Resumen:
La irrupción de la inteligencia artificial generativa IAG ha transformado de manera significativa los procesos de enseñanza aprendizaje evaluación e investigación en la educación superior generando tanto oportunidades pedagógicas como desafíos éticos e institucionales En el contexto ecuatoriano la adopción de estas tecnologías avanza de forma progresiva pero evidencia la ausencia de marcos normativos y pedagógicos específicos que orienten su uso responsable El presente estudio tiene como objetivo proponer un marco socio técnico de control para el uso responsable de la inteligencia artificial generativa en instituciones de educación superior del Ecuador integrando dimensiones éticas pedagógicas normativas y tecnológicas La investigación se desarrolló bajo un enfoque metodológico mixto de tipo descriptivo analítico combinando técnicas cuantitativas y cualitativas Se aplicaron cuestionarios estructurados a docentes y estudiantes universitarios entrevistas semiestructuradas a autoridades académicas y responsables de gestión institucional y una revisión documental de normativas y lineamientos nacionales e internacionales sobre ética e inteligencia artificial Los datos cuantitativos fueron analizados mediante estadística descriptiva mientras que la información cualitativa se examinó a través de análisis de contenido temático permitiendo la identificación de ejes clave del enfoque socio técnico Los resultados evidencian una alta aceptación de la IAG como herramienta de apoyo académico junto con preocupaciones relacionadas con la integridad académica la autoría la dependencia tecnológica y la falta de políticas institucionales claras Se concluye que la implementación de un marco socio técnico de control resulta fundamental para garantizar una adopción ética formativa y contextualizada de la inteligencia artificial generativa en las universidades ecuatorianas promoviendo una cultura de responsabilidad digital y pensamiento crítico Por lo expuesto se evidencia que la implementación de marcos de gobernanza para la IA en la educación universitaria y o superior genera resultados concretos destacándose cuatro puntos regulatorios Marcos de cumplimiento normativo marcos de autorregulación institucional marcos híbridos regulatorios marcos participativos
