• 133 •
Anduli
Revista Andaluza de Ciencias Sociales
ISSN: 1696-0270 • e-ISSN: 2340-4973
ROBÓTICA E INTELIGENCIA ARTIFICIAL EN EL
DESARROLLO DE LA ALTA CAPACIDAD
ROBOTICS AND ARTIFICIAL INTELLIGENCE IN THE
DEVELOPMENT OF GIFTEDNESS
María-Isabel Gómez-León
Universidad Internacional de La Rioja, Logroño, España.
isabel.gomez@unir.net
Orcid: https://orcid.org/0000-0001-7466-5441
Resumen
Los estudiantes con alta capacidad (AC)
podrían contribuir de una manera rele-
vante en una sociedad dinámica que
requiere de profesionales automotivados
para realizar aprendizajes permanentes
y producciones innovadoras. Sin embar-
go, existe una discrepancia entre el lo-
gro esperado basado en sus potenciales
intelectuales y el rendimiento académico
y profesional. Esta revisión bibliográca
analiza los benecios de la integración
de la robótica y la inteligencia articial
(IA) en la educación de los estudiantes
con AC sobre las competencias más de-
mandadas por el mercado laboral. Se
revisan 24 estudios, siguiendo los cri-
terios PRISMA. Los estudios muestran
que la integración de la robótica y la IA
en la educación de los estudiantes con
AC favorece el aprendizaje profundo, la
exploración creativa y la resolución de
problemas reales con relevancia socioe-
mocional, por lo que su integración en
las prácticas educativas no sólo puede
promover profesionales que sean tec-
nológicamente expertos, sino también
emocionalmente inteligentes y social-
mente competentes para enfrentarse a
las complejidades y las necesidades de
una sociedad en continuo cambio.
Palabras clave: alta capacidad; su-
perdotación; talento; inteligencia
articial; robótica; pensamiento computa-
cional; tecnología; desarrollo; educación;
intervención.
Abstract
Highly gifted students could contribute
signicantly to a dynamic society that
requires self-motivated professionals
dedicated to lifelong learning and
innovative productions. However,
there is a discrepancy between the
expected achievement based on their
intellectual potential and their academic
and professional performance. This
literature review analyzes the benets
and limitations of integrating robotics
and articial intelligence (AI) in the
education of gifted students, focusing
on the competencies most demanded
by the labor market. Twenty-four
studies were analyzed following
PRISMA criteria. Studies show that
the integration of robotics and AI in the
education of gifted students fosters
deep learning, creative exploration, and
real-world problem-solving with socio-
emotional relevance. Therefore, their
integration into educational practices
can not only promote professionals
who are technologically procient, but
also emotionally intelligent and socially
competent to face the complexities and
needs of an ever-changing society.
Keywords: high ability; giftedness;
talented; articial intelligence; robotics;
computational thinking; technology;
development; education; intervention.
Cómo citar este artículo/ citation: Gómez-León, María-Isabel (2025). Robótica e Inteligencia Artificial en el
Desarrollo de la Alta Capacidad. ANDULI 27 (2025) pp.133-151.
https://doi.org/10.12795/anduli.2025.i27.06
Recibido: 26.08.2024 Evaluado: 03.11.2024 Aceptado: 03.12.2024
Anduli • Revista Andaluza de Ciencias Sociales Nº 27 - 2025
• 134 •
1. INTRODUCCION
El rápido desarrollo tecnológico ha ampliado la noción de alfabetización en la edu-
cación para referirse al proceso de enseñar a los niños a programar y a utilizar el
pensamiento computacional de manera que puedan resolver problemas utilizando
la tecnología con la que viven, y vivirán, diariamente (Siegle, 2020). En este sentido
cada vez cobra mayor relevancia la idea de que la educación debería enseñar ha-
bilidades para adquirir nuevos conocimientos de manera permanente y autónoma y
habilidades para poder ajustar los objetivos a los nuevos cambios en tecnología que
suceden a un ritmo rápidamente creciente (Renzulli, 2020). Una de las razones que
lo justica es la brecha actual existente entre las competencias adquiridas por los
estudiantes graduados y las habilidades demandadas por las empresas (Shmatko
y Volkova, 2020). La robotización y la inteligencia articial (IA) se están desarro-
llando rápidamente y la demanda de robots y sistemas inteligentes se ha acelerado
considerablemente. Por lo que se necesitan personas capaces de crear y mantener
estos dispositivos avanzados. La amplia gama de aplicaciones de los dispositivos y
sistemas robóticos determina la gran variedad de conocimientos y habilidades que
deben poseer los profesionales. Más allá de la falta de conocimientos y capacidades
técnicas especícas, como habilidades de programación y el dominio de software
especializado, los empleadores han observado una carencia en el desarrollo de habi-
lidades esenciales con valor a largo plazo, como la comunicación efectiva, la toma de
decisiones, la resolución de problemas, el liderazgo, la automotivación, la voluntad
de mejorar y ampliar constantemente los conocimientos, la creatividad, la inteligencia
emocional y las habilidades de ética social.
La alta capacidad (AC) puede denirse como una potencialidad intelectual elevada
en uno o más dominios del funcionamiento humano. Los estudiantes con AC pueden
tener un alto potencial para desarrollar las habilidades del siglo XXI, es decir, habili-
dades de investigación, creativas, de pensamiento crítico e interpersonales, esencia-
les para aplicar conocimientos de diversas disciplinas en la solución de problemas
reales (Gómez-León, 2022a; Renzulli, 2021). Estos estudiantes suelen sentirse atraí-
dos por la programación porque les brinda la oportunidad de involucrar procesos
mentales de abstracción, descomposición, pensamiento algorítmico, evaluación y
generalización en los que son potencialmente ecientes y que, al mismo tiempo, son
clave para el pensamiento computacional (Siegle, 2020). El pensamiento computa-
cional está asociado con aptitudes en las que los estudiantes con AC destacan frente
a la población normotípica: la capacidad visoespacial, la capacidad de razonamiento
y la capacidad de resolución de problemas (Anomal et al., 2020; Román-González et
al., 2017). Aprender a codicar no solo les permite resolver problemas, sino que tam-
bién les ayuda a desenvolverse en un mundo cambiante que requiere su creatividad
y agudeza mental (Siegle, 2023).
Desde una perspectiva constructivista el potencial de cada persona se moldea de
manera dinámica y adaptativa en función de la exposición a desafíos y oportuni-
dades ambientales, las limitaciones de las tareas y los dominios, las condiciones
sociales y los esfuerzos dedicados y autodirigidos durante un periodo de tiempo
prolongado (Dai, 2020; Gómez-León, 2020a). Por lo que existe un amplio consenso
en que los estudiantes con AC deben recibir los apoyos educativos adecuados para
poder contribuir de una manera relevante en una sociedad dinámica y basada en el
conocimiento (Renzulli, 2021; Steenbergen-Hu et al., 2020).
Sin embargo, la identicación formal de los estudiantes con AC sigue siendo insu-
ciente, lo que impide que muchos de ellos se benecien de las respuestas educativas
Artículos • María-Isabel Gómez-León
• 135 •
especícas que necesitan (García-Perales y Almeida, 2019). Algunos autores han
señalado que incluso entre aquellos estudiantes que son identicados con AC se
observa a menudo una discrepancia entre el logro esperado basado en su poten-
cial intelectual y el rendimiento académico y profesional, lo que puede llevar a un
desaprovechamiento signicativo de su potencial. Entre las posibles causas se en-
cuentran: la falta de intervenciones y metodologías educativas adecuadas y perso-
nalizadas que respondan a sus necesidades especícas; la escasez de recursos
psicopedagógicos actualizados y efectivos para evaluar y apoyar a estos estudian-
tes; una formación docente insuciente; y las actitudes de rechazo y prejuicios hacia
los estudiantes de alta capacidad, tanto entre sus compañeros como entre algunos
docentes, lo que puede llevar a la exclusión social y a la falta de apoyo (Steenber-
gen-Hu et al., 2020).
Como consecuencia, parte de la investigación en el área de la tecnología se ha
centrado en el desarrollo de metodologías que contribuyan a mejorar el rendimiento
académico y el bienestar general de los estudiantes con AC. Estas metodologías
incluyen desde tareas sencillas de robótica mediante la programación por bloques,
al uso y la creación de tecnologías avanzadas, como la IA. Algunos autores sostie-
nen que estos sistemas podrían respaldar la educación personalizada, optimizar un
aprendizaje integral y fomentar el desarrollo de habilidades excepcionales aplicables
a situaciones del mundo real, lo que podría suponer una ventaja frente a los métodos
y respuestas educativas tradicionales (Siegle, 2023; Renzulli, 2020). Otros, por el
contrario, señalan que este tipo de tecnología podría menoscabar entre los estudian-
tes el desarrollo del pensamiento crítico y de habilidades de comunicación esencia-
les, como la comprensión lectora y la capacidad de expresar ideas (Castillejos López,
2022; Sternberg, 2024). ¿En qué medida la robótica y la IA podrían contribuir al de-
sarrollo de funciones cognitivas de alto nivel como la autorreexión, el pensamiento
crítico y la creatividad, en estudiantes con AC?
El objetivo de este estudio es analizar los benecios de la integración de la robótica
y la IA en la educación de niños y adolescentes con AC sobre las habilidades más
demandadas en el mercado laboral y recomendadas por la Organización Coopera-
ción y el Desarrollo Económicos (OCDE) (OCDE, 2019) para una educación de alta
calidad.
2. MATERIALES Y METODOS
Se realiza una búsqueda exhaustiva en las bases de datos Scopus, Web of Science,
PubMed, ERIC, IEEE Xplore y ACM Digital Library siguiendo los criterios establecidos
en la declaración PRISMA. Se utilizan los términos (gifted* OR talent OR high ability
OR high intellectual ability) AND (robotics OR articial intelligence OR intelligent tu-
toring systems OR robot OR social robot) AND (student OR child OR teenager). Los
términos, la sintaxis y los operadores booleanos se adaptan en función de la base de
datos. Se selecciona el intervalo de artículos publicados entre 2010 y 2024, ya que la
implementación signicativa y generalizada de la robótica y la IA en la educación ha
ocurrido principalmente desde la década de 2010, con un crecimiento exponencial en
los últimos años (Zhai et al., 2021).
Se incluyen investigaciones empíricas revisadas por pares y publicadas en revistas o
actas de conferencias cuyo objetivo fuera estudiar el efecto de las intervenciones con
robótica e IA en el desarrollo de la AC. Se aceptan todos los diseños de investigación
y no hay restricción idiomática. Se excluyen estudios cuya muestra no represente
Anduli • Revista Andaluza de Ciencias Sociales Nº 27 - 2025
• 136 •
niños y adolescentes (de cero a 18 años) con AC, y aquellos estudios que sólo infor-
men sobre datos de aceptabilidad y no proporcionen datos de ecacia o factibilidad.
Se identica un total de 734 artículos, tras eliminar las referencias duplicadas que-
dan 452. Se realiza una primera selección a través del título y el resumen, excepto
cuando no pueden ser extraídos los criterios de elegibilidad en el que se hace una
lectura del artículo completo. Quedan 38 artículos que son analizados en función de
su calidad metodológica. El riesgo de sesgo se evalúa teniendo en cuenta la asigna-
ción de las intervenciones, el cegamiento de los participantes, del personal y de los
evaluadores del resultado, la validez y conabilidad de las medidas de resultado, los
datos de resultado incompletos, el sesgo de deserción y la noticación selectiva de
los resultados. La muestra nal está compuesta por 24 artículos (Figura 1).
Figura 1. Diagrama de ujo de información en la Revisión Sistemática
Publicaciones excluidas:
Criterio diagnóstico (n = 8)
Validez y abilidad de la medida (n=6)
Incluidos Cribado Identicación
Registros excluidos (n = 244)
Registros eliminados
antes del cribado:
Registros excluidos
duplicados (n = 452)
Estudios incluidos en la revisión
(n = 24)
Publicaciones evaluadas
para elegibilidad (n = 38)
(n = 498)
Registros cribados (n = 282)
Registros identicados
desde 2010: (n = 734)
Fuente: elaboración propia
Los datos se clasicaron según las ocho habilidades y experiencias de aprendiza-
je recomendadas por la OCDE (OECD, 2019) para preparar a los estudiantes en
la nueva era digital: habilidades de ciudadanía global, habilidades de innovación
y creatividad, habilidades tecnológicas, habilidades interpersonales, aprendizaje
personalizado y a su propio ritmo, aprendizaje accesible e inclusivo, aprendizaje
colaborativo y basado en problemas y aprendizaje permanente e impulsado por los
estudiantes.
3. RESULTADOS Y DISCUSIÓN
El objetivo de este estudio es analizar los benecios de la integración de la robótica
y la IA en la educación de niños y adolescentes con AC. Las investigaciones revisa-
das muestran que la educación en robótica e IA permite personalizar el aprendizaje
Artículos • María-Isabel Gómez-León
• 137 •
según el interés, el estilo de aprendizaje y el nivel de preparación/capacitación de
los estudiantes. Todo ello dentro de un entorno de aprendizaje donde el estudiante
aprende haciendo y viviendo experiencias concretas, lo que le convierte en un apren-
diz social que contribuye al desarrollo de nuevos productos. Por lo tanto, los estudios
revelan que estas experiencias desarrollan habilidades de pensamiento lógico, reso-
lución de problemas y creatividad, pero también perseverancia, gestión del tiempo, y,
cuando se realizan en grupo, colaboración y cooperación (ver Apéndice).
Sin embargo, no podría entenderse el alcance real del este avance tecnológico y
metodológico sin tener en cuenta las necesidades de un mercado laboral que cambia
rápidamente, por lo que los resultados se discuten en función de las ocho habilidades
y experiencias de aprendizaje necesarias recomendadas por la OCDE (OECD, 2019)
para una educación de alta calidad: habilidades de ciudadanía global, aprendizaje
permanente e impulsado por los estudiantes, habilidades de innovación y creativi-
dad, habilidades tecnológicas, habilidades interpersonales, aprendizaje personaliza-
do y a su propio ritmo, aprendizaje accesible e inclusivo y aprendizaje colaborativo y
basado en problemas.
3.1. Habilidades de ciudadanía global
Estas habilidades se reeren al desarrollo de la conciencia sobre el mundo en ge-
neral, la sostenibilidad y el desempeño de un papel activo en la comunidad global.
La primera recomendación sobre ética en la aplicación de la IA aprobada por la
UNESCO (2021) tuvo como objetivo proporcionar una base para que los sistemas
de IA funcionaran para el bien de la humanidad, las personas, las sociedades, el
medio ambiente y los ecosistemas, así como para prevenir daños. Lo que subraya la
importancia de las habilidades éticas, sociales y reexivas de los profesionales que
trabajan con IA (Gómez-León, 2024).
Las investigaciones muestran que los estudiantes con AC pueden aportar soluciones
innovadoras, éticas y útiles a problemas sociales y cientícos importantes conectan-
do las habilidades tecnológicas adquiridas con un propósito social más amplio (Şen y
Ay, 2022; Sen et al., 2021; Yavuz y Usluel, 2024). Estudios anteriores (Gómez-León,
2022b) han mostrado que estos estudiantes obtienen puntuaciones de razonamiento
moral signicativamente más altas, y expresan preocupaciones morales a una edad
más temprana y con mayor intensidad, que sus compañeros de capacidad promedio.
La sensibilidad ética de estos niños deriva de una mayor capacidad empática, una
visión más crítica y holística de los problemas y una mejor capacidad para evaluar
consecuencias y alternativas a largo plazo. Por lo que podrían ser especialmente
aptos para crear el tipo de tecnología que permitiera actuar de manera más coheren-
te con los principios éticos humanos (Lee et al., 2024; Russell, 2019). Por ejemplo,
participando en el diseño de robots sociales que apoyaran el desarrollo de la empatía
desde la infancia temprana (Gómez-León, 2022b).
3.2. Aprendizaje permanente e impulsado por los estudiantes
Este tipo de aprendizaje implica una transición desde un sistema en el que el apren-
dizaje y la adquisición de competencias tienden a disminuir con el tiempo, hacia uno
en el que se produce una mejora continua de las habilidades existentes y se adquie-
ren otras nuevas en función de las necesidades y requerimientos personales.
En todas las investigaciones analizadas se observa una mayor participación activa y
un aumento por el compromiso en las tareas en los estudiantes con AC cuando hacen
uso de la robótica y la IA. Las investigaciones (Ramos et al., 2023; Steenbergen-Hu
Anduli • Revista Andaluza de Ciencias Sociales Nº 27 - 2025
• 138 •
et al., 2020; Zbainos y Beloyianni, 2018) han mostrado que, en los estudiantes con
AC, el aprendizaje profundo y el compromiso por las tareas se predice tanto por la
orientación hacia el dominio de la tarea como por la motivación por el aprendiza-
je. Estos estudiantes se caracterizan por tener orientaciones hacia el dominio de
la tarea, que maniestan emprendiendo actividades principalmente para dominar el
contenido, aumentar la competencia o disfrutar de la sensación de aprender algo
nuevo (Gómez-León, 2020b, 2020c, Renzulli, 2021; Steenbergen-Hu et al., 2020).
Esta orientación les lleva a hacer uso de las estrategias de orden superior, integrales
y reexivas que subyacen al aprendizaje profundo (Fabio et al., 2022). Motivados por
su curiosidad y su deseo de aprender, los estudiantes con AC suelen ir más allá de
lo que se expone en clase, evalúan la información, se plantean cuestiones e inten-
tan llegar a conclusiones y soluciones creativas (Şen y Ay, 2022), por lo que suelen
mostrar más interés por crear aplicaciones que por depender de ellas (Siegle 2020,
2023).
3.3. Habilidades de innovación y creatividad
Dentro de esta categoría se engloban todas las habilidades necesarias para la inno-
vación, incluida la resolución de problemas complejos, el pensamiento analítico, la
creatividad y el análisis de sistemas.
Las intervenciones con robótica e IA muestran consistentemente mejoras en las ha-
bilidades de pensamiento creativo (uidez, exibilidad, elaboración y originalidad)
de los estudiantes con AC (Abu Owda, et al., 2023; Ayoub et al., 2022; Babaoglu y
Güven Yildirim, 2023; Cross, 2017; dos Reis Taucei et al., 2015; Jagust et al., 2018;
Jamali, 2019; Kim et al., 2015; Ramli et al., 2011; Sen et al., 2021; Seo y Lee, 2010).
Los estudios reejan que los estudiantes con AC no sólo buscan ideas novedosas y
complejas, sino que también quieren expresar sus propias ideas de maneras únicas
y elaboradas. En línea con este estilo de aprendizaje los académicos han recomen-
dado que se les proporcionen tareas auténticas y abiertas que estén alineadas con
sus necesidades especícas, como el desafío, el trabajo independiente y la creati-
vidad. Por ejemplo, Lim et al., (2023) demostraron que los estudiantes con AC se
benecian más que sus compañeros sin AC de entornos menos estructurados e ins-
trucciones que priorizan la invención y la resolución de problemas que de entornos
estructurados e instrucciones que priorizan los ejemplos resueltos.
De entre todas las posibilidades, la intervención robótica con LEGO ha sido la más
estudiada. Los problemas abiertos y las innumerables formas en que se pueden
combinar las piezas LEGO ofrecen la oportunidad de realizar actividades comple-
jas adecuadas para estos estudiantes. Este tipo de intervenciones suelen ofrecer
un clima creativo adecuado que incluye elementos como el tiempo, los recursos, la
conanza y la colaboración apropiados para que los estudiantes puedan expresar
sus ideas libremente y sin temor al fracaso. Este clima da la oportunidad de mostrar,
desarrollar, apoyar y apreciar las actitudes creativas que luego darán lugar al pensa-
miento y a la producción creativa (Jamali, 2019).
3.4. Habilidades tecnológicas
Abarca todas las competencias relacionadas con el desarrollo de habilidades digita-
les, incluida la programación, la responsabilidad digital y el uso de la tecnología
Las investigaciones analizadas muestran que los estudiantes con AC mejoraron sus
habilidades de pensamiento computacional, incluidas las capacidades de pensa-
miento crítico, creativo y resolución de problemas, después de haber participado en
proyectos de robótica (Ayoub et al., 2022: Babaoglu y Güven Yildirim, 2023; Choi y
Artículos • María-Isabel Gómez-León
• 139 •
Hong, 2015; Cross, 2017; dos Reis Taucei et al., 2015; Jagust et al. 2018; Jamali,
2019; Kandlhofer et al., 2019; Ramli et al., 2011; Sen et al., 2021; Tosunoğlu et al.,
2022). Estos estudiantes hacían un uso activo de las habilidades de pensamiento
crítico al proporcionar explicaciones, hacer asociaciones, cuestionar información, dar
justicaciones, resolver problemas, pensar de forma creativa, hacer generalizaciones
e intentar convencer a los demás. Además, se observó que utilizaban activamente
sus habilidades de resolución de problemas, incluidas la denición del problema, la
creación de soluciones y la evaluación de su ecacia.
Adicionalmente, las investigaciones muestran que la IA proporciona herramientas
que permiten al estudiante acceder a diversas fuentes de información, reexionar,
establecer relaciones, desarrollar el pensamiento crítico y creativo y construir nuevos
conocimientos en lugar de ser un mero consumidor de contenidos (Demszky et al.,
2023; Sen & Kiray, 2021). Los estudios que investigan el efecto de los programas de
enriquecimiento en estudiantes con AC han mostrado que los programas informáti-
cos de IA, como ChatGPT, Bing, Claude, Llama, Gemini, Geogebra y Pixton, pueden
proporcionar recursos y desafíos adicionales como contenido avanzado, aprendizaje
personalizado, manipulación de imágenes, escritura creativa, pensamiento crítico,
resolución de problemas, colaboración y habilidades de investigación y de tecnología
avanzada (Abu Owda, et al., 2023; García-Perales y Almeida, 2019; Siegle, 2023).
3.5 Habilidades interpersonales
Estas habilidades se reeren a todas las relacionadas con la inteligencia emocional,
incluida la empatía, la cooperación, la negociación, el liderazgo y la conciencia social.
Las investigaciones analizadas (Kilinc et al. 2020; Schüttler y Hausamann, 2020; Sen
et al., 2021; Yavuz y Usluel, 2024) muestran que en actividades STEM colaborativas,
estos estudiantes están abiertos a sostener diferentes puntos de vista con sus com-
pañeros, a escuchar propuestas e ideas y a replantear sus propias perspectivas. Por
lo que aceptan el desacuerdo como algo positivo, estimulante y enriquecedor. Ade-
más, suelen aceptar la responsabilidad de su trabajo y se implican en la resolución
de los problemas, y en la búsqueda de información a través de recursos tecnológicos
o de otras personas.
En proyectos de robótica colaborativa los estudiantes con AC participan en la reso-
lución de problemas a través de comunicaciones abiertas y efectivas (Kilinc et al.
2020; Schüttler y Hausamann, 2020; Yavuz y Usluel, 2024). Comunicar nuevas ideas
y difundirlas implica ser capaces de comprender lo que sus compañeros ya saben
y guiarlos hacia nuevas comprensiones. Investigaciones anteriores (Gómez-León,
2020d; Guthrie, 2019) han mostrado que los estudiantes con AC poseen caracterís-
ticas que se consideran valiosas para mantener interacciones sociales competentes.
Éstas incluyen habilidades lingüísticas y comunicativas desarrolladas, exibilidad
mental, habilidades metacognitivas, sensibilidad emocional, un alto nivel de razo-
namiento moral y una conciencia de sí mismos elevada. Como resultado, pueden
asumir roles de liderazgo con facilidad y desarrollar una autoestima elevada (Gotlieb
et al., 2016; Guy et al., 2019).
Adicionalmente, los estudios han mostrado que la naturaleza interactiva y práctica de
la robótica proporciona una plataforma para la expresión, la comprensión y la regu-
lación emocional (Schüttler y Hausamann, 2020; Yavuz y Usluel, 2024). Los robots
sociales educativos pueden comunicarse con los estudiantes a través de señales
socioemocionales, actúan como mediadores y animan a los estudiantes a interactuar
entre sí y con la tecnología, de manera que promueven el desarrollo de la inteligencia
Anduli • Revista Andaluza de Ciencias Sociales Nº 27 - 2025
• 140 •
emocional y las competencias interpersonales. Por otra parte, codicar conductas
emocionales en contextos sociales ayuda al estudiante a comprender sus propios
mecanismos socioemocionales. Además, integrar la robótica en experiencias de rea-
lidad virtual y aumentada permitiría a los estudiantes practicar habilidades socioemo-
cionales en entornos simulados, lo que les ayudaría a generalizar las competencias
adquiridas en contextos reales.
3.6. Aprendizaje personalizado y a su propio ritmo
Implica avanzar desde un sistema educativo estandarizado a uno que se adapte a
las diferentes necesidades y ritmos de aprendizaje de cada estudiante, brindando la
exibilidad necesaria para que cada uno prospere a su propio tiempo.
La robótica y la IA proporcionan entornos de enseñanza personalizados e innovado-
res que promueven aprendizajes autónomos en sintonía con las necesidades, posi-
bilidades y los intereses de los estudiantes con AC y con los desafíos de la sociedad
contemporánea. Por ejemplo, Cross (2017) diseñó un programa de robótica creativa,
Arts & Bots, que podía ser integrado en los cursos obligatorios estándar de la es-
cuela. De esta manera los estudiantes podían descubrir nuevas áreas de interés y
autoexpresión, y, al mismo tiempo, los docentes podían reconocer los talentos de los
estudiantes y apoyar estas habilidades. Además, la IA puede ayudar a los profesores
a obtener información valiosa sobre el proceso de aprendizaje de sus estudiantes,
lo que les permite mejorar sus métodos de enseñanza y, en última instancia, el ren-
dimiento de los estudiantes. Por ejemplo, Korbit es un sistema de tutoría inteligente
que identica patrones en las interacciones de los estudiantes con la plataforma.
Este sistema puede descubrir las metas, el compromiso y las tendencias de apren-
dizaje de los estudiantes y generar comentarios personalizados e intervenciones pe-
dagógicas para los instructores, lo que permite a los docentes adaptar de manera
proactiva sus estrategias de enseñanza (Kochmar et al., 2022).
Los proyectos de robótica e IA generativa se basan principalmente en el aprendizaje
basado en problemas, ofreciendo a los estudiantes con AC la oportunidad de realizar
creaciones avanzadas y complejas, algo especialmente relevante para los estudian-
tes con AC que preeren trabajos más desaantes que los alumnos sin AC. Por
ejemplo, la clave para avanzar en la programación de IA radica en comprender cómo
se desarrollan las habilidades humanas en la toma de decisiones y la resolución de
problemas. Este tipo de actividades apoyan el desarrollo de la metacognición, una
capacidad que aparece precozmente en los niños con AC y que les permite autorre-
gular su aprendizaje (Steenbergen-Hu et al., 2020).
En el contexto del aprendizaje presencial basado en problemas, Choi,y Lee (2015)
encontraron que el compromiso de los alumnos con AC mejoraba cuando percibían
que la actitud docente intentaba relacionar el contenido de aprendizaje con las metas
e intereses de los alumnos, en lugar de centrarlas en la evaluación inmediata. En
este contexto, las acciones del docente que reconocen el valor social de las tareas,
alientan la curiosidad, proporcionan respuestas adecuadas y fomentan el pensa-
miento crítico e independiente promueven un aprendizaje en profundidad (Gotlieb
et al., 2016).
Además, considerando el éxito de los estudiantes con AC en diferentes campos, y
la creciente demanda de profesionales con conocimientos interdisciplinares, tam-
bién en áreas tradicionalmente no asociadas a las profesiones STEAM (como por
ejemplo, humanidades, ciencias sociales, gestión o diseño), las intervenciones de
robótica e IA están abiertas a diferentes disciplinas como el arte y la música (Jagust
Artículos • María-Isabel Gómez-León
• 141 •
et al., 2018), la arquitectura (Senne y Coxon, 2015), la literatura (Sarıca et al., 2024),
o la aeronáutica (Schüttler y Hausamann, 2020).
Por último, entre las herramientas de IA más interesantes y punteras se encuentran
los sistemas de tutoría inteligente a través de plataformas de aprendizaje, avatares o
robots sociales. Estos tutores son exibles y adaptables, proporcionando un currículo
apropiado en términos de complejidad, habilidades de pensamiento de orden supe-
rior y recursos especializados (Choi,y Lee, 2015). Las plataformas de tutoría inteli-
gente pueden proporcionar materiales de todos los niveles de complejidad; permiten
el acceso a estudiantes de todo el mundo y expertos de diversos campos; aportan
retroalimentación en tiempo real, lo que es crucial para mejorar la metacognición
y la autorregulación; y suponen una oportunidad para aprender a usar software o
equipos especializados que reejen los patrones de pensamiento de los estudiantes.
Adicionalmente, los avances en IA suponen un gran avance hacia la integración de
las competencias socioemocionales en el currículo (Al Hamad et al., 2024). Los siste-
mas inteligentes rastrean la atención de los estudiantes y detectan emociones como
la frustración, el interés o el aburrimiento, adaptando el contenido y la instrucción a
las necesidades del estudiante y fomentando el compromiso y la motivación por el
aprendizaje.
3.7. Aprendizaje accesible e inclusivo
Se reere al paso de un modelo educativo que restringe el aprendizaje solo a quienes
pueden acceder a la educación presencial, a uno que brinde acceso al conocimiento
de manera universal, garantizando así la inclusión de todas las personas.
El acceso a la robótica y la IA puede verse afectado por la baja prevalencia de casos
identicados con AC (García-Perales & Almeida, 2019), la predominancia de cifras
de sexo masculino sobre el femenino y la inuencia de la raza y el estatus socioe-
conómico en la identicación de la AC (Anderson, 2020). Solo dos de los 24 estu-
dios analizados explicitó haber incluido en su muestra estudiantes que pertenecían a
grupos tradicionalmente subrepresentados dentro de la AC (en género, raza o nivel
socioeconómico) (Coxon, 2012; Coxon et al., 2018). Las puntuaciones medias de
ganancia después de haber participado en actividades de robótica no fueron signi-
cativamente diferentes a las de los grupos tradicionalmente representados en la AC
(blancos, asiáticos y sin ayudas económicas).
Además, las disparidades de género en los campos STEM persisten, donde las
mujeres representan menos del 25% en las medias internacionales y el 15,6% en
España (OCDE, 2023). De los 24 estudios analizados tres se han realizado exclu-
sivamente con mujeres, en todos ellos se han hallado ganancias en la exibilidad
mental, resolución de problemas, y creatividad después interactuar con la robótica
(Ayoub et al., 2022; Jamali, 2019; Kim et al., 2015). En el resto de los estudios no se
observan diferencias signicativas en las variables evaluadas en función del sexo.
Excepto en el estudio de Coxon (2012), donde los niños, pero no las niñas, que ha-
bían participado en actividades de robótica presentaron mejoras signicativas en la
habilidad espacial, con un tamaño de efecto grande.
La formación online (e-learning) brindan a los estudiantes con AC oportunidades para
acceder a plataformas educativas y bases de datos que satisfagan sus necesidades
y estilos de aprendizaje individuales, promoviendo de esta manera la automotivación
para el aprendizaje. Además, brindan a los estudiantes oportunidades de aprendizaje
avanzado a través de la exploración independiente de los contenidos, la construcción
de conocimientos mediante la resolución de problemas y la expresión creativa. Por
Anduli • Revista Andaluza de Ciencias Sociales Nº 27 - 2025
• 142 •
ejemplo, Scratch tiene una comunidad de programación en línea diseñada para estu-
diantes de 8 a 16 años (scratch.mit.edu) que reeja los entornos enriquecedores que
necesitan los estudiantes con AC. La facilidad para compartir sus creaciones dentro
de la comunidad motiva a los estudiantes y les ofrece oportunidades para aprender
de los demás. Adicionalmente, Scratch proporciona una plataforma abierta para que
los niños con AC creen experiencias autodirigidas, lo que les permite desarrollar
fácilmente programas informáticos sosticados. Las investigaciones han mostrado
que el uso de Scratch mejora la creatividad (Avcu y Er, 2020; Choi y Hong, 2015), la
resolución de problemas y las habilidades de pensamiento analítico, en concreto, las
dimensiones de ordenamiento, clasicación, comparación y evaluación (Kocaman,
2023; Wang et al., 2014).
Siegle (2020) propone el uso de plataformas de codicación gratuitas que no solo
permiten a los estudiantes de todas las edades comenzar a practicar la codicación,
sino que también les permite crear sus propias aplicaciones y observar de inmedia-
to los resultados de sus esfuerzos con experiencias auténticas. Estas plataformas
tienen enlaces a tutoriales que enseñan a los estudiantes cómo crear una amplia
gama de aplicaciones. La sosticación de las aplicaciones está limitada únicamente
por la creatividad y perseverancia de los estudiantes. Por ejemplo, MIT App Inventor
(https://appinventor.mit.edu/) permite a los estudiantes explorar las posibilidades de
la IA, con Thunkable (http://thunkable.com) los estudiantes pueden crear aplicacio-
nes que utilicen cualquiera de las funciones especiales de su dispositivo móvil, como
la cámara, el micrófono, el giroscopio, el acelerómetro y el temporizador. Otros au-
tores proponen el uso de la creación digital con microcontroladores programables
(como Arduino, BBC micro:bit, etc.) que ayudan a los niños a aprender sobre tecno-
logía digital mientras crean dispositivos portátiles, robótica, sensores ambientales y
más (Ball, et al., 2024).
Además, existe una tendencia prometedora de que cada vez más robots se convier-
tan en código abierto. Esto podría atribuirse al aumento de hardware asequible y fácil
de usar, como los microcontroladores Arduino (https://www.arduino.cc/) y Raspberry
Pi (https://www.raspberrypi.org/), así como al impulso de un software bien documen-
tado, más reutilizable y de código abierto escrito en plataformas estándar como ROS
(Robot Operating System; https://www.ros.org/) y YARP (Yet Another Robot Platform;
https://github.com/microsoft/reverse-proxy).
El aprendizaje en línea a través de sistemas de tutoría inteligente también se utiliza
activamente como una forma de ampliar las oportunidades para la educación de
estudiantes con AC. Estos sistemas aprovechan el aprendizaje automático de última
generación y las técnicas de procesamiento del lenguaje natural para brindar a los
estudiantes una retroalimentación personalizada utilizando sugerencias y explica-
ciones (Kochmar et al., 2022). Choi,y Lee (2015) estudiaron el efecto de un sistema
de tutoría inteligente en el uso de estrategias de aprendizaje profundo de 249 estu-
diantes con AC. Los autores descubrieron que el tipo de estrategia de motivación
utilizada por el tutor produjo resultados diferentes dependiendo de la capacidad del
alumno. En el caso de los alumnos con AC, la motivación extrínseca del instructor,
relacionada con la percepción de participación en clase y las calicaciones acadé-
micas, redujo la implicación del alumno en el aprendizaje profundo, mientras que la
motivación intrínseca, relacionada con el contenido de aprendizaje y la retroalimen-
tación continua, tuvo un efecto positivo en el nivel de aprendizaje integral y reexi-
vo (aprendizaje profundo). Esto enfatiza el papel del tutor inteligente para ayudar a
crear estructuras de conocimiento, aclarar el conocimiento y promover la reexión y
la indagación. Más aún, apoya el papel de la IA para proporcionar retroalimentación
Artículos • María-Isabel Gómez-León
• 143 •
individual a estudiantes con AC que comprenden rápidamente los contenidos de
aprendizaje, permitiéndoles participar en un aprendizaje más profundo y signicativo.
3.8. Aprendizaje colaborativo y basado en problemas
Hace referencia a la transición de un modelo de entrega de contenido basado en pro-
cesos a un enfoque basado en proyectos y resolución de problemas, lo cual requiere
colaboración entre pares y reeja de una manera más realista el futuro del ámbito
laboral.
Las investigaciones hacen énfasis en el aprendizaje basado en problemas o en la
educación STEM (Şen y Ay, 2022) para enseñar conceptos y usos de la IA, no de
forma aislada, sino contextualizada. La educación STEM se lleva a cabo dentro de
un contexto interesante y motivador basado en el conocimiento y las experiencias
individuales de los estudiantes con el rol del docente como facilitador del proceso de
aprendizaje. Con estos programas se pretende brindar a los estudiantes la oportuni-
dad de descubrir y desarrollar tecnología adecuada para resolver problemas comple-
jos de la vida real, aumentando la comprensión y apropiación de temas y conceptos.
Tener la posibilidad de utilizar lenguaje computacional para simular, probar y validar
hipótesis transforma el aula en un laboratorio de experimentos computacionales. Las
investigaciones muestran que la educación STEM fomenta en los estudiantes con
AC la capacidad de producir ideas originales, proyectos innovadores y soluciones
prácticas, en lugar de simplemente consumir y reproducir conocimientos (Coxon et
al., 2018; Şen y Ay, 2022; Robinson et al., 2014; Sen et al., 2021). Además, este en-
foque interdisciplinario enfatiza la interconexión del conocimiento técnico y humanís-
tico, contribuyendo a una experiencia educativa integral (Tran et al., 2024). Şen y Ay
(2022) observaron que los estudiantes con AC que habían participado en actividades
de IA a través del enfoque STEM eran capaces de hacer asociaciones interdiscipli-
narias y asociarlas con la vida real, de modo que resolvían problemas teniendo en
cuenta los problemas sociales y ambientales futuros.
4. CONCLUSIONES
Uno de los propósitos de la educación para la AC es el desarrollo de una generación
de estudiantes excepcionales motivados por realizar avances innovadores y revolu-
cionarios en el conocimiento para mejorar la sociedad. Este estudio tuvo como obje-
tivo analizar los benecios de la integración de la robótica y la IA en la educación de
niños y adolescentes con AC sobre las habilidades más demandadas en el mercado
laboral y recomendadas por la OCDE para una educación de alta calidad.
Si bien la evidencia sobre la ecacia y la escalabilidad de la robótica, y más espe-
cialmente de la IA, en contextos reales es aún limitada, las investigaciones revelan
los benecios de estas tecnologías para desarrollar las habilidades del siglo XXI en
estudiantes con AC. Estas habilidades comprenden la capacidad para aprender con
la robótica y la IA (usando estas herramientas en el aula), aprender sobre la robótica
y la IA (sus tecnologías y técnicas) y prepararse para la robótica y la IA (desarrollar
habilidades para comprender mejor el potencial y el impacto de estas tecnologías en
la sociedad).
Además, el uso de sistemas de tutoría inteligente, robots de código abierto y platafor-
mas de codicación gratuitas brindan la oportunidad de un aprendizaje personaliza-
do, autónomo y automotivado donde los estudiantes pueden expresar su creatividad,
resolver problemas y compartir conocimientos dentro de una comunidad.
Anduli • Revista Andaluza de Ciencias Sociales Nº 27 - 2025
• 144 •
La integración de la robótica y la IA en las prácticas educativas de los estudiantes
con AC podría promover profesionales que no sólo fueran tecnológicamente exper-
tos, sino también emocionalmente inteligentes y socialmente competentes y prepa-
rados para enfrentarse a las complejidades de un mundo cuya única constante es el
cambio.
Sin embargo, para poder integrar con éxito la robótica y la IA en la educación de los
estudiantes con AC sería interesante analizar las limitaciones que surgen al imple-
mentar estas prácticas, desde el contexto experimental, a los planes de estudio y las
prácticas educativas del sistema educativo actual.
FINANCIACIÓN
Esta investigación no recibió nanciación externa.
CONFLICTOS DE INTERÉS
Los autores declaran no tener ningún conicto de intereses.
BIBLIOGRAFÍA
Abu Owda, M. F., Abu Mousa, A. H., Shakfa, M. D., & Al-Hidabi, D. A. (2023). The
Impact of Teaching Articial Intelligence Concepts and Tools in Improving Creative
Thinking Skills Among Talented Students. In Technological Sustainability and Business
Competitive Advantage (pp. 267-279). Cham: Springer International Publishing. https://
doi.org/10.1007/978-3-031-35525-7_16
Al Hamad, N. M., Adewusi, O. E., Unachukwu, C. C., Osawaru, B., & Chisom, O. N.
(2024). Bridging the gap: Using robotics to enhance emotional and social learning in
K-12 education. International Journal of Science and Research Archive, 11(1), 231-
243. https://doi.org/10.30574/ijsra.2024.11.1.0025
Anderson, B. N. (2020). “See Me, See Us”: Understanding the Intersections and Continued
Marginalization of Adolescent Gifted Black Girls in U.S. Classrooms. Gifted Child
Today, 43(2), 86–100. https://doi.org/10.1177/1076217519898216
Anomal, R. F., Brandão, D. S., Porto, S. B., de Oliveira, S. S., de Souza, R. F. L., Fiel, J. D.
S., ... & Pereira Jr, A. (2020). The role of frontal and parietal cortex in the performance of
gifted and average adolescents in a mental rotation task. PLoS One, 15(5), e0232660.
https://doi.org/10.1371/journal.pone.0232660
Avcu, Y. E., & Er, K. O. (2020). Developing an Instructional Design for the Field of ICT
and Software for Gifted and Talented Students. International Journal of Educational
Methodology, 6(1), 161-183. https://doi.org/10.12973/ijem.6.1.161
Ayoub, A. E. A., Abdulla Alabbasi, A. M., Alsubaie, A. M., Runco, M. A., & Acar, S. (2022).
Enhanced open-mindedness and problem nding among gifted female students
involved in future robotics design. Roeper Review: A Journal on Gifted Education,
44(2), 85–93. https://doi.org/10.1080/02783193.2022.2043500
Babaoglu, G., & Güven Yildirim, E. (2023). The Effect on Gifted Students’ 21st Century
Skills of Supporting Science Teaching with LEGO® Education® BricQ Motion Essential
and Student Opinions on This Instruction. Science Insights Education Frontiers, 15(2),
2305-2324. https://doi.org/10.15354/sief.23.or216.
Artículos • María-Isabel Gómez-León
• 145 •
Ball, T., Finney, J., Hodges, S., Rubegni, E., Underwood, L., Everson, J., ... & Vishkaie,
R. (2024, June). Imagining Inclusive Digital Maker Futures with the BBC micro: bit. In
Proceedings of the 23rd Annual ACM Interaction Design and Children Conference (pp.
1032-1034). https://doi.org/10.1145/3628516.3661156
Castillejos López, B. (2022). Inteligencia articial y entornos personales de aprendizaje:
atentos al uso adecuado de los recursos tecnológicos de los estudiantes universitarios.
Educación, 31(60), 9-24. https://dx.doi.org/10.18800/educacion.202201.001
Choi, K., & Lee, S. (2015). The Inuence of Students’ Perception of Tutor’s roles on Deep
Learning, Achievement, and Course Evaluation in Online Gifted Education Program.
Journal of Gifted/Talented Education. The Korean Society for the Gifted. ,25(6), 857-
879. https://doi.org/10.9722/jgte.2015.25.6.857
Choi, Y., & Hong, S. H. (2015). Effects of STEAM lessons using scratch programming
regarding small organisms in elementary science-gifted education. Journal of
Korean Elementary Science Education, 34(2), 194-209. https://doi.org/10.15267/
keses.2015.34.2.194
Coxon, S. V. (2012). The malleability of spatial ability under treatment of a FIRST LEGO
league-based robotics simulation. Journal for the Education of the Gifted, 35(3), 291-
316.https://doi.org/10.1177/0162353212451788.
Coxon, S. V., Dohrman, R. L., & Nadler, D. R. (2018). Children using robotics for
engineering, science, technology, and math: The development and evaluation of an
engaging math curriculum. Roeper Review, 40(2), 86–96. https://doi.org/10.1080/027
83193.2018.1434711
Cross, J. L. (2017) Creative Robotic Systems for Talent-Based Learning (Doctoral
dissertation, Carnegie Mellon University). Curby, T. W., Rudasill, K. M., Rimm-
Kaufman, S. E., & Konold,T. R. (2008). The role of social competence in predicting
gifted enrollment. Psychology in the Schools, 45(8), 729-744. https://doi.org/10.1002/
pits.20338
Dai, D. Y. (2020). Rethinking Human Potential from a Talent Development
Perspective. Journal for the Education of the Gifted, 43(1), 19-37. https://doi.
org/10.1177/0162353219897850
Demszky, D., Liu, J., Hill, H. C., Sanghi, S., & Chung, A. (2023). Improving Teachers’
Questio¬ning Quality through Automated Feedback: A Mixed-Methods Randomized
Contro¬lled Trial in Brick-and-Mortar Classrooms. EdWorkingPaper, 23-875. https://
doi.org/10.26300/8pnw-5q67
dos Reis Taucei, J., Stoltz, T., & Gabardo, C. V. (2015). Creativity and education: interactive
teaching practices with a gifted student. Creative Education, 6(21), 2263. https://doi.
org/10.4236/ce.2015.621234
Fabio, R. A., Croce, A., & Calabrese, C. (2022). Critical Thinking in Ethical and Neutral
Settings in Gifted Children and Non-Gifted Children. Children (Basel, Switzerland),
10(1), 74. https://doi.org/10.3390/children10010074
García-Perales, R., & Almeida, L. (2019). An enrichment program for students with high
intellectual ability: Positive effects on school adaptation. [Programa de enriquecimiento
para alumnado con alta capacidad: Efectos positivos para el currículum]. Comunicar,
60, 39-48. https://doi.org/10.3916/C60-2019-04
Anduli • Revista Andaluza de Ciencias Sociales Nº 27 - 2025
• 146 •
Gómez-León, M. I. (2020d). La soledad en la alta capacidad intelectual: Factores de riesgo
y estrategias de afrontamiento. Revista de Psicoterapia, 31(117), 297-311. https://doi.
org/10.33898/rdp.v31i117.364
Gómez-León, M. I. (2022a). Alta capacidad intelectual desde la neuroimagen y la
pedagogía diferencial. ¿Hablamos de lo mismo? Revista Española de Pedagogía, 80
(283), 451-473. https://doi.org/10.22550/REP80-3-2022-02
Gómez-León, M. I. (2022b). Desarrollo de la empatía a través de la Inteligencia Articial
Socioemocional. Papeles del Psicólogo, 43(3), 218-224. https://doi.org/10.23923/pap.
psicol.2996
Gómez-León, M. I. (2024). ¿Tramposo e injusto? Entonces, es humano. Robots sociales
educativos y ética sintética. Revista Tecnología, Ciencia Y Educación, (27), 167–186.
https://doi.org/10.51302/tce.2024.18841
Gómez-León, M.I (2020a). Desarrollo de la alta capacidad durante la infancia temprana.
Papeles del Psicólogo. 41(2),147-158 https://doi.org/10.23923/pap.psicol2020.2930
Gómez-León, M.I (2020b). Bases psicobiológicas de la creatividad en los niños con
altas capacidades. Psiquiatría biológica. 27(1), 28-33. https://doi.org/10.1016/j.
psiq.2020.01.004
Gómez-León, M.I (2020c). La psicobiología de la motivación en el desarrollo de las altas
capacidades intelectuales. Revisión bibliográca. Psiquiatría biológica. 27(2), 47-53.
https://doi.org/10.1016/j.psiq.2020.01.003
Gotlieb, R., Hyde, E., Immordino-Yang, M. H., & Kaufman, S. B. (2016). Cultivating
the social–emotional imagination in gifted education: insights from educational
neuroscience. Annals of the New York Academy of Sciences, 1377(1), 22-31. https://
doi.org/10.1111/nyas.13165
Guthrie, K. H. (2019). “Nothing is ever easy”: Parent Perceptions of Intensity in Their Gifted
Adolescent Children. The Qualitative Report, 24(8), 2080-2101. https://nsuworks.
nova.edu/tqr/vol24/iss8/16
Guy, C. J., Williams, J. y Shore, B. (2019). High- and Otherwise-Achieving Students’
Expectations of Classroom Group Work: An Exploratory Empirical Study. Roeper
Review, 41(3), 166-184. https://doi.org/10.1080/ 02783193.2019.1622166
Jagust, T., Cvetkovic-Lay, J., Krzic, A. S., & Sersic, D. (2018). Using robotics to foster
creativity in early gifted education. In Robotics in Education: Latest Results
and Developments (pp. 126-131). Springer International Publishing. https://doi.
org/10.1007/978-3-319-62875-2_11
Jamali, U. A. Y. (2019). Fostering creativity using robotics among gifted primary school
students. Gifted and Talented International, 34(1-2), 71-78. https://doi.org/10.1080/15
332276.2020.1711545
Kandlhofer, M., Steinbauer, G., Menzinger, M., Halatschek, R., Kemény, F., & Landerl, K.
(2019, October). MINT-Robo: Empowering gifted high school students with robotics.
In 2019 IEEE Frontiers in Education Conference (FIE) (pp. 1-5). IEEE. https://doi.
org/10.1109/FIE43999.2019.9028478
Kılınç, A., Şenol, A.K., Eraslan, M., & Büyük, U. (2013). Robotik destekli fen öğretimi:
BİLSEM örneği [Robotic Assisted Science Teaching: The Case of SAC]. In International
Symposium on Changes and New Trends in Education. (p. 65).
Artículos • María-Isabel Gómez-León
• 147 •
Kim, Y., Kim, T., & Kim, J. (2015). Development and application of programming education
program of robot for improvement of elementary school girls’ creativity. Journal of the
Korean Association of information Education, 19(1), 31-44. https://doi.org/10.14352/
jkaie.2015.19.1.31
Kocaman, B. (2023). The effect of coding education on analytical thinking of gifted
students. International Journal of Educational Methodology, 9(1), 95-106. https://doi.
org/10.12973/ijem.9.1.95
Kochmar, E., Vu, D. D., Belfer, R., Gupta, V., Serban, I. V., & Pineau, J. (2022). Automated
data-dri¬ven generation of personalized pedagogical interventions in intelligent tutoring
systems. International Journal of Articial Intelligence in Education, 32(2), 323-349.
https://doi.org/10.1007/s40593-021-00267-x
Lee, V. R., Pope, D., Miles, S., & Zárate, R. C. (2024). Cheating in the age of generative
AI: A high school survey study of cheating behaviors before and after the release of
ChatGPT. Computers and Education: Articial Intelligence, 7, 100253. https://doi.
org/10.1016/j.caeai.2024.100253
Lim, S. A., Jung, J. Y., & Kalyuga, S. (2023). Effectiveness of invention tasks and explicit
instruction in preparing intellectually gifted adolescents for learning. Instructional
Science, 51(6), 921-952.https://doi.org/10.1007/s11251-023-09616-w
OECD (2019), Estrategia de Competencias de la OCDE 2019: Competencias para
construir un futuro mejor, OECD Publishing, Paris/Fundación Santillana, Madrid,
https://doi.org/10.1787/e3527cfb-es.
OCDE., & Instituto Nacional de Evaluación Educativa (España). (2023). Panorama de la
educación. Indicadores de la OCDE 2023. Informe español. Ministerio de Educación
y Formación Profesional.
Ramli, R., Yunus, M. M., & Ishak, N. M. (2011). Robotic teaching for Malaysian gifted
enrichment program. Procedia: Social and Behavioral Science, 15, 2528–2532. https://
doi.org/10.1016/j.sbspro.2011.04.139
Ramos, A., Lavrijsen, J., Linnenbrink-Garcia, L., Soenens, B., Vansteenkiste, M.,
Sypré, S., ... & Verschueren, K. (2023). * Motivational Pathways Underlying Gifted
Underachievement: Trajectory Classes, Longitudinal Outcomes, and Predicting Factors.
Gifted Child Quarterly, 67(3), 179-197. https://doi.org/10.1177/00169862221132279
Renzulli, J. S. (2020). The catch-a-wave theory of adaptability: Core competencies
for developing gifted behaviors in the second machine age of technology.
International Journal for Talent Development and Creativity, 8(1), 79-95. https://doi.
org/10.7202/1076749ar
Renzulli, JS (2021). El papel del profesor en el desarrollo de habilidades cognitivas
complejas en personas jóvenes. Revista Española de Pedagogía, 79 (278), 13-32.
https: // doi. org / 10.22550 / REP79-1-2021-01
Robinson, A., Dailey, D., Hughes, G., & Cotabish, A. (2014). The Effects of a
Science-Focused STEM Intervention on Gifted Elementary Students’ Science
Knowledge and Skills. Journal of Advanced Academics, 25(3), 189-213. https://doi.
org/10.1177/1932202X14533799
Román-González, M., Pérez-González, J. C., & Jiménez-Fernández, C. (2017).
Which cognitive abilities underlie computational thinking? Criterion validity of the
Anduli • Revista Andaluza de Ciencias Sociales Nº 27 - 2025
• 148 •
Computational Thinking Test. Computers in human behavior, 72, 678-691. https://doi.
org/10.1016/j.chb.2016.08.047
Russell, S. (2019). It’s not too soon to be wary of AI: We need to act now to protect
humanity from future superintelligent machines. IEEE Spectrum, 56(10), 46-51. https://
doi.org/10.1109/MSPEC.2019.8847590
Sarıca, H. Ç., Yavuz, G. Ö., & Usluel, Y. K. (2024). Gifted students ‘emotions and teacher
interactions in robotics lessons: a digital storytelling workshop. In EDULEARN24
Proceedings (pp. 4334-4340). IATED. https://doi.org/10.21125/edulearn.2024.1083
Schüttler, T., & Hausamann, D. (2020). Providing Creative Environments for Young STEM
Talents’ Research Projects. US-China Education Review, 10(6), 260-272. https://doi.
org/10.17265/2161-623X/2020.06.002
Şen, C., & Ay, Z. (2022). Gifted and Talented Students’ Views on Engineering Design-
Oriented Integrated STEM. Bartın University Journal of Faculty of Education, 11(2),
364-383. https://doi.org/10.14686/buefad.1020619
Sen, C., Ay, Z. S., & Kiray, S. A. (2021). Computational thinking skills of gifted and talented
students in integrated STEM activities based on the engineering design process: The
case of robotics and 3D robot modeling. Thinking Skills and Creativity, 42, 100931.
https://doi.org/10.1016/j.tsc.2021.100931
Senne, J., & Coxon, S. V. (2015). Architecture. Gifted Child Today, 39(1), 31–39. https://
doi.org/10.1177/1076217515613385
Seo, Y. M., & Lee, Y. J. (2010). A subject integration robot programming instruction
model to enhance the creativity of information gifted students. The Journal of Korean
association of computer education, 13(1), 19-26.
Shmatko, N., & Volkova, G. (2020). Bridging the skill gap in robotics: Global and national
environment. Sage Open, 10(3), https://doi.org/10.1177/2158244020958736
Siegle, D. (2020). There’s an App for That, and I Made It. Gifted Child Today, 43(1), 64-71.
https://doi.org/10.1177/1076217519880587
Siegle, D. (2023). A role for ChatGPT and AI in gifted education. Gifted Child Today, 46(3),
211-219. https://doi.org/10.1177/10762175231168443
Steenbergen-Hu, S., Olszewski-Kubilius, P., & Calvert, E. (2020). The effectiveness of
current interventions to reverse the underachievement of gifted students: Findings of
a meta-analysis and systematic review. Gifted Child Quarterly, 64(2), 132–165. https://
doi.org/10.1177/0016986220908601
Sternberg, R. J. (2024). Do Not Worry That Generative AI May Compromise Human
Creativity or Intelligence in the Future: It Already Has. Journal of Intelligence, 12(7),
69. https://doi.org/10.3390/jintelligence12070069
Tosunoğlu, E., & Yildiz Durak, H. (2022). Design, development, and implementation of a
simulation application for gifted students in robotics teaching. Computer Applications in
Engineering Education, 30(6), 1813-1832. https://doi.org/10.1002/cae.22558
Tran, S., Tirado, J., Miyasato, H., & Lee, S. W. (2024). Students’ perceptions of social
issues in biology courses. Journal of microbiology & biology education, 25(1),
e0019423. https://doi.org/10.1128/jmbe.00194-23
Artículos • María-Isabel Gómez-León
• 149 •
UNESCO. (2021). Recuperar la educación en 2021: La educación
en un mundo post-COVID-19. https://en.unesco.org/news/
recovering-education-2021-education-post-covid-19-world
Wang, H. Y., Huang, I., & Hwang, G. J. (2014, August). Effects of an integrated Scratch
and project-based learning approach on the learning achievements of gifted students
in computer courses. In 2014 IIAI 3rd International Conference on Advanced Applied
Informatics (pp. 382-387). IEEE. https://doi.org/10.1109/IIAI-AAI.2014.85
Yavuz, G. Ö., & Usluel, Y. K. (2024). Innovative practices in robotics education: awareness
of emotion and social emotional skills development in gifted students. In EDULEARN24
Proceedings (pp. 4300-4305). IATED. https://doi.org/10.21125/edulearn.2024.1078
Zbainos, D., & Beloyianni, V. (2018). Creative ideation and motivated strategies for learning
of academically talented students in Greek secondary school. Gifted and Talented
International, 33(1-2), 3-14. http://dx.doi.org/10.1080/15332276.2018.1547620
Zhai, X., Chu, X., Chai, C. S., Jong, M. S. Y., Istenic, A., Spector, M., ... & Li, Y. (2021).
A Review of Articial Intelligence (AI) in Education from 2010 to 2020. Complexity,
2021(1), 8812542. https://doi.org/10.1155/2021/8812542
© 2025 por los autores Licencia a ANDULI., Editorial de
la Universidad de Sevilla. Es un artículo publicado en ac-
ceso abierto bajo los términos y condiciones de la licencia
“Creative Commons Atribución-NoComercial-SinDerivar
4.0 Internacional”
Anduli • Revista Andaluza de Ciencias Sociales Nº 27 - 2025
• 150 •
ANEXO
Efectos de la robótica e IA en los estudiantes con AC
Autor, año Muestra:
n/edad Diseño Tecnología (VI) Resultado (VD)
Abu Owda,
et al., 2023
25
14
Cuasi-
experimental IA
Mejora de las habilidades de
pensamiento creativo
diferencia signicativa
tamaño de impacto de (ƞ 2 = 0,85)
Ayoub et al.,
2022
60
13-15
Cuasi-
experimental Robótica
Mejora de la exibilidad mental,
resolución de problemas, y
creatividad (originalidad)
Babaoglu
y Güven
Yildirim,
2023
21
9
Cuasi-
experimental
Robótica
LEGO®
Education® BricQ
Motion Essential
Set
Mejoró resolución de problemas,
el pensamiento crítico, la
creatividad y la colaboración
Choi,y Lee,
2015)
249
12-18
Cuasi-
experimental
IA
Sistema de Tutoría
Inteligente
El rol del tutor que afecta el
aprendizaje profundo es experto
en la materia y la evaluación.
Coxon, 2012
38
AC.GE
37
AC.GC
9-14
Control
aleatorizado
Robótica
LEGO NXT kit
Los niños (pero no las niñas) del
GE mejoran signicativamente la
habilidad espacial, (d = 0.87)
Coxon et al.,
2018
45
9-10
Cuasi-
experimental
STEM y Robótica
WeDo 2.0
(ABP)
Diferencia signicativa en el
rendimiento en matemáticas, (d
= 0.72)
Cross, 2017 284
12-14
Control
aleatorizado
STEM y Robótica
Arts & Bots y
CREATE Lab Visual
Programmer.
La orientación temprana hacia la
tarea predice la AC.
dos Reis
Taucei et al.,
2015
1
13 Caso único
Robótica
LEGO Mindstorms
NXT
GeoGebra
Mejora de la creatividad.
García-
Perales y
Almeida,
2019
9
AC.GE
9
AC.GC
27 GC
7 a 12
Control
aleatorizado
IA.
Geogebra y Pixton
La tecnología permitió
individualizar el ritmo, procesos y
contenidos de aprendizaje.
Hausamann,
2012
54
16-18
Estudio de
caso STEM y robótica
Mejora de las competencias
técnicas y de la motivación por la
tarea.
Jagust et al.,
2018
15
8-10
Cuasi-
experimental
Robótica
Lego Mindstorms
EV3, LittleBits,
LEGO WeDo,
Arduino, Drones
Mejora en pensamiento
algorítmico, resolución de
problemas y creatividad.
Artículos • María-Isabel Gómez-León
• 151 •
Autor, año Muestra:
n/edad Diseño Tecnología (VI) Resultado (VD)
Jamali, 2019 15
11
Cuasi-
experimental
Robótica
LEGO WeDo 2.0
Diferencias signicativas en
habilidades de pensamiento
creativo.
Kandlhofer
et al., 2019
9
16
Cuasi-
experimental
Robótica
(ABP)
Mayor adquisición de los
conceptos fundamentales de la
robótica.
Kılınç et al.,
2013
28
12-14
Estudio de
caso
Robótica
LEGO® NXT
Mindstorms
Mejora en las habilidades de
resolución de problemas y
transferencia de aprendizaje.
Kim et al.,
2015
12
AC.GE
17 GC
10-12
Control
aleatorizado
Robótica
Lego EV3 y Arduino
Aumento signicativo de la
creatividad (uidez y originalidad).
Ramli et al.,
2011
48
12-16
Cuasi-
experimental
Robótica
LEGO® NXT
Mindstorms
Aumento de creatividad y sentido
de logro.
Robinson et
al., 2014
154
AC.GE
130
AC.GC
8-12
Control
aleatorizado STEM y robótica
Mejora en habilidades de proceso,
conocimientos y conceptos
cientícos.
Sarıca et al.,
2024
12
12-14
Estudio de
caso Robótica
Aumentó la manifestación de
emociones positivas, la curiosidad
y la motivación por la tarea
Schüttler y
Hausamann,
2020
11
16-18
Estudio de
caso STEM y Robótica
Mejora de competencias técnicas,
habilidades de comunicación y
evaluación.
Şen y Ay,
2022
7
12-13
Cuasi-
experimental
STEM orientado
al diseño de
ingeniería
Pudieron hacer asociaciones
interdisciplinarias y con la vida
real.
Sen et al.,
2021
7
12-13
Estudio de
caso
STEM y robótica
LEGO, modelado
3D
Uso activo de las habilidades de
pensamiento crítico, creativo y
resolución de problemas.
Seo y Lee,
2010
16
AC.GE
16
AC.GC
10-11
Control
aleatorizado Robótica
Mejora signicativa de la
creatividad y la motivación por la
tarea. Resolución de problemas de
materias de diferentes dominios.
Tosunoğlu y
Yildiz Durak,
2022
-
12-16
Cuasi-
experimental
Simulación para
tecnologías
robóticas
Aumento del rendimiento
en robótica y de conciencia
metacognitiva.
Yavuz y
Usluel, 2024
75
12-14
Estudio de
caso Robótica Aumentaron las habilidades de
aprendizaje socioemocional.
n: Tamaño de la muestra; VI: variable independiente; VD: variable dependiente; GE: Grupo experi-
mental; GC: Grupo control; ABP: Aprendizaje basado en problemas. Fuente: elaboración propia.
