¿Vigilar para motivar? computación afectiva, motivación académica e inteligencia artificial emocional en la educación secundaria
DOI:
https://doi.org/10.51247/pdlc.v7i4.1031Palabras clave:
computación afectiva, inteligencia artificial, motivación, educación secundaria, ética, emociones, gobernanzaResumen
La incorporación de inteligencia artificial en la educación secundaria ha extendido el debate educativo hacia la dimensión afectiva del aprendizaje, por lo que se sitúa a la computación afectiva ante la posibilidad de interpretar señales vinculadas con las emociones del estudiante y responder pedagógicamente a ellas; frente a esta promesa, el ensayo desarrolla una reflexión crítica que examina hasta qué punto dicha tecnología puede favorecer la motivación sin desconocer los límites que surgen de su aplicación, cuestión que se aborda mediante la teoría de las emociones de logro y la teoría de la autodeterminación para comprender cómo el aburrimiento, la confusión o el flujo inciden sobre el interés y la autoeficacia; esta relación conduce al examen de la evidencia científica, cuya insuficiencia cuestiona la inferencia de estados internos mediante datos biométricos, problema que adquiere alcance ético ante la vigilancia de menores y deriva en una respuesta regulatoria expresada por la prohibición europea vigente desde febrero de 2025; ante estas tensiones, se propone orientar la IA hacia el desarrollo de la agencia emocional y la autorregulación bajo decisión humana, perspectiva que abre la discusión sobre las condiciones de gobernanza requeridas en Colombia y América Latina para evitar que su incorporación amplíe inequidades educativas
Descargas
Referencias
Barrett, L. F., Adolphs, R., Marsella, S., Martinez, A. M., & Pollak, S. D. (2019). Emotional expressions reconsidered: Challenges
to inferring emotion from human facial movements. Psychological Science in
the Public Interest, 20(1), 1–68. https://doi.org/10.1177/1529100619832930
Berzosa Ramos, I., Arroyo González, M. J., & Baridon, D. (2025). Inteligencia artificial y pensamiento computacional en una experiencia transversal en educación secundaria: Beneficios sobre el rendimiento académico y la motivación en el alumnado. Contextos Educativos. Revista de Educación, 36, 41–64. https://doi.org/10.18172/con.6302
Calvo, R. A., & D'Mello, S. (2010). Affect detection: An interdisciplinary review of models, methods, and their applications. IEEE Transactions on Affective Computing, 1(1), 18–37. https://doi.org/10.1109/T-AFFC.2010.1
Cukurova, M., Kent, C., & Luckin, R. (2019). Artificial intelligence
and multimodal data in the service of human decision-making: A case study in
debate tutoring. British Journal of Educational Technology, 50(6), 3032–3046. https://doi.org/10.1111/bjet.12829
Departamento Nacional de Planeación. (2025, 14 de febrero). Documento CONPES 4144: Política nacional de inteligencia artificial. Consejo Nacional de Política Económica y Social. https://colaboracion.dnp.gov.co/CDT/Conpes/Econ%C3%B3micos/4144.pdf
Ding, Z., & Xue, W. (2025). Navigating anxiety in digital learning: How AI-driven personalization and emotion recognition shape EFL students’ engagement. Acta Psychologica, 260, 105466. https://doi.org/10.1016/j.actpsy.2025.105466
D'Mello, S. (2013). A selective meta-analysis on the relative incidence
of discrete affective states during learning with technology. Journal of Educational Psychology, 105(4), 1082–1099. https://doi.org/10.1037/a0032674
D'Mello, S., & Graesser, A. (2012). Dynamics of affective states
during complex learning. Learning and Instruction, 22(2), 145–157. https://doi.org/10.1016/j.learninstruc.2011.10.001
D'Mello, S., Lehman, B., Pekrun, R., & Graesser, A. (2014). Confusion can be beneficial for learning. Learning and Instruction, 29, 153–170. https://doi.org/10.1016/j.learninstruc.2012.05.003
European Parliament & Council of the European Union. (2024). Regulation
(EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024
laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union. https://eur-lex.europa.eu/eli/reg/2024/1689/oj
Hattie, J., & Timperley, H. (2007). The power of feedback. Review
of Educational Research, 77(1), 81–112. https://doi.org/10.3102/003465430298487
Ho, M.-T., Mantello, P., & Vuong, Q.-H. (2024). Emotional AI in education and toys: Investigating moral risk awareness in the acceptance of AI technologies from a cross-sectional survey of the Japanese population. Heliyon, 10(16), e36251. https://doi.org/10.1016/j.heliyon.2024.e36251
Holmes, W., Porayska-Pomsta, K., Holstein, K., Sutherland, E., Baker,
T., Buckingham Shum, S., Santos, O. C., Rodrigo, M. T., Cukurova, M.,
Bittencourt, I. I., & Koedinger, K. R. (2022). Ethics of AI in education:
Towards a community-wide framework. International Journal of Artificial
Intelligence in Education, 32(3), 504–526. https://doi.org/10.1007/s40593-021-00239-1
Liu, Y., Zhang, H., Jiang, M., Chen, J., & Wang, M. (2024). A systematic review of research on emotional artificial intelligence in English language education. System, 126, 103478. https://doi.org/10.1016/j.system.2024.103478
McStay, A. (2020). Emotional AI and EdTech: Serving the public good? Learning,
Media and Technology, 45(3), 270–283. https://doi.org/10.1080/17439884.2020.1686016
Medina Orozco, L. A. (2023). Entornos digitales y emociones, acciones para una educación más social y humana en la ciudad de Montería, Córdoba, Colombia [Tesis doctoral, Universidad Metropolitana de Educación, Ciencia y Tecnología]. Repositorio UMECIT. Repositorio UMECIT
Pekrun, R. (2006). The control-value theory of achievement emotions:
Assumptions, corollaries, and implications for educational research and
practice. Educational Psychology Review, 18(4), 315–341. https://doi.org/10.1007/s10648-006-9029-9
Pekrun, R., Goetz, T., Titz, W., & Perry, R. P. (2002). Academic
emotions in students' self-regulated learning and achievement: A program of
qualitative and quantitative research. Educational Psychologist, 37(2),
91–105. https://doi.org/10.1207/S15326985EP3702_4
Picard, R. W. (1997). Affective computing. MIT Press.
Prada Núñez, R., Rabelo Procopio, M. V., Fernández-Cézar, R., & Solano-Pinto, N. (2024). Affective domain and mathematics achievement of Colombian students under multiple correspondence analysis. Frontiers in Education, 8, 1261829. https://doi.org/10.3389/feduc.2023.1261829
Ryan, R. M., & Deci, E. L. (2000). Intrinsic and extrinsic
motivations: Classic definitions and new directions. Contemporary
Educational Psychology, 25(1), 54–67. https://doi.org/10.1006/ceps.1999.1020
Salloum, S. A., Alomari, K. M., Alfaisal, A. M., Aljanada, R. A., & Basiouni, A. (2025). Emotion recognition for enhanced learning: Using AI to detect students’ emotions and adjust teaching methods. Smart Learning Environments, 12, 21. https://doi.org/10.1186/s40561-025-00374-5
Sarmiento Reyes, Ó. E. (2024). Competencias socioemocionales y riesgo social en la educación rural. Societas, 26(2), 75–93. https://doi.org/10.48204/societas.v26n2.5341
Shingjergji, K., Iren, D., Urlings, C., & Klemke, R. (2026). Affective computing in online higher education: A systematic literature review. Computers and Education: Artificial Intelligence, 10, 100499. https://doi.org/10.1016/j.caeai.2025.100499
Stark, L., & Hoey, J. (2021). The ethics of emotion in artificial
intelligence systems. En Proceedings of the 2021 ACM Conference on Fairness,
Accountability, and Transparency (pp. 782–793). Association for Computing
Machinery. https://doi.org/10.1145/3442188.3445939
Superintendencia de Industria y Comercio. (2025, 30 de abril). Política de tratamiento de datos personales. https://sedeelectronica.sic.gov.co/transparencia/normativa/politica-de-tratamiento-de-datos-personales-0
United Nations Educational, Scientific and Cultural Organization.
(2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
Vistorte, A. O. R., Deroncele-Acosta, A., Martín Ayala, J. L., Barrasa, A., López-Granero, C., & Martí-González, M. (2024). Integrating artificial intelligence to assess emotions in learning environments: A systematic literature review. Frontiers in Psychology, 15, 1387089. https://doi.org/10.3389/fpsyg.2024.1387089
Yadegaridehkordi, E., Noor, N. F. B. M., Ayub, M. N. B., Affal, H. B.,
& Hussin, N. B. (2019). Affective computing in education: A systematic
review and future research. Computers & Education, 142, 103649. https://doi.org/10.1016/j.compedu.2019.103649
Yepez Cuellar, E. A. (2024). El aula como espacio sensible. Praxis, Educación y Pedagogía, 13, e40415131. https://doi.org/10.25100/praxis_educacion.v0i13.15131
Yuvaraj, R., Mittal, R., Prince, A. A., & Huang, J. S. (2025).
Affective computing for learning in education: A systematic review and
bibliometric analysis. Education Sciences, 15(1), 65. https://doi.org/10.3390/educsci15010065
Zhang, H., Liu, Y., Jiang, M., Chen, J., Wang, M., & Paas, F. (2025). Emotional artificial intelligence in education: A systematic review and meta-analysis. Educational Psychology Review, 37, 106. https://doi.org/10.1007/s10648-025-10086-4
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Tomas Miguel Fuentes-Suarez, Luis Fernando Cardona-Palacio
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
