Retroalimentación adaptativa basada en inteligencia artificial en entornos educativos virtuales: una revisión de literatura

Resumen

La educación superior enfrentó el desafío de ofrecer procesos de enseñanza personalizados en entornos virtuales cada vez más diversos y masivos. Las estrategias tradicionales de retroalimentación, centradas en correcciones manuales o reglas fijas, resultaron insuficientes para atender las necesidades individuales de los estudiantes. En este contexto, la inteligencia artificial (IA) emergió como una alternativa que posibilitó la generación de retroalimentación automatizada, contextualizada y en tiempo real, mejorando la calidad del aprendizaje y la sostenibilidad pedagógica. El objetivo general de este estudio fue analizar la literatura científica publicada entre 2020 y 2025 sobre la aplicación de la IA en la generación de retroalimentación adaptativa en entornos educativos virtuales. Para ello, se adoptó una metodología de revisión sistemática de literatura siguiendo el protocolo PRISMA, a partir de búsquedas en la base de datos Scopus, identificándose 21 estudios que cumplieron con los criterios de inclusión. Los resultados evidenciaron una creciente integración de modelos de aprendizaje automático, procesamiento de lenguaje natural y modelos generativos para ofrecer retroalimentación inmediata, personalizada y escalable. En términos pedagógicos, estos sistemas se asociaron con mejoras en la motivación, la metacognición y el desempeño académico, especialmente cuando el feedback fue específico, oportuno y basado en datos del aprendizaje. En consecuencia, se concluyó que la IA transformó la retroalimentación formativa al potenciar la autonomía, la motivación y la retención del estudiante. No obstante, persistieron desafíos asociados a la calidad de los datos, la dependencia tecnológica y la ética algorítmica. Se identificaron oportunidades en la integración de modelos explicables, multimodales y multilingües para una educación virtual más equitativa e inclusiva.