Artificial Intelligence and Neuroeducation: From Learning Styles to Adaptive Multimodality through Generative Systems
DOI:
https://doi.org/10.5281/zenodo.22073231Keywords:
Neuroeducation, Artificial Intelligence, Multimodality, Learning Styles, Brain Plasticity, Instructional Design.Abstract
This research article explores the intersection between neuroeducation and Generative Artificial Intelligence (GAI) in the context of Basic Education. Traditionally, didactics has attempted to adapt to the so-called "learning styles" (Visual, Auditory, Kinesthetic - VAK). Although contemporary neuroscience has reclassified the exclusivity of these styles as a neuromyth, it strongly validates that the multimodal presentation of information optimizes synaptic plasticity and reduces cognitive overload. The problem lies in the operational inability of the teacher to simultaneously generate multiple representations of the same content. The objective of this study is to methodologically structure the use of Large Language Models (LLMs) to automate multimodal instructional design. Through a descriptive action-research design, prompt engineering protocols were validated to transform plain texts into visual scripts, auditory narratives, and kinesthetic simulations. The results demonstrate that AI allows the educator to generate tripartite learning paths in 85% less time. It is concluded that adaptive AI does not pigeonhole the student into a "brain style", but rather offers a rich sensory ecosystem, respecting their input preferences and consolidating more robust neural networkse
References
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.
Published
Issue
Section
License
Copyright (c) 2026 Rosa Emilia Murillo Soriano, Gladys Maria Suarez Lainez (Autor/a)
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
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.
