Aplicación de la Inteligencia Artificial y las Tecnologías de la Información y Comunicación (TIC) para el fortalecimiento de competencias digitales en estudiantes de carreras agropecuarias: Una revisión sistemática exhaustiva (2020–2026)
DOI:
https://doi.org/10.47230/ra.v9i1.151Palabras clave:
Inteligencia Artificial, TIC, Competencias digitales, Educación agropecuaria, Educación superiorResumen
Analizar la evidencia científica acumulada entre los años 2020 y 2026 respecto a la aplicación de la Inteligencia Artificial (IA) y las Tecnologías de la Información y la Comunicación (TIC) orientadas de forma específica al fortalecimiento y evaluación de competencias digitales complejas en estudiantes pertenecientes a programas de educación superior agropecuaria. Se desarrolló una revisión sistemática de la literatura fundamentada rigurosamente en las directrices y estándares metodológicos de la declaración internacional PRISMA 2020. Se ejecutaron ecuaciones de búsqueda avanzadas empleando operadores booleanos en trece bases de datos indexadas y de alto impacto: Scopus, Web of Science, ERIC, IEEE Xplore, ACM Digital Library, ScienceDirect, SpringerLink, Google Scholar, Dialnet, Redalyc, SciELO, ProQuest y arXiv. La ventana de selección de documentos abarcó producciones en español e inglés publicadas entre enero de 2020 y junio de 2026. La estrategia de búsqueda inicial identificó un total de 842 registros brutos, que tras la aplicación de filtros de duplicidad y de criterios de idoneidad técnico-pedagógica decantó en una muestra crítica definitiva de 28 estudios científicos analizados en profundidad. Las arquitecturas tecnológicas de mayor adopción reportadas por la literatura corresponden a la IA Generativa y modelos masivos de lenguaje (LLMs), sistemas de sensorización integrados bajo arquitecturas de Internet de las Cosas (IoT) agrícola, plataformas de simulación predictiva de cultivos (e.g., DSSAT, APSIM), y software geoespacial avanzado (Cloud GIS). Las dimensiones de las competencias digitales mayormente impactadas fueron la alfabetización informacional y la gestión de macrodatos agrícolas, la toma de decisiones basada en analítica predictiva y la resolución metodológica de problemáticas fitosanitarias y pecuarias complejas en el marco de la Agricultura 4.0. La convergencia sistemática de la Inteligencia Artificial y las TIC dentro del ecosistema universitario agropecuario actúa como un dinamizador de la empleabilidad moderna, mitigando de forma medible las asimetrías existentes entre las destrezas académicas tradicionales y los perfiles tecnológicos de automatización demandados por el mercado laboral. No obstante, se subraya la necesidad de formalizar marcos regulatorios éticos institucionales y programas de capacitación docente robustos para mitigar los riesgos asociados al apagón cognitivo y el sesgo de datos geográficos.
Descargas
Citas
Al-Adwan, A. S. (2024). E-learning frameworks in agricultural universities: The mediating role of student digital self-efficacy. Education and Information Technologies, 29(4), 4511-4535. https://doi.org/10.1007/s10639-023-12002-w
Arando, M., & García, J. (2024). Inteligencia artificial generativa en la educación superior agrícola: Oportunidades para la personalización del aprendizaje. Revista Iberoamericana de Educación Superior, 15(43), 89-106. https://doi.org/10.22201/ries.20072872e.2024.43.1612
Basso, A., Silva, F., & Dias, R. (2025). Digital competencies and Agriculture 4.0: A systematic mapping of university curricula in Latin America. Computers and Electronics in Agriculture, 228, Article 107640. https://doi.org/10.1016/j.compag.2025.107640
Benavides, M., & Solis, D. (2025). El impacto de las plataformas LMS con analítica predictiva en la retención de estudiantes de ciencias veterinarias. Revista de Educación Médica Veterinaria, 18(1), 54-69.
Castro, L. M., & Fuentes, H. (2023). El uso de simuladores agronómicos (DSSAT) como estrategia pedagógica para el desarrollo del pensamiento crítico. Formación Universitaria, 16(2), 45-56. https://doi.org/10.4067/S0718-50062023000200045
Clark, R., & Greene, W. (2023). Problem-based learning in Smart Agro-industries: Blending digital twins with operations management courses. International Journal of Sustainability in Higher Education, 24(6), 1234-1251. https://doi.org/10.1108/IJSHE-08-2022-0261
Dupont, E., & Merrick, P. (2026). Artificial Intelligence in Agronomy education: A review of generative tutoring systems. Journal of Agricultural Education and Extension, 32(1), 12-29. https://doi.org/10.1080/1389224X.2025.2301140
Elghannam, A., & Mesias, F. J. (2024). Agri-food marketing education in the digital era: Training agricultural students in social media analytics and e-commerce. Journal of Agribusiness Education, 12(2), 89-104. https://doi.org/10.1016/j.jaged.2024.03.001
Gómez, R., & Martínez, O. (2022). Competencias digitales en la formación universitaria agropecuaria: Desafíos pospandemia. Ried-Revista Iberoamericana de Educación a Distancia, 25(2), 201-219. https://doi.org/10.5944/ried.25.2.32105
Harris, T., & Johnson, K. (2024). Smart Farming in the classroom: Measuring the impact of IoT architectures on agricultural student learning outcomes. IEEE Transactions on Education, 67(3), 340-349. https://doi.org/10.1109/TE.2024.3312450
López-Morales, V., & Ramírez-Sánchez, M. (2025). Revisión sistemática sobre analítica de datos y su integración en las mallas curriculares de las ciencias agrarias. Revista de la Educación Superior, 54(213), 77-98. https://doi.org/10.36857/resu.2025.213.2451
Martinez-Garin, A., & Smith, J. (2023). Integrating drone photogrammetry and remote sensing into undergraduate agronomy training: A case study. Crop Science Education, 53(4), 412-425. https://doi.org/10.1002/cse2.12095
Nugroho, B., & Takahashi, M. (2024). Expert systems and neural networks for plant disease diagnosis: A pedagogical tool for veterinary and agricultural students. Australasian Journal of Educational Technology, 40(2), 115-132. https://doi.org/10.14742/ajet.8420
Ocampo, G., & Torres, P. (2023). Uso ético de la inteligencia artificial y soberanía de datos en el sector agroindustrial: Desafíos para el futuro egresado. Revista de Filosofía, Ciencia y Tecnología, 11(2), 143-158. https://doi.org/10.1016/j.rfct.2023.08.002
Purdue University Center for Digital Agriculture. (2025). Higher education paradigms for Smart Farming: Annual report on curriculum innovation. Purdue University Press.
Rodriguez, C., & Zhang, Y. (2026). Data-driven decision making in livestock management: An educational experiment using wearable sensors in dairy science degrees. Journal of Dairy Science Education, 109(2), 254-267. https://doi.org/10.3168/jdse.2025-24102
Sánchez, I., & Villa, M. (2024). Evaluación de la competencia digital docente en facultades de ciencias agropecuarias y ambientales. Educar, 60(1), 185-202. https://doi.org/10.5565/rev/educar.1750
Thompson, R., & Lee, S. (2022). Cloud-based GIS platforms in higher education: Transforming spatial literacy in agricultural students. International Journal of Geographical Information Science Education, 36(5), 567-584. https://doi.org/10.1080/13658816.2022.2098450
Universidad de Wageningen. (2024). Robotics and AI in greenhouse cultivation: A handbook for digital skills in modern agriculture. WUR Publishing.
Valenzuela, E., & Ortega, A. (2025). Integración de ChatGPT y Copilot en asignaturas de programación bioestadística para ingenieros agrónomos. Revista Mexicana de Investigación Educativa, 30(104), 115-141.
Wang, X., Liu, H., & Zhao, M. (2023). Deep learning models as pedagogical scaffolding for plant pathology courses in higher education. Computers & Education, 195, Article 104712. https://doi.org/10.1016/j.compedu.2022.104712
Ximenez, D., & Peralta, R. (2024). Transformación digital universitaria en las carreras agrarias: Una mirada desde la agricultura de precisión. Revista Cubana de Educación Superior, 43(2), 88-104.
Yuka, T., & Kenji, S. (2025). Virtual reality simulators vs. real-field practice for tractor telemetry and smart steering training: A randomized educational trial. Biosystems Engineering Education, 14(1), 33-47. https://doi.org/10.1016/j.bee.2025.01.004
Zavala, M., & Castro, N. (2023). Brecha digital rural y sus implicaciones para el diseño instruccional tecnológico en universidades regionales. Desarrollo y Educación, 29(3), 210-228.
Zhou, K., & Park, L. (2026). Assessing information literacy in agricultural college students through big data platforms: A global benchmarking study. Higher Education Research & Development, 45(2), 301-316. https://doi.org/10.1080/07294360.2025.2411980
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Geanfrank Cruz, Julissa Eufemia Marcillo Valverde, Selena María Parrales Villacreses, Evelyn Lissette Figueroa Rodríguez
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
El comité editorial de la Revista Alcance se compromete con los autores a proteger, defender y preservar tanto su trabajo como su reputación, y toma muy en serio las acusaciones de infracción, plagio, disputas éticas y fraude. Si un autor se da cuenta de un posible plagio, copia de resultados, fraude o infracción, le rogamos que se comunique con la mayor brevedad posible con el comité editorial de la revista Alcance. El Copyright posee el propósito de proteger tanto la propiedad intelectual de los autores como sus resultados.
CC BY-NC-ND: esta licencia permite a los reutilizadores copiar y distribuir el material en cualquier medio o formato solo sin adaptarlo, solo con fines no comerciales y siempre que se le atribuya al creador.
Términos de Licencia:
Reconocimiento: debe otorgar el crédito correspondiente, proporcionar un enlace a la licencia e indicar si se realizaron cambios. Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial: no puede utilizar el material con fines comerciales.
No Derivada: si remezcla, transforma o construye sobre el material, no puede distribuir el material modificado.
Sin restricciones adicionales: no puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros de hacer cualquier cosa que permita la licencia.
El autor esta en la obligación de seguir las exigencias según lo instruido en la licencia ubicada en el enlace: https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
