Aulas invertidas apoyadas por inteligencia artificial generativa en la educación superior
DOI:
https://doi.org/10.63688/d9tvzf37Palabras clave:
inteligencia artificial generativa, aula invertida, educación superior, participación estudiantil, aprendizaje autorreguladoResumen
El aula invertida apoyada por inteligencia artificial generativa combina la preparación autónoma previa con actividades presenciales activas, colaborativas y orientadas por el docente mediante herramientas como ChatGPT, Gemini y Copilot. Este estudio tuvo como objetivo analizar la contribución de este enfoque pedagógico a los resultados de aprendizaje en la educación superior. Se realizó una revisión integrativa de la literatura mediante un proceso de búsqueda sistemática basado en las etapas de identificación, cribado, elegibilidad e inclusión establecidas por PRISMA 2020. La búsqueda bibliográfica abarcó el periodo 2020–2026 y se incluyeron 15 publicaciones que cumplieron los criterios de elegibilidad. Los hallazgos se organizaron en cuatro categorías temáticas: rendimiento académico y desempeño del aprendizaje; participación activa del estudiante; aprendizaje autorregulado y pensamiento de orden superior; y condiciones pedagógicas, tecnológicas y éticas de implementación. Los resultados muestran que la inteligencia artificial generativa puede fortalecer el aula invertida mediante explicaciones personalizadas, retroalimentación inmediata, preparación previa, participación activa y apoyo al aprendizaje. No obstante, su efectividad depende del diseño instruccional, la preparación del estudiante, el acceso tecnológico y la orientación docente. Asimismo, se identificaron desafíos relacionados con la integridad académica, la privacidad, la dependencia de la IA y el acceso desigual. Se concluye que el aula invertida apoyada por IA puede contribuir a la educación superior cuando se implementa como un modelo pedagógico estructurado que promueva la verificación crítica de la información y la participación activa bajo la mediación continua del docente.
Referencias
Apaza Calsin, M., Aedo, M., & Castro, E. (2023). Impacto de ChatGPT en la enseñanza: Un enfoque de aula invertida para fundamentos de programación. RISTI–Revista Ibérica de Sistemas e Tecnologias de Informação, 52, 97–112. https://doi.org/10.17013/risti.52.97112
Baig, M. I., & Yadegaridehkordi, E. (2023). Flipped classroom in higher education: A systematic literature review and research challenges. International Journal of Educational Technology in Higher Education, 20, Article 61. https://doi.org/10.1186/s41239-023-00430-5
Bond, M., Khosravi, H., De Laat, M., Bergdahl, N., Negrea, V., Oxley, E., Pham, P., Chong, S. W., & Siemens, G. (2024). A meta systematic review of artificial intelligence in higher education: A call for increased ethics, collaboration, and rigour. International Journal of Educational Technology in Higher Education, 21, Article 4. https://doi.org/10.1186/s41239-023-00436-z
Braun, V., & Clarke, V. (2021). One size fits all? What counts as quality practice in reflexive thematic analysis? Qualitative Research in Psychology, 18(3), 328–352. https://doi.org/10.1080/14780887.2020.1769238
Bredow, C. A., Roehling, P. V., Knorp, A. J., & Sweet, A. M. (2021). To flip or not to flip? A meta-analysis of the efficacy of flipped learning in higher education. Review of Educational Research, 91(6), 878–918. https://doi.org/10.3102/00346543211019122
Cabrera-Solano, P., Castillo-Cuesta, L., & Ochoa-Cueva, C. (2026). Active learning and feedback in EFL teacher education through AI-supported flipped classrooms. Education Sciences, 16(6), Article 827. https://doi.org/10.3390/educsci16060827
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, Article 100198. https://doi.org/10.1016/j.caeai.2023.100198
Farrokhnia, M., Banihashem, S. K., Noroozi, O., & Wals, A. (2024). A SWOT analysis of ChatGPT: Implications for educational practice and research. Innovations in Education and Teaching International, 61(3), 460–474. https://doi.org/10.1080/14703297.2023.2195846
Huesca, G., Martínez-Treviño, Y., Molina-Espinosa, J. M., Sanromán-Calleros, A. R., Martínez-Román, R., Cendejas-Castro, E. A., & Bustos, R. (2024). Effectiveness of using ChatGPT as a tool to strengthen benefits of the flipped learning strategy. Education Sciences, 14(6), Article 660. https://doi.org/10.3390/educsci14060660
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, Article 102274. https://doi.org/10.1016/j.lindif.2023.102274
Lee, H.-Y., Chen, P.-H., Wang, W.-S., Huang, Y.-M., & Wu, T.-T. (2024). Empowering ChatGPT with guidance mechanism in blended learning: Effect of self-regulated learning, higher-order thinking skills, and knowledge construction. International Journal of Educational Technology in Higher Education, 21, Article 16. https://doi.org/10.1186/s41239-024-00447-4
Liu, H., Sriwisathiyakun, K., & Petsangsri, S. (2026). Integrating generative AI with the flipped classroom teaching model: Enhancing emotional well-being and student achievement. Cogent Education, 13(1), Article 2658290. https://doi.org/10.1080/2331186X.2026.2658290
Liu, Y. J., Ma, H. Z., Luo, H. Y., Xiong, Y. X., Qu, F. W., Xie, J. P., & Guo, Y. (2026). From traditional classroom to AI-enhanced flipped classroom: A three-year pedagogical evolution for international students in pharmacology. BMC Medical Education, 26, Article 1111. https://doi.org/10.1186/s12909-026-09608-7
Lo, C. K. (2023). What is the impact of ChatGPT on education? A rapid review of the literature. Education Sciences, 13(4), Article 410. https://doi.org/10.3390/educsci13040410
Lubbe, W., ten Ham-Baloyi, W., & Smit, K. (2020). The integrative literature review as a research method: A demonstration review of research on neurodevelopmental supportive care in preterm infants. Journal of Neonatal Nursing, 26(6), 308–315. https://doi.org/10.1016/j.jnn.2020.04.006
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., … Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372, Article n71. https://doi.org/10.1136/bmj.n71
Strelan, P., Osborn, A., & Palmer, E. (2020). The flipped classroom: A meta-analysis of effects on student performance across disciplines and education levels. Educational Research Review, 30, Article 100314. https://doi.org/10.1016/j.edurev.2020.100314
Yavuz, M., Balat, Ş., & Kayalı, B. (2025). The effects of artificial intelligence-supported flipped classroom applications on learning experience, perception, and artificial intelligence literacy in higher education. Open Praxis, 17(2), 286–304. https://doi.org/10.55982/openpraxis.17.2.811
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Marlene Elizabeth Rengifo Obando, Juan Gabriel Vera Alcívar, Carolina de Lourdes Arcentales Hidalgo, Karen Sabrina Brito Ordóñez, Poleth Alejandra Mendieta Sinche (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
