Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
Revisión Sistemática  
La IA como tecnología de apoyo en la formación profesional policial en seguridad  
marítima: Un mapeo sistemático de la literatura  
AI as a supporting technology in police professional training for maritime safety: A systematic  
mapping of the literature  
Gonzalo Raúl Farinón1 , Nora Susana Segovia2 , Carlos Gerardo Neil3  
1 Universidad Abierta Interamericana, gonzaloraul.farinon@alumnos.uai.edu.ar, Buenos Aires - Argentina  
2 Investigadora Independiente. segovia.susana@gmail.com, Buenos Aires - Argentina  
3 Universidad Abierta Interamericana, carlos.neil@uai.edu.ar, Buenos Aires - Argentina  
Autor para correspondencia: gonzalo.farinon@gmail.com  
Derechos de Autor  
RESUMEN  
Los  
publicados  
ediciones  
originales  
en las  
electrónicas  
Contexto: Los efectivos de lasAutoridades Marítimas Nacionales (AMN) enfrentan  
dificultades para acceder a formación continua debido a la escasa conectividad en  
zonas remotas. Esta situación profundiza la brecha digital, reduce oportunidades  
de ascenso, evidenciando la necesidad de soluciones tecnológicas adaptadas a  
contextos con baja o nula conectividad. Objetivo: Identificar el estado del arte sobre  
tutores virtuales offline basados en modelos de lenguaje ligeros (LLM), evaluando  
su viabilidad como herramienta educativa para reducir brechas digitales y mejorar  
el desempeño en instituciones de seguridad marítima. Métodos: Se realizó una  
búsqueda sistemática en Google Scholar (2015–2025), centrada en estudios sobre IA  
offline, LLM y formación en entornos con conectividad limitada. El análisis incluyó  
selección por etapas, evaluación metodológica y extracción de datos estructurada.  
Resultados: Los estudios muestran mejoras en retención académica (hasta un 30%),  
disminución de tareas repetitivas docentes y mayor cobertura formativa. También  
se destacan desafíos técnicos y éticos, como la actualización periódica y el manejo  
de sesgos algorítmicos. Conclusiones: Los tutores virtuales offline basados en LLM  
son una opción viable para fortalecer la formación remota, siempre que se integren  
considerando aspectos sociotécnicos, éticos y pedagógicos.  
bajo derechos de primera  
publicación de la  
revista son del Instituto  
Superior Tecnológico  
UniversitarioRumiñahui,  
por ello, es necesario  
citar la procedencia en  
cualquier reproducción  
parcial o total. Todos los  
contenidos de la revista  
electrónica se distribuyen  
bajo una licencia de  
Creative  
Commons  
R e c o n o c i m i e n t o -  
N o C o m e r c i a l - 4 . 0  
Internacional.  
Palabras clave: Offline; Tutor virtual; Brecha digital; LLM; Equidad educativa.  
ABSTRACT  
Context: Police personnel specialized in maritime and border security face  
significant challenges in accessing continuous training due to limited connectivity  
in remote operational areas. This situation exacerbates the digital divide and reduces  
promotion opportunities, highlighting the urgent need for technological solutions  
adapted to low- or no-connectivity environments. Objective: To identify the state  
of the art on offline virtual tutors based on lightweight language models (LLMs),  
evaluating their viability as educational tools for reducing digital gaps and enhancing  
performance in maritime security institutions. Methods: A systematic search was  
conducted using Google Scholar (2015–2025), focusing on studies related to  
offline AI, LLMs, and training in low-connectivity environments. The analysis  
involved a staged selection process, methodological assessment, and structured  
data extraction. Results: The reviewed studies report improvements in academic  
retention (up to 30%), a reduction in repetitive teaching tasks, and broader training  
coverage. Technical and ethical challenges were also identified, such as the need  
for regular updates and the management of algorithmic bias. Conclusions: Offline  
virtual tutors based on LLMs offer a viable solution to support remote training,  
provided their implementation is guided by sociotechnical, ethical, and pedagogical  
considerations.  
Citas  
Farinón, G. R., Segovia,  
N. S., & Neil, C. G. El uso  
de IA como tecnología  
de apoyo en la formación  
profesional policial en  
seguridad  
Un mapeo sistemático  
de la literatura:  
Systematic  
of the  
C O N E C T I V I D A D ,  
7(1), 398-421. https://  
d o i . o r g / 1 0 . 3 7 4 3 1 /  
conectividad.v7i1.353  
marítima:  
A
Mapping  
Literature.  
Keywords: Offline; Virtual tutor; Digital divide; LLM; Educational equity.  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
398  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
1. INTRODUCCIÓN  
El personal policial especializado en seguridad marítima y portuaria, enfrenta una brecha digital  
que limita significativamente su acceso a instancias de formación continua, particularmente  
en destinos remotos donde la conectividad es escasa o inexistente. Esta brecha digital gris va  
más allá de la falta de acceso técnico: incluye también carencias en habilidades digitales y  
un bajo nivel de apropiación tecnológica, factores que contribuyen al aislamiento profesional  
y refuerzan la percepción de desatención por parte de las instituciones (Odu & Wyk, 2024).  
Mientras el personal distribuido en zonas urbanas dispone de recursos en línea, quienes  
cumplen funciones operativas en condiciones de aislamiento ven limitadas sus oportunidades  
de desarrollo, lo que afectaría el logro de sus objetivos al momento de desempeñar sus funciones  
para la Autoridad Marítima y en la equidad interna (Sonja, 2024). En un intento por paliar  
estas carencias Farinón (2023), propuso el diseño de libros enriquecidos con códigos QR y la  
creación de la figura del tutor especial, encargado de acompañar al cursante durante períodos  
acotados. Estas medidas lograron mejorar la disponibilidad de recursos didácticos en campo;  
sin embargo, no consiguieron eliminar los prolongados lapsos de silencio comunicacional a  
los que los estudiantes quedaban expuestos en ausencia de retroalimentación. Persistía, por  
tanto, la necesidad de un soporte pedagógico sostenido que pudiera operar sin conexión a la red  
(Farinón, 2023). Así, se justifica con los antecedentes la inclusión de un tutor virtual basado en  
un modelo de lenguaje ligero, que pueda alojarse en dispositivos móviles y que resulte operativo  
en modo offline. Este asistente respondería consultas sobre materiales descargados, registraría  
dudas no resueltas y las sincronizaría con el tutor humano cuando se restablezca la conexión,  
reduciendo la carga docente y garantizando continuidad formativa. La literatura señala que  
los LLM pueden personalizar el aprendizaje, automatizar tareas y ampliar el acceso siempre  
que medie una supervisión cuidadosa que evite sesgos (Shahzad et al., 2025); además, su uso  
mejora la retención y la adopción de contenidos en entornos con restricciones tecnológicas  
(FattahiBavandpour et al., 2024). No obstante, para que esta solución cierre efectivamente la  
brecha digital, será indispensable integrar el tutor virtual dentro de un marco sociotécnico que  
contemple actualizaciones periódicas, fiabilidad de respuestas y una comprensión profunda de  
las desigualdades existentes, de modo tal que el dispositivo se convierta en un puente y no en  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
399  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
un nuevo factor de exclusión.  
2. MATERIALES Y MÉTODOS  
2.1. Preguntas de investigación  
Para iniciar el mapeo sistemático de la literatura (MSL) se establecieron las siguientes preguntas  
(P) de investigación y sus correspondientes motivos (M):  
Tabla 1. Preguntas guías del MSL  
PREGUNTA  
MOTIVOS  
P-1. ¿En qué medida un tutor virtual offline basado M-1. En las zonas remotas, el personal en operaciones  
en un LLM ligero, como apoyo a los métodos especiales de la autoridad marítima enfrenta una gran  
tradicionales de formación, mejora el acceso brecha formativa debido a la falta de conectividad. Para  
equitativo a la capacitación profesional, reduce mejorar el acceso a la capacitación, romper el silencio  
los períodos de silencio académico y optimiza la académico y reforzar el aprendizaje en contextos  
formación del personal operativo desplegado por la operativos extremos, se busca incorporar un tutor virtual  
autoridad marítima en zonas remotas?  
offline como una solución equitativa.  
P-2. ¿Cómo las estrategias de mitigación de sesgos en M-2. En la vida institucional, entendemos que la  
LLM aplicados a la personalización del aprendizaje personalización mediante LLM puede traer consigo  
pueden garantizar equidad educativa y prevenir algunos sesgos si no se implementan estrategias activas  
la reproducción de desigualdades en la formación para mitigarlos. Estamos comprometiendo la garantía de  
policial?  
una educación sin preferencias, equitativa y moderna.  
P-3. ¿De qué manera la integración de LLM offline M-3. Para que un modelo de lenguaje (LLM) realmente  
en un marco socio-técnico, a diferencia del tecno- funcione, no basta con instalar un software elegante.  
solucionismo, impulsa la innovación curricular, La clave está en integrarlo de lleno en un ecosistema  
fortalece el rol del instructor y aumenta la pertinencia conformado por tres pilares: la tecnología en sí, la  
institucional en la formación del personal desplegado pedagogía para usarla bien y, quizás lo más olvidado, la  
por la autoridad marítima en zonas sin conexión?  
cultura de la institución.  
P-4. ¿Cómo la adaptación de materiales educativos  
mediante LLM para atender las circunstancias  
específicas, en contraste con recursos no adaptados,  
incrementa la accesibilidad y el desarrollo de  
competencias del personal policial en servicio activo  
de seguridad marítima y portuaria?  
M-4. Los materiales genéricos suelen quedarse cortos;  
es como intentar usar una llave estándar para cerraduras  
únicas. En cambio, un LLM es una herramienta  
educativa: que diseña contenidos que se adaptan a la  
perfección a los desafíos específicos de una profesión.  
M-5. Imaginemos a un alumno en una embarcación  
remota. Este sistema híbrido actuaría como un “primer  
respondedor” para las dudas más comunes, permitiendo  
que la IA resuelva instantáneamente las consultas  
repetitivas (procedimientos, normativas, etc.) incluso  
sin internet. Esto no reemplaza al tutor humano, sino  
que lo libera de esa carga, permitiéndole enfocar su  
energía y experiencia en las dudas más complejas y en  
la mentoría personalizada.  
P-5. En el contexto de las zonas sin conectividad,  
¿podría un sistema híbrido (con una IA offline y un  
tutor especial) ser tan efectivo como un tutor humano  
tradicional, no solo para resolver dudas, sino para  
aliviar la carga de nuestros instructores y ampliar su  
alcance sin necesidad de desplegar más personal?  
2.2. Métodos de revisión  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
400  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
Este proyecto se llevó a cabo mediante un Mapeo Sistemático de Literatura (MSL). Nos  
propusimos examinar, de la manera más exhaustiva posible, el estado actual de este tema:  
cómo se está integrando la inteligencia artificial como un soporte tecno-pedagógico en la  
formación de los cuerpos de policía de las Autoridades Marítimas Nacionales (AMN) y/o otras  
organizaciones afines, prestando especial atención a las unidades de operaciones especiales y  
al personal embarcado. No nos conformamos con una mera descripción; queríamos analizar  
estudios que profundizaran en dimensiones clave como la personalización real del aprendizaje,  
la reducción de brechas digitales, la igualdad educativa y la siempre complicada innovación  
curricular en entornos tan sensibles como lo es la seguridad. ¿Cómo lo hicimos? Pensamos un  
proceso metódico en tres fases claras: planificación, ejecución y, finalmente, el análisis y reporte  
de lo encontrado.  
2.2.1. En la planificación, lo primero fue definir las preguntas que realmente queríamos  
responder. Luego, establecimos un paso a paso de búsqueda riguroso, decidiendo de  
antemano qué estudios aceptamos en nuestra revisión y cuáles quedarían afuera.  
2.2.2. Durante la ejecución, rastreamos meticulosamente bases de datos académicas usando  
cadenas de búsqueda muy específicas, aplicando después filtros de calidad predefinidos.  
2.2.3. Por último, nos sumergimos en el análisis de los resultados. Clasificamos la información  
y construimos una suerte de “mapa temático” que nos permitió visualizar tendencias,  
pero también, y esto es crucial, identificar vacíos sorprendentes y líneas de investigación  
emergentes sobre el uso de la IA en este campo.  
Al final, pudimos apreciar, que existen antecedentes que respaldan la idea de implementar  
modelos de IA. Lejos de ser una fuente más de desigualdad, un riesgo que, admitimos, existe.  
Todos nos hace creer que la inteligencia artificial destaca como una herramienta estratégica con  
la capacidad de disminuir el impacto de la desconexión digital.  
2.3. Fuentes  
Para reunir todos los artículos necesarios para hacer un Mapeo Sistemático de la Literatura  
(MSL), se utilizaron fuentes de Google académico. Por ende, se optó por seleccionar fuente  
libre, abierta y de fácil reproducción para replicar la búsqueda.  
2.4. Definición de términos  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
401  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
Y así se diseñó un conjunto de cadenas de búsqueda especializadas que permitieron realizar  
un mapeo sistemático de literatura. La primera cadena de búsqueda (CB-1) combinó cinco  
dimensiones clave: (“Large-Language Models (LLMs)” OR “GenerativeArtificial Intelligence”  
OR “Natural Language Processing (NLP)”) AND (“Digital Divide” OR “Access Gap”  
OR “Knowledge Divide” OR “Digital Inclusion” OR “Elderly-Friendly Design”) AND  
(“Educational Innovation” OR “Competency-Based Education” OR “Blended Learning”  
OR “Problem-Based Learning” OR “Digital Educational Resources”)  
AND  
(“Police  
Professionalization” OR “Police Curriculum” OR “Institutional Transformation” OR “Police  
Doctrine”) AND (“Social Cohesion” OR “Educational Fairness” OR “Social Disparities”) Si  
bien esta primera aproximación generó resultados valiosos, se observó que podía optimizarse la  
recuperación de literatura. Por ello, se desarrolló una segunda cadena de búsqueda (CB-2) más  
focalizada, manteniendolosejesfundamentales, perocontérminosmásespecíficos:(“Generative  
AI” OR “Large Language Models” OR “Artificial Intelligence” OR “NLP”) AND (“Digital  
Divide” OR “Digital Inclusion”) AND (“Educational Innovation” OR “Blended Learning”)  
AND (“Institutional Transformation” OR “Pedagogical Reform”) AND (“Educational Equity”  
OR “Social Disparities”) Esta metodología permitió ampliar significativamente el volumen de  
documentos, asegurando la identificación de investigaciones relevantes sobre la aplicación de  
IA generativa en la educación profesional de la Autoridad Marítima Nacional, con especial  
atención a la superación de brechas digitales y la promoción de equidad educativa. La selección  
de términos se realizó considerando tanto las palabras clave como así también, buscando  
terminología adecuada a la temática encarada.  
2.5. Estudios incluidos y excluidos  
Luego de buscar en Google Scholar, aplicamos un conjunto de criterios de inclusión (CI) y  
criterios de exclusión (CE) con el objetivo de elegir los artículos recuperados en función de su  
relevancia y alineación con las preguntas de investigación del estudio. Esta etapa consistió en  
identificar los trabajos que ofrecieran evidencia significativa sobre los ejes temáticos propuestos,  
ignorando aquellos no relevantes con los parámetros establecidos. A continuación, se detallan  
los criterios utilizados para delimitar el corpus final de estudio:  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
402  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
Tabla 2. Criterios del MSL.  
INCLUSIÓN  
CRITERIO  
CÓDIGO  
CI-1.  
Artículos con los idiomas (Inglés y Español).  
CI-2.  
Fecha de publicación entre 2015 y 2025.  
CI-3.  
CI-4.  
CI-5.  
CI-6.  
CI-7.  
Tipo de publicación: artículos de revistas científicas y ponencias de congresos académicos.  
Estudios que aborden explícitamente el uso de Inteligencia Artificial (IA) en contextos  
educativos.  
Estudios que tratan la enseñanza mediada por tecnologías, especialmente en contextos  
virtuales, híbridos o remotos.  
Estudios que plantean la brecha digital o desigualdades en el acceso, uso o apropiación de  
tecnologías educativas.  
Estudios relacionados con la formación policial o militar, o con innovación en contextos  
formativos vinculados a fuerzas de seguridad.  
Investigaciones que traten la utilización de IA como suplente o complemento del tutor  
humano (p. ej., sistemas de tutoría inteligente, asistentes virtuales).  
CI-8.  
CI-9.  
Estudios que hagan uso de modelos de lenguaje (LLM), procesamiento de lenguaje natural  
o agentes conversacionales educativos.  
Estudios sobre tecnologías emergentes aplicadas a la educación, como aprendizaje  
automático, sistemas adaptativos, minería de datos educativos, robótica, gamificación o  
interacción humano-computadora.  
CI-10.  
CRITERIOS DE EXCLUSIÓN  
CRITERIO  
CÓDIGO  
Artículos sin disponibilidad de texto completo, repetido, o que no cumple con los parámetros  
de búsqueda.  
CE-1.  
Artículos donde la IA o la tecnología educativa no sean tema principal o secundario  
relevante.  
CE-2.  
Estudios centrados en otros dominios (salud, comercio, justicia, etc.) sin conexión con el  
campo educativo.  
CE-3.  
Ensayos, opiniones o críticas generales a los sistemas educativos policiales/militares sin  
propuesta tecnológica o evidencia empírica.  
CE-4.  
CE-5.  
Tipo de artículos que no son revistas científicas y ponencias de congresos académicos.  
3. RESULTADOS Y DISCUSIÓN  
3.1. Resultados  
Filtrar los documentos obtenidos dio como resultado obtener un conjunto representativo que  
muestra la evolución del tema investigado durante el período establecido. Esto facilitó la  
extracción de datos (información) y la identificación de las técnicas y tecnologías más utilizadas  
para responder a las preguntas de investigación. A continuación, se resumen los principales  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
403  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
resultados obtenidos en este mapeo sistemático de la literatura.  
Tabla 3. Documentos obtenidos en la búsqueda.  
Ord  
Título  
Cadena Exclusión  
1
Generative AI and educational (in) equity  
CB-1  
THE HYPERCUBE MODEL: ADVANCING DIGITAL INCLUSION INITIA-  
TIVES  
2
CB-1  
CE-1  
3
Generative AI in language education: Bridging divide and fostering inclusivity  
Digital competencies among the greying population: a scoping review  
CB-1  
4
CB-1  
CB-1&  
CB-2  
5
6
Universal Access to Education: Bridging the Digital Divide with GAI  
The Impact of Large Language Models on K-12 Education in Rural India: A  
Thematic Analysis of Student Volunteer’s Perspectives  
CB-1  
CB-1  
CB-1  
CB-1  
CB-1  
CB-2  
CB-2  
CB-2  
CE-1  
A comprehensive review of large language models: issues and solutions in  
learning environments  
7
Leveraging AI tools for enhanced digital literacy, access to information, and  
personalized learning  
8
The rise of learning technology in an unequal world: potentials and limitations  
in enhancing lifelong learning  
9
Artificial intelligence alone will not democratise education: On educational  
inequality, techno-solutionism and inclusive tools  
10  
11  
12  
13  
Digital Transformation and Innovation in Chinese Higher Education:  
Governance, Policy, and Strategy  
CE-1  
A Study on the Pedagogical Reform of Music and Dance Education in Chinese  
Universities under the Context of Digitalization  
Shaping the future: Unraveling the dynamics of digital transformation in K-12  
public school districts  
14  
Moving towards a Blended Tomorrow: The Evolution of EdTech in Education.  
A White Paper on AI and Education  
CB-2  
15  
CB-2  
Policies and Initiatives of Digital Transformation and Innovation in Higher  
Education  
16  
CB-2  
CE-1  
17  
Digital Transformation and Innovation in Chinese Higher Education  
National Education Policy  
CB-2  
CE-1  
18  
CB-2  
CE-5  
Research on the impact of the socio-educational environment on the academic  
performance of college students: the mediating role of study motivation  
19  
CB-2  
CE-5  
Demystification of generative artificial intelligence (AI) literacy, algorithmic  
thinking, cognitive divide, pedagogical knowledge: A comprehensive model  
20  
CB-1  
Advancing education with large language models: a systematic review of  
potential, limitations, and business opportunities  
21  
22  
23  
CB-1  
CB-1  
CB-1  
Technology Advancements Shaping the Financial Inclusion Landscape: Present  
Interventions, Emergence of Artificial Intelligence and Future Directions  
Advanced Virtual Assistants – A Window to the Virtual Future  
Advancing education with large language models: a systematic review of  
potential, limitations, and business opportunities  
24  
CB-1  
CE-1  
25  
Bridging the Digital Divide: AI, VR, and AR for Equitable K-12 Education  
CB-1  
Research and Innovation in Higher Education: Promises of Generative  
Artificial Intelligence for Sustainable Development  
26  
CB-1  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
404  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
Ord  
Título  
Cadena Exclusión  
AI-Powered Library and Information Services: Research Domains, Intellectual  
Contributions, and Conceptual Insights  
27  
CB-1  
What Evidence Supports the Advancement of Language Learning Through  
Digital Innovation?  
28  
29  
30  
CB-1  
CB-1  
CB-1  
Generative AI Technologies, Multiliteracies, and Language Education  
Educational roles and scenarios for large language models: An ethnographic  
research study of artificial intelligence  
Pandemic-Driven Shifts in STEAM Education: Using AI and ICT to Enhance  
Reading Comprehension for ELL Students  
31  
32  
CB-1  
Generative AI: Concerns, usage, challenges, opportunities and sentiments  
CB-1  
ASSESSMENT OF UNIVERSITY LECTURERS’ PERSONAL VARIABLES  
AND ATTITUDE TOWARDS LARGE LANGUAGE MODELS AS TOOLS  
FOR…  
33  
CB-1  
Knowledge, Preferences, and Barriers in Data Science Education in the Age of  
Artificial Intelligence  
34  
CB-1  
Learning Objectives in Older Adult Digital Education Redefining Digital  
Inclusion  
35  
36  
37  
38  
CB-1  
CB-1  
CB-1  
CB-1  
The rise of learning technology in an unequal world: potentials and limitations  
in enhancing lifelong learning  
CE-1  
Designing Tomorrow’s Minds: A Design Thinking Approach to AI Enabled  
Brain based Learning for Enhanced Cognitive Development  
A systematic literature review to implement large language model in higher  
education: issues and solutions  
Inclusive Education with AI: Supporting Special Needs and Tackling Language  
Barriers  
39  
CB-1  
40  
Navigating Education in the Age of Generative AI  
CB-1  
41  
Learning objectives in older adult digital education: redefining digital inclusion  
CB-1  
CE-1  
AI as a bridge: How technology facilitates educational and workforce  
transitions in a digital era  
42  
43  
44  
45  
CB-2  
CB-2  
CB-2  
CB-2  
Artificial Intelligence (AI) in South African Universities: Curriculum  
Transformation and Decolonisation – Aid or Obstacle?  
Lesson Learnt and Prospects of Media and Information Literacy Education in  
Universities: An Integrative Review  
Advances and New Trends in Educational Technologies (Capítulo: OPEN  
ACCESS EDITED BY)  
3.2. Excluidos  
Durante la fase de depuración del corpus, se aplicaron los criterios de exclusión previamente  
establecidos para garantizar la relevancia temática, metodológica y contextual de los estudios  
incluidos en el análisis final. En este proceso, fueron descartadas varias referencias que, si bien  
inicialmente pasaron los filtros básicos por título y resumen, no cumplieron con las condiciones  
sustantivas necesarias al momento de revisar en profundidad los textos completos.Algunos de los  
artículos excluidos presentaban problemas de acceso: no fue posible recuperar el texto completo  
para realizar un análisis riguroso de su contenido, lo que imposibilitó verificar su alineación  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
405  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
con los objetivos de la revisión. Este fue el caso de trabajos que abordaban la inclusión digital  
desde una perspectiva amplia o centrada en políticas públicas, pero sin desarrollar enfoques  
educativos ni aplicaciones concretas de inteligencia artificial en procesos formativos. A veces,  
las exclusiones respondieron a la naturaleza temática de los documentos. Se identificaron  
artículos con enfoques altamente especializados en áreas como la física de partículas o el  
análisis motivacional en carreras de informática que, si bien pueden contribuir a sus respectivos  
campos, no aportan evidencia empírica ni conceptual al problema de investigación centrado  
en la formación profesional policial mediada por IA. Estos estudios carecían de conexión con  
el desarrollo curricular, la equidad educativa o el uso de modelos de lenguaje en contextos  
de seguridad institucional. Asimismo, se detectaron duplicidades en registros, con artículos  
repetidos de un mismo autor y título en distintas bases de datos, lo que motivó su eliminación  
conforme al protocolo metodológico adoptado. Además, algunos trabajos, aún disponibles  
en texto completo, estaban centrados en modelos de gobernanza o reformas institucionales  
genéricas, sin incluir tecnologías educativas, ni propuestas aplicadas vinculadas al uso de IA  
para mejorar la enseñanza profesional o mitigar brechas digitales.  
Finalmente, varios de los artículos excluidos estaban contextualizados en sistemas universitarios  
generales o en entornos formativos no relacionados con cuerpos policiales o de seguridad, lo  
que limitaba su pertinencia para abordar los desafíos específicos de personalización, acceso y  
transformación curricular en este campo. Este proceso de descarte fue crucial para fortalecer  
la validez interna del estudio, asegurando que las fuentes seleccionadas aborden efectivamente  
la intersección entre inteligencia artificial y formación policial, con foco en la equidad, la  
innovación pedagógica y la pertinencia institucional. La exclusión fundamentada de estos  
trabajos permite construir una síntesis crítica sobre lo que actualmente se investiga, y lo que aún  
no, en el uso de tecnologías emergentes para democratizar la educación en contextos operativos  
de alta exigencia.  
3.3. Incluidos  
En la fase central de nuestra revisión sistemática, nos lanzamos a aplicar los diez criterios  
de inclusión que habíamos pactado al inicio (eso que llamamos CI-1 al CI-10) al cúmulo de  
estudios que recuperamos con las búsquedas. Tras este filtrado, quince referencias no solo  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
406  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
pasaron el mismo, sino que demostraron una sintonía real con el tema de nuestra investigación:  
cómo usar la inteligencia artificial para revolucionar la formación policial de la autoridad  
marítima nacional, ya sea con soportes pedagógicos, garantizando equidad o transformando los  
currículos desde cero. Aquí lo más interesante fue que no nos ceñimos a una lista de chequeo  
rígida. Cada estudio incluido cumplía como mínimo tres de los criterios, pero los que más se  
repetían, y esto nos dio una pista clara de por dónde iba la temática, fueron aquellos ligados a  
la aplicación educativa de la IA (el CI-4), los que abordaban sin filtros la brecha digital (CI-6),  
y los que se aventuraban con tecnologías emergentes en aulas y entornos de formación (CI-10).  
Varios de estos artículos científicos nos aportan datos duros y evidencias sobre el potencial  
de la IA generativa, especialmente los modelos de lenguaje como GPT, para personalizar  
itinerarios de aprendizaje, dar respuesta inmediata casi como un tutor humano y adaptar  
recursos didácticos incluso en contextos de alta vulnerabilidad. Lo que relevamos leyéndolos  
no es un futuro con profesores reemplazados por máquinas, sino uno donde los sistemas de IA  
actúan como compañeros del docente, permitiendo estrategias escalables incluso en entornos  
profesionales tan exigentes como el policial. Pero no todo es tecnología. Otro bloque de estudios  
se introduce de lleno en las dimensiones sociotécnicas de la brecha digital. Estos trabajos  
exploran los conflictos entre el acceso, la alfabetización digital y la desigualdad de acceso a los  
recursos tecnológicos digitales. No es lo mismo implantar una plataforma en un destacamento  
policial de un centro urbano de gran desarrollo demográfico, que en un puesto rural con mala  
conectividad. La literatura que revisamos propone de todo: desde marcos de accesibilidad para  
agentes de mayor edad, hasta diseños de infraestructura que funcionen aún con ancho de banda  
limitado. También nos encontramos con un grupo significativo de referencias que van directo a  
la innovación curricular. Hablan de experiencias con realidad aumentada, entornos adaptativos,  
plataformas gamificadas o aplicaciones móviles con algoritmos de personalización. Sí, es cierto  
que la mayoría se probó en universidades, pero sus principios son totalmente extrapolables a la  
formación policial. Sobre todo, cuando se trata de actualizar doctrinas obsoletas o incorporar  
habilidades nuevas ante los retos tecnológicos actuales.  
Para cerrar, unos cuantos documentos se centran en los marcos regulatorios y modelos  
institucionales para integrar la IA de forma ética y responsable. Aunque no todos mencionan  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
407  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
específicamente la formación policial y/o militar (era nuestro CI-7, el menos común), la mayoría  
ofrece ideas valiosísimas: cómo gestionar asistentes conversacionales sin perder control, cómo  
diseñar políticas de alfabetización digital que no dejen a nadie atrás, o cómo implementar  
sistemas con salvaguardas éticas que prevengan sesgos algorítmicos o dependencias peligrosas.  
En conjunto, lo que obtuvimos es un conjunto de evidencia sólida, y sorprendentemente diversa,  
que no solo nos ayuda a entender el estado del arte en IA educativa, sino que también señala  
vacíos de investigación clave. Y eso, justamente, es lo que puede guiar exploraciones futuras en  
un contexto tan específico y crítico como es la seguridad marítima y portuaria y la formación  
policial en general.  
3.4. Discusión  
Tras aplicar un riguroso proceso de filtrado, guiado por los criterios predefinidos, logramos  
consolidar un grupo de documentos representativo. Este conjunto de textos no solo es amplio,  
sino que captura de forma genuina la evolución que ha tenido este campo de estudio. Ahora  
bien, la metodología que usamos fue clave por dos razones. Primero, porque facilitó extraer la  
información crucial para responder nuestras preguntas de investigación. Y segundo, porque dejó  
al descubierto los enfoques metodológicos que más predominan y, quizás lo más importante, su  
impacto real tanto en la pedagogía como en la institución misma. A continuación, y para darle  
un orden a todo este trabajo, presentamos los hallazgos más significativos de este mapeo de la  
literatura, haciendo especial hincapié en aquellas contribuciones que han marcado un antes y un  
después en el desarrollo de esta área.  
Pregunta 1  
P1. ¿En qué medida un tutor virtual offline basado en un LLM ligero, como apoyo a  
los métodos tradicionales de formación, mejora el acceso equitativo a la capacitación  
profesional, reduce los períodos de silencio académico y optimiza la formación del personal  
operativo desplegado por la autoridad marítima en zonas remotas?  
Imaginemos por unos minutos, un agente especializado en seguridad marítima o portuaria,  
destinado en una zona tan remota que la señal de datos es un lujo. Ahí es donde la brecha  
digital se vuelve personal y profesionalmente dolorosa. Como bien apunta Sonja (2024), este  
aislamiento tecnológico les “corta las alas” para capacitarse, algo obligatorio para ascender, y  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
408  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
ahonda las diferencias con sus colegas en ciudades mejor conectadas.  
Sí, se han probado soluciones. Farinón (2023) documenta cómo libros multimedia y tutores  
especiales ayudaron, pero no del todo. El problema de fondo eran esos larguísimos periodos de  
“silencio académico”, donde un agente con dudas simplemente se quedaba estancado, esperando.  
Pero ¿y si la solución está en el bolsillo?. Weng & Fu (2025) proponen una idea potente: un  
tutor virtual offline. Básicamente, una app con un modelo de IA ligero que funciona sin internet.  
Permite estudiar materiales descargados, resolver dudas al momento, y luego, cuando hay red,  
sincronizar todo con un tutor humano. Acabando con la espera.  
La literatura es alentadora. Estos sistemas no son solo un chatbot; pueden automatizar  
papeleo, dar soporte en varios idiomas y, lo más interesante, fomentar el pensamiento crítico,  
y la construcción de diálogos que se sienten reales (Shahzad et al., 2025). Los beneficios son  
concretos: en entornos remotos, se podría reducir a la mitad el tiempo sin feedback y, al retener  
mejorloaprendido, elrendimientooperativopodríadispararsehastaun20%(FattahiBavandpour  
et al., 2024). Claro que no es tan simple. Johnny & Martin (2025) y Odu & Wyk (2024) lanzan  
una advertencia crucial: si no se implementa con cuidado, esta tecnología puede crear nuevas  
desigualdades. ¿El agente con un smartphone viejo recibirá las mismas actualizaciones?  
¿Quién garantiza la ética de las respuestas?. Se necesitan políticas que aseguren infraestructura,  
formación y supervisión, no solo repartir aplicaciones de celular.  
Afortunadamente, las investigaciones más recientes van en la dirección correcta. Husaeni  
& Haristiani (2025) subrayan la urgencia de herramientas ligeras y offline para igualar  
oportunidades. Mayei et al. (2025) insisten en estrategias pragmáticas para entornos con recursos  
limitados: aprendizaje móvil, plataformas sin código. Yanfang & Hamzah (2025) confirman  
que esta es la clave para reducir costos y hacer la tecnología accesible en regiones olvidadas.  
El mensaje es claro, como remarcan (Fitas, 2025) y (Deckker et al., 2025): la equidad depende de  
que la IA sea abierta, asequible y consciente de las barreras rurales. Por ello, la implementación  
de un Modelo de Lenguaje (LLM) operativo sin conexión se nos presenta, no como una solución  
mágica, sino como el puente estratégico para salvar la brecha formativa en zonas remotas. Al  
liberar al brindar facilidades a los instructores humanos, este artilugio permitirá centrarse en lo  
esencial: el desarrollo de competencias específicas para el personal de operaciones especiales de  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
409  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
seguridad marítima. Y su éxito se debe apoyar en un diseño robusto, actualizaciones constantes  
que garanticen la precisión de la información y, sobre todo, de una adaptación permanente a  
las necesidades reales y al contexto operativo extremo de quienes sirven en los espacios más  
remotos  
Pregunta 2  
P2. ¿Cómo las estrategias de mitigación de sesgos en LLM aplicados a la personalización  
del aprendizaje pueden garantizar equidad educativa y prevenir la reproducción de  
desigualdades en la formación policial?  
En la dura jornada del personal policial destinado en un buque guardacostas lejos de tierra,  
donde internet es un lujo, observamos un problema técnico que está ampliando una desigualdad  
en su formación pudiendo tener consecuencias en su desarrollo profesional. Con la propagación  
de esta problemática al final se ve perjudicado el servicio brindado por la institución (Sonja,  
2024). En trabajos anteriores se han probado soluciones. Los libros con QR y la figura de un  
tutor humano fueron un avance, sin duda (Farinón, 2023). Pero, ¿de qué sirve un código QR  
cuando no hay señal?. El verdadero punto del problema, esos periodos extensos de aislamiento  
donde se sienten totalmente desconectados, siguió ahí.  
Frente a esto, surge una idea potentísima: un tutor virtual offline, basado en modelos de IA  
ligeros (LLMs) que no necesitan conexión. Lo revolucionario es que este sistema no solo ofrece  
ayuda al instante, sino que además registra las dudas para que un instructor las revise después,  
manteniendo el hilo formativo vivo a pesar de la desconexión (Weng & Fu, 2025). Estos  
“LLMs de baja huella”, inspirados en arquitecturas como GPT, son mucho más que un manual  
de respuestas. Su potencial pedagógico es enorme: pueden entablar diálogos socráticos que  
hacen pensar, dar devoluciones en varios idiomas y fomentar que el alumno tome las riendas  
de su propio aprendizaje (Shahzad et al., 2025; Sonja, 2024). Lejos de reemplazar al tutor  
humano, en realidad lo complementan. Y esto lo hacen liberándolo de la carga administrativa  
y de las consultas más rutinarias, para que pueda enfocarse en la estrategia pedagógica y la  
mentoría (Villarama et al., 2025). Además, permiten personalizar la formación como nunca,  
lo que fortalece el vínculo con el alumno y hace que se involucre más. Ahora bien, atención:  
implementar esto no es solo cuestión de instalar software. Exige integrarlo con cuidado en el  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
410  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
currículum y formar a los agentes para usarlo bien. El riesgo de que se convierta en una muleta  
y fomente un aprendizaje pasivo es real. También hay que lidiar con desafíos técnicos sensibles:  
¿cómo se actualiza un sistema offline? ¿Cómo verificamos que sus respuestas sean siempre  
fiables? Y, crucialmente, debemos establecer salvaguardas éticas claras para un uso responsable  
(Shahzad et al., 2025). Si se gestiona todo dentro de un marco instrumental sólido, estos LLMs  
pueden ser una como herramienta invaluable que faculte al alumno sin suplantar el criterio  
docente.  
Pero quizás el riesgo mayor es otro: que esta tecnología, diseñada para cerrar brechas, termine  
agrandándolas. La literatura es clara al respecto: el sesgo en la IA no es un fallo técnico, es un  
reflejo de nuestros propios prejuicios. Nace de datos de entrenamiento desiguales y un acceso  
injusto, lo que puede perpetuar disparidades y reforzar sistemas de conocimiento hegemónicos  
(Alfirević et al., 2024; Maimela & Mbonde, 2025). Por eso, hay que ir más allá. Necesitamos  
modelosentrenadoscondatosdiversose inclusivos, protocolosdepruebarigurososytecnologías  
que detecten sesgos activamente, junto con una transparencia total en sus operaciones (Guizani  
et al., 2025). Se requieren marcos éticos sólidos que prioricen la privacidad y promuevan la  
“equidad digital como pilar de la sostenibilidad”, lo que incluye invertir en infraestructura y  
alfabetización para las comunidades más marginadas (Abdelsalam & Mostafa, 2025). Enfoques  
como mantener siempre “al humano en el loop” (HITL) y trabajar para “descolonizar la IA”  
no son opcionales; son la única manera de asegurar que la personalización del aprendizaje  
promueva una verdadera inclusión y no deje a nadie atrás (Purushottam Ashtikar et al., 2025).  
En definitiva, su éxito depende de mitigar activamente sus sesgos mediante diseño robusto y  
actualizaciones constantes. Solo así garantizaremos una educación verdaderamente equitativa y  
adaptada al contexto operativo de los efectivos.  
Pregunta 3  
P3. ¿De qué manera la integración de LLM offline en un marco socio-técnico, a diferencia  
del tecno-solucionismo, impulsa la innovación curricular, fortalece el rol del instructor  
y aumenta la pertinencia institucional en la formación del personal desplegados por la  
autoridad marítima en zonas sin conexión?  
Nos lleva a considerar que los modelos de lenguaje avanzado sin conexión (LLM offline) no  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
411  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
son una simple herramienta tecnológica, sino desde un enfoque sociotécnico que reconoce que  
la tecnología solo funciona si se entiende el contexto social de quien la usa (Farinón, 2023). El  
verdadero problema en estas zonas de conectividad nula o intermitente no es solo la falta de  
señal; es la brecha digital que ahonda las diferencias en el crecimiento profesional y crea dos  
categorías en los efectivos: los que acceden al conocimiento con mayor facilidad y aquellos  
que deben afrontar dificultades. Frente a la vieja idea del “tecno-solucionismo”, que cree que  
basta con lanzar una aplicación para resolverlo todo, el enfoque sociotécnico propone algo más  
inteligente y humano. Se trata de repensar la formación desde cero, transformando el rol del  
instructor:deserunmerotransmisordeinformaciónaconvertirseenundiseñadordeexperiencias  
y un guía del pensamiento que facilite el aprendizaje significativo (Yang et al., 2023). ¿Y cómo  
se logra esto en la práctica?. Los LLMs offline ofrecen un soporte interactivo inmediato y  
sorprendentemente personalizado. Permiten, por ejemplo, descargar materiales formativos y  
adaptar los contenidos a contextos operativos reales y adversos. Esto no solo resuelve consultas  
in situ, sino que también buscamos registrar dudas complejas para que un tutor humano las  
aborde de manera asincrónica, liberando al docente de la carga administrativa de responder en  
varias instancias la misma consulta sin reemplazarlos como proponía en sus cuentos (Asimov,  
1951). El resultado es que los instructores pueden por fin concentrar sus esfuerzos en lo que  
de verdad importa: desarrollar habilidades críticas en sus alumnos y de pensamiento de orden  
superior en su personal (Johnny & Martin, 2025). La combinación pensada entre la inteligencia  
artificial y la tutoría humana especializada no solo amplía el acceso al conocimiento, sino que  
fortalece la equidad institucional al garantizar las mismas oportunidades formativas para todos  
(Ostrow et al., 2017; Shahzad et al., 2025). Pero su relevancia va más allá de simplemente tener  
recursos disponibles. Con estas herramientas se puede generar contenidos adaptados a la vida  
profesional, como simulaciones para la toma de decisiones bajo presión, que podrían aumentar  
la motivación, la retención y el aprendizaje, ya que responden directamente a las competencias  
que los efectivos policiales necesitan en el terreno (Regmi, 2024). Eso sí, implementar estos  
sistemas no está exento de desafíos. Hay que afrontar limitaciones técnicas, como la capacidad  
de cómputo de sus celulares y las actualizaciones periódicas a la app y, sobre todo, desafíos  
éticos cruciales relacionados con la precisión y la eliminación de sesgos en los modelos. Esta  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
412  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
perspectiva se ve respaldada por investigaciones recientes que alertan de los riesgos de un  
enfoque puramente tecnológico. Como advierte (Regmi, 2024), la innovación tecnológica puede,  
irónicamente, profundizar la desigualdad digital, haciendo el aprendizaje de calidad inaccesible  
para quienes están en zonas remotas, un riesgo que el marco sociotécnico mitiga al atacar las  
raíces mismas de la inequidad. En la misma línea, Twinomurinzi & Gumbo (2025) subrayan  
cómo la brecha digital sigue excluyendo a demografías y regiones enteras de los beneficios de  
la IA generativa, lo que hace necesario abordar de forma proactiva sus implicaciones éticas,  
legales y regulatorias. Si bien del personal policial bien entrenado nos beneficiamos en conjunto  
como sociedad, la integración justa, como señala Sarpong (2024), debe incluir el desarrollo  
de soluciones rentables y de código abierto para democratizar el acceso, junto con marcos de  
competencia docente específicos para IA que fortalezcan el rol del instructor. Además, Abbas  
& Haider (2025) demuestran que los LLMs pueden ser grandes equalizadores en contextos de  
recursos limitados, automatizando tareas rutinarias para liberar tiempo de los profesionales de la  
educación, que pueden dedicarlo a la innovación pedagógica y la tutoría personalizada, siempre  
y cuando vaya acompañado de capacitación adecuada y marcos regulatorios que aseguren un  
acceso justo. Finalmente, la revisión sistemática de FattahiBavandpour et al. (2024) corrobora el  
potencial de los LLMs para personalizar el aprendizaje y actuar como asistentes de enseñanza,  
aunque reitera la necesidad crítica de abordar preocupaciones éticas como la privacidad y el  
sesgo mediante una gobernanza robusta.  
Pregunta 4  
P4. ¿Cómo la adaptación de materiales educativos mediante LLM para atender las  
circunstancias específicas, en contraste con recursos no adaptados, incrementa la  
accesibilidad y el desarrollo de competencias del personal policial en servicio activo de  
seguridad marítima y portuaria?  
Mantenerse al día para los alumnos en operaciones especiales y/o embarcados en zonas lejanas  
a la costa, puede ser un reto significativo. Es una situación real y, como bien apunta Sonja  
(2024), este aislamiento digital termina “pasando factura”: afecta directamente la retención de  
lo aprendido y frena el crecimiento profesional, algo crítico en áreas de alta responsabilidad  
como la seguridad marítima. Aquí es donde los Modelos de Lenguaje (LLMs) offline marcan  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
413  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
la diferencia, ya que, en relación con otras, esta tecnología permite adaptar los materiales a  
la realidad concreta que vive ese personal. No se trata solo de dar acceso, sino de dar acceso  
a algo que realmente sirve sobre el terreno. Farinón (2023) y Ostrow et al. (2017) lo dejan  
claro: la conectividad intermitente no puede ser un obstáculo para la capacitación. La solución,  
entonces, parece estar en combinar estos LLMs para que intermedien con un docente preparado  
para ello. Este dúo ofrece un soporte inmediato (aunque sea virtual y offline) y un seguimiento  
pedagógico que, si bien puede ser diferido, mantiene viva la formación. La verdadera ventaja  
de los LLMs es su capacidad para adaptarse a situaciones profesionales diferentes. Como  
demostró Regmi (2024), no es lo mismo aprender sobre toma de decisiones con ejemplos  
ajenos, que con casos basados en escenarios policiales reales. Esto puede motivar al alumno y  
mejora su comprensión. El modelo actúa como un tutor disponible 24/7, incluso en alta mar,  
haciendo que el aprendizaje sea continuo y significativo (Sonja, 2024). Eso sí, hay que tener  
cuidado: como advierte el mismo Regmi (2024), si no se implementa con una mirada crítica, se  
corre el riesgo de amplificar las desigualdades que ya existen. La evidencia sobre su potencial  
es sólida. Chandel & Lim (2025) muestran cómo la IA genera experiencias verdaderamente  
personalizadas, creando rutas formativas individuales basadas en el progreso de cada agente.  
Diwa et al. (2024) añaden que los LLMs no solo se adaptan al nivel de habilidad, sino que  
también derriban barreras lingüísticas con traducción instantánea, llevando educación de  
calidad a zonas olvidadas. Incluso van más allá: la integración de la empatía en el diseño, como  
exploran (Leena & Maheswari, 2024), está revolucionando el aprendizaje al considerar la parte  
emocional y experiencial del alumno, algo vital en una profesión de alta tensión. Las tendencias,  
analizadas por (Fred, 2024), van en esta dirección: una IA que analiza patrones para adaptar  
contenidos a las fortalezas y debilidades de cada uno. Esto se complementa a la perfección con  
la redefinición de los objetivos de aprendizaje que proponenTomczyk & Edisherashvili (2024),  
quienes piden centrarse en lo práctico, en las habilidades que realmente impactan en el día a  
día del efectivo policial de la (AMN), evitando saturar al alumno. Un ejemplo tangible: los  
sistemas expertos de IA que, como señala Patil (2024), automatizan tareas rutinarias de gestión  
del conocimiento, liberando tiempo para lo importante.  
Pregunta 5  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
414  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
P5. En el contexto de las zonas sin conectividad, ¿podría un sistema híbrido (con una IA  
offline y un tutor especial) ser tan efectivo como un tutor humano tradicional, no solo para  
resolver dudas, sino para aliviar la carga de nuestros instructores y ampliar su alcance sin  
necesidad de desplegar más personal?  
Teniendo este personal distribuido en alta mar, ríos y costas ¿Cómo se les ayuda? La respuesta  
podría estar en un sistema híbrido que combina un asistente virtual offline (un LLM) con un tutor  
humano asincrónico. Pero, ¿realmente puede este modelo competir con la tutoría 100% humana  
tradicional? La evidencia sugiere que no solo no compite, sino que la optimiza, especialmente  
en disponibilidad, velocidad de respuesta, alivio de carga laboral y escalabilidad. El corazón  
del problema es la brecha digital. Mientras en las ciudades damos por sentado el acceso a la  
información, en estas zonas es un lujo. Aquí es donde el sistema híbrido se vuelve crucial,  
no solo como una herramienta tecnológica, sino como un puente para reducir desigualdades  
académicas de una forma práctica. La clave está en que el asistente offline puede responder al  
instante las preguntas más frecuentes que tiene el personal operativo sobre el material que ya  
tiene descargado. Y no se trata de reemplazar al tutor humano, sino de liberarlo de la carga de  
lo repetitivo y crea nuevas oportunidades de aprendizaje. Como apuntan Akanfe et al. (2025),  
cuando el LLM se enfrenta con una duda demasiado compleja, la registra y la sincroniza en  
silencio. En el momento en que se restablece la conectividad, aunque sea por un minuto, deriva  
esa consulta directamente al tutor docente disponible para respuestas. El resultado es un flujo de  
trabajo inteligente que organiza el caos potencial de preguntas y asegura que nadie se quede sin  
respuesta. ¿y la calidad de las respuestas?. Como bien señala Jamal et al. (2025), este sistema es  
un claro ejemplo de cómo la Inteligencia Artificial en la Educación (AIED) debe actuar: como  
un catalizador que potencia las capacidades humanas, no que las suplanta. Los LLM pequeños  
ofrecen un soporte inmediato e interactivo, pero es la supervisión del tutor especial la que  
garantiza precisión, verifica la información y, lo que es más importante, fomenta el pensamiento  
crítico. Esta simbiosis es lo que garantiza una educación verdaderamente inclusiva incluso  
en los entornos con recursos más limitados. Sin embargo, es importante reconocer que los  
modelos pequeños tienen limitaciones técnicas y requieren actualizaciones periódicas para no  
quedar obsoletos, lo que exige un equipo técnico capacitado (FattahiBavandpour et al., 2024).  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
415  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
Y, aun cuando su desarrollo e implementación son mecanismos de retroalimentación continua  
y lecciones aprendidas de otros campos, como los servicios de biblioteca automatizados Patil  
(2024), muestra que se pueden mitigar. La clave está en un diseño pedagógico sólido desde el  
principio, con objetivos de aprendizaje claros y adaptados al usuario, tal y como se ha hecho  
con éxito en la educación digital de adultos mayores (Tomczyk & Edisherashvili, 2024).  
4. CONCLUSIONES  
Al pensar en un tutor con inteligencia artificial que funcione sin internet, casi como un relato  
de (Asimov, 1951), empezamos a ver que ya no es ciencia ficción, es una realidad de nuestros  
tiempos. Hoy estamos hablando de implementar modelos de lenguaje ligeros y offline como una  
posibilidad real para la preparación profesional, una idea que podría revolucionar la formación  
del efectivo de seguridad asignado a operativos en esas zonas remotas y aisladas donde la  
autoridad marítima los designa. Para quienes trabajan alejados de las grandes ciudades sin una  
barra de señal en sus equipos móviles, esto no es solo una mejora; es un cambio radical.  
El objetivo aquí va mucho más allá de lo técnico. Se trata de un proyecto profundamente social:  
salvar la brecha digital para construir igualdad educativa. Este tutor virtual no viene a reemplazar  
al instructor humano como planteaba (Asimov, 1951), sino a potenciarlo, liberándolo de tareas  
que resulten repetitivas para que se centre en una mediación más estratégica y humana. Al final,  
es sobre optimizar todo el proceso de aprendizaje en contextos donde todo es, por defecto, más  
complicado. La clave está en un sistema híbrido. Combinar la frialdad de un algoritmo offline  
con la calidez y el criterio de un tutor asincrónico y especializado en trabajo híbrido es lo  
que permite un apoyo verdaderamente continuo y personalizado. Los beneficios son tangibles:  
se acaban esos largos periodos de desconexión académica, se mejora el rendimiento tanto en  
la formación como en el campo, y se construye, paso a paso, un proceso educativo mucho  
más inclusivo. En esencia, este modelo es un catalizador para una transformación institucional  
profunda, alineando la innovación educativa con la misión estratégica de la autoridad marítima.  
Pero del análisis no todo ha sido un ganar o ganar. En nuestra revisión de la literatura encendió  
varias alarmas. Implementar esto con éxito no será fácil. Los primeros obstáculos son técnicos:  
los modelos offline tienen una capacidad de procesamiento limitada, sus respuestas pueden  
volverse obsoletas o menos precisas sin actualizaciones constantes, y se les dificulta adaptarse  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
416  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
a escenarios pedagógicos complejos sin conectar a la nube.  
Y luego están los riesgos pedagógicos. ¿Qué pasa si el estudiante desarrolla una dependencia  
excesiva del tutor virtual? Podríamos estar, sin querer, fomentando un aprendizaje pasivo y  
acorazando el pensamiento crítico justo en el momento en que más lo necesita. La paradoja  
más grande es que una herramienta diseñada para luchar contra la desigualdad podría terminar  
ampliándola. Si no se garantiza de manera estricta una distribución equitativa de los dispositivos,  
una conectividad mínima para las actualizaciones, una formación adecuada y una infraestructura  
decente, estaremos reproduciendo las mismas brechas que queremos cerrar.  
Y esto sin poner sobre la mesa, la pesada carga técnica y económica del desarrollo y  
mantenimiento, que exige equipos interdisciplinarios y una inversión sostenida. Y no olvidemos  
la capacitación: tanto tutores como usuarios finales necesitan aprender a usar esta tecnología  
de forma crítica, ética y útil pedagógicamente. Integrar esto de manera natural en el currículum  
es otro enorme desafío. En este punto debemos admitir que gran parte de la evidencia de sus  
beneficios proviene de estudios preliminares o casos muy específicos. Debemos imaginarnos  
que con todo esto es necesario generar investigación empírica sólida que valide sus efectos  
reales en el aprendizaje y el desempeño. Nos enfrentamos a problemas éticos importantes: la  
opacidad de los algoritmos, la mitigación de sesgos inherentes y la claridad sobre qué hacer  
cuando el sistema cometa un error. Este tutor virtual offline tiene un potencial inmenso para  
formar profesionales en entornos alejados. Sin embargo, su implementación no es simplemente  
“instalar un software, programa, app, etc”. Requiere una estrategia institucional integral y  
honesta que aborde todos estos desafíos técnicos, éticos, pedagógicos y logísticos. Solo así  
lograremos que esta tecnología cumpla su promesa final: hacer de la educación un derecho real  
y accesible para todos los efectivos de las Autoridades Marítimas Nacionales, sin excepciones.  
Contribución de los Autores (CRediT): GRF: Redacción-borrador original. NSS: Redacción-revisión y  
edición. CGN: Supervisión.  
Conflicto de Intereses: Los autores declaran que no existen conflictos de intereses en esta publicación.  
REFERENCIAS  
Abbas, A., & Haider, U. (2025). Pandemic-Driven Shifts in STEAM Education: Using AI and  
ICT to Enhance Reading Comprehension for ELL Students. ResearchGate. https://doi.  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
417  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
org/10.13140/RG.2.2.20327.36003  
Abdelsalam, M., & Mostafa, M. (2025). Superando la brecha digital: IA, RV y RA para una  
educación primaria y secundaria equitativa. In Ain Shams University.  
Akanfe, O., Bhatt, P., & Lawong, D.A. (2025). TechnologyAdvancements Shaping the Financial  
Inclusion Landscape: Present Interventions, Emergence of Artificial Intelligence and  
Future Directions. Information Systems Frontiers. https://doi.org/10.1007/s10796-025-  
10597-z  
Alfirević, N., Rendulić, D., Fošner, M., & Fošner, A. (2024). Educational Roles and Scenarios  
for Large Language Models: An Ethnographic Research Study of Artificial Intelligence.  
Informatics , 11(4), 78. https://doi.org/10.3390/informatics11040078  
Asimov, I. (1951). Cuánto se divertían. In The Toronto Star (Ed.), The Toronto Star (The  
Toronto Star). https://lacordaire.edu.co/wp-content/uploads/2020/03/Cu%C3%A1nto-  
se-divert%C3%ADan.-Isaac-Asimov.pdf  
Chandel, P., & Lim, F. V. (2025). Generative AI and Literacy Development in the Language  
Classroom: A Systematic Review of Literature. Ubiquitous Learning: An International  
Journal, 18(2), 31–49. https://doi.org/10.18848/1835-9795/CGP/v18i02/31-49  
S.B.Patil. (2024, noviembre 29). Artificial Intelligence (AI) and Libraries: A Review of  
Influential Aspects and Conceptual Structure. 12th International Library Information  
Professionals Summit (I-LIPS 2024) on Innovative Technologies in Librarianship:  
Challenges and Opportunities (ILIPS-2024). https://doi.org/10.5281/zenodo.14292547  
Deckker, D., Sumanasekara, S., & Uludag, K. (2025).AI as a bridge: How technology facilitates  
educationalandworkforcetransitionsinadigitalera.WorldJournalofAdvancedResearch  
and Reviews, 26(3), 2491–2504. https://doi.org/10.30574/wjarr.2025.26.3.2458  
Diwa, B., Michael, J., & Ita, C. (2024). Assessment of University Lecturer’s Personal variables  
and attitude towards large language models as tools for professional development in  
Cross River State. African Journal of Theory and Practice of Educational Research  
(AJTPER). https://earnia.org/e4e356ef6f4f9e939e06f04e06f60ef3ef0560f0de6/10.%20  
RD24-8.pdf  
Farinón, G. R. (2023). Implementación de libros enriquecidos como herramienta para reducir  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
418  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
la brecha digital en la Formación profesional del Instituto Universitario de Seguridad  
Marítima (IUSM) [Tesis de posgrado en Maestría en Tecnología Educativa, Universidad  
Abierta Interamericana]. In Universidad Abierta Interamericana. https://drive.google.  
com/file/d/1KlTV9KhlHbZFs4YGV8KMml3Y7uXZa426/view?usp=sharing  
FattahiBavandpour, R., Chechurin, L., & Kruzenshtern, A. (2024). Advancing Education  
with Large Language Models: A systematic review potential, limitations and business  
opportunities. [Thesis of Master’s Programme in Global Management of Innovation  
and Technology, Lappeenranta–Lahti University of Technology LUT] https://lutpub.  
lut.fi/handle/10024/168725  
Fitas, R. (2025). Inclusive Education with AI: Supporting Special Needs and Tackling Language  
Barriers (No. arXiv:2504.14120). arXiv. https://doi.org/10.48550/arXiv.2504.14120  
Fred, T. (2024). Emerging Trends in Educational Technology: Lessons for Port Elizabeth. In  
University of London. https://www.researchgate.net/publication/386424422  
Guizani, S., Mazhar, T., Shahzad, T., Ahmad, W., Bibi, A., & Hamam, H. (2025). A systematic  
literature review to implement large language model in higher education: issues and  
solutions. Discover Education, 4(35).https://doi.org/10.1007/s44217-025-00424-7  
Husaeni, D. N. A., & Haristiani, N. (2025). What Evidence Supports the Advancement of  
Language Learning Through Digital Innovation? Toward Achieving Sustainable  
Development Goals (SDGs) in the 21st Century Completed with Bibliometric Analysis.  
ASEAN Journal of Science and Engineering, 5(2), 327–356. https://doi.org/10.17509/  
ajse.v5i2.87176  
Jamal, L., Hammerbauer, M., Soðnta, M., Pitogo, V., Bardak, U., Jamal, L., Sanasi, F., Boey,  
C. K., Karanam, P., Suppipat, S., Hui, C., Lis, U., Testa, M., Chagnard, J., Lucke, V.,  
Thipakorn, B., Elksne-Reveliô, P., Moniak, B., Junfeng, Y., … Ramachandran, R. B.  
(2025, June). White Paper for Universities Navigating Artificial Intelligence Innovation  
EcosystemsintheareaofAIinEducation.AsefHigherEducation-innoLab.https://www.  
researchgate.net/publication/389122389_White_Paper_for_Universities_Navigating_  
Artificial_Intelligence_Innovation_Ecosystems_in_the_area_of_AI_in_Education  
Johnny, R., & Martin, J. (2025). Bridging the Digital Divide: Ensuring Access to Educational  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
419  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
Resources for All Students. La Universidad de Manchester. https://www.researchgate.  
net/publication/390583016  
Leena, D. A. M. N., & Maheswari, M. G. (2024). Designing Tomorrow’s Minds: A Design  
Thinking Approach to AI Enabled Brain based Learning for Enhanced Cognitive  
Development. Coimbatore Institute of Information Technology. https://n9.cl/j377i  
Maimela, C., & Mbonde, P. (2025). Artificial intelligence in South African universities:  
Curriculum transformation and decolonisation—aid or obstacle? Frontiers in Sociology,  
10. https://doi.org/10.3389/fsoc.2025.1543471  
Mayei,A., Otieno, F., Magdalene George,A., Sankoh, O., Fatoma, P., Lwaka Tamba, C., Kemoh  
Rogers, M., & Ansumana, R. (2025). Knowledge, Preferences, and Barriers in Data  
Science Education in the Age of Artificial Intelligence: A Persona-Based Institutional  
Approach to Capacity Building Among Data Science Enthusiasts at Njala University:  
Advancing Data Science Education in the AI Era. (2025). West African Journal of One  
Health-Epidemiology ISSN: 3105-6350, 1(1), 4-25. https://wajoh-epi.org/index.php/  
WAJOH/article/view/  
Odu, A. O., & Wyk, B. Van. (2024). Digital competencies among the greying population: A  
scoping review. South African Journal of Libraries and Information Science (SAJLIS),  
91(1), 1–11. https://doi.org/10.7553/91-1-2478  
Ostrow, K., Heffernan, N., & Williams, J. J. (2017). Tomorrow’s EdTech Today: Establishing  
a Learning Platform as a Collaborative Research Tool for Sound Science. Teachers  
College Record, 119(3), 1–36. https://doi.org/10.1177/016146811711900308  
Purushottam Ashtikar, S., Manoharan, G., & Muppidi, S. (2025). Navigating Education in the  
Age of Generative AI. LatIA, 3, 327. https://doi.org/10.62486/latia2025327  
Regmi, K. D. (2024). The rise of learning technology in an unequal world: potentials and  
limitations in enhancing lifelong learning. Int Rev Educ, 70, 433–452 (2024). https://  
doi.org/10.1007/s11159-023-10058-2  
Sarpong, R. A. (2024). Research and Innovation in Higher Education: Promises of Generative  
Artificial Intelligence for Sustainable Development. Generative Artificial Intelligence  
in Higher Education: A Handbook for Educational Leaders (pp.146-161). Center for  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
420  
Fecha de recepción: 28 / 06 / 2025  
Fecha de aceptación: 17 / 09 / 2025  
Fecha de publicación: 20 / 01 / 2026  
Instituto Tecnológico Superior Universitario Rumiñahui  
Teaching and Curriculum Development, Universiti Kebangsaan Malaysia. https://www.  
researchgate.net/publication/387335205  
Shahzad, T., Mazhar, T., Tariq, M.U. et al. A comprehensive review of large language models:  
issues and solutions in learning environments. Discov Sustain 6(27) (2025). https://doi.  
org/10.1007/s43621-025-00815-8  
Sonja, G. (2024). Inteligencia artificial generativa y (in)equidad en la educación.4.a Conferencia  
Internacional sobre Investigación en Inteligencia Artificial, ICAIR 2024. https://doi.  
org/10.34190/icair.4.1.3153  
Tomczyk, Ł., & Edisherashvili, N. (2024). Learning Objectives in OlderAdult Digital Education  
- Redefining Digital Inclusion. International Journal of Cognitive Research in Science,  
Engineering and Education (IJCRSEE), 12(3), 507–520. https://doi.org/10.23947/2334-  
8496-2024-12-3-507-520  
Twinomurinzi, H., & Gumbo, S. (2025). Generative AI: Concerns, usage, challenges,  
opportunities and sentiments. South African Computer Journal, 37(1). https://doi.  
org/10.18489/sacjv37i1/17890  
Villarama, J. A., Fabros, B. G., Dela Fuente, A. V., Dilla, V. J., Villa Agustin, E. D. G., Alali, B.  
A., &Alrasyid, U. M. (2025). Demystifying generative artificial intelligence in academic  
classrooms: Students’ attitude and critical thinking. Pakistan Journal of Life and Social  
Sciences, 23(1), 3970–3979. https://doi.org/10.57239/PJLSS-2025-23.1.00314  
Weng, Z., & Fu, Y. (2025). Generative AI in Language Education: Bridging Divide and  
Fostering Inclusivity. (2025). International Journal of Technology in Education, 8(2),  
395-420. https://doi.org/10.46328/ijte.1056  
Yanfang, Y., & Hamzah, M. (2025). Lesson Learnt and Prospects of Media and Information  
Literacy Education in Universities: An Integrative Review. International Journal of  
Media and Information Literacy, 10(1). https://doi.org/10.13187/ijmil.2025.1.107  
Yang, L., Yue, X., Compee, T., College, Y. P. E., China, College, I., Institute, R., & Thailand.  
(2023). Estudio sobre la reforma pedagógica de la enseñanza de la música y la danza en  
las universidades chinas en el contexto de la digitalización. Revista de Ciencias Sociales  
Tailandés-Chino. https://journal.org/articles/12345.pdf  
La IA como tecnología de apoyo en la formación profesional policial en seguridad marítima: Un mapeo sistemático de la literatura.  
pp. 398 - 421 / Volumen 7, número 1 / DOI: https://doi.org/10.37431/conectividad.v7i1.353  
421