Software inteligente para tutorías personalizadas mediante agentes conversacionales en contextos universitarios
DOI:
https://doi.org/10.23857/dc.v11i4.4563Palabras clave:
Agentes conversacionales, tutorías personalizadas, software inteligente, educación superiorResumen
El propósito central de esta revisión fue sintetizar la evidencia científica más reciente (2019–2025) sobre el uso de software inteligente basado en agentes conversacionales para tutorías personalizadas en educación superior, se buscó identificar los avances tecnológicos, resultados pedagógicos, limitaciones y perspectivas futuras de su implementación en universidades. Se efectuó una búsqueda sistemática en las bases de datos Scopus, Web of Science, IEEE Xplore, ACM Digital Library, ERIC, LATINDEX y Google Scholar, considerando publicaciones en inglés y español entre 2019 y 2025. Los criterios de inclusión se centraron en estudios empíricos, cuasi-experimentales y revisiones sistemáticas sobre tutorías personalizadas mediadas por chatbots o sistemas basados en modelos de lenguaje (LLM). Se excluyeron artículos de opinión, patentes y estudios ajenos al contexto universitario. Los estudios revisados evidencian una evolución de los agentes conversacionales desde estructuras basadas en reglas hacia arquitecturas híbridas con procesamiento de lenguaje natural contextual, aprendizaje adaptativo y generación aumentada por recuperación. Los resultados muestran mejoras en rendimiento, autorregulación y permanencia estudiantil, aunque persisten riesgos de dependencia, sesgo algorítmico y escasa transparencia. La aceptación institucional depende de la explicabilidad del sistema y de la integración pedagógica guiada por docentes. Además, se identificaron beneficios significativos en disciplinas como salud, informática y educación, donde los agentes favorecen el pensamiento crítico y la retroalimentación inmediata. Los hallazgos confirman que los agentes conversacionales inteligentes constituyen una herramienta eficaz para personalizar la enseñanza universitaria, siempre que su diseño incorpore principios éticos, adaptativos y transparentes. El campo se encuentra en transición hacia modelos más maduros, que integren interacción socioemocional, trazabilidad de decisiones y sostenibilidad educativa.
Citas
Akçap?nar, G., & Sidan, E. (2024). AI chatbots in programming education: guiding success or encouraging plagiarism. Discover Artificial Intelligence, 4(1), 87. https://doi.org/10.1007/s44163-024-00203-7
Arnau-González, P., Solera-Monforte, S., Wu, Y., & Arevalillo-Herráez, M. (2025). A framework for adapting conversational intelligent tutoring systems to enable collaborative learning. Expert Systems with Applications, 271, 126663. https://doi.org/10.1016/j.eswa.2025.126663
Calderón Figueroa, C. D., Marín Loor, R. A., Díaz Campozano, E. G., & Proaño Molina, M. Y. (2024). Inteligencia artificial en la educación superior. Dominio De Las Ciencias, 10(3), 753–763. https://dominiodelasciencias.com/ojs/index.php/es/article/view/3952
Campbell, L. O., Rujimora, J., & Cox, T. D. (2024). Utilizing AI Chatbots in Higher Education Teaching and Learning. Journal of the Scholarship of Teaching and Learning, 24(4). http://orcid.org/0000-0001-7313-5457
Cingillioglu, I., Gal, U., & Prokhorov, A. (2024). AI-experiments in education: An AI-driven randomized controlled trial for higher education research. Education and Information Technologies, 29(15), 19649-19677. https://doi.org/10.1007/s10639-024-12633-y
Clark, L., Pantidi, N., Cooney, O., Doyle, P., Garaialde, D., Edwards, J., ... & Cowan, B. R. (2019, May). What makes a good conversation? Challenges in designing truly conversational agents. In Proceedings of the 2019 CHI conference on human factors in computing systems (pp. 1-12). https://doi.org/10.1145/3290605.3300705
Debets, T., Banihashem, S. K., Joosten-Ten Brinke, D., Vos, T. E., de Buy Wenniger, G. M., & Camp, G. (2025). Chatbots in education: A systematic review of objectives, underlying technology and theory, evaluation criteria, and impacts. Computers & Education, 105323. https://doi.org/10.1016/j.compedu.2025.105323
Halkiopoulos, C., & Gkintoni, E. (2024). Leveraging AI in e-learning: Personalized learning and adaptive assessment through cognitive neuropsychology—A systematic analysis. Electronics, 13(18), 3762. https://doi.org/10.3390/electronics13183762
Jiang, Y., Fu, X., Wang, J., Liu, Q., Wang, X., Liu, P., ... & Wu, Y. (2024). Enhancing medical education with chatbots: a randomized controlled trial on standardized patients for colorectal cancer. BMC Medical Education, 24(1), 1511. https://doi.org/10.1186/s12909-024-06530-8
Kathole, A., Patil, S., Jadhav, D., Pathak, H., & Mirge, A. S. (2025). Development of student intent-based educational chatbot system with adaptive and attentive DTCN on symmetric convolution approach. MethodsX, 103542. https://doi.org/10.1016/j.mex.2025.103542
Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15(1), 17458. https://doi.org/10.1038/s41598-025-97652-6
Kocaballi, A. B., Sezgin, E., Clark, L., Carroll, J. M., Huang, Y., Huh-Yoo, J., ... & Zubatiy, T. (2022). Design and evaluation challenges of conversational agents in health care and well-being: selective review study. Journal of medical Internet research, 24(11), e38525. https://doi.org/10.2196/38525
Lin, C. C., Huang, A. Y., & Lu, O. H. (2023). Artificial intelligence in intelligent tutoring systems toward sustainable education: a systematic review. Smart learning environments, 10(1), 41. https://doi.org/10.1186/s40561-023-00260-y
Liu, V., Latif, E., & Zhai, X. (2025). Advancing education through tutoring systems: A systematic literature review. arXiv preprint arXiv:2503.09748. https://doi.org/10.48550/arXiv.2503.09748
Melo, G., Lins, L. F., Alencar, P., & Cowan, D. (2023). Supporting Contextual Conversational Agent-Based Software Development. In 2023 IEEE/ACM 5th International Workshop on Bots in Software Engineering (BotSE) (pp. 9-13). IEEE. https://doi.org/10.1109/BotSE59190.2023.00010
Munir, H., Vogel, B., & Jacobsson, A. (2022). Artificial intelligence and machine learning approaches in digital education: A systematic revision. Information, 13(4), 203. https://doi.org/10.3390/info13040203
Ngoc, N. M., & Tien, N. H. (2023). Solutions for Development of High-Quality Human Resource in Binh Duong Industrial Province of Vietnam. International journal of business and globalisation, 4(1), 28-39.
Nuere, S., & De Miguel, L. (2021). The digital/technological connection with COVID-19: An unprecedented challenge in university teaching. Technology, Knowledge and learning, 26(4), 931-943. https://doi.org/10.1007/s10758-020-09454-6
Okonkwo, C. W., & Ade-Ibijola, A. (2021). Chatbots applications in education: A systematic review. Computers and Education: Artificial Intelligence, 2, 100033. https://doi.org/10.1016/j.caeai.2021.100033
Pian, Y., & Lu, Y. (2025). Leveraging Large Language Models to Enhance the Inner Loops of Intelligent Tutoring Systems. In International Conference on Artificial Intelligence in Education (pp. 218-230). Cham: Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-98420-4_16
R?zv?, M. (2023). Investigating AI-powered tutoring systems that adapt to individual student needs, providing personalized guidance and assessments. The Eurasia Proceedings of Educational and Social Sciences, 31, 67-73. https://doi.org/10.55549/epess.1381518
Teoh, S. H., Boon Zik Hong, J., Md Shamsudin, N., Singh, P., & Hartono, R. (2025). Students’ engagement in a hybrid classroom: a comparison between face-to-face and virtual environments. Cogent Education, 12(1), 2451497. https://doi.org/10.1080/2331186X.2025.2451497
Yilmaz, R., Yurdugül, H., Yilmaz, F. G. K., ?ahin, M., Sulak, S., Aydin, F., ... & Oral, Ö. (2022). Smart MOOC integrated with intelligent tutoring: A system architecture and framework model proposal. Computers and Education: Artificial Intelligence, 3, 100092. https://doi.org/10.1016/j.caeai.2022.100092
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Wilmer Fabricio Almeida Murillo , Jean Carlos Almeida Murillo, Vicente Alfredo Campos Rosado , Ítalo Mecías Serrano Quevedo
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Authors retain copyright and guarantee the Journal the right to be the first publication of the work. These are covered by a Creative Commons (CC BY-NC-ND 4.0) license that allows others to share the work with an acknowledgment of the work authorship and the initial publication in this journal.
