Ecosistemas del Aprendizaje Emocional-Digital: Personalización Educativa mediante Inteligencia Artificial y su Impacto en la Motivación Escolar

Emotional-Digital Learning Ecosystems: Educational Personalization through Artificial Intelligence and Its Impact on School Motivation

Resumen

La incorporación acelerada de la inteligencia artificial (IA) en los entornos educativos ha dado lugar a lo que este artículo conceptualiza como ecosistemas del aprendizaje emocional-digital: infraestructuras adaptativas que combinan la personalización algorítmica con la mediación socioemocional. A partir de la teoría de la autodeterminación, la teoría del control-valor de las emociones de logro y el Modelo Unificado de Aceptación y Uso de la Tecnología (UTAUT2), este artículo teórico-conceptual examina cómo la personalización mediada por IA incide en la motivación escolar de poblaciones estudiantiles latinoamericanas. A través de una revisión crítica y argumentativa de la literatura, se identifican convergencias y tensiones entre la promesa técnica de los sistemas de aprendizaje adaptativo y las barreras estructurales persistentes en la región, entre ellas las brechas de conectividad, la insuficiente formación docente y el sesgo algorítmico. El análisis integra estadísticas públicas secundarias de UNESCO y CEPAL, junto con estudios empíricos revisados por pares, para contextualizar la discusión. Los hallazgos sugieren que la personalización favorece la motivación principalmente cuando está sintonizada emocionalmente y no solo adaptada en sentido técnico, y que las brechas de equidad no resueltas corren el riesgo de reproducir, más que resolver, la desigualdad educativa. El artículo concluye con una agenda de investigación orientada a modelos de IA culturalmente situados y emocionalmente sensibles para la educación latinoamericana.

Palabras clave: inteligencia artificial; aprendizaje personalizado; motivación escolar; aprendizaje socioemocional; ecosistemas digitales

Abstract

The accelerated integration of artificial intelligence (AI) into educational environments has given rise to what this article conceptualizes as emotional-digital learning ecosystems: adaptive infrastructures that combine algorithmic personalization with socio-emotional mediation. Drawing on self-determination theory, the control-value theory of achievement emotions, and the Unified Theory of Acceptance and Use of Technology (UTAUT2), this theoretical-conceptual article examines how AI-driven personalization influences school motivation among Latin American student populations. Through a critical, argumentative literature review, the study identifies convergences and tensions between the technical promise of adaptive learning systems and the structural barriers that persist across the region, including connectivity gaps, insufficient teacher training, and algorithmic bias. The analysis integrates public secondary statistics from UNESCO and CEPAL with peer-reviewed empirical studies to contextualize the discussion. Findings suggest that personalization enhances motivation primarily when it is emotionally attuned rather than merely adaptive in a technical sense, and that unresolved equity gaps risk reproducing, rather than resolving, educational inequality. The article closes with a research agenda oriented toward culturally situated, emotionally responsive AI models for Latin American education.

Keywords: artificial intelligence; personalized learning; school motivation; social-emotional learning; digital ecosystems

Referencias

Akintayo, O. T., Eden, C. A., Ayeni, O. O., & Onyebuchi, N. C. (2024). Integrating AI with emotional and social learning in primary education: Developing a holistic adaptive learning ecosystem. Computer Science & IT Research Journal, 5(5), 1076–1089.

Cabero-Almenara, J., Palacios-Rodríguez, A., Rojas Guzmán, H. de los Á., & Fernández-Scagliusi, V. (2025). Prediction of the use of generative artificial intelligence through ChatGPT among Costa Rican university students: A PLS model based on UTAUT2. Applied Sciences, 15(6), Article 3363. https://doi.org/10.3390/app15063363

Cipriano, C., Strambler, M. J., Naples, L. H., Ha, C., Kirk, M., Wood, M., & Durlak, J. (2023). The state of evidence for social and emotional learning: A contemporary meta-analysis of universal school-based SEL interventions. Child Development, 94(5), 1181–1204.

Comisión Económica para América Latina y el Caribe, ONU-Mujeres, & Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura. (2023). La igualdad de género y la autonomía de las mujeres y las niñas en la era digital: Aportes de la educación y la transformación digital en América Latina y el Caribe. CEPAL.

Csikszentmihalyi, M. (1990). Flow: The psychology of optimal experience. Harper & Row.

Deci, E. L., & Ryan, R. M. (2000). The "what" and "why" of goal pursuits: Human needs and the self-determination of behavior. Psychological Inquiry, 11(4), 227–268.

Garcia-Umana, A., Beserra, V., & Córdoba, E. F. (2024). Gratifications associated with the use of smartphone and Internet in students from Ecuador, Spain, and Colombia. IEEE Access, 12, 160495–160505. https://doi.org/10.1109/ACCESS.2024.3488576

Henriksen, D., Creely, E., Gruber, N., & Leahy, S. (2025). Social-emotional learning and generative AI: A critical literature review and framework for teacher education. Journal of Teacher Education, 76(3), 312–328. https://doi.org/10.1177/00224871251325058

Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura. (2023). Informe de seguimiento de la educación en el mundo 2023: Tecnología en la educación, ¿una herramienta en los términos de quién? UNESCO.

Samaniego-Arias, M., Chávez-Rojas, E., García-Umaña, A., Carrión-Bósquez, N., Ortiz-Regalado, O., Llamo-Burga, M., Ruiz-García, W., Guerrero-Haro, S., & Cando-Aguinaga, W. (2025). The impact of social media on the purchase intention of organic products. Sustainability, 17(6), Article 2706. https://doi.org/10.3390/su17062706

Tamilmani, K., Rana, N. P., Wamba, S. F., & Dwivedi, Y. K. (2021). The extended Unified Theory of Acceptance and Use of Technology (UTAUT2): A systematic literature review and theory evaluation. International Journal of Information Management, 57, Article 102269. https://doi.org/10.1016/j.ijinfomgt.2020.102269

Venkatesh, V., Thong, J. Y. L., & Xu, X. (2012). Consumer acceptance and use of information technology: Extending the Unified Theory of Acceptance and Use of Technology. MIS Quarterly, 36(1), 157–178.

Zhang, H., Liu, Y., Jiang, M., Chen, J., & Wang, M. (2025). Emotional artificial intelligence in education: A systematic review and meta-analysis. Educational Psychology Review. Advance online publication. https://doi.org/10.1007/s10648-025-10086-4