las prácticas observadas
y las políticas institucionales. Las
acciones implementadas se alinean con
el Plan de Creación de Oportunidades
2021–2025 y con los Objetivos de
Desarrollo Sostenible (ODS 4 y ODS
17), en tanto promueven la educación
inclusiva y la generación de alianzas
interinstitucionales. Esta correspondencia
entre práctica y política educativa respalda
la integración de tecnologías emergentes
como instrumento para fortalecer la
tercera misión universitaria, traduciendo
la docencia virtual en procesos tangibles
de transferencia de conocimiento hacia la
comunidad.
Pese a la tendencia positiva, se identicaron
algunas limitaciones estructurales. El 9%
de los estudiantes reportó dicultades de
conectividad y el 6% manifestó problemas
en el manejo de recursos digitales,
vinculados principalmente a brechas
generacionales y de infraestructura. No
obstante, estos factores no modicaron
signicativamente la media general de
desempeño, manteniéndose la consistencia
de las observaciones entre sesiones y
categorías.
Discusión
Los hallazgos evidencian que la integración
de principios de neuroeducación con
tecnologías emergentes impacta de manera
positiva en la participación, motivación y
colaboración estudiantil, factores decisivos
para la construcción del aprendizaje
signicativo en educación superior. El
hecho de que el 85% de los estudiantes
participara más activamente durante las
pausas activas respalda los postulados
de la neuroeducación, que subraya la
importancia de la plasticidad cerebral
y la activación multisensorial como
mecanismos esenciales para consolidar la
atención sostenida y la memoria de trabajo.
La estimulación de múltiples canales
sensoriales, el movimiento y la interacción
social durante los momentos de descanso
cognitivo favorecen la liberación de
neurotransmisores asociados con la
curiosidad y el bienestar, como la
dopamina y la serotonina, lo que potencia
la disposición al aprendizaje. En este
sentido, Howard-Jones (2014) advierte que
la transferencia efectiva del conocimiento
neurocientíco a la educación requiere
evitar interpretaciones simplistas o
miticadas del cerebro, proponiendo
una comunicación rigurosa entre ambas
disciplinas.
Tokuhama-Espinosa (2018) complementa
esta perspectiva al destacar que las
estrategias pedagógicas basadas en
evidencia neurocientíca, cuando
se articulan con entornos digitales
interactivos, fortalecen los procesos de
atención selectiva, motivación intrínseca
y memoria a largo plazo, elementos claves
para una educación universitaria centrada
en el estudiante.
79
IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al
cumplImIento de la “tercera mIsIón” cumplImIento de la “tercera mIsIón”
Luqe, M., & Requeiro, R.
YACHANA Revista Cientíca, vol. 15, núm. 1 (enero-junio de 2026), pp. 71-84
El incremento en la motivación y el
compromiso mediante aplicaciones
interactivas y estrategias de gamicación
(90%) concuerda con la evidencia
empírica que demuestra que los elementos
lúdicos –como puntos, niveles, insignias y
retroalimentación inmediata– refuerzan la
motivación intrínseca y la perseverancia,
reduciendo a la vez la tasa de abandono
en entornos virtuales de aprendizaje.
Hamari et al. (2014) evidenciaron que la
gamicación produce efectos positivos en
la participación y el comportamiento del
usuario, aunque dichos efectos dependen
del contexto y del perl motivacional de
los estudiantes.
La revisión meta-analítica de Sailer
y Homner (2020) conrmó efectos
signicativos sobre los resultados
cognitivos (g = 0,49), motivacionales
(g = 0,36) y conductuales (g = 0,25),
destacando que la combinación de
competencia constructiva y colaboración
potencia la motivación y el aprendizaje
profundo. Estos hallazgos se amplían con
el estudio de Tsay et al. (2019), quienes
comprobaron que la gamicación en
entornos universitarios en línea incrementa
la autorregulación, la implicación sostenida
y el sentido de logro, consolidándose como
una estrategia pedagógica que impulsa
aprendizajes profundos y duraderos en la
educación superior digital.
En cuanto al uso de inteligencia
articial y mentoring asistido por IA,
los docentes señalaron mejoras en la
personalización y retroalimentación
inmediata, particularmente en la capacidad
del sistema para ajustar los contenidos a
las trayectorias y ritmos de aprendizaje
individuales. Estos resultados conrman
lo señalado por Zawacki-Richter et al.
(2019), quienes, tras revisar de forma
sistemática la literatura internacional,
identicaron que los mayores avances
en educación superior se concentran en
sistemas de tutoría inteligente, evaluación
automatizada y entornos adaptativos.
Su análisis reveló que, aunque el campo
sigue dominado por enfoques técnicos y
cuantitativos provenientes de las ciencias
computacionales, las aplicaciones más
prometedoras son aquellas que logran
integrar principios pedagógicos sólidos
y atención a la dimensión ética del
aprendizaje automatizado.
En esa misma línea, revisiones recientes
como la de Xia et al. (2024) evidencian
que la inteligencia articial generativa está
transformando los procesos de evaluación
en la educación superior, al expandir
las posibilidades de retroalimentación
inmediata, diversicada y contextual.
Su estudio demuestra que la GenAI
impulsa la autoevaluación, fortalece la
autorregulación del aprendizaje y plantea
la necesidad de desarrollar competencias
docentes en alfabetización digital y en
evaluación ética e innovadora, orientada a
la formación integral del estudiante.
Un aspecto central es la articulación de
estas experiencias con la tercera misión
universitaria. Diversos estudios han señalado
que esta misión no se limita a un complemento
de la docencia y la investigación, sino que
constituye un espacio en el que la universidad
asume un rol económico y social activo frente
a su entorno (Compagnucci & Spigarelli,
2020). En ese marco, la literatura muestra
que la capacidad institucional para transferir
conocimiento y generar impacto depende
de la interacción dinámica entre docencia,
investigación, innovación y compromiso
comunitario, evitando modelos uniformes
que solo replican patrones de universidades
de referencia.
80
Luqe, M., & Requeiro, R.
YACHANA Revista Cientíca, vol. 15, núm. 1 (enero-junio de 2026), pp. 71-84
IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al
cumplImIento de la “tercera mIsIón” cumplImIento de la “tercera mIsIón”
Asimismo, el vínculo entre actividad
emprendedora universitaria y
competitividad regional pone de relieve
que las prácticas formativas basadas en
metodologías activas y en tecnologías
emergentes potencian no solo aprendizajes
académicos, sino también capital humano y
cohesión social en los territorios (Guerrero
et al., 2016). Los proyectos de vinculación
observados en este estudio –donde los
estudiantes aplicaron recursos digitales y
enfoques colaborativos en comunidades
locales– se inscriben en esa perspectiva,
evidenciando que la universidad puede
generar soluciones pertinentes y al mismo
tiempo fortalecer su legitimidad social.
La coherencia observada entre estas
experiencias y los lineamientos
institucionales y regionales es clara. El Plan
de Creación de Oportunidades 2021–2025
(Senplades, 2021) sitúa la transformación
digital como un eje transversal para
fortalecer la educación, la innovación y la
productividad nacional, subrayando que
el acceso a tecnologías debe traducirse
en mejores oportunidades sociales y
económicas. De forma complementaria, la
Recomendación sobre la Ciencia Abierta
de la UNESCO (2021) enfatiza que la
democratización del conocimiento y la
transparencia cientíca son condiciones
necesarias para reducir desigualdades
y ampliar la participación social en la
generación de saberes.
A nivel regional, la CEPAL (Herrera et al.,
2025) advierte que, pese a las mejoras en
conectividad, la persistencia de brechas
en competencias digitales limita el
aprovechamiento de estas oportunidades,
y plantea que el sistema educativo debe
asumir un papel activo en la formación
de dichas competencias desde etapas
tempranas. En este marco, la adopción de
tecnologías emergentes en la universidad
no solo se entiende como un recurso
pedagógico, sino como una estrategia
para fortalecer la equidad educativa y
la responsabilidad social, vinculando la
práctica académica con los Objetivos de
Desarrollo Sostenible.
No obstante, también emergen retos que
coinciden con la literatura reciente. El
Marco Europeo de Competencia Digital
Docente (DigCompEdu) subraya que
el desarrollo profesional docente debe
avanzar hacia niveles de competencia
estratégica e innovadora, capaces de
integrar la tecnología no solo como
recurso técnico, sino como componente
pedagógico y evaluativo del proceso de
enseñanza (Redecker, 2017).
En paralelo, la revisión sistemática de
Salas-Pilco et al. (2022) sobre la educación
superior en América Latina durante la
pandemia de COVID-19 reveló que las
limitaciones en conectividad, capacitación
docente y apoyo emocional afectaron
directamente la participación estudiantil
y la sostenibilidad del aprendizaje en
línea, especialmente en instituciones
con menor infraestructura tecnológica.
Asimismo, Ifenthaler y Schumacher
(2016) demostraron que, ante el avance
de los sistemas de learning analytics,
los estudiantes expresan una percepción
conservadora respecto al uso de sus datos
personales, demandando transparencia,
control y equidad en el acceso a tecnologías
educativas.
Limitaciones del estudio
Una limitación metodológica es que
la observación se circunscribió a tres
sesiones de clase, lo que restringe la
posibilidad de generalizar los resultados
81
IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al
cumplImIento de la “tercera mIsIón” cumplImIento de la “tercera mIsIón”
Luqe, M., & Requeiro, R.
YACHANA Revista Cientíca, vol. 15, núm. 1 (enero-junio de 2026), pp. 71-84
a todo el currículo. Asimismo, la muestra
se limitó a una sola carrera universitaria y
a un período académico especíco, lo que
puede condicionar la variabilidad de las
experiencias estudiantiles. Otra limitación
fue la dependencia de autoinformes
docentes y entrevistas, que pueden estar
sujetos a sesgos de percepción.
Aportes del estudio
El aporte principal radica en ofrecer
evidencia empírica sobre la convergencia
entre neuroeducación, tecnologías
emergentes y la tercera misión universitaria
en un contexto latinoamericano. Esto
complementa la literatura internacional
que suele enfocarse en países europeos
(Taieb, 2024) o de Norteamérica (Radianti
et al., 2020). Además, el estudio aporta
un instrumento observacional que puede
replicarse en otras carreras y universidades,
y propone una ruta metodológica que
integra análisis cualitativos y cuantitativos
para evaluar la pertinencia social de las
innovaciones pedagógicas.
Conclusiones
La investigación realizada conrma que la
integración de principios de neuroeducación
con tecnologías emergentes en la formación
universitaria favorece de manera tangible
la participación, la motivación y la
colaboración de los estudiantes, generando
condiciones para que la Tercera misión
universitaria se materialice en prácticas
de transferencia de conocimiento y
vinculación comunitaria.
El uso de pausas activas, la gamicación
y la retroalimentación personalizada,
mediada por inteligencia articial no sólo
optimizó la experiencia de aprendizaje
en el aula virtual, sino que también
facilitó la proyección de proyectos de
vinculación con impacto social vericable,
ampliando el alcance de la docencia hacia
la interacción con el entorno.
En términos prácticos, los resultados
sugieren la necesidad de institucionalizar
espacios de formación docente en
metodologías neuroeducativas y en el
uso responsable de tecnologías digitales,
de establecer métricas que midan no
solo logros académicos sino también
el valor público de las actividades de
vinculación, y de garantizar infraestructura
adecuada que permita escalar estas
innovaciones a otras carreras y programas
universitarios. Asimismo, la incorporación
sistemática de actividades diseñadas con
objetivos de transferencia explícitos y el
fortalecimiento de alianzas con actores
comunitarios emergen como condiciones
para consolidar la relevancia social de la
educación superior en América Latina.
Futuras investigaciones deberían
considerar diseños longitudinales y
comparativos entre universidades y
carreras, a n de estimar la sostenibilidad
de los efectos observados en la motivación
y el rendimiento estudiantil. Asimismo, se
recomienda avanzar hacia estudios cuasi-
experimentales que permitan estimar
tamaños de efecto más precisos y explorar
con mayor detalle el potencial de las
analíticas de aprendizaje y la inteligencia
articial bajo marcos éticos claros. El
análisis de costo-efectividad y la validación
de instrumentos en contextos diversos
representan también líneas prometedoras
para orientar políticas institucionales y
garantizar que la innovación tecnológica
en la educación superior se traduzca en un
impacto social equitativo y duradero.
82
Luqe, M., & Requeiro, R.
YACHANA Revista Cientíca, vol. 15, núm. 1 (enero-junio de 2026), pp. 71-84
IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al
cumplImIento de la “tercera mIsIón” cumplImIento de la “tercera mIsIón”
Referencias
Aguado-García, J.-M., Alonso-Muñoz, S.,
& De-Pablos-Heredero, C. (2025).
Using Articial Intelligence for
Higher Education: An Overview
and Future Research Avenues.
SAGE Open, 15(2). https://doi.
org/10.1177/21582440251340352
Angrosino, M. (2007). Doing ethnographic
and observational research. SAGE.
https://tinyurl.com/4sdr95mb
Bowen, G. A. (2009). Document analysis
as a qualitative research method.
Qualitative Research Journal, 9(2),
27–40. https://doi.org/10.3316/
QRJ0902027
Braun, V., & Clarke, V. (2006). Using
thematic analysis in psychology.
Qualitative Research in Psychology,
3(2), 77–101. https://doi.
org/10.1191/1478088706qp063oa
British Educational Research Association.
(2018). Ethical guidelines for
educational research (4th. ed.). British
Educational Research Association.
https://tinyurl.com/35fsty6f
Compagnucci, L., & Spigarelli, F. (2020,
December). The Third Mission of
the university: A systematic literature
review on potentials and constraints.
Technological Forecasting and Social
Change, 161, 120284. https://doi.
org/10.1016/j.techfore.2020.120284
Creswell, J. W., & Plano Clark, V. L.
(2018). Designing and conducting
mixed methods research (3rd ed.).
SAGE. https://tinyurl.com/57rdx442
Denzin, N. K. (2012). Triangulation
2.0. Journal of Mixed Methods
Research, 6(2), 80-88. https://doi.
org/10.1177/1558689812437186
Etikan, I., Musa, S. A., & Alkassim, R. S.
(2016). Comparison of Convenience
Sampling and Purposive Sampling.
American Journal of Theoretical and
Applied Statistics, 5(1), 1–4. https://
doi.org/10.11648/j.ajtas.20160501.11
Field, A. (2018). Discovering statistics
using IBM SPSS statistics (5
th
ed.).
SAGE.
Gkintoni, E., Antonopoulou, H., Sortwell,
A., & Halkiopoulos, C. (2025).
Challenging Cognitive Load Theory:
The Role of Educational Neuroscience
and Articial Intelligence in
Redening Learning Ecacy. Brain
sciences, 15(2), 203. https://doi.
org/10.3390/brainsci15020203
Guerrero, M., Urbano, D., & Fayolle, A.
(2016). Entrepreneurial activity and
regional competitiveness: Evidence
from European entrepreneurial
universities. The Journal of
Technology Transfer, 41(1), 105–131.
https://doi.org/10.1007/s10961-014-
9377-4
Hamari, J., Koivisto, J., & Sarsa, H.
(2014). Does gamication work?
A literature review of empirical
studies on gamication. In Sprague,
R. (Ed.), Proceedings of the 47th
Hawaii International Conference
on System Sciences (HICSS), (pp.
3025–3034). https://doi.org/10.1109/
HICSS.2014.377
83
IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al
cumplImIento de la “tercera mIsIón” cumplImIento de la “tercera mIsIón”
Luqe, M., & Requeiro, R.
YACHANA Revista Cientíca, vol. 15, núm. 1 (enero-junio de 2026), pp. 71-84
Herrera, P., Huepe, M., & Trucco, D.
(2025). Educación y desarrollo de
competencias digitales en América
Latina y el Caribe (LC/TS.2025/3).
Comisión Económica para América
Latina y el Caribe (CEPAL). https://
tinyurl.com/22drdbb3
Howard-Jones, P. A. (2014). Neuroscience
and education: Myths and messages.
Nature Reviews Neuroscience,
15(12), 817–824. https://doi.
org/10.1038/nrn3817
Ifenthaler, D., & Schumacher, C. (2016).
Student perceptions of privacy
principles for learning analytics.
Educational Technology Research
and Development, 64(5), 923–938.
https://doi.org/10.1007/s11423-016-
9477-y
Johnson, R. B., & Onwuegbuzie, A. J.
(2004). Mixed Methods Research:
A Research Paradigm Whose
Time Has Come. Educational
Researcher, 33(7), 14-26. https://doi.
org/10.3102/0013189X033007014
Kallio, H., Pietilä, A. M., Johnson, M., &
Kangasniemi, M. (2016). Systematic
methodological review: Developing
a framework for a qualitative semi‐
structured interview guide. Journal
of Advanced Nursing, 72(12),
2954–2965. https://doi.org/10.1111/
jan.13031
Organización de las Naciones Unidas
para la Educación, la Ciencia y la
Cultura. (2021). Recomendación
de la UNESCO sobre la Ciencia
Abierta. https://unesdoc.unesco.org/
ark:/48223/pf0000379949_spa
Pradeep, K., Anbalagan, R. S.,
Thangavelu, A. P., Aswathy, S.,
Jisha, V. G., & Vaisakhi, V. S. (2024).
Neuroeducation: Understanding
neural dynamics in learning and
teaching. Frontiers in Education, 9,
1437418. https://doi.org/10.3389/
feduc.2024.1437418
Radianti, J., Majchrzak, T. A., Fromm, J., &
Wohlgenannt, I. (2020). A systematic
review of immersive virtual reality
applications for higher education:
Design elements, lessons learned,
and research agenda. Computers &
Education, 147, 103778. https://doi.
org/10.1016/j.compedu.2019.103778
Redecker, C. (2017). European framework
for the digital competence of
educators: DigCompEdu (Y.
Punie, Ed.). Publications Oce of
the European Union. https://doi.
org/10.2760/159770
Sailer, M., & Homner, L. (2020, March).
The gamication of learning: A meta-
analysis. Educational Psychology
Review, 32, 77–112. https://doi.
org/10.1007/s10648-019-09498-w
Salas-Pilco, S. Z., Yang, Y., & Zhang, Z.
(2022). Student engagement in online
learning in Latin American higher
education during the COVID-19
pandemic: A systematic review.
British journal of educational
technology: journal of the Council
for Educational Technology, 53(3),
593–619. https://doi.org/10.1111/
bjet.13190
Secretaría Nacional de Planicación.
(2021). Plan de Creación de
Oportunidades 2021–2025. https://
tinyurl.com/m3xwem3e
84
Luqe, M., & Requeiro, R.
YACHANA Revista Cientíca, vol. 15, núm. 1 (enero-junio de 2026), pp. 71-84
IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al IntelIgencIa artIfIcIal y tecnologías emergentes aplIcadas al
cumplImIento de la “tercera mIsIón” cumplImIento de la “tercera mIsIón”
Para referenciar este artículo utilice el siguiente formato:
Luque, M. & Requeiro, R. (2026, enero-junio). Inteligencia articial y tecnologías emergentes
aplicadas al cumplimiento de la “Tercera Misión”. YACHANA Revista Cientíca, 15(1), 71-
84. https://doi.org/10.62325/10.62325/yachana.v15.n1.2026.1048
Taieb, S. (2024). Measuring the third
mission of European universities: A
systematic literature review. Society
and Economy, 46(2), 147–167. https://
doi.org/10.1556/204.2023.00030
Tokuhama-Espinosa, T. (2018).
Neuromyths: Debunking false
ideas about the brain. W. W.
Norton & Company. https://tinyurl.
com/2vkp9cxc
Tsay, C., Konas, A. K., Trivedi, S. K.,
& Yang, Y. (2019). Overcoming the
novelty eect in online gamied
learning systems: An empirical
evaluation of learner engagement and
performance. Journal of Computer
Assisted Learning, 36(2), 128–146.
https://doi.org/10.1111/jcal.12385
Xia, Q., Weng, X., Ouyang, F., Lin, T. J.,
& Chiu, T. K. F. (2024). A scoping
review on how generative articial
intelligence transforms assessment
in higher education. International
Journal of Educational Technology
in Higher Education, 21, Article 40.
https://doi.org/10.1186/s41239-024-
00468-z
Zawacki-Richter, O., Marín, V. I., Bond,
M., & Gouverneur, F. (2019).
Systematic review of research on
articial intelligence applications
in higher education: Where are the
educators? International Journal of
Educational Technology in Higher
Education, 16, Article 39. https://doi.
org/10.1186/s41239-019-0171-0