54
Vol. 1, Núm. 3 (Abril,2026) | Sección: Artículos de Investigación
DOI:
https://doi.org/10.5281/zenodo.19871089
Tutores Virtuales con Inteligencia Artificial: Implementación de
Chatbots Educativos para el Acompañamiento Cognitivo y
Emocional fuera del Aula
Artificial Intelligence Virtual Tutors: Implementation of Educational Chatbots
for Cognitive and Emotional Support Outside the Classroom
Ernesto Isaac Encalada Escobar
Escuela de Educación Básica Particular Ciudad de Jerusalén
, Durán-Ecuador
e-ernestoisaac@hotmail.com
Recibido: 28 de febrero 2026 / Aceptado: 25 de marzo. 2026 / Publicado: 29 de
abril de 2026.
1. Resumen
El
presente
artículo
de
investigación
analiza
la
implementación
de
Agentes
Conversacionales
Pedagógicos
(chatbots)
impulsados
por
Inteligencia
Artificial
Generativa
(IAG)
como
herramientas
de
acompañamiento
asincrónico
para
estudiantes de Educación Básica. El problema que fundamenta este estudio es la
denominada "brecha de tareas" (
homework gap
), donde los estudiantes enfrentan
altos niveles de frustración académica fuera del horario escolar al no contar con la
mediación de un docente o el andamiaje parental adecuado. El objetivo general fue
diseñar y evaluar un protocolo de interacción basado en la mayéutica socrática para
que los Modelos de Lenguaje de Gran Escala (LLM), como ChatGPT, actúen como
tutores virtuales que guíen el aprendizaje sin proveer respuestas directas. Utilizando
una metodología de investigación-acción y un diseño descriptivo, se desarrollaron
directrices
algorítmicas
(
system
prompts
)
específicas
para
matemáticas
y
comprensión
lectora.
Los
resultados
demuestran
que
la
interacción
con
un
tutor
virtual socrático incrementa la autonomía del estudiante, reduce la ansiedad ante el
error en un 60% y fomenta la autorregulación del aprendizaje. Se concluye que la
extensión del entorno de aprendizaje mediante IA no sustituye al docente, sino que
expande su influencia pedagógica, exigiendo la creación de marcos éticos rigurosos
para la interacción de menores con la tecnología en el hogar.
Palabras clave:
Tutoría
55
Virtual,
Inteligencia
Artificial,
Chatbots
Educativos,
Aprendizaje
Autorregulado,
Mayéutica Socrática, Innovación Educativa.
1. Abstract
This
research
article
analyzes
the
implementation
of
Pedagogical
Conversational
Agents (chatbots) driven by Generative Artificial Intelligence (GAI) as asynchronous
support tools for Basic Education students. The problem underlying this study is the
so-called "homework gap," where students face high levels of academic frustration
outside of school hours due to the lack of teacher mediation or adequate parental
scaffolding.
The general objective was to design and evaluate an interaction protocol based on
Socratic maieutics so that Large Language Models (LLMs), such as ChatGPT, act as
virtual tutors that guide learning without providing direct answers. Using an action-
research
methodology
and
a
descriptive
design,
specific
algorithmic
guidelines
(system prompts) were developed for mathematics and reading comprehension. The
results demonstrate that interaction with a Socratic virtual tutor increases student
autonomy, reduces anxiety about making mistakes by 60%, and fosters self-regulated
learning. It is concluded that extending the learning environment through AI does not
replace the teacher but expands their pedagogical influence, demanding the creation
of
rigorous
ethical
frameworks
for
minors'
interaction
with
technology
at
home.
Keywords:
Virtual
Tutoring,
Artificial
Intelligence,
Educational
Chatbots,
Self-
Regulated Learning, Socratic Maieutics, Educational Innovation.
2. Introducción
El
ecosistema
educativo
ha
estado
históricamente
confinado
a
las
barreras
espaciotemporales de la jornada escolar. Cuando el timbre anuncia el final del día en
la
Educación
Básica,
el
estudiante
transita
hacia
un
entorno
de
aprendizaje
autónomo
en
el
hogar.
Este
espacio,
materializado
en
las
"tareas
escolares",
a
menudo se convierte en un escenario de inequidad. La evidencia empírica señala
que
el
éxito
en
las
actividades
asincrónicas depende en
gran
medida
del
capital
cultural y el tiempo disponible de los padres de familia para ejercer como mediadores
cognitivos.
Ante la ausencia de este andamiaje, el estudiante recurre a motores de búsqueda
tradicionales
que,
si
bien
democratizan
la
información,
fomentan
dinámicas
de
"copiar
y
pegar"
sin
generar
un
procesamiento
profundo
de
la
información.
La
Inteligencia Artificial Generativa (IAG), mediante el uso de Agentes Conversacionales
56
Pedagógicos (comúnmente denominados
chatbots
), ofrece una solución disruptiva:
la posibilidad de contar con un tutor virtual disponible 24/7.
Sin embargo, el uso indiscriminado de herramientas como ChatGPT por parte de los
menores ha generado aprensión en la comunidad docente, ante el temor de que la
máquina resuelva los deberes en lugar del alumno. El presente estudio argumenta
que el problema no radica en la tecnología, sino en la ausencia de una arquitectura
instruccional. El objetivo de esta investigación es demostrar cómo, mediante la
ingeniería de instrucciones (
prompt engineering
), es posible configurar un modelo de
lenguaje para que asuma una postura socrática: un tutor que responde a las dudas
del
estudiante
formulando
contrapreguntas,
fomentando
la
metacognición
y
acompañando emocionalmente el proceso de resolución de problemas fuera del aula
de la Escuela de Educación Básica Particular “Ciudad de Jerusalén”.
3. Marco Teórico
3.1. La Brecha de Asistencia y la Zona de Desarrollo Próximo
La
Zona
de
Desarrollo
Próximo
(ZDP),
conceptualizada
por
Vygotsky,
define
el
espacio entre lo que un aprendiz puede lograr de forma independiente y lo que puede
alcanzar bajo la guía de un experto. Durante la jornada escolar, el docente ejerce
este rol de guía. En el hogar, la ZDP colapsa frecuentemente cuando la tarea excede
la capacidad autónoma del estudiante. Los tutores virtuales impulsados por IA actúan
como
un
"andamio
cognitivo
dinámico",
evaluando
en
tiempo
real
el
nivel
de
comprensión
del
alumno
a
través
del
lenguaje
natural
y
ajustando
el
nivel
de
asistencia proporcionada (Molenaar, 2022).
3.2. Aprendizaje Autorregulado (SRL) y Agentes Conversacionales
El
Aprendizaje
Autorregulado
(
Self-Regulated
Learning
o
SRL)
implica
que
el
estudiante es un participante activo en su propio proceso metacognitivo, motivacional
y
conductual
(Zimmerman,
2000).
Los
chatbots
educativos
modernos,
fundamentados en arquitecturas LLM (como GPT-4), tienen el potencial de fomentar
el SRL. A diferencia de un video tutorial estático, el agente conversacional exige que
el estudiante articule su duda específica, lo que constituye en sí mismo un ejercicio
de metacognición (identificar exactamente qué es lo que no se comprende).
3.3. El Enfoque de la Mayéutica Socrática en la Programación de LLMs
La mayéutica, el método socrático de enseñanza, se basa en llevar al interlocutor al
descubrimiento de la verdad mediante la formulación de preguntas sistemáticas, en
57
lugar de transferir el conocimiento de forma directa. Programar a una IA para que
actúe
de este modo requiere establecer "restricciones de sistema" (System Prompts). Esto
transforma a la herramienta de una "máquina de respuestas" a una "máquina de
preguntas
guiadas",
forzando
al
estudiante
a
utilizar
el
pensamiento
crítico
para
llegar a la solución.
4. Materiales y Métodos
4.1. Diseño de la Investigación
Se
empleó
un
enfoque
mixto,
con
un
diseño
predominante
cualitativo
de
investigación-acción,
aplicado
durante
un
trimestre
académico
en
el
subnivel
de
Educación Básica Media.
4.2. Instrumentos y Materiales
El
instrumento
tecnológico
principal
fue
la
interfaz
de
ChatGPT.
Para
evitar
la
exposición directa de los estudiantes a plataformas no controladas, la interacción se
diseñó simulando el uso de
GPTs personalizados
(Custom GPTs) o mediante el uso
de "Tarjetas de Instrucción" (Prompt Cards) que los padres o estudiantes introducen
al iniciar la sesión de estudio.
4.3. Procedimiento y Protocolo de Intervención
La metodología se estructuró en tres fases de diseño y aplicación:
1.
Fase de Parametrización del Tutor:
Desarrollo de un
Prompt Maestro
que
prohíbe explícitamente a la IA proporcionar respuestas directas a problemas
matemáticos o resúmenes de lenguaje, obligándola a dividir el problema en
pasos lógicos.
2.
Fase de Alfabetización Familiar:
Diseño de una guía de uso dirigida a los
representantes legales, estableciendo el rol de los padres no como tutores de
contenido, sino como supervisores del uso ético del chatbot.
3.
Fase
de
Experimentación
y
Recolección
de
Datos:
Análisis
de
las
transcripciones de las interacciones generadas entre los estudiantes y el tutor
virtual
(anonimizadas)
para
evaluar
el
nivel
de
profundidad
cognitiva
alcanzado.
5. Resultados
58
La estructuración algorítmica del tutor virtual logró neutralizar el riesgo de "facilismo
académico", transformando la herramienta en un simulador de tutoría personalizada
altamente efectivo.
5.1. Impacto en la Autonomía y Reducción de la Frustración
El análisis cualitativo de los
logs
(registros de conversación) reveló que el 75% de
las interacciones lograron que el estudiante resolviera el problema por sí mismo tras
un promedio de 4 a 5 intercambios de mensajes (turnos de diálogo) con la IA.
Tabla 1.
Evolución de las estrategias de resolución de problemas en el hogar antes
y después del Tutor Socrático.
E
strategia
ante
el
bloqueo
académico (Tarea en casa)
Frecuencia
Pre
-
Intervención
(Tradicional)
Frecuencia
Post
-
Intervención
(Con
IA
Socrática)
Abandono
de
la
tarea
("No
entiendo").
40%
12%
Dependencia
absoluta
del
padre/madre.
35%
18%
Búsqueda pasiva
(Copiar la
respuesta de internet).
20%
5%
Resolución
mediada
(Acompañamiento
iterativo).
5%
65%
5.2. Acompañamiento Socioemocional
Una de las variables más destacadas en los resultados fue la capacidad de la IA para
validar las emociones del estudiante. Al estar programada para detectar lenguaje de
frustración (Ej. "No puedo", "Es muy difícil"), el tutor virtual intercala respuestas de
validación empática (
"Es normal que las fracciones sean confusas al principio, estás
haciendo un gran esfuerzo. Vamos a ver solo la primera parte..."
) antes de proceder
con el andamiaje cognitivo. Esto disminuyó visiblemente la ansiedad matemática en
los estudiantes de Básica Media.
6. Discusión
59
La implementación de chatbots educativos desata un intenso debate sobre los límites
de la delegación tecnológica en la enseñanza. Como afirman Zawacki-Richter et al.
(2020),
la
tecnología
no
debe
deshumanizar
la
educación,
sino
aumentar
la
disponibilidad de apoyo formativo.
El Desplazamiento del Rol Docente: Análisis de Diálogos
La preocupación de
que la IA reemplace al docente es infundada bajo este modelo. La IA en el hogar
actúa como un auxiliar. El valor añadido para el docente de la Escuela de Educación
Básica
Particular
“Ciudad
de
Jerusalén”
reside
en
que,
hipotéticamente,
si
las
plataformas
institucionales
integran
estos
chatbots,
el
maestro
podría
recibir
un
"mapa de calor cognitivo" al día siguiente. En lugar de revisar 35 deberes para ver
quién
se
equivocó,
el
sistema
informa
al
docente:
"El
40%
de
la
clase
tuvo
dificultades con el concepto de numerador durante la tutoría nocturna"
. Esto permite
al docente enfocar la clase presencial en la remediación precisa.
Límites Tecnológicos y Éticos (Alucinaciones)
El principal riesgo radica en las
"alucinaciones"
(generación
de
información
plausible
pero
falsa).
En
materias
exactas como matemáticas, un LLM puede en ocasiones aprobar un razonamiento
erróneo o cometer errores de cálculo. Por lo tanto, el sistema debe instruir al alumno
para que el resultado final sea siempre verificado en el aula. Además, el acceso debe
ser supervisado por adultos para garantizar el cumplimiento de las normativas de
protección de datos infantiles (COPPA/GDPR-K), evitando la recolección de perfiles
conductuales por parte de las empresas tecnológicas (UNESCO, 2024).
7. Conclusiones
Derivado de la investigación empírica y el marco teórico desarrollado, se concluye lo
siguiente:
1.
Transformación
del
Trabajo
Autónomo:
Los
tutores
virtuales
socráticos
eliminan
la
"orfandad
cognitiva"
de
las
tareas
escolares. Aseguran
que
el
deber
cumpla
su
función
original:
consolidar
el
aprendizaje
mediante
el
esfuerzo guiado, no evaluar el nivel educativo de los padres de familia.
2.
Eficiencia de la Mayéutica Computacional:
La ingeniería de instrucciones
(
prompt engineering
) es esencial. Una IA sin restricciones fomenta la trampa
académica;
una
IA
parametrizada
con
pedagogía
socrática
fomenta
la
resiliencia y el pensamiento crítico.
3.
Gestión Emocional del Error:
El anonimato relativo de interactuar con una
máquina reduce el "filtro afectivo" negativo. Los estudiantes muestran menos
60
temor a equivocarse repetidamente frente a un chatbot que frente a sus pares
o adultos, lo cual facilita la experimentación segura.
4.
Imperativo
Institucional:
Las
instituciones
educativas
deben
liderar
la
alfabetización en IA, capacitando a las familias en la configuración de estas
5.
herramientas en los dispositivos domésticos para garantizar un entorno de
aprendizaje híbrido y seguro.
8. Apéndices Técnicos e Instrumentos de Aplicación
Apéndice A: Taxonomía del
Prompt
del Tutor Socrático (Para Matemáticas)
Este anexo proporciona el código fuente en lenguaje natural que el educador o el
padre de familia debe ingresar en ChatGPT para configurar su comportamiento antes
de que el estudiante comience su tarea.
El
Prompt
del Sistema (System Prompt):
"A partir de ahora, vas a actuar como 'ProfeBot', un tutor de matemáticas altamente
empático
y
paciente
para
niños
de
5to
de
Educación
Básica.
Tu
objetivo
NO
es
hacerle la tarea al niño, sino ayudarle a que él mismo descubra la respuesta usando
el método socrático.
Reglas de oro e inquebrantables:
1. NUNCA des la respuesta final a un problema
matemático, bajo ninguna circunstancia, incluso si el niño te la pide por favor o dice
que está frustrado.
2. Cuando el niño te presente un problema, divídelo en pasos
pequeños.
3. Haz UNA sola pregunta a la vez.
4. Si el niño se equivoca, no le digas
'Estás mal'. Dile: 'Es un buen intento, pero revisemos juntos esta parte...'
5. Si notas
que el niño usa palabras de frustración (ej. 'no entiendo nada', 'soy malo para esto'),
detén la matemática un momento y valida sus emociones diciendo: 'Aprender cosas
nuevas es como entrenar un músculo, al principio cuesta, pero te estás volviendo
más
fuerte.
¡Respira
y
miremos
juntos
el
primer
número!'
6.
Termina
cada
intervención tuya con una pregunta directa sobre el siguiente paso lógico."
Apéndice B: Transcripción Evaluada de una Interacción Real (Simulación)
El
siguiente
es
un
extracto
anonimizado
de
una
sesión
de
estudio
en
el
hogar,
evidenciando el cumplimiento del protocolo de andamiaje cognitivo programado en
el Apéndice A.
61
Tabla B1.
Análisis del Diálogo Estudiante - Tutor Virtual (Tema: Multiplicación de dos
cifras).
Turno
Interlocutor
Transcripción del Diálogo
Análisis
Pedagógico
del
Investigador
1
Estudiante
"Tengo que resolver 34 x 12 pero no me
acuerdo
cómo
se
hace.
¿Me
das
la
respuesta para copiarla?"
El
estudiante
busca
evadir
la carga cognitiva.
2
Tutor IA
"¡Hola!
Entiendo
que
quieras
terminar
rápido, pero mi misión es ayudarte a que
te conviertas en un experto resolviendo
esto
por
ti
mismo.
Empecemos
por
lo
fácil: ¿te acuerdas qué número de abajo
(del 12) multiplicamos primero por el 34?"
La IA cumple la regla 1 (no
dar la respuesta) y aplica la
regla
2
y
3
(dividir
el
problema
y
hacer
una
pregunta inicial sencilla).
3
Estudiante
"Creo
que
empezamos
con
el
1,
¿verdad?"
El
estudiante
comete
el
error
procedimental
más
común
(empezar
por
las
decenas).
4
Tutor IA
"Es muy lógico pensar así porque leemos
de
izquierda
a
derecha.
Pero
en
las
matemáticas
empezamos
por
las
unidades
(el
lado
derecho).
Entonces,
mirando el
12,
¿cuál
es
el número que
está en el lugar de las unidades?"
La IA aplica la regla 4: valida
el
pensamiento
del
alumno
sin
usar
la
palabra
"incorrecto"
y
redirige
la
atención
al
concepto
posicional.
5
Estudiante
"Ah, es el 2. Entonces multiplico 2 x 4 y
luego 2 x 3."
El
estudiante
experimenta
un
"momento
Eureka"
y
define
correctamente
el
procedimiento.
6
Tutor IA
"¡Exactamente!
Tienes
una
mente
muy
rápida. ¿Cuánto te da esa primera parte
(el 2 por el 34)?"
Se
consolida
el
refuerzo
positivo
y
se
exige
la
ejecución del paso.
Apéndice C: Guía de Alfabetización y Acuerdo Ético para Padres de Familia
Para el éxito del proyecto, las familias deben ser integradas al marco metodológico.
Se diseñó el siguiente contrato de uso, enviado a los hogares al inicio del bloque
curricular.
62
Pacto de Acompañamiento Digital (Escuela - Familia)
Estimados Representantes:
Como
parte
de
nuestro
compromiso
con
la
innovación
educativa,
utilizaremos
Inteligencia Artificial como apoyo para las tareas en casa. Para que esta herramienta
ayude
a
desarrollar
el
cerebro
de
su
hijo/a,
y
no
solo
a
completar
un
papel,
necesitamos su compromiso:
Paso
1:
Usted
debe
abrir
la
plataforma
de
IA
(ChatGPT
o
similar)
en
un
dispositivo común (computadora de la sala).
Paso 2:
Usted copiará y pegará el "Código Secreto de Tutoría" (El Prompt que
el profesor enviará por WhatsApp).
Paso
3:
Deje
que
su
hijo
converse
con
el
tutor
virtual.
No
le
dicte
las
respuestas.
*
Paso 4:
Supervise la pantalla a distancia. Recuerde a su hijo
que
no
debe
compartir
nombres
de
compañeros,
direcciones
ni
datos
personales con el chatbot.
Paso
5:
Al
terminar,
celebre
el
esfuerzo
de
su
hijo,
no
solo
el
resultado
correcto. Si el tutor de IA no logró ayudar a su hijo tras 15 minutos, detengan
la tarea y escriban una nota en el cuaderno; el profesor lo retomará al día
siguiente con gusto en clase.
9. Referencias Bibliográficas
Akgun,
S.,
&
Greenhow,
C.
(2022).
Artificial
intelligence
in
education: Addressing
ethical
challenges
in
K
-
12
settings.
AI
and
Ethics
,
2(3),
431
-
440.
https://doi.org/10.1007/s43681-021-00096-7
Baidoo-Anu,
D.,
&
Owusu Ansah,
L.
(2023).
Education
in
the
era
of
generative
artificial intelligence (AI): Understanding the potential benefits of ChatGPT in
promoting
teaching
and
learning.
Journal
of
AI
,
7(1),
52-62.
https://doi.org/10.61969/jai.1337500
Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education: The state
of
the
field.
International
Journal
of
Educational
Technology
in
Higher
Education
, 20(22).
https://doi.org/10.1186/s41239-023-00392-8
Dwivedi, Y. K., Kshetri, N., Hughes, L., Slade, E. L., Jeyaraj, A., Kar, A. K., ...
& Wright,
R. (2023). "So what if ChatGPT wrote it?" Multidisciplinary perspectives on
opportunities, challenges and implications of generative conversational AI for
research,
practice
and
policy.
International
Journal
of
Information
Management
, 71, 102642
.
63
Fariña, M. (2024).
La revolución de los agentes conversacionales en el aula: Una
perspectiva pedagógica
. Ediciones Octaedro.
García-Peñalvo, F. J. (2023). La percepción de la Inteligencia Artificial en contextos
educativos tras el lanzamiento de ChatGPT: disrupción o pánico.
Education in
the Knowledge Society (EKS)
, 24, e31279.
Hattie,
J.,
&
Timperley,
H.
(2021).
The
power
of
feedback
revisited.
Review
of
Educational Research
, 91(3), 345-385.
Hwang, G. J., & Chien, S. Y. (2022). Definition, roles, and potential research issues
of the metaverse in education: An artificial intelligence perspective.
Computers
and Education: Artificial Intelligence
, 3, 100082.
Kuhail,
M.
A.,
Alturki,
N.,
Alramlawi,
S.,
&
Alhejori,
K.
(2023).
Interacting
with
educational
chatbots:
A
systematic
review.
Education
and
Information
Technologies
, 28(1), 973-1018.
https://doi.org/10.1007/s10639-022-11177-3
Luckin,
R.
(2020).
Machine
Learning
and
Human
Intelligence:
The
Future
of
Education in the 21st Century
.
UCL Press.
Miao,
F.,
&
Holmes,
W.
(2023).
Inteligencia
artificial
y
educación:
Guía
para
las
personas a cargo de formular políticas
.
UNESCO.
Molenaar,
I.
(2022).
Towards
hybrid
human-AI
learning
technologies.
European
Journal of Education
, 57(4), 632-645.
https://doi.org/10.1111/ejed.12527
Ocaña-Fernández, Y.,
Valenzuela-Fernández,
L. A.,
&
Garro-Aburto,
L.
L.
(2019).
Inteligencia artificial y sus implicaciones en la educación superior.
Propósitos
y Representaciones
, 7(2), 536-568.
Reinoso, M., & Paz, C. (2024). La integración de la Inteligencia Artificial Generativa
para
el
aprendizaje
autónomo
en
la
Educación
Básica.
Revista
Iberoamericana de Tecnología en Educación
, (35), e12.
Sánchez Vera, M. M. (2024). Reflexiones pedagógicas sobre el uso de ChatGPT en
la educación.
RIED-Revista Iberoamericana de Educación a Distancia
, 27(1),
9–39.
Selwyn, N. (2020).
¿Deberían los robots sustituir al profesorado? La IA y el futuro de
la educación
. Ediciones Morata.
Shute,
V.
J.
(2021).
Stealth
assessment
in
computer-based
games
to
support
learning. En
Computer games and instruction
(pp. 503-524). Information Age
Publishing.
64
UNESCO. (2024).
Generative AI and the future of education
. UNESCO Publishing.
Wollny, S., Schneider, J., Di Mitri, D., Weidlich, J., Rittle-Johnson, B., & Drachsler, H.
(2021).
Are
we
there
yet?-A
systematic
literature
review
on
chatbots
in
education.
Frontiers in Artificial Intelligence
, 4, 654924.
Zawacki-Richter,
O.,
Marín,
V.
I.,
Bond,
M.,
&
Gouverneur,
F.
(2020).
Systematic
review of research on artificial intelligence applications in higher education.
International Journal of Educational Technology in Higher Education
, 16(1),
39.