Inteligencia Artificial y Neuroeducación: De los Estilos de Aprendizaje a la Multimodalidad Adaptativa mediante Sistemas Generativos
DOI:
https://doi.org/10.5281/zenodo.22073231Palabras clave:
Neuroeducación, Inteligencia Artificial, Multimodalidad, Estilos de Aprendizaje, Plasticidad Cerebral, Diseño Instruccional.Resumen
Recibido: 28 de febrero 2026 / Aceptado: 30 de marzo. 2026 / Publicado: 29 de abril de 2026.
El presente artículo de investigación explora la intersección entre la neuroeducación y la Inteligencia Artificial Generativa (IAG) en el contexto de la Educación Básica. Tradicionalmente, la didáctica ha intentado adaptarse a los llamados "estilos de aprendizaje" (Visual, Auditivo, Kinestésico - VAK). Aunque la neurociencia contemporánea ha reclasificado la exclusividad de estos estilos como un neuromito, valida contundentemente que la presentación multimodal de la información optimiza la plasticidad sináptica y reduce la sobrecarga cognitiva. El problema radica en la incapacidad operativa del docente para generar simultáneamente múltiples representaciones de un mismo contenido. El objetivo de este estudio es estructurar metodológicamente el uso de Modelos de Lenguaje de Gran Escala (LLM) para automatizar el diseño instruccional multimodal. Mediante un diseño descriptivo de investigación-acción, se validaron protocolos de prompt engineering para transformar textos planos en guiones visuales, narrativas auditivas y simulaciones kinestésicas. Los resultados demuestran que la IA permite al educador generar rutas de aprendizaje tripartitas en un 85% menos de tiempo. Se concluye que la IA adaptativa no encasilla al estudiante en un "estilo cerebral", sino que le ofrece un ecosistema sensorial rico, respetando sus preferencias de entrada y consolidando redes neuronales más robustas.
Referencias
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
De Bruyckere, P., Kirschner, P. A., & Hulshof, C. D. (2019). More urban myths about learning and education: Challenging eduquacks, extraordinary claims, and alternative facts. Routledge.
Fernández Marfil, M., Pérez Gómez, A., & Ruiz-Palmero, J. (2024). Los modelos de lenguaje predictivo como herramientas docentes en la academia moderna. Pixel-Bit. Revista de Medios y Educación, (70), 54-81.
Forés, A., Gamo, J. R., Guillén, J. C., Hernández, T., Ligioiz, M., Pardo, F., & Trinidad, C. (2020). Neuromitos en educación: El aprendizaje desde la neurociencia. Plataforma Editorial.
García-Peñalvo, F. J. (2023). La percepción de la Inteligencia Artificial en contextos educativos tras el lanzamiento de ChatGPT. Education in the Knowledge Society (EKS), 24, e31279.
Guillén, J. C. (2019). Neuroeducación en el aula: De la teoría a la práctica. Ediciones Morata.
Hattie, J., & Timperley, H. (2021). The power of feedback revisited. Review of Educational Research, 91(3), 345-385.
Howard-Jones, P. A. (2014). Neuroscience and education: myths and messages. Nature Reviews Neuroscience, 15(12), 817-824. (Nota: Texto clásico fundamental actualizado en discusiones recientes).
López-Regalado, O., Núñez-Rojas, N., López-Gil, O., & Sánchez-Rodríguez, J. (2024). Análisis del uso de la inteligencia artificial en la educación universitaria: una revisión sistemática. Pixel-Bit. Revista de Medios y Educación, (70), 97-122.
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
Moorhouse, B. L., Wan, Y., Wu, C., & Kwong, T. (2024). Developing language teachers' professional generative AI competence. System, 125, 103399.
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.
Ruiz Martín, H. (2020). ¿Cómo aprendemos? Una aproximación científica al aprendizaje y la enseñanza. Editorial Graó.
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.
Sweller, J. (2020). Cognitive load theory and educational technology. Educational Technology Research and Development, 68(1), 1-16.
Tokuhama-Espinosa, T. (2018). Neuromyths: Debunking false ideas about the brain. WW Norton & Company. (Nota: Referencia marco obligatoria en estudios de neuroeducación).
UNESCO. (2024). Generative AI and the future of education. UNESCO Publishing.
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.
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Rosa Emilia Murillo Soriano, Gladys Maria Suarez Lainez (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Los autores/as que publiquen en la Revista Educare Ciudad de Jerusalén aceptan los siguientes términos:
Los autores/as conservan los derechos de autor y garantizan a la revista el derecho de ser la primera publicación del trabajo.
Las obras se publican bajo una licencia Creative Commons Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0), la cual permite a terceros compartir, copiar, distribuir y transmitir el material en cualquier medio o formato, así como adaptar o transformar el contenido, siempre y cuando se reconozca adecuadamente la autoría original y la publicación inicial en esta revista, y no se utilice con fines comerciales.
