0B  index●comunicación

Revista científica de comunicación aplicada

nº 16(1) 2026 | Páginas 71-97

e-ISSN: 2174-1859 | ISSN: 2444-3239

 

 

Inteligencia artificial para la inclusión
en educomunicación: avances y retos

1BArtificial Intelligence for Inclusion in Educommunication: Progress and Challenges

Recibido el 15/06/2025 | Aceptado el 26/10/2025 | Publicado el 15/01/2026

https://doi.org/10.62008/ixc/16/01Inteli

 

Victoria García-Prieto | Universidad de Sevilla

vgarcia8@us.es | https://orcid.org/0000-0003-4973-7583

Mónica Bonilla-del-Río | Universidad de Cantabria

  monica.bonilla@unican.es | https://orcid.org/0000-0003-2476-8922

Juan C. Figuereo-Benítez | Universidad de Sevilla

figuereo@us.es | https://orcid.org/0000-0002-9061-8482

 

Resumen: Esta revisión sistemática de 113 investigaciones (1986-2025) analiza la intersección entre inteligencia artificial (IA), comunicación y educación para personas con discapacidad. Se evidencia un notable incremento en la producción científica desde 2018, concentrándose el 70,2% de los estudios en los últimos tres años. El ámbito educativo domina las investigaciones, con predominio de estudios empíricos y cuantitativos. Las discapacidades del aprendizaje, visual y auditiva son las más investigadas, aunque el 38,1% de los trabajos abordan la discapacidad en general. Entre los propósitos destacan la evaluación de tecnologías accesibles, el desarrollo de sistemas inteligentes y aplicaciones educomunicativas de la IA. Los hallazgos resaltan su potencial para eliminar barreras, personalizar el aprendizaje y fomentar la inclusión digital. Se subraya la necesidad de abordar sesgos capacitistas e incluir al colectivo en el diseño para una implementación ética y eficaz de la IA.

Palabras clave: inteligencia artificial; discapacidad; comunicación; educación; revisión sistemática.

Abstract: This systematic review of 113 research papers (1986-2025) examines the intersection between artificial intelligence (AI), communication, and education for people with disabilities. A notable increase in scientific production has been observed since 2018, with 70.2% of the studies published in the last three years. The educational field dominates the research landscape, with a predominance of empirical and quantitative studies. The most frequently investigated disabilities are learning, visual, and hearing impairments, although 38.1% of the works address disability in general terms. The main aims focus on the evaluation of accessible technologies, the development of intelligent systems, and the educommunicative applications of AI. The findings highlight AI’s potential to remove barriers, personalize learning, and promote digital inclusion, while emphasizing the need to address ableist biases and to involve people with disabilities in the design and development processes to ensure the ethical implementation of AI systems.

Keywords: Artificial Intelligence; Disability; Communication; Education; Systematic Review.

 

 

 

CC BY-NC 4.0

 

Para citar este trabajo: García-Prieto, V.; Bonilla-del-Río, M. y Figuereo-Benítez, J.C. (2026). Inteligencia artificial para la inclusión en educomunicación: avances
y retos. index.comunicación, 16(1), 71-97. https://doi.org/10.62008/ixc/16/01Inteli

 

 

 

1.   Introducción

En los últimos años, la inteligencia artificial (IA) ha adquirido un protagonismo creciente en los ámbitos comunicativo y educativo, transformando de manera significativa las formas de interacción, aprendizaje y acceso a la información (García-Cruz et al., 2023). Esta revolución tecnológica ha generado oportunidades inéditas para promover la inclusión de más de mil millones de personas con algún tipo de discapacidad a nivel mundial, cifra que representa aproximadamente el 15% de la población global (Organización Mundial de la Salud, 2020).

La inclusión se ha consolidado como un principio fundamental para asegurar el derecho universal a la educación, promoviendo la participación y el éxito académico de las personas con discapacidad mediante la eliminación de barreras físicas, cognitivas, sociales y comunicativas (Rosero-Calderón et al., 2021). Ante esto, la IA ofrece soluciones innovadoras y adaptables a diversas necesidades funcionales y contextos de uso (Martínez et al., 2020), lo que la convierte en una herramienta esencial para la reducción de barreras y la promoción de la autonomía y participación sociocultural de las personas con discapacidad (Holmes et al., 2021). Los asistentes conversacionales o de comunicación aumentativa, las plataformas de aprendizaje adaptativo y los traductores automáticos han evidenciado su potencial para facilitar la comunicación y el acceso a la información, pero también han demostrado ser eficaces para apoyar la expresión y comprensión en estudiantes con dificultades comunicativas.

Por tanto, la IA tiene el potencial para transformar los procesos de enseñanza-aprendizaje, especialmente en lo relativo a la personalización del apoyo educativo y la mejora de la accesibilidad (Morocho-Cevallos et al., 2013). Los sistemas basados en IA permiten adaptar tanto los contenidos como las metodologías a las necesidades individuales del alumnado, facilitando la comunicación y el acceso a la información para estudiantes con discapacidades sensoriales, motoras o del aprendizaje (Mera-Castillo, 2023). Ante estos avances tecnológicos, la convergencia entre comunicación, educación, IA y discapacidad constituye un campo de investigación en expansión, impulsado por la necesidad de garantizar una educación inclusiva y equitativa para todo el estudiantado, independientemente de sus capacidades (Valle-Escolano, 2023).

El presente trabajo presenta una revisión sistemática de investigaciones publicadas en las bases de datos Scopus y Web of Science (WoS) que abordan el uso de la IA en los procesos comunicativos y educativos de personas con discapacidad. El objetivo es identificar las tendencias de investigación, principales propósitos y hallazgos de las publicaciones en este campo, con el fin de sintetizar el estado actual del conocimiento y ofrecer una visión crítica sobre un ámbito de estudio cada vez más relevante en el contexto de la transformación digital y la defensa de los derechos humanos.

1.1.   La IA en el campo educomunicativo: oportunidades
y riesgos para la discapacidad

La IA constituye un campo interdisciplinario dentro de la informática orientado al diseño, desarrollo e implementación de sistemas capaces de ejecutar funciones que tradicionalmente se atribuyen a la inteligencia humana, tales como el reconocimiento del lenguaje natural, la toma de decisiones, la resolución de problemas, el aprendizaje automático, la percepción visual o auditiva y la adaptación a entornos dinámicos (Morandín-Ahuerma, 2022; Villalobos-López, 2024). Estas capacidades permiten a la IA abordar problemáticas complejas en diversos ámbitos, destacándose su aplicación en la educomunicación, entendida como un enfoque teórico-práctico interdisciplinario que integra la educación y la comunicación, con el fin de promover un aprendizaje significativo y participativo mediante el uso de medios y tecnologías de la información (Barbas-Coslado, 2012).

En el contexto de la educación inclusiva y la atención a personas con discapacidad, la IA se presenta como una herramienta estratégica para la eliminación de barreras comunicativas, cognitivas y sensoriales. Su incorporación en los procesos educativos facilita la personalización del aprendizaje y garantiza un acceso más equitativo a la información, favoreciendo la participación activa de todo el estudiantado (Kaplan & Haenlein, 2019). La implementación de la IA en tecnologías asistivas, como sistemas de reconocimiento de voz, lectores de pantalla avanzados o herramientas de traducción simultánea, así como en entornos educativos inteligentes y sistemas de apoyo a la comunicación, impulsa el desarrollo de prácticas pedagógicas accesibles, participativas y centradas en las necesidades individuales (Aparicio-Gómez & Cortés Gallego, 2024). Estas innovaciones se alinean con los principios de equidad y el derecho universal a una educación de calidad para todas las personas.

No obstante, el desarrollo e integración de la IA en contextos comunicativos y educativos accesibles enfrenta importantes desafíos. Persisten cuestiones relacionadas con la equidad, la ética, la calidad de los datos, la participación activa de las personas con discapacidad en los procesos de diseño y la sostenibilidad de las soluciones implementadas, aspectos que continúan siendo objeto de debate y análisis en la literatura especializada.

La opacidad de los algoritmos (Flores-Vivar & García-Peñalvo, 2023) y la ausencia de una supervisión ética adecuada pueden perpetuar sesgos capacitistas, invisibilizando o distorsionando las experiencias de las personas con discapacidad (Valle-Escolano, 2023). Además, la limitada participación de estos colectivos en el diseño y evaluación de las tecnologías implica una falta de enfoque interseccional y de justicia cognitiva (Pallisera-Díaz et al., 2017). Por otra parte, la creciente dependencia de soluciones tecnológicas puede generar nuevas formas de exclusión, especialmente en contextos caracterizados por baja conectividad, recursos insuficientes o escasa alfabetización digital (Torres-Acurio, 2023).

Por todo ello, desde una perspectiva epistemológica, la integración de la IA en el ámbito educomunicativo exige una reflexión crítica sobre las condiciones estructurales de desigualdad que atraviesan tanto los sistemas educativos como los medios de comunicación. La IA no debe concebirse como una solución neutral o universal, sino como una herramienta cuyo impacto está condicionado por los marcos normativos, pedagógicos y culturales en los que se inserta (Pérez-Esteban et al., 2024). Esto implica repensar las relaciones entre tecnología, sujeto y conocimiento, para evitar que la IA reproduzca sesgos y, en cambio, favorezca nuevas formas de participación y construcción colectiva del saber. Asimismo, resulta fundamental promover una gobernanza ética de la IA basada en principios de accesibilidad universal, participación activa de los colectivos implicados y garantía de los derechos humanos (Flores-Vivar & García-Peñalvo, 2023).

2.   Metodología

2.1.    Propósito y preguntas de investigación

El objetivo del presente estudio es desarrollar una revisión sistemática de la literatura sobre el uso de la IA y su relación con la discapacidad en los campos de la comunicación y la educación. Con base en este objetivo, se plantearon las siguientes preguntas de investigación:

1.    ¿Qué tipos de estudios predominan en las publicaciones sobre discapacidad y el uso de IA en contextos comunicativos y educativos?

2.    ¿Qué categorías temáticas emergen de los propósitos de las publicaciones que abordan la IA y la discapacidad?

3.    ¿Qué avances y desafíos emergen de los principales hallazgos reportados en la literatura científica en torno al uso de IA y discapacidad?

2.2.    Enfoque metodológico

Para garantizar un proceso riguroso, se empleó el marco metodológico PICoS, recomendado para revisiones cualitativas y mixtas (Methley et al., 2014), que permitió delimitar los criterios de inclusión y exclusión, así como estructurar las etapas de búsqueda, cribado y codificación temática de los estudios seleccionados. Respecto a los criterios de inclusión, se establecieron:

·     Población: Estudios relacionados con el colectivo con discapacidad o con los agentes que interactúan con las personas con discapacidad (profesionales de la comunicación y la educación, familias y otros especialistas en accesibilidad comunicativa y educativa).

·     Fenómeno de interés: Investigaciones sobre el uso, desarrollo, análisis o implementación de la IA en ámbitos comunicativos y educativos para mejorar la accesibilidad, el aprendizaje y la inclusión de las personas con discapacidad, entre otros fines.

·     Contexto: Estudios realizados en entornos comunicativos y educativos donde la IA ha sido aplicada con personas con discapacidad. Esto incluye espacios de comunicación, entornos mediáticos (medios digitales, plataformas interactivas, redes sociales, sistemas de accesibilidad en la comunicación, etc.) e instituciones educativas (escuelas, universidades, centros de educación especial) donde la IA facilita la inclusión y participación del colectivo con discapacidad.

·     Diseño del estudio: Investigaciones con enfoques cuantitativos, cualitativos o mixtos, abarcando estudios experimentales, no experimentales, transversales o longitudinales que proporcionen evidencia sobre el uso de la IA en la población objetivo. También se incluyen las revisiones sistemáticas de literatura.

·     Alcance de la publicación: Artículos revisados por pares, publicados en inglés o español, indexados en WoS (Core Collection) y Scopus, y clasificados en categorías relevantes para el estudio por su ámbito relacionado con la comunicación o la educación.

En cuanto a los criterios de exclusión, no se consideraron estudios que no estuviesen relacionados con la IA, el colectivo con discapacidad y los ámbitos de comunicación o educación. Por consiguiente, no se consideran las investigaciones centradas en aplicaciones médicas, biológicas, informáticas, entre otras, en el desarrollo técnico de IA sin una aplicación directa o en su uso como herramienta analítica (por ejemplo, a nivel lingüístico en entrevistas). Respecto a la tipología, se excluyen documentos no revisados por pares, libros, tesis, actas de congresos y cualquier otro tipo de publicación que no sea artículos científicos. No se restringió el año de publicación.

2.3.    Procedimiento

El proceso de revisión sistemática constó de las siguientes etapas:

En primer lugar, la búsqueda bibliográfica se realizó en WoS y Scopus, por su calidad de indexación reconocida. Se emplearon combinaciones de descriptores relacionados con IA y discapacidad y operadores booleanos en inglés y español.  Se identificaron un total de 1.477 resultados iniciales, de los cuales se eliminaron 878 duplicados, quedando 599 estudios (Figura 1).

Figura 1. Diagrama de flujo PRISMA

 

Fuente: elaborado a partir de la propuesta de Page et al. (2021).

A continuación, se desarrolló el proceso de cribado en dos fases:

·     Fase 1: Revisión de títulos y resúmenes. Dos revisores examinaron independientemente los títulos y resúmenes de las 599 publicaciones, aplicando los criterios de inclusión y exclusión previamente definidos. Tras este proceso, se excluyeron 459, quedando una muestra en esta fase de 140 artículos.

·     Fase 2: Revisión de texto completo. Los artículos preseleccionados fueron leídos por tres codificadores para confirmar su pertinencia temática. Se excluyeron aquellos que, si bien mencionaban la IA, no correspondían con los objetivos de la revisión por motivos como: uso de IA para análisis de datos, mención de IA en el marco teórico (sin ser el objeto de estudio) o tipología de la publicación. Durante este proceso, las diferencias en la decisión de los revisores fueron resueltas mediante consenso. Se seleccionaron finalmente 113 artículos que cumplían con los requisitos metodológicos y temáticos establecidos, constituyendo la muestra definitiva del estudio.

Posteriormente, se aplicó sistemáticamente una rúbrica previamente diseñada que permitió organizar la información relevante de cada estudio. Se recopilaron variables como: fenómeno de interés (comunicativo o educativo), revista, año de publicación, keywords, país de desarrollo de la investigación, país de la revista, muestra del estudio, nivel educativo, tipo de estudio, enfoque metodológico, técnica de investigación, tipo de discapacidad, herramientas IA, propósitos y principales hallazgos de las publicaciones. Para asegurar la consistencia del proceso analítico, los investigadores aplicaron de forma independiente el sistema de codificación a una selección de la muestra y, posteriormente, las discrepancias fueron discutidas hasta alcanzar un consenso. Finalmente, uno de los investigadores realizó una última revisión manualmente asegurando que todos los criterios se hubiesen aplicado de manera uniforme.

A nivel cuantitativo, los datos fueron analizados mediante técnicas de estadística descriptiva con el propósito de identificar tendencias en la producción científica, tipos de metodologías predominantes, distribución geográfica y temporal de las investigaciones revisadas, tipo de discapacidad y herramientas de IA identificadas.

En lo que respecta al análisis cualitativo, relativo a las variables de propósitos y hallazgos de las investigaciones, se empleó un enfoque de codificación temática estructurado en tres etapas progresivas. En primer lugar, se realizó una codificación abierta, mediante la cual se examinaron los textos completos sin categorías predefinidas, lo que permitió identificar inductivamente patrones recurrentes, conceptos clave y hallazgos vinculados al uso de IA en relación con la discapacidad. Posteriormente, a través de técnicas automatizadas de agrupamiento semántico y análisis de similitud textual proporcionadas por la herramienta de IA ChatGPT (GPT-4.5-turbo de OpenAI), se logró la articulación inicial entre los temas emergentes y su organización en categorías más amplias, revelando relaciones conceptuales significativas y áreas de convergencia entre los distintos fenómenos estudiados. Su uso fue supervisado críticamente por el equipo investigador, garantizando el rigor interpretativo y el cumplimiento de criterios éticos en el tratamiento de la información. Finalmente, las categorías fueron reorganizadas manualmente, sintetizando y citando ejemplos concretos de la literatura analizada recogidos en la rúbrica para cada categoría.

3.   Resultados

3.1.   Categorización de los estudios

3.1.1.    Áreas de conocimiento y tipos de discapacidad

El presente estudio comprende una revisión sistemática de 113 artículos sobre IA aplicada a la discapacidad, publicados entre 1986 y 2025. De ellos, 78 estudios (69%) correspondieron al área de educación y 35 (31%) a la de comunicación. Además de que el sector de la comunicación cuenta con menos investigaciones sobre este tópico, solamente 6 estudios comunicativos se centraban en cuestiones relacionadas con el ámbito mediático, lo que supone tan solo un 17,1% de los trabajos sobre comunicación y un 5,3% de la muestra total. Además, en los estudios sobre comunicación, los sujetos con discapacidad fueron siempre receptores o usuarios, y no emisores, ya sean periodistas, diseñadores u otros. La única excepción es el estudio de McNally et al. (2024), sobre el uso de ChatGPT por parte de creadores de contenido con trastorno del espectro autista (TEA) en TikTok. Por su parte, en los estudios sobre educación, los sujetos con discapacidad fueron siempre discentes o usuarios, y no otros como docentes o profesionales, familiares u otros cuidadores. En el área de educación, 1 estudio (1,3%) se enfocó en la etapa infantil, comprendida entre 0 y 6 años; 12 trabajos (15,4%) lo hicieron en primaria, de 6 a 12 años; 5 (6,4%) investigaron a jóvenes de 13 a 18 años, edad correspondiente a enseñanza secundaria o preuniversitaria; 14 (17,9%) se centraron en personas universitarias y adultas; y 9 (8%) en educación especial. Por su parte, 15 (19,2%) investigaciones educativas agruparon varias franjas de edad y 22 (19,5%) no determinaron ninguna edad en sus estudios, englobando en este último grupo un mayor número de artículos de revisión o teóricos.

Por otro lado, se recopiló información sobre el tipo de discapacidad abordada en los artículos. Hasta 43 investigaciones (38,1%) se aplican a la discapacidad en general, sin especificar ningún tipo concreto, y 10 (8,8%) hacen referencia a diversas discapacidades. La discapacidad visual se registró en 16 estudios (14,2%) y otros 14 trabajos (12,4%) se enfocaron en la discapacidad auditiva. De ellos, el trabajo de Nganji y Brayshaw (2017) abarca ambas al plantear una propuesta para diseñar entornos virtuales de aprendizaje para atender las necesidades de estudiantes con discapacidades múltiples, en este caso, personas con discapacidad visual, auditiva y dislexia. Asimismo, Coughlan e Iniesto (2025) investigan estas dos discapacidades, además de otras discapacidades físicas o motoras, TEA y condiciones no visibles, en la implementación de un asistente virtual con IA para estudiantes universitarios. Por su parte, Pierrès et al. (2024), además de la discapacidad visual y auditiva, abarcan la neurodiversidad, enfermedades crónicas y problemas de salud mental. Otros estudios investigaron la IA en relación a discapacidades de tipo intelectual (n=10; 8,8%), físico (n=3; 2,7%) o del habla (n=3; 2,7%). Asimismo, se registraron investigaciones sobre enfermedades neurológicas (n=2; 1,8%) y discapacidad cognitiva asociada a demencia (Curumsing et al., 2024).

Por su parte, 21 investigaciones (18,6%) se centraron en discapacidades del aprendizaje, ya sea de forma general o aplicada a dificultades específicas como dislexia, disortografía, dispraxia y dificultades lingüísticas y matemáticas. También se hallaron investigaciones sobre IA aplicada a trastornos concretos como TEA (n=14; 12,4%) o trastorno por déficit de atención con hiperactividad (TDAH) (n=3; 2,7%), estudiados de forma aislada o junto con otras discapacidades. El trabajo de Faria et al. (2020), además de la discapacidad intelectual, TEA y TDAH, incluye el trastorno negativista desafiante, la hidrocefalia y la parálisis cerebral. El Naggar et al. (2024), en cambio, se centran en la superdotación y analizan cómo el alumnado percibe la IA como una herramienta facilitadora en los debates, que favorece el aprendizaje activo y personalizado, aunque advierten riesgos como el sesgo de confirmación y la sobrecarga de información.

3.1.2.    Aplicaciones y tipos de IA investigados

Hasta 29 artículos (25,7%) de los 113 revisados eran estudios sobre la IA en general o no precisaban herramientas concretas. Además, 22 investigaciones (19,5%) estudiaron la IA generativa, enfocándose 14 de ellas concretamente en ChatGPT. Otras herramientas encontradas en esta categoría fueron Dream.ai, generador de contenido de arte con IA (Bober et al., 2024; Wilson et al., 2025), o aplicaciones de escritura como WeGotIT!, Corgi o Grammarly (Marino et al., 2023). También se identificaron estudios centrados en otras áreas de la IA aplicadas a la discapacidad: computer speech en 9 artículos (8%), redes neuronales artificiales en 6 (5,3%), computer vision en 3 (2,7%) y robótica en 2 (1,8%). Estos últimos abordaban el uso de robots educativos, uno con alumnado con discapacidad auditiva (Khasawneh, 2024) y otro con alumnado con TEA (Athbah, 2024).

En cuanto a los usos concretos de la IA en relación con la discapacidad, se halló un alto interés por la aplicación de esta tecnología para la mejora de la accesibilidad, que ocupó hasta 17 (15%) artículos de la revisión, mientras que 7 (6,2%) de ellos aplicaron la IA al ámbito emocional y 3 (2,7%) estudiaron los sesgos algorítmicos relacionados con la discapacidad. Se identificaron otras aplicaciones analizadas o desarrolladas, como asistentes virtuales con IA (n=6), IA conversacional (n=4), chatbots (n=4) o análisis de big data (n=3). Estas aplicaciones se estudiaron de forma aislada o conjunta. Asimismo, se hallaron 2 estudios (1,8%) sobre traducción automática con IA centrados en lenguas de signos, concretamente sobre las lenguas de signos oficiales de Sudáfrica (Madahana et al., 2022) y la traducción de la lengua de signos americana a tres lenguajes de bajo recurso hablados en Nigeria (Dere et al., 2023).

Por último, se hallaron estudios aislados sobre otros aspectos relacionados con la IA, como el deepfake (Yadlin-Segal & Oppenheim, 2020), GeoIA (Martínez-Santiago & Navas-Berbel, 2024) o aplicaciones concretas como un aula audiovisual inteligente (Meng & Wong, 2024), gafas inteligentes (Sahin et al., 2018) o juegos adaptativos (Faria et al., 2020). Por el contrario, otros estudios, principalmente revisiones bibliográficas o sistemáticas, realizan compendios de aplicaciones de IA. Es el caso, por ejemplo, de Shivani et al. (2024), que incluyen herramientas como Annie (Braille), Notebook, Readable, Augmentally, Tactopus y otras aplicaciones para estudiantado con discapacidad.

3.1.3.    Fechas y país de publicación

En relación con la fecha de publicación, se identificaron artículos desde los años 80 en las áreas estudiadas. Concretamente, los primeros estudios hallados en el ámbito educativo se publicaron en 1986, mientras que, en el comunicativo, el primer estudio data de 1992. Sin embargo, hasta 2018, la publicación de investigaciones sobre IA y discapacidad en comunicación y educación se limitaba a uno o dos estudios por año. El interés por este tópico se produce a partir de esta fecha, cuando los estudios comienzan a aumentar hasta llegar a 15 en 2023 y 52 en 2024. Estos datos muestran que, aunque se hayan hallado estudios en un período que abarca 40 años, un 45,6% de ellos se publicaron en 2024, y un 70,2% en los últimos tres años, teniendo en cuenta además que el año 2025 solamente aparece representado hasta marzo (Figura 2).

Figura 2. Evolución de las investigaciones por año de publicación y área

Fuente: elaboración propia.

Se analizó la distribución geográfica de los estudios, diferenciando entre el país de desarrollo y el de publicación (Figura 3). Se identificaron investigaciones procedentes de 35 países, destacando Estados Unidos (n=34; 30,1%), seguido por Arabia Saudí (n=10; 8,8%) y Reino Unido (n=9; 8%). En cuanto a los países de publicación, la diversidad disminuye hasta 26, con Estados Unidos nuevamente a la cabeza (n=38; 33,6%). Reino Unido, aunque origen de 9 estudios, se posiciona como segundo país de publicación con 22 trabajos (19,5%). Por el contrario, países como Brasil, Colombia o Ecuador figuran como lugares de realización, pero no como sede editorial de las investigaciones.

Figura 3. Comparativa entre países de investigación y de publicación de los estudios

Fuente: elaboración propia.

3.1.4.    Enfoque metodológico

Los resultados revelan que 75 (66,4 %) de los trabajos analizados eran estudios empíricos, 16 (14,2%) eran trabajos teóricos, 14 (12,4%) revisiones sistemáticas y 8 (7%) estudios de casos. Los estudios empíricos son los que obtienen una mayor representación y abarcan diversos métodos y técnicas de investigación. De las 75 investigaciones que se clasificaron como empíricas, 42 (56%) se categorizaron como cuantitativas, 22 (29,3%) como cualitativas y 11 (14,7%) como mixtas. Asimismo, se registraron múltiples técnicas de investigación aplicadas en los estudios empíricos, de entre las que destacan estudios experimentales o cuasi-experimentales (n=34, 45,3%), encuestas (n=14, 18,6%), análisis de contenido (n=9, 12%), entrevistas (n=9, 12%), diseño y evaluación o testeo de iniciativas (n=6, 8%), grupos focales (n=3, 4%), técnicas observacionales (n=3, 4%) y estudios exploratorios (n=2, 2,7%). La predominancia de estudios cuasi-experimentales o experimentales se debe a la abundancia de investigaciones en el ámbito educativo que realizan intervenciones, generalmente acompañadas de instrumentos de medición de resultados como test estandarizados o encuestas.

Los estudios de caso, por otro lado, aplicaron técnicas como análisis de contenido o datos, encuesta y entrevista, método experimental o focus group (Cheung et al., 2020; Curumsing et al., 2024; entre otros). Por su parte, los trabajos teóricos consistieron en la descripción y desarrollo de propuestas de intervención o herramientas de IA, pero sin aplicación experimental o testeo de la propuesta. También se hallaron en esta categoría interpretaciones o reflexiones críticas sobre iniciativas propuestas. Por otro lado, las revisiones sistemáticas abarcaron una muestra de entre 13 y 85 publicaciones.

3.1.5.    Palabras clave

El recuento de las keywords empleadas en los estudios revisados arrojó una cantidad de 454 palabras clave distintas. De ellas, 72 se repiten en al menos dos ocasiones, mientras que 382 aparecen una sola vez, lo que demuestra la diversidad de las investigaciones examinadas. El término clave más repetido es «inteligencia artificial» (x51), seguido de «discapacidad» (x11), «educación especial» (x10), «accesibilidad» (x8), «tecnología» (x7), «aprendizaje automático» (x6), «estudiantes con discapacidad» (x6) y las siglas «IA» (x6). La Figura 4 representa de forma visual aquellas keywords registradas al menos dos veces en los artículos revisados.

Figura 4. Representación visual de las keywords más repetidas

Fuente: elaboración propia.

3.2.   Propósito de las investigaciones

En cuanto a los propósitos de investigación, se realizó una categorización inductiva, basada en similitudes conceptuales, metodológicas y de enfoque, con el fin de identificar patrones recurrentes en los objetivos de los trabajos revisados. A partir del análisis emergieron ocho categorías temáticas (Tabla 1):

Tabla 1. Categorías temáticas emergentes

Fuente: elaboración propia.

La primera categoría, «Evaluación de tecnologías accesibles y adaptativas», agrupa estudios que emplean IA para favorecer la inclusión de personas con discapacidad. Entre los propósitos destacan examinar la accesibilidad de las herramientas de IA generativa en el contexto de la creación de sitios web, especialmente para personas con discapacidades (Acosta-Vargas et al., 2024) o desarrollar y evaluar un teclado virtual inteligente basado en IA (Prete et al., 2025).

La segunda categoría, «Desarrollo de sistemas inteligentes e interfaces inclusivas», reúne estudios cuyo propósito principal es diseñar o implementar soluciones tecnológicas orientadas a mejorar la interacción, la movilidad o la comunicación de personas con discapacidad, integrando IA, dispositivos IoT (Internet of Things, o Internet de las Cosas) o traducción automática. Algunos ejemplos incluyen el desarrollo de un sistema de asistente personal inteligente basado en IoT denominado IRON, orientado a que las personas con discapacidad controlen dispositivos personalizables con comandos de voz (Ali et al., 2023); o el diseño de un sistema de texto a voz para el idioma esloveno, enfocado en mejorar la calidad de vida de las personas con discapacidad (Šef & Gams, 2003).

En tercer lugar, la categoría «Aplicaciones educativas de la IA» agrupa investigaciones que pretenden explorar su uso para favorecer los procesos de enseñanza-aprendizaje entre estudiantes con necesidades específicas de apoyo educativo. Algunos estudios se enfocan, por ejemplo, en analizar cómo un programa de formación profesional basado en IA afecta la autoeficacia y el flujo de aprendizaje en estudiantes con discapacidad intelectual (Hong & Kim, 2024); o en examinar la influencia de actividades lúdicas basadas en IA sobre la calidad de vida de niños con TDAH (Aldakhil, 2024).

La cuarta categoría, «Barreras estructurales y digitales», comprende estudios que analizan las dificultades que enfrentan las personas con discapacidad en entornos digitales, así como propuestas para mejorar dichas condiciones. Este enfoque se da, por ejemplo, en investigaciones que analizan cómo las personas con discapacidad del habla navegan por la web identificando barreras tecnológicas (Pucci et al., 2024); o que replantean reflexivamente las lógicas excluyentes en las barreras de acceso para las personas con discapacidad en el contexto de la IA generativa (Jenks et al., 2024).

En quinto lugar, la categoría «Automatización y asistencia en procesos educativos y administrativos» agrupa estudios orientados a utilizar la IA para facilitar tareas escolares y administrativas vinculadas a la educación especial. En esta línea, algunos trabajos se han enfocado en explorar cómo la IA puede asistir a docentes de educación especial en la redacción de objetivos de programas educativos individualizados (Waterfield et al., 2025) o en desarrollar y evaluar un sistema automático basado en redes neuronales y un modelo de análisis semántico para la automatización en la corrección de respuestas cortas en un programa de evaluación nacional (Ormerod et al., 2023).

La sexta categoría, «Formación docente frente a la IA», incluye estudios centrados en la formación de docentes o futuros docentes, así como el rediseño curricular. Por ejemplo, se han planteado investigaciones orientadas a guiar a educadores en el uso de chatbots de IA para producir modelos de escritura matemática que apoyen la enseñanza para estudiantes con dificultades de aprendizaje (Smith et al., 2024) o a analizar cómo un programa de preparación de maestros de Educación Especial abordó los desafíos de emplear la IA (Howorth et al., 2024).

En séptimo lugar, en la categoría, «Integración de tecnologías emergentes en contextos educativos inclusivos», se contemplan estudios que investigan el uso de tecnologías como la IA, la robótica o la realidad aumentada en entornos educativos. Estos trabajos incluyen, por ejemplo, la identificación del papel de los robots educativos en el desarrollo de habilidades de programación entre los estudiantes de primaria con discapacidad auditiva (Khasawneh, 2024) o el uso de un Sistema de Tutoría Inteligente para educar a estudiantes con contenido basado en Realidad Aumentada (RA) e IA, desarrollado para mejorar la experiencia de aprendizaje de los alumnos con discapacidad (Ahuja et al., 2022).

Finalmente, la octava categoría, «Revisión crítica y conceptual de la IA en relación con la discapacidad», comprende estudios que reflexionan sobre el papel de la IA desde una perspectiva ética, reflexiva o conceptual. Se incluyen trabajos que pretenden explorar críticamente cómo las infraestructuras tecnológicas, especialmente aquellas mediadas por IA, impactan en la vida de las personas con discapacidad, desde una perspectiva de justicia social y estudios críticos de la discapacidad (Goggin et al., 2019) o; revelar las tendencias recientes en la investigación sobre IA en relación con la discapacidad o la educación especial mediante el método de revisión sistemática o bibliográfica (Madahana et al., 2022).

3.3.   Principales hallazgos de los estudios: avances y desafíos

Respecto a los principales hallazgos de las investigaciones, se identifican similitudes sobre el uso de la IA en contextos vinculados a la alfabetización mediática y la inclusión. Los hallazgos fueron organizados inductivamente en dos grandes fenómenos: comunicativo y educativo. A partir de cada uno, se construyeron categorías temáticas que reflejan tendencias conceptuales recurrentes en la literatura revisada.

3.3.1.    Aportes al campo de la comunicación

 En el campo comunicativo, uno de los núcleos temáticos identificados fue la «eliminación de barreras comunicativas y la accesibilidad tecnológica», donde se agrupan hallazgos que muestran cómo la IA posibilita nuevas formas de interacción para personas con discapacidad (Dere et al., 2023; Pucci et al., 2024; Acosta-Vargas et al., 2024).

Una segunda línea temática en este fenómeno es la de la «inclusión digital y el desarrollo de entornos comunicativos emergentes», donde los autores proponen el uso de la IA para crear plataformas accesibles, servicios automatizados y estrategias de mediación digital que mejoren la experiencia de usuarios con discapacidad como el uso de chatbots basados en IA (Cheung et al., 2020), sistemas o teclados virtuales inteligentes (Prete et al., 2025).

Una tercera categoría, centrada en el «diseño y capacitismo», ofrece una mirada crítica hacia los sesgos capacitistas presentes en las tecnologías actuales. Los estudios insisten en la necesidad de incorporar activamente las voces y experiencias de las personas con discapacidad en el diseño y gobernanza de sistemas comunicativos basados en IA. Goggin et al. (2019) subrayan que las infraestructuras de IA reproducen el capacitismo al excluir sistemáticamente a las personas con discapacidad, abogando por una justicia tecnológica que incorpore las voces y experiencias del colectivo. Estudios como el de Palmer y Oswal (2024), entre otros, enfatizan la importancia de involucrar a los usuarios con discapacidad en el proceso de desarrollo web.

3.3.2.    Aportes al campo de la educación

En el fenómeno educativo, se identificó una categoría centrada en la «personalización del aprendizaje e impacto en los procesos de enseñanza-aprendizaje», en la que se agrupan hallazgos que destacan el papel de la IA para adaptar trayectorias formativas a las necesidades específicas del estudiantado, en especial de aquellos con discapacidad. Tal como plantea Shivani et al. (2024), la IA tiene un gran potencial para fomentar la autonomía de los estudiantes con discapacidad y mejorar su calidad de vida, facilitándoles materiales educativos, experiencias de aprendizaje personalizadas, mayor participación en el aprendizaje y una comunicación más inclusiva y eficaz. También se identifica que el uso de IA generativa como ChatGPT puede contribuir a la mejora de los resultados de aprendizaje y el alivio de la carga de trabajo de los estudiantes con discapacidad, ahorrando tiempo y aumentando su autonomía (Pierrès et al., 2024).

Relacionado con ello, una segunda línea de hallazgos se centró en la «inclusión educativa y reducción de barreras», donde los estudios abordan cómo la IA puede contribuir a eliminar obstáculos físicos, sensoriales o cognitivos, que históricamente han dificultado la participación plena de los estudiantes con discapacidad, advirtiendo de las barreras aún existentes. Por ejemplo, Martínez-Santiago y Navas-Berbel (2024) señalan que el uso de GeoIA permite al estudiantado con discapacidad disfrutar del patrimonio urbano sin necesidad de desplazamiento físico, aunque advierten que la falta de adaptación de ciertos elementos patrimoniales sigue generando situaciones de discriminación. En esta línea, otros estudios destacan los retos técnicos y físicos aún pendientes para implementar con éxito estas tecnologías en la educación de estudiantes con discapacidad (Athbah, 2024; Martínez-Santiago & Navas-Berbel, 2024).

Una tercera categoría alude a los «retos en la implementación y la formación docente». A pesar del potencial transformador de la IA en la educación inclusiva, algunos estudios subrayan la necesidad de reforzar la capacitación del profesorado y su desarrollo profesional, superando dificultades formativas que limitan su implementación en las aulas (Khasawneh, 2024; Howorth et al., 2024; Wilson et al., 2025).

Finalmente, algunos hallazgos se agrupan respecto al «potencial creativo y socioemocional de la IA en el aula», donde se subraya el impacto positivo de estas tecnologías en el fomento de la creatividad, identificación y expresión emocional. Wilson et al. (2025) evidenciaron que la generación de arte impulsada por IA fomenta la creatividad, el desarrollo de la identidad y la participación, aunque advierten que se requiere un diseño emocionalmente sensible. Standen et al. (2020) analizaron que la adaptación del contenido de aprendizaje basándose en la detección emocional mejora el compromiso y reduce el aburrimiento, pero no se traduce en un aumento inmediato del rendimiento académico.

4.   Discusión y conclusiones

Aunque la IA ha adquirido un protagonismo creciente en los últimos años (García-Cruz et al., 2023), la revisión sistemática realizada evidencia que los estudios sobre IA y discapacidad en los ámbitos de comunicación y educación comenzaron ya en la década de los ochenta del siglo XX. No obstante, se observa un notable aumento de investigaciones a partir de 2018, concentrándose el 70,2% de los estudios en los últimos tres años. Predominan los estudios del ámbito educativo, así como las investigaciones empíricas y con enfoques cuantitativos. Las discapacidades del aprendizaje, visual y auditiva son las más investigadas, aunque el 38,1% de los trabajos abordan la discapacidad en general. Los estudios educativos, además, abarcan todas las etapas del sistema educativo, desde infantil hasta la universidad y la formación de personas adultas, lo que permite actualizar y ampliar los hallazgos recogidos en revisiones anteriores como la de Hopcan et al. (2022).

Los resultados reflejan que la IA ofrece múltiples soluciones adaptables a diferentes necesidades y contextos (Martínez et al., 2020), con aplicaciones dirigidas a reducir barreras, fomentar la autonomía y la participación de las personas con discapacidad (Holmes et al., 2021). Tanto los estudios empíricos como las revisiones sistemáticas analizadas coinciden en señalar el interés por aprovechar el potencial de la IA para mejorar la accesibilidad (Morocho-Cevallos et al., 2013), favorecer la participación activa del alumnado y personalizar el aprendizaje de acuerdo con las necesidades individuales (Kaplan & Haenlein, 2019; Aparicio-Gómez & Cortés Gallego, 2024).

Respecto a los desafíos, la literatura especializada viene abordando cuestiones éticas relacionadas con el acceso y la participación activa del colectivo con discapacidad. Uno de los aspectos más discutidos es la persistencia de sesgos capacitistas, que invisibilizan o distorsionan las experiencias de las personas con discapacidad (Valle-Escolano, 2023; Pallisera-Díaz et al., 2017). Varios estudios incluidos en la revisión advierten sobre el riesgo de que estos sesgos se reproduzcan en los desarrollos de IA, subrayando la importancia de incluir a los usuarios con discapacidad en los procesos de diseño y desarrollo tecnológico (Goggin et al., 2019; Palmer y Oswal, 2024). Además, El Naggar et al. (2024) advierten sobre otros riesgos asociados al uso de la IA, como la tendencia al sesgo de confirmación y la posible sobrecarga de información en entornos mediados tecnológicamente.

En consecuencia, esta revisión sistemática fortalece el campo de la educomunicación inclusiva al proporcionar una base teórica y empírica sobre el papel de IA como herramienta mediadora en los procesos educativos y comunicativos de las personas con discapacidad. El estudio sistematiza las principales tendencias y vacíos presentes en la producción científica y propone un marco interpretativo que articula los principios de accesibilidad, participación y justicia comunicativa como fundamentos para el desarrollo de tecnologías inclusivas. Así, se reafirma la importancia de interpretar la IA no solamente como un instrumento técnico, sino como un agente transformador que, desde la perspectiva de la educomunicación, puede incidir en la configuración de entornos educativos más equitativos, participativos y sensibles a la diversidad.

Si bien la presente revisión sistemática aplica criterios de selección rigurosos, también presenta limitaciones. No se han incluido libros, capítulos, investigaciones publicadas en revistas no indexadas, trabajos en idiomas distintos del inglés y el español, ni literatura gris como ponencias, actas de congresos o tesis académicas.

Como líneas futuras de investigación, se plantea la ampliación del estudio a otros tipos de publicaciones, bases de datos y contextos, así como la incorporación de enfoques empíricos que permitan evaluar el impacto de la IA mediante estudios experimentales, encuestas, entrevistas o grupos focales que integren las percepciones de las propias personas con discapacidad.

Ética y transparencia

Agradecimientos

Agradecemos los servicios de traducción de Michelle Symonds (Your English Lab) en la elaboración de la versión inglesa del manuscrito.

Conflicto e intereses

Los autores de este artículo declaran que no existe ningún conflicto de intereses.

Financiación

El autor Juan C. Figuereo-Benítez es beneficiario de un contrato predoctoral PIF financiado por el VI PPIT-US (Plan Propio de Investigación y Transferencia de la Universidad de Sevilla), en el marco del grupo de investigación SEJ-675: Comunicación, poder y pensamiento crítico ante el cambio global (Compoder), de la Universidad de Sevilla.

Contribuciones de los autores

Disponibilidad de los datos

Los datos del listado completo de publicaciones científicas incluidas en la revisión sistemática están disponibles en acceso abierto en el repositorio institucional de la Universidad de Sevilla(idUS) y pueden consultarse en el siguiente DOI: https://doi.org/10.12795/11441/178618

Referencias bibliográficas

Acosta-Vargas, P., Salvador-Acosta, B., Novillo-Villegas, S., Sarantis, D. y Salvador-Ullauri, L. (2024). Generative Artificial Intelligence and Web Accessibility: Towards an Inclusive and Sustainable Future. Emerging Science Journal, 8(4), 1602-1621.
https://doi.org/10.28991/ESJ-2024-08-04-021

Ahuja, N.J., Dutt, S., Choudhary, S. Lohmor y Kumar, M. (2022). Intelligent Tutoring System in Education for Disabled Learners Using Human–Computer Interaction and Augmented Reality. International Journal of Human–Computer Interaction, 41(3), 1804-1816. https://doi.org/10.1080/10447318.2022.2124359

Aldakhil, A.F. (2024). Investigating the impact of an AI-based play activities intervention on the quality of life of school-aged children with ADHD. Research in Developmental Disabilities, 154, 104858. https://doi.org/10.1016/j.ridd.2024.104858

Ali, A.-E.A., Mashhour, M., Salama, A.S., Shoitan, R. y Shaban, H. (2023). Development of an Intelligent Personal Assistant System Based on IoT for People with Disabilities. Sustainability, 15(6), 5166. https://doi.org/10.3390/su15065166 

Aparicio-Gómez, O.Y. y Cortés Gallego, M.A. (2024). Desafíos éticos de la Inteligencia Artificial en la personalización del aprendizaje. RIIEP, 17(2), 377-392. https://doi.org/10.15332/25005421.10000 

Athbah, S.Y. (2024). The challenges of employing robotics in improving social skills among students with autism spectrum disorder from their teachers’ perspectives. Arts Educa, 39, 41-49. http://bit.ly/3Jhnroe

Barbas-Coslado, Á. (2012). Educomunicación: desarrollo, enfoques y desafíos en un mundo interconectado. Foro de Educación, 14, 157-175. https://bit.ly/4kIs08H

Bober, A., Kosenko, Y. y Korol, O. (2024). Development of an interactive website with didactic games to enhance vocabulary in young students with intellectual disabilities. Information Technologies and Learning Tools, 102(4), 39-50. https://doi.org/10.33407/itlt.v102i4.5711

Cheung, T.Y., Ye, Z. y Chiu, D.K. (2020). Value chain analysis of information services for visually impaired people: a case study of contemporary technological solutions. Library Hi Tech, 39(2), 625-642. https://doi.org/10.1108/LHT-08-2020-0185

Coughlan, T. y Iniesto, F. (2025). What should I know? Analysing behaviour and feedback from student use of a virtual assistant to share information about disabilities. The Internet and Higher Education, 66, 101002. https://doi.org/10.1016/j.iheduc.2025.101002

Curumsing, M.K., Rivera-Villicana, J., Vouliotis, A., Burns, K., Babaei, M., Petrovich, T., Mouzakis, K. y Vasa, R. (2024). Talk with Ted: An embodied conversational agent for caregivers. Gerontology & Geriatrics Education, 46(2), 186–203. https://doi.org/10.1080/02701960.2024.2302584 

Dere, M.D., Dere, R.O., Adesina, A. y Yauri, A.R. (2023). An end-to-end framework for translation of American sign language to low-resource languages in Nigeria. Scientific African, 21, e01809. https://doi.org/10.1016/j.sciaf.2023.e01809

El Naggar, A., Gaad, E. e Inocencio, S.A.M. (2024). Enhancing inclusive education in the UAE: Integrating AI for diverse learning needs. Research in Developmental Disabilities, 147, 104685. https://doi.org/10.1016/j.ridd.2024.104685

Faria, D.R., Bird, J.J., Daquana, C., Kobylarz, J. y Ayrosa, P.P.S. (2020). Towards AI-based interactive game intervention to monitor concentration levels in children with attention deficit. International Journal of Information and Education Technology, 10(9), 641–648. https://doi.org/10.18178/ijiet.2020.10.9.1437

Flores-Vivar, J. M. y García-Peñalvo, F.J. (2023). La vida algorítmica de la educación: Herramientas y sistemas de inteligencia artificial para el aprendizaje en línea. En G. Bonales-Daimiel y J. Sierra-Sánchez (Eds.), Desafíos y retos de las redes sociales en el ecosistema de la comunicación (pp. 109-121). McGraw-Hill. https://bit.ly/4kIs48r

García-Cruz, J.A., García-Díaz, B.L., Guevara-Valdiviezo, Y., Ortega-Rojas, Y.K., Pernalete-Lugo, J., Sakibaru-Mauricio, L.A. y Vargas Cárdenas, C. (2023). Inteligencia artificial en la praxis docente: vínculo entre la tecnología y el proceso de aprendizaje. Editorial Mar Caribe. https://doi.org/10.17613/vqt1-cp64

Goggin, G., Ellis, K. y Hawkins, W. (2019). Disability at the centre of digital inclusion: assessing a new moment in technology and rights. Communication Research and Practice, 5(3), 290-303. https://doi.org/10.1080/22041451.2019.1641061

Holmes, W., Hui, Z., Miao, F. y Ronghuai, H. (2021). Inteligencia artificial y educación: Guía para las personas a cargo de formular políticas. UNESCO Publishing. https://bit.ly/43ZGtWr

Hong, H. y Kim, Y. (2024) Applying artificial intelligence in career education for students with intellectual disabilities: The effects on career self-efficacy and learning flow. Education and Information Technology, 29, 25237-25256. https://doi.org/10.1007/s10639-024-12809-6

Hopcan, S., Polat, E., Ozturk, M.E. y Ozturk, L. (2022). Artificial intelligence in special education: a systematic review. Interactive Learning Environments, 31(10), 7335-7353. https://doi.org/10.1080/10494820.2022.2067186

Howorth, S.K., Marino, M.T., Flanagan, S., Cuba, M.J. y Lemke, C. (2024). Integrating emerging technologies to enhance special education teacher preparation. Journal of Research in Innovative Teaching & Learning. https://doi.org/10.1108/JRIT-08-2024-0208

Jenks, A., Onufer, L. y Guberman, D. (2024). Emergent questions of access: disability and the integration of generative AI in teaching and learning. Higher Education Research & Development, 44(4), 932-945. https://doi.org/10.1080/07294360.2024.2442611

Kaplan, A. y Haenlein, M. (2019). Siri, Siri, in my hand: Who’s the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence. Business Horizons, 62(1), 15-25. https://doi.org/10.1016/j.bushor.2018.08.004 

Khasawneh, M.A.S. (2024). Teacher Opinions on the Role of Educational Robots in Enhancing Programming Skills among Hearing-Impaired Students. International Journal of Learning, Teaching and Educational Research, 23(5), 309-322. https://doi.org/10.26803/ijlter.23.5.16

Madahana, M., Khoza-Shangase, K., Moroe, N., Mayombo, D., Nyandoro, O. y Ekoru, J. (2022). A proposed artificial intelligence-based real-time speech-to-text to sign language translator for South African official languages for the COVID-19 era and beyond: In pursuit of solutions for the hearing impaired. South African Journal of Communication Disorders, 69(2), 915. https://doi.org/10.4102/sajcd.v69i2.915

Marino, M.T., Vasquez, E., Dieker, L., Basham, J. y Blackorby, J. (2023). The Future of Artificial Intelligence in Special Education Technology. Journal of Special Education Technology, 38(3), 404-416. https://doi.org/10.1177/01626434231165977

Martínez, R., Palma, A. y Velásquez, A.M. (2020). Revolución tecnológica e inclusión social: Reflexiones sobre desafíos y oportunidades para la política social en América Latina. CEPAL. https://bit.ly/442aPaG

Martínez-Santiago, C.J. y Navas-Berbel, A. (2024). La Geo Inteligencia Artificial (GeoAI) como una herramienta de participación e innovación en el aula: el Alcázar Real, un estudio de caso en el espacio urbano de Ciudad Real. ENSAYOS, 39(2), 97-112. http://doi.org/10.18239/ensayos.v39i2.3523

Mcnally, K., Wright, K., Goldkind, L., Kattari, S.K. y Victor, B.G. (2024). Disability Expertise and Large Language Models: A Qualitative Study of Autistic TikTok Creators’ Use of ChatGPT. Social Media+Society, 10(3). https://doi.org/10.1177/20563051241279549

Meng, X. y Wong, B.E. (2024). Anxiety sentiment evaluation and coping strategies in English audio-visual smart classroom based on artificial intelligence. Pakistan Journal of Life and Social Sciences, 22(2), 9917-9927. https://doi.org/10.57239/PJLSS-2024-22.2.00749

Mera-Castillo, D.E. (2023). La influencia de la inteligencia artificial en la personalización del aprendizaje: Perspectivas y desafíos en la educación. Revista Ingenio Global, 2(2), 28-39. https://doi.org/10.62943/rig.v2n2.2023.64

Methley, A.M., Campbell, S., Chew-Graham, C., Mcnally, R. y Cheraghi-Sohi, S. (2014). PICO, PICOS and SPIDER: a comparison study of specificity and sensitivity in three search tools for qualitative systematic reviews. BMC Health Services Research, 14(1). https://doi.org/10.1186/s12913-014-0579-0

Morandín-Ahuerma, F. (2022). What is Artificial Intelligence?  International Journal of Research Publication and Reviews, 3(12), 1947-1951. https://doi.org/10.55248/gengpi.2022.31261

Morocho-Cevallos, R.A., Cartuche-Gualán, A.P., Tipan-Llanos, A.M., Guevara-Guevara, A.M. y Ríos-Quiñónez, M.B. (2023). Integración de la Inteligencia Artificial en la Educación. Ciencia Latina Revista Científica Multidisciplinar, 7(6), 2032-2053. https://doi.org/10.37811/cl_rcm.v7i6.8832

Nganji, J.T. y Brayshaw, M. (2017). Disability-aware adaptive and personalised learning for students with multiple disabilities. International Journal of Information and Learning Technology, 34(4), 307-321. https://doi.org/10.1108/IJILT-08-2016-0027

Organización Mundial De La Salud (2020). Disability and health. https://bit.ly/2Xa2AL6 

Ormerod, C., Lottridge, S., Harris, A. E., Patel, M., Van-Wamelen, P., Kodeswaran, B. y Young, M. (2023). Automated Short Answer Scoring Using an Ensemble of Neural Networks and Latent Semantic Analysis Classifiers. International Journal of Artificial Intelligence in Education, 33, 467-496. https://doi.org/10.1007/s40593-022-00294-2

Page, M.J., Mckenzie, J.E., Bossuyt, P.M., Boutron, I., Hoffmann, T.C., Mulrow, C.D., Shamseer, L., Tetzlaff, J.M., Akl, E.A., Brennan, S.E., Chou, R., Glanville, J., Grimshaw, J.M., Hróbjartsson, A., Lalu, M.M., Li, T., Loder, E.W., Mayo-Wilson, E., Mcdonald, S., … Welch, V.A. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372(71). https://doi.org/10.1136/bmj.n71 

Pallisera-Díaz, M., Fullana-Noell, J., Rovira, C.P., Vilà-Suñé, M. y Díaz-Garolera, G. (2017). Apoyando la participación real de las personas con discapacidad intelectual: una experiencia de investigación inclusiva sobre vida independiente. Spanish Journal of Disability Studies, 5(1), 7-24. https://bit.ly/4n1XN5R

Palmer, Z.B. y Oswal, S.K. (2024). Constructing Websites with Generative AI Tools: The Accessibility of Their Workflows and Products for Users with Disabilities. Journal of Business and Technical Communication, 39(1), 93-114. https://doi.org/10.1177/10506519241280644

Pérez-Esteban, M.D., Gutiérrez-Ángel, N. y Mercader-Rubio, I. (2024). Los docentes universitarios ante el avance de la Inteligencia Artificial. Nuevos enfoques curriculares. En P. Arranz-Martínez, M.A. Soláns-García, R. Feltrero-Oreja y L.M. Fernández-Martínez (Eds.), Educomunicación y transformación social (pp. 135-148). Dykinson. https://bit.ly/45qkquq

Pierrès, O., Darvishy, A. y Christen, M. (2025). Exploring the role of generative AI in higher education: Semi-structured interviews with students with disabilities. Education and Information Technologies, 30, 8923–8952. https://doi.org/10.1007/s10639-024-13134-8

Prete, A.L., Andreini, P., Bonechi, S. y Bianchini, M. (2025). A smart virtual keyboard to improve communication of locked-in patients. Computer Standards & Interfaces, 93, 103963. https://doi.org/10.1016/j.csi.2024.103963

Pucci, E., Piro, L., Possaghi, I., Mulfari, D. y Matera, M. (2024). Co-designing the integration of voice-based conversational AI and web augmentation to amplify web inclusivity. Scientific Reports, 14, 16162. https://doi.org/10.1038/s41598-024-66725-3

Rosero-Calderón, M., Delgado, D.M., Ruano, M.A. y Criollo-Castro, C.H. (2021). Actitud docente frente a la educación inclusiva de estudiantes con discapacidad intelectual. Revista UNIMAR, 39(1), 96-106. https://doi.org/10.31948/Rev.unimar/unimar39-1-art7

Sahin, N.T, Abdus-Sabur, R., Keshav, N.U., Liu, R., Salisbury, J.P. y Vahabzadeh, A. (2018). Case Study of a Digital Augmented Reality Intervention for Autism in School Classrooms: Associated With Improved Social Communication, Cognition, and Motivation via Educator and Parent Assessment. Frontiers in Education, 3(57). https://doi.org/10.3389/feduc.2018.00057

Šef, T. y Gams, M. (2003). Speaker (GOVOREC): a complete Slovenian text-to speech system. International Journal of Speech Technology, 6, 277-287. https://doi.org/10.1023/A:1023470304749 

Shivani, G., Gupta, M. y Bal-Gupta, S. (2024). A systematic analysis of AI-empowered educational tools developed in India for disabled people. Information Technologies and Learning Tools, 100(2), 199-216. https://doi.org/10.33407/itlt.v100i2.5501

Smith, R.A., Smith, E. y Price, M.D. (2024). Utilizing Emergent AI Chatbot Technology to Generate Mathematical Writing Models for Elementary Students with Learning Disabilities. Intervention in School and Clinic, 59(5), 339-346. https://doi.org/10.1177/10534512241233512

Standen, P.J., Brown, D.J., Taheri, M., Galvez-Trigo, M.J., Boulton, H., Burton, A. y Hortal, E. (2020). An evaluation of an adaptive learning system based on multimodal affect recognition for learners with intellectual disabilities. British Journal of Educational Technology, 51(5), 1748-1765. https://doi.org/10.1111/bjet.13010

Torres-Acurio, J. (2023). Acceso a material didáctico digital e integración de las Tecnologías de la Información y la Comunicación durante el confinamiento por Covid 19 en estudiantes con discapacidad visual del departamento peruano de Puno. ESPACIOS EN BLANCO. Revista de Educación, 1(34), 243-258. https://doi.org/10.37177/UNICEN/EB34-386

​​Valle-Escolano, R. (2023). Inteligencia artificial y derechos de las personas con​ discapacidad. Revista Española de Discapacidad, 11(1), 7-28. https://bit.ly/4kHvx6Z

Villalobos-López, J.A. (2024). Marco teórico de realidad aumentada, realidad virtual e inteligencia artificial: Usos en educación y otras actividades. Emerging trends in education, 6(12), 1-17. https://doi.org/10.19136/etie.a6n12.5695 

Waterfield, D.A., Coleman, O.F., Welker, N.P., Kennedy, M.J., Mcdonald, S.D. y Cook, B.G. (2025). IEPs in the Age of AI: Examining IEP Goals Written with and Without ChatGPT. Journal of Special Education Technology, 0(0). http://doi.org/10.1177/01626434251324592

Wilson, S. E., Wiggins, J. B., Wong, L. N., Ulrich, T. G., Causey, B., Parra, J. y Blackorby, J. (2025). Leveraging Design-Based Research in the Development of a Technology-Based Intervention for Students with Disabilities. Journal of Special Education Technology, 40(2), 195-207. https://doi.org/10.1177/01626434251317989

Yadlin-Segal, A. y Oppenheim, Y. (2020). Whose dystopia is it anyway? Deepfakes and social media regulation. Convergence, 27(1), 36-51. https://doi.org/10.1177/1354856520923963