Detección Temprana de Dificultades de Aprendizaje: Análisis Predictivo mediante Inteligencia Artificial en la Educación Básica
DOI:
https://doi.org/10.5281/zenodo.19871379Palabras clave:
Inteligencia Artificial, Dificultades de Aprendizaje, Análisis Predictivo, Minería de Datos Educativos, Prevención Escolar, Innovación Educativa.Resumen
Recibido: 05 de marzo 2026 / Aceptado: 31 de marzo. 2026 / Publicado: 29 de abril de 2026.
El presente artículo de investigación analiza la viabilidad y el impacto ético de integrar sistemas de Inteligencia Artificial (IA) basados en análisis predictivo para la detección temprana de Dificultades Específicas del Aprendizaje (DEA) en el subnivel de Educación Básica. Históricamente, el sistema educativo ha operado bajo un modelo reactivo de "esperar al fracaso" (wait-to-fail), donde la intervención psicopedagógica ocurre únicamente tras repetidos tropiezos académicos. El objetivo de este estudio es proponer un marco metodológico para el uso de Minería de Datos Educativos (EDM) y algoritmos de Machine Learning capaces de identificar patrones anómalos de aprendizaje antes de que se consolide el rezago. Mediante un diseño descriptivo-proyectivo y revisión sistémica de literatura, se estructuraron matrices de variables predictivas (fluidez lectora, tiempos de respuesta interactiva, asistencia y varianza de calificaciones). Los hallazgos teóricos sugieren que los modelos predictivos pueden alertar sobre riesgos de dislexia, discalculia o TDAH con hasta 18 meses de anticipación en comparación con la derivación docente tradicional. Se concluye que la IA no debe sustituir el diagnóstico clínico del Departamento de Consejería Estudiantil (DECE), sino actuar como una herramienta de cribado sistemático (screening) que transforma los datos pasivos de la escuela en alertas tempranas procesables, garantizando el derecho a una intervención pedagógica oportuna.
Referencias
Baker, R. S., Gašević, D., & Karumbaiah, S. (2020). Educación y analítica de aprendizaje: estado actual y desafíos. Revista Iberoamericana de Educación a Distancia, 23(2), 33-50. https://doi.org/10.5944/ried.23.2.27134
Berens, J., Kruse, P., Bosse, S., & Gelmroth, M. (2021). Early detection of students at risk: Predicting student dropouts using administrative student data. Journal of Educational Data Mining, 13(3), 1-24.
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
Domínguez, D., Álvarez, J. F., & Gil-Jaurena, I. (2020). Analítica del aprendizaje y Big Data: hacia una educación más personalizada. Edutec. Revista Electrónica de Tecnología Educativa, (74), 1-15.
Fischer, C., Pardos, Z. A., Baker, R. S., Williams, J. J., Smyth, P., Yu, R., ... & Warschauer, M. (2020). Mining big data in education: Affordances and challenges. Review of Research in Education, 44(1), 130-160.
Flores, J., & García, F. (2023). Reflections on the ethics, potential, and challenges of artificial intelligence in the framework of quality education. Comunicar, 74(1), 37-47.
García-Peñalvo, F. J. (2022). La percepción de la Inteligencia Artificial en contextos educativos. Education in the Knowledge Society (EKS), 24, e31279.
Hwang, G. J., Xie, H., Wah, B. W., & Gašević, D. (2020). Vision, challenges, roles and research issues of Artificial Intelligence in Education. Computers and Education: Artificial Intelligence, 1, 100001. https://doi.org/10.1016/j.caeai.2020.100001
Jaramillo Domínguez, D. C., & Tene Pucha, J. E. (2022). Explorando el uso de la tecnología educativa en la Educación Básica. Podium, (41), 91–104.
López-Regalado, O., Núñez-Rojas, N., López-Gil, O., & Sánchez-Rodríguez, J. (2024). Análisis del uso de la inteligencia artificial en la educación: 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
Mutimukwe, C., Viberg, O., & Ouyang, F. (2023). Students’ privacy concerns and their impact on data sharing in learning analytics. Computers & Education, 198, 104764.
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.
Romero, C., & Ventura, S. (2020). Educational data mining and learning analytics: An updated survey. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 10(3), e1355.
Selwyn, N. (2020). ¿Deberían los robots sustituir al profesorado? La IA y el futuro de la educación. Ediciones Morata.
Siemens, G., Gašević, D., & Dawson, S. (2022). Preparing for the digital university: a review of the history and current state of distance, blended, and online learning. Athabasca University Press.
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 Hortencia Georgina Córdova Pérez (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.
