Ética

Esta es una traducción automática de la página en inglés y todavía no ha sido revisada por una persona hablante nativa.

La ética: los principios morales que rigen el diseño, el despliegue y el uso de la IA en contextos educativos. La ética de la IA en la educación abarca la privacidad de los datos, la justicia algorítmica, la transparencia, la rendición de cuentas y la pregunta más amplia de qué debería y qué no debería hacer la IA en los entornos de aprendizaje. Es el fundamento normativo de las demás preocupaciones de la base de conocimiento sobre la IA en la educación (la equidad, la mitigación de sesgos, la integridad académica, la gobernanza y la seguridad pedagógica), y el campo avanza cada vez más desde listas abstractas de principios hacia una práctica ética situada, sensible al contexto y apoyada institucionalmente.

Preguntas para reflexionar

• A los sistemas de IA se les suele exigir que cumplan listas de verificación éticas: justicia, privacidad, transparencia, rendición de cuentas. Pero la investigación sugiere cada vez más que una ética de «lista de verificación» basada en principios no basta por sí sola. ¿Qué podría pasar por alto una lista de verificación que solo ocurre en la práctica real y situada del aula?
• Las decisiones del estudiantado sobre declarar el uso de la IA están moldeadas menos por una convicción ética que por el miedo a las sanciones, al estigma y a una política poco clara. Si la honestidad se guía por el miedo y no por principios, ¿qué dice eso sobre la ética del enfoque actual de la integridad académica?
• Personalizar la retroalimentación de la IA con atributos del estudiantado puede convertirse en sí mismo en un vector de sesgo. ¿Cómo podría un intento bien intencionado de adaptar la retroalimentación a una persona que aprende acabar tratándola con menos justicia, y cómo lo detectaría?
• ¿Quién tiene el poder en la relación entre las instituciones, los sistemas de IA y quien aprende, y cómo moldea ese desequilibrio de poder el consentimiento, la privacidad y la vigilancia del estudiantado a medida que la analítica se vuelve más granular?
• Algunos investigadores sostienen que proteger el desarrollo cognitivo y epistémico de quien aprende (su capacidad de pensar y actuar de forma independiente) es en sí mismo una obligación ética, sobre todo a medida que crece la dependencia excesiva de la IA. ¿Está de acuerdo con que «preservar el pensamiento» es un deber ético de los sistemas de IA?

Introducción

La ética es la columna vertebral normativa de la IA en la educación: cada herramienta de IA, cada política y cada decisión pedagógica codifica supuestos sobre qué es justo, transparente, responsable y seguro. La base de conocimiento trata la ética a la vez como un conjunto de principios (justicia, privacidad, transparencia, autonomía, rendición de cuentas) y como un conjunto de prácticas: cómo razonan de verdad los actores sobre la IA, cómo la gobiernan las instituciones y cómo se prepara al estudiantado para usarla de forma responsable. La investigación reciente documenta un doble movimiento: por un lado, una preocupación cada vez mayor de que la ética de «lista de verificación» basada en principios es insuficiente; por otro, un énfasis creciente en concepciones situadas y ecológicas del juicio ético, y en las condiciones estructurales e institucionales que hacen posible un uso responsable.

Gillette et al. (2026) sostienen, a partir de datos suecos de encuesta y de grupos de discusión, que las instituciones deberían decidir las cuestiones de IA generativa mediante una ética de la colaboración y no desde un marco de trampa, apoyándose en la interdependencia mutua, el respeto a la diversidad, la inclusividad, la rendición de cuentas y el compromiso con la sostenibilidad de Carolyn Merchant: el 31% de las personas participantes planteó la ética de forma espontánea, y la mayoría quería orientaciones institucionales más claras de las que tenía.

Dimensiones éticas centrales

• La ética como algo productivo, y no solo restrictivo. Rienties, Divjak y Law (2026) concluyen que la idoneidad ética y la confiabilidad son constitutivas de la calidad educativa: la idoneidad ética predice el equilibrio técnico-artístico en el trabajo creativo, de modo que la ética es una variable de diseño y no una etapa final de cumplimiento.

• Justicia y sesgo: la investigación sobre la mitigación de sesgos y la equidad en la IA educativa aborda si los sistemas de IA tratan con justicia a todo el estudiantado. Los estudios sobre el sesgo lingüístico y la mitigación de sesgos documentan desigualdades del mundo real, y la investigación sobre la retroalimentación en la escritura muestra que personalizar la retroalimentación con IA con atributos del estudiantado puede convertirse en sí mismo en un vector de sesgo.

• Privacidad y consentimiento: la investigación sobre la privacidad examina la recogida de datos, la vigilancia del estudiantado y el desequilibrio de poder entre las instituciones y quien aprende, una restricción que se agudiza a medida que la analítica se vuelve más granular y más impulsada por la IA.

• Transparencia y explicabilidad: los marcos de IA explicable sostienen que el estudiantado y el profesorado deberían entender cómo toman decisiones los sistemas de IA que les afectan. Esto se extiende a la transparencia de cara al estudiantado sobre su propio uso de la IA (las declaraciones de uso y divulgación de la IA), que según la investigación está moldeada menos por una convicción ética que por el miedo a las sanciones, al estigma y a una política ambigua (véanse Kirsanov et al., Chang et al., Vetter et al., Gonsalves).

• Autonomía y agencia: la investigación sobre la dependencia excesiva y la descarga cognitiva plantea preguntas éticas sobre si el uso de la IA disminuye la agencia de quien aprende, y el campo enmarca la protección del desarrollo cognitivo y epistémico de quien aprende como una obligación ética en sí misma.

• Seguridad y prevención de daños: la seguridad pedagógica y la investigación sobre los daños de los tutores definen obligaciones éticas para quienes desarrollan sistemas de IA, y la pedagogía basada en el error muestra cómo exponer al estudiantado a los errores de la IA puede activar, en lugar de eludir, el escrutinio ético y metacognitivo.

• Sostenibilidad e impacto ambiental: la IA en la educación conlleva una huella material (el coste en carbono y agua de los grandes modelos de lenguaje es significativo dada la alta adopción entre el estudiantado universitario) y una responsabilidad más amplia de diseño sostenible y no extractivo. La base de conocimiento trata esto como una dimensión ética y no solo como una preocupación técnica o de coste: Daniel et al. (2026) distinguen la IA para la sostenibilidad (usar la IA para impulsar resultados ambientales y sociales) de la IA sostenible (reducir la huella de la propia IA, incluido el despliegue energéticamente eficiente y en las instalaciones), y Alsuhami y Atallah sostienen que la IA solo apoya una educación sostenible cuando la adopción se subordina a valores educativos explícitos y no a la tecnologización y la mercantilización. El trabajo sobre ética situada también pone en primer plano los costes ambientales y la marginación del conocimiento del Sur global como preocupaciones éticas centrales. Véase Sostenibilidad.

Cómo razonan de verdad los actores sobre la ética de la IA

El uso ético de la IA no es solo una cuestión de principios, sino de cómo las personas implicadas los interpretan y los aplican, y la investigación revela diferencias sistemáticas entre grupos.

• Profesorado frente a estudiantado. Bilgiç y Sever (2026), un estudio de métodos mixtos con 971 estudiantes y 135 docentes, encontró que ambos grupos apoyaban el uso ético de la IA, pero en registros distintos: el profesorado enfatizaba los principios éticos y señalaba la falta de directrices institucionales, mientras que el estudiantado valoraba los beneficios de aprendizaje de la IA pero expresaba dudas sobre quién comparte la responsabilidad ética. Ambos grupos se mostraron preocupados por que un uso excesivo de la IA pudiera debilitar las habilidades cognitivas, una preocupación que enmarca la integración ética como la preservación del desarrollo cognitivo de quien aprende y no solo como la regulación del uso de herramientas. El profesorado puntuó alto en responsabilidad individual, pero calificó como más baja la adecuación de las directrices institucionales (M = 2,99), lo que expone una brecha entre la ética personal y el apoyo estructural.

• Estudiantado frente a profesorado en preparación. Fekete (2026) encontró que el estudiantado declara una mayor conciencia ética que el profesorado (4,03 frente a 2,44), aunque el profesorado muestra una mayor disposición a usar la IA: el estudiantado interpreta la ética a través del trabajo de curso inmediato, mientras que el profesorado la trata como claridad institucional e integridad. Ambos declaran un apoyo institucional débil, y la preparación se desarrolla por canales distintos: la conciencia moral del profesorado crece con el apoyo institucional y social, mientras que la confianza del estudiantado se correlaciona con la autoeficacia y la colaboración más que con la instrucción formal.

• El uso crece más rápido que el consenso ético. A lo largo de cuatro semestres en un programa estadounidense de formación del profesorado, el uso de IA generativa por parte del estudiantado subió del 57% al 83% para la preparación de evaluaciones y del 44% al 76% para el estudio, mientras que las respuestas éticas «no estoy seguro» aumentaron de forma constante y quienes usaban IA calificaban su uso académico como más ético que quienes no la usaban (Parker et al. (2026)).

La ética es central en el campo pero rara vez un resultado. En 394 estudios sobre IA generativa en educación superior, la ética y la integridad académica estuvieron entre los resultados menos abordados, y las prácticas de gobernanza se informaron poco (Lin et al. (2026)).

• Los marcos normativos no son intercambiables. Entre 151 estudiantes de grado españoles, la equidad moral era una condición necesaria para la intención de usar LLM en la preparación de exámenes (d = 0,338) pero no un predictor suficiente, mientras que los juicios consecuencialistas (β = 0,350) y deontológicos (β = 0,329) sí lo eran: el estudiantado aplica varios marcos normativos (Pérez-Portabella et al. (2026)).
• Una estructura multidimensional compartida. Los seis temas de Bilgiç y Sever, que abarcan la ética de los datos, la ética de los algoritmos y la ética pedagógica, forman una cadena causal interconectada que va de los principios fundamentales (transparencia, rendición de cuentas, justicia, autonomía) a los resultados conductuales, lo que subraya que el uso responsable de la IA depende tanto de hojas de ruta institucionales claras como de la conciencia individual.

De los principios a la gobernanza institucional

La investigación de la base de conocimiento sitúa cada vez más la ética en las instituciones y las estructuras, y no solo en las personas:

• La brecha de responsabilidad institucional. Bilgiç y Sever piden desarrollo profesional para el profesorado, cursos de ética y directrices institucionales claras; Fekete también encuentra que el apoyo institucional impulsa la preparación del profesorado, mientras que el estudiantado se apoya en un aprendizaje informal y autodirigido: una brecha de responsabilidad para la política.

• La formación en ética mueve la conciencia, pero las lagunas de política complican el cumplimiento. Un programa de desarrollo profesional en IA generativa de ocho semanas con 97 docentes elevó las puntuaciones de conciencia ética de 3,21 a 4,05 (d de Cohen = 0,93) y la familiaridad con las políticas del 27% al 79%, pero la barrera más difícil que señalaron los participantes fue conciliar las lagunas de la política institucional con sus valores éticos (Alharbi et al. (2026)).

• La solidez de las políticas varía. Adarkwah et al. (2026), que analizan las políticas de IA generativa de 30 universidades destacadas frente al marco de ocho componentes de la UNESCO, encontraron que los principios éticos centrales están ampliamente asumidos, pero que la inclusión, la equidad y la sostenibilidad suelen quedar desatendidas, y que la clasificación nacional de preparación para la IA no predecía una política institucional sólida. Las políticas tienden a ser declarativas y centradas en la mala conducta, más que aseguradas operativamente.

• La ética y la gobernanza de datos como facilitador. Svetec, Divjak y Kadoić (2026) identifican la ética y la gobernanza de datos como uno de los siete facilitadores de las intervenciones fiables basadas en la analítica del aprendizaje, y sitúan la fiabilidad (cumplimiento ético, seguridad de los datos, algoritmos transparentes, validez pedagógica) como el requisito previo sin el cual el cambio educativo basado en datos no es significativo.

• Una revisión sistemática de la educación en ingeniería encuentra que las orientaciones éticas sobre IA se dirigen predominantemente al estudiantado y están orientadas al cumplimiento (centradas en la integridad académica y la divulgación), mientras que la rendición de cuentas recíproca por el uso de la IA por parte del profesorado y la responsabilidad institucional siguen poco desarrolladas, un patrón acentuado por los intereses profesionales de la ingeniería en la seguridad pública y el bienestar. (Ethical Use of Artificial Intelligence in Engineering Education: A Systematic Review)

• El profesorado como usuario de IA plantea su propia ética. Ocho áreas de consideración ética — profesionalidad, rendición de cuentas, transparencia, eficacia, inclusividad, seguridad, adecuación al contexto y política y recursos — enmarcan el uso de la IA por parte del profesorado para la retroalimentación, y solo 14 de las 50 universidades mejor clasificadas tenían orientaciones específicas al respecto (Luo y Eaton (2026)).

• Un marco de valores consolidado para la ética de la AIED. Agarwal et al. (2026), una revisión sistemática de 25 artículos, consolidan la literatura ética fragmentada en seis valores éticos principales para la IA en la educación (no discriminación, custodia de los datos, supervisión humana, buena voluntad, explicabilidad e idoneidad educativa) y sitúan las normas éticas extraídas de la literatura en una matriz de actores por valores (desarrolladores, instituciones educativas, usuarios finales, reguladores). La revisión encuentra que las normas están distribuidas de forma desigual: los desarrolladores atraen la mayoría, mientras que los usuarios finales reciben las menos y las menos accionables, y ninguna norma sobre no discriminación, custodia de los datos o idoneidad educativa se dirige directamente a los usuarios finales; las voces del estudiantado están esencialmente ausentes, y las normas sobre el «usuario final» son en su mayoría acciones que otros actores emprenden para habilitar al profesorado. Los autores sostienen que los usuarios finales deberían tener agencia y roles activos en lugar de ser tratados como beneficiarios pasivos, y señalan que los valores están estrechamente acoplados y pueden entrar en conflicto (por ejemplo, explicabilidad frente a precisión o privacidad, no discriminación frente a custodia de los datos), lo que produce dilemas éticos junto con asimetrías de poder entre los conjuntos de actores.

• Responsabilidad nombrada sin relación. El análisis de corpus de 366 resúmenes sobre IA generativa en educación superior muestra que el vocabulario de responsabilidad del campo es en gran medida adjetival: «IA generativa responsable» aparece 83 veces en 59 documentos y «uso responsable» 66 veces en 44, mientras que «responsabilidad de la IA» y «responsabilidad del estudiantado» nunca aparecen como frases exactas, y la eliminación gramatical es habitual: 800 construcciones pasivas, 780 de ellas sin ninguna referencia a un agente, junto con 1.152 nominalizaciones relacionadas con la responsabilidad. Poudyal (2026) no encuentra ninguna cláusula que atribuya una consecuencia a un sistema, de modo que la responsabilidad se reconoce como palabra sin la agencia relacional que la convertiría en acción.

El encuadre cívico plantea una pregunta distinta de la de la integridad. La educación cívica y política aborda las consecuencias colectivas y democráticas de la argumentación pública mediada por IA, donde el daño es un público mal informado y no un ensayo mal atribuido.

Hacia una ética de la IA situada y ecológica

Un cambio teórico importante en la base de conocimiento es la crítica de la ética universalista de «lista de verificación» basada en principios en favor de concepciones situadas, ecológicas y transformadoras:

• Ética de la IA situada. Raffaghelli et al. (2026) fusionan la teoría de los sistemas ecológicos de Bronfenbrenner con la teoría de la actividad histórico-cultural para enmarcar la IA como un ensamblaje sociotécnico no neutro cuyas implicaciones éticas se producen históricamente y se negocian localmente. En siete casos nacionales, el profesorado queda posicionado como guardián moral del uso de la IA mientras carece de apoyo estructural, institucional y epistémico, y el marco amplía la alfabetización en IA más allá de las habilidades técnicas hacia una agencia crítica, política y ecológica, incluida la resistencia al capitalismo de la vigilancia y al daño ambiental.
• El giro hacia la práctica situada. Un análisis bibliométrico de 282 artículos muestra que el discurso sobre la ética de la IA posterior a 2021 enmarca cada vez más la ética en torno al juicio profesional, la confianza, la colaboración entre personas y IA y la práctica interpretativa, y no solo en torno al cumplimiento técnico, con la educación como contexto conceptualmente importante.
• La ética de la colaboración. Gillette et al. (2026) se apoyan en la eticista ambiental Carolyn Merchant para proponer una ética de la colaboración —interdependencia mutua, respeto a la diversidad, inclusividad, rendición de cuentas y sostenibilidad a largo plazo— como alternativa basada en el diálogo, e informan de datos suecos de encuesta y de grupos de discusión en los que el 31% de las personas participantes planteó la ética de forma espontánea.
• Una explicación histórico-cultural de la responsabilidad. Este replanteamiento conecta la ética con las teorías del aprendizaje y la competencia del profesorado en IA: el uso responsable de la IA se trata como una agencia sensible al contexto, colectiva y transformadora, y no como un cumplimiento individual de listas de verificación. Una encuesta a 454 docentes universitarios respalda ese planteamiento: el conocimiento ético sobre la IA medió la vía que va del conocimiento técnico de la IA a la competencia docente integrada (β = 0,186) y la canalizó hacia delante a través del conocimiento pedagógico y de contenido (Chen et al. (2026)).
• Un replanteamiento ontológico de la obligación ética. Xie (2026) lleva más lejos la crítica de la ética situada al reubicarla en la ontología: donde gran parte de la bibliografía trata la equidad, las asimetrías de poder y los costes ambientales como externalidades que hay que gestionar, un yo relacional daoísta las vuelve internas a lo que somos, de modo que «quedarse atrás» se vuelve ontológicamente insostenible y no solo injusto. La tarea ética no es entonces una optimización desapegada, sino el Wuwei (无为), la acción no forzada alineada con la naturalidad, frente al Youwei (有为) del monocultivo algorítmico, la descarga cognitiva y la infraestructura extractiva, aplicado en tres dominios: el conocimiento (monocultivo epistémico y desinformación sintética), el conocer (una descarga que degrada el pensamiento crítico) y el impacto (costes ambientales y asimetrías entre el Norte y el Sur globales).(Alternative AI Philosophy: Daoism as Method for AI in Education)

La ética en la práctica

Los artículos sobre ética de la base de conocimiento van desde marcos teóricos (enfoques de teoría de juegos) hasta orientaciones prácticas (educación ética en informática), y desde el análisis del discurso público hasta los marcos de política de la UNESCO. En todo ese abanico surge un mensaje práctico constante: la ética debe pasar de vigilar el mal uso a construir la alfabetización en IA y la capacidad de uso ético, con el apoyo de orientaciones institucionales, desarrollo profesional del profesorado y un diseño que preserve, en lugar de desplazar, el juicio de quien aprende.

Ese argumento práctico se refuerza con trabajo empírico sobre cómo funciona la ética dentro de la propia alfabetización en IA: Zhu y Kong (2026) muestran que la conciencia ética sobre la IA, junto con el empoderamiento en la resolución de problemas con IA, media la relación entre el aprendizaje basado en proyectos percibido y la satisfacción con un curso de alfabetización en IA. Su escala AI-PBLS validada y sus resultados de SEM (1.027 estudiantes) indican que el ABP crea condiciones en las que el estudiantado construye un marco personal de razonamiento ético sobre la IA, lo que refuerza el argumento de que la ética no es un añadido, sino un mecanismo central de un desarrollo significativo de la alfabetización en IA. Enseñada, cambia el juicio y no solo la conciencia. En un ensayo aleatorizado por conglomerados de dieciséis clases intactas (n = 240), un módulo de ética de la información de cuatro semanas elevó el juicio ético puntuado en 0,35 puntos de la escala (d = 0,75), y el 59,9% de esa ganancia sobrevivió cuatro semanas, mayor entre quienes más usaban IA generativa (Qi, 2026).

El signo de ese mecanismo depende de lo que viene después. Entre 584 estudiantes de grado cuya competencia en IA provenía del autoestudio, la competencia elevó la conciencia ética sobre la IA (β = 0,644, p < 0,001). La conciencia ética elevó a su vez la ansiedad ante la IA (β = 0,439, p < 0,001) en lugar de reducirla: una mediación solo indirecta, que los autores leen como conciencia despertada sin marco de afrontamiento (Mu et al. (2026)). Su conclusión para la enseñanza de la ética es que no puede detenerse en el nivel cognitivo. Una preocupación por la transparencia o la privacidad tiene que llegar acompañada de la vía de gobernanza que la responde, y por eso su módulo propuesto se sitúa dentro de la educación jurídica.

La conciencia ética, el razonamiento reflexivo y la práctica responsable autoinformada se desarrollan en gran medida de forma independiente. A lo largo de tres oleadas anuales de 350 estudiantes de grado nigerianos de informática, Ayanwale et al. (2026) encontraron que los tres aumentaron sustancialmente, pero sus factores de crecimiento estaban casi descorrelacionados y la conciencia inicial no predecía el crecimiento posterior.

Conexiones

La ética se conecta con la equidad, la privacidad, la mitigación de sesgos, la regulación, la seguridad pedagógica, la integridad académica y la gobernanza. Es el fundamento normativo de todos los demás conceptos de la IA en la educación: el marco en el que se plantean y se resuelven las cuestiones de justicia, transparencia, autonomía y seguridad.

Concepciones erróneas

• «El marco de la trampa basta para pensar la ética de la IA generativa.» Gillette et al., 2026 sostienen que las instituciones deberían decidir las cuestiones de IA generativa mediante una ética de la colaboración y no desde un marco de trampa. El marco determina qué preguntas se hacen, y un marco de mala conducta no puede preguntar por el propósito educativo.
• «El profesorado y el estudiantado coinciden en qué es ético.» Bilgiç y Sever (2026), un estudio de métodos mixtos con 971 estudiantes y 135 docentes, encuentra que las dimensiones éticas divergen entre los grupos. Una política redactada desde una perspectiva describirá mal la otra.
• «La adopción va por delante del acuerdo ético»: La adopción supera el acuerdo ético: a lo largo de cuatro semestres en un programa estadounidense de formación del profesorado, el uso de IA generativa por parte del estudiantado subió del 57% al 83% para la preparación de evaluaciones. Las normas las está formando la práctica y no al contrario.

Conceptos conectados

• Educación empresarial
• Equidad
• Privacidad
• Mitigación de sesgos
• Regulación de la IA en educación
• Seguridad pedagógica
• Integridad académica
• Declaraciones de uso y divulgación de la IA — declaraciones de uso y divulgación de la IA
• Gobernanza de la IA
• Alfabetización en IA
• Descarga cognitiva
• La docencia
• Formación docente
• Educación química — La química y la IA: laboratorios, evaluación formativa, límites de los LLM, filosofía de la experimentación
• Educación en biología — La biología y la IA: asistentes de laboratorio, alfabetización en IA en biología, pensamiento crítico, herramientas especializadas
• Educación cívica y política

Artículos conectados

• Toward Partnership Ethics for Generative Artificial Intelligence in Higher Education — Estudio sueco de encuesta y grupos de discusión que sostiene que la ética de la colaboración, y no un marco de trampa, debería guiar las decisiones institucionales sobre IA generativa
• Modeling the Relationships Between University Students' AI Competence, AI Ethical Awareness, and AI Anxiety: A Dual-Stage PLS-SEM and ANN Analysis — La conciencia ética amplificó la ansiedad ante la IA allí donde no se enseñó un marco de afrontamiento: mediación solo indirecta entre 584 estudiantes
• From learning analytics to educational interventions: Enhancing decision-making and learning design — De la analítica del aprendizaje a las intervenciones educativas: facilitadores de intervenciones fiables basadas en analítica (Svetec, Divjak y Kadoić 2026)
• Beyond Detection: How Students Use—and Hide—AI in Online Assessments and What Authentic Tasks Can Do About It — Cómo usa y oculta el estudiantado la IA en las evaluaciones en línea
• "Should I Tell My Teacher?" Student AI Disclosure Practices, Stigma, and Self-Regulated Learning in Higher Education — Divulgación del uso de IA por el estudiantado, estigma y aprendizaje autorregulado
• The Hidden Cost of Disclosure: A Multi-institutional Study on Undergraduate Students' Generative AI Usage and Faculty Accusations — El coste oculto de la divulgación
• Addressing student non-compliance in AI use declarations: implications for academic integrity and assessment in higher — El incumplimiento del estudiantado de las declaraciones de uso de IA
• Understanding ethical dimensions of AI in higher education: insights from faculty members and students — Opiniones del profesorado y del estudiantado sobre las dimensiones éticas de la IA
• Ethical Use of Artificial Intelligence in Engineering Education: A Systematic Review — Uso ético de la IA en la educación en ingeniería: una revisión sistemática
• A Longitudinal Analysis of Public Discourse on AI Ethics in Education Using Twitter Data — Análisis longitudinal del discurso público sobre la ética de la IA en la educación
• Mathematical Modelling of Ethical AI Use in Higher Education: A Coordination Game Framework for Future-Facing Learning — Marco de teoría de juegos para el uso ético de la IA en la educación superior
• Cost-of-ethics crisis: Beliefs, decisions, and justifications in the job searches of computer science students in Canada and the United States — La crisis del coste de la ética en la búsqueda de empleo del estudiantado de informática
• Explainable Artificial Intelligence in education — IA explicable en la educación (XAI-ED)
• Alternative AI Philosophy: Daoism as Method for AI in Education — Filosofía alternativa de la IA: el daoísmo como método para la IA en educación
• SafeTutors: Benchmarking Pedagogical Safety in AI Tutoring Systems — Seguridad de los tutores de IA y daños pedagógicos
• Situated AI ethics: a cultural-historical and ecological framework for education — Ética de la IA situada: un marco histórico-cultural para la educación
• Towards a New AI-TPACK Framework: Evidence from China — El conocimiento ético sobre la IA como mediador integrador en el AI-TPACK del profesorado universitario (Chen et al. 2026)
• From abstract ethics to situated practice: A bibliometric analysis of AI ethics and professional judgement — Ética de la IA y juicio profesional: un análisis bibliométrico (Mazlan et al. 2026)
• Generative Artificial Intelligence Policy: A Qualitative UNESCO Framework Analysis — Análisis del marco de política de IA generativa de la UNESCO
• Is It Ethical for Teachers to Use AI for Student Feedback? — ¿Es ético que el profesorado use la IA para la retroalimentación al estudiantado?
• Between promise and practice: Bridging ethical artificial intelligence literacy gaps across students, educators, and policy — Cerrar las brechas de alfabetización ética en IA entre el estudiantado, el profesorado y la política
• Ethical Generative AI integration in English for Academic Purposes within higher education: A mixed-methods study — Integración ética de la IA generativa en el inglés con fines académicos
• Sustainable Education in the Age of Artificial Intelligence and Digitalization: A Value-Critical Approach — Enfoque crítico de valores sobre la educación sostenible y la IA (Alsuhami y Atallah 2026)
• Ethical conditions for university students' adoption of large language models in exam preparation contexts — Condiciones éticas para la adopción de LLM en la preparación de exámenes (Pérez-Portabella et al. 2026)
• Longitudinal insights into AI in education: Usage, ethics, and policy development in higher education — Uso, ética y política de la IA generativa a lo largo del tiempo en la formación del profesorado (Parker et al. 2026)
• Identifying the ethical values and norms for artificial intelligence in education: A systematic literature review — Valores y normas éticas para la IA en la educación
• Who Acts, Who Knows, Who Answers? A Corpus-Assisted Discourse Analysis of Agency, Epistemic Responsibility, and Accountability in Generative AI Higher Education Research — ¿Quién actúa, quién sabe, quién responde? Un análisis del discurso asistido por corpus de la agencia, la responsabilidad epistémica y la rendición de cuentas en la investigación sobre IA generativa en educación superior
• Cohort-level growth modeling of ethical engagement with artificial intelligence in education — La conciencia ética, la reflexión y la práctica responsable informada crecieron en gran medida de forma independiente a lo largo de tres oleadas anuales (Ayanwale et al., 2026)
• Information ethics education and artificial intelligence ethical judgment among university students — Educación en ética de la información y juicio ético sobre la IA entre estudiantes universitarios