Libro de Actas del III Congreso Latinoamericano y del Caribe e Investigación en Educación Superior- LatinSoTL- 2025

818 comparación con enfoques tradicionales (Hattie, 2009). Este tipo de innovación tecnológica exige una reconfiguración de las prácticas docentes, donde el educador asume el papel de facilitador y diseñador de experiencias significativas (Salinas, 2021). Este planteamiento se articula con la noción de innovación inversa desarrollada por Sánchez y Martínez (2023), que promueve la adaptación contextualizada de tecnologías educativas para potenciar la inclusión y equidad. Un ejemplo de ello lo representan las plataformas móviles de bajo costo en comunidades rurales, que permiten el acceso efectivo a recursos educativos, minimizando barreras estructurales. La UNESCO (2020) enfatiza la necesidad de adoptar enfoques inclusivos que atiendan las capacidades diferenciadas del estudiantado, señalando que la IA puede ser una herramienta clave para la creación de entornos de aprendizaje accesibles. Sin embargo, su implementación no está exenta de limitaciones. Cabero-Almenara y Marín-Díaz (2020) advierten que la falta de formación docente en competencias digitales representa un obstáculo significativo, por lo que resulta prioritario el diseño de programas de desarrollo profesional continuo. Desde la perspectiva SoTL, también surgen preocupaciones éticas en torno al uso de algoritmos en procesos educativos. López (2021) subraya la importancia de garantizar principios de transparencia y equidad, con el fin de prevenir sesgos algorítmicos que podrían perjudicar a determinados grupos estudiantiles. Estas inquietudes se reflejan en estudios de caso donde se evidencia que una implementación mal estructurada de sistemas de IA puede intensificar desigualdades sociales y educativas (García & Pérez, 2022). En conjunto, la literatura SoTL aboga por una integración de la IA que sea ética, situada y centrada en el estudiante, reconociendo su potencial transformador sin perder de vista los riesgos que conlleva. Argumentación crítica: La integración de la innovación 4.0 y la inteligencia artificial (IA) en la educación presenta oportunidades transformadoras, pero también plantea desafíos significativos que exigen una reflexión crítica. En primer lugar, la IA permite personalizar el aprendizaje al adaptar los contenidos a los estilos y ritmos individuales de los estudiantes, lo que favorece la motivación y el compromiso (García-Peñalvo, 2022). No obstante, esta personalización se basa en el uso de Big Data y técnicas de minería de datos, lo que suscita inquietudes éticas sobre la privacidad y el tratamiento de la información personal. Como advierte López (2021), algoritmos que analizan el desempeño estudiantil pueden generar perfiles que, sin una regulación adecuada, podrían emplearse con multas discriminatorias o comerciales, afectando la equidad educativa. En segundo lugar, la brecha digital sigue siendo un obstáculo crítico en los procesos de enseñanza-aprendizaje. Si bien la IA puede contribuir a optimizarlos, su implementación depende tanto de las competencias digitales de los actores involucrados como de la infraestructura tecnológica disponible, especialmente en zonas rurales o con recursos limitados (Sánchez & Martínez, 2023). Esto plantea una paradoja: las tecnologías diseñadas para promover la inclusión pueden, sin una