ISSN-e: 2737-6419
Período: abril-junio de 2026
Revista Athenea
Vol.7, Número 24, (pp. 30Ű38)
Artículo de investigación https://doi.org/10.47460/athenea.v7i24.141
Diseño de una plataforma basada en inteligencia artificial para la
gestión adaptativa de la ansiedad en entornos universitarios digitales
Ferdinand Eddington Ceballos Bejarano*
https://orcid.org/0000-0003-2867-2397
fceballos@unsa.edu.p e
Universidad Nacional de San Agustín de Arequipa
Arequipa, Perú
Nancy Teresa Ramos-Huaricallo
https://orcid.org/0000-0003-4581-6866
nramos@ucsm.edu.pe
Universidad Católica de Santa María
Arequipa, Perú
Jimmy Ángel Díaz Flores
https://orcid.org/0000-0003-0330-6673
jdiazĆ@unsa.edu.p e
Universidad Nacional de San Agustín de Arequipa
Arequipa, Perú
Paola Jessica Alarcón Saravia
https://orcid.org/0000-0002-5235-8755
palarcons@unsa.edu.pe
Universidad Nacional de San Agustín de Arequipa
Arequipa, Perú
Miguel Ángel Pacheco Quico
https://orcid.org/0000-0002-2767-9602
mpachecoq@unsa.edu.pe
Universidad Nacional de San Agustín de Arequipa
Arequipa, Perú
*Autor de correspondencia: fceballos@unsa.edu.pe
Recibido: (02/02/2026), Aceptado: (10/05/2026)
Resumen. La transformación digital de la educación superior ha incrementado la necesidad de desar-
rollar estrategias tecnológicas y diseños de ingeniería orientadas al bienestar emocional estudiantil en
entornos virtuales. El objetivo de este trabajo fue hacer un diseño de ingeniería para el apoyo en el
control de la ansiedad en entornos universitarios digitales. El estudio presentó un enfoque cuantitativo
con diseño cuasi experimental y participación de 240 estudiantes universitarios distribuidos en grupo
experimental y grupo de control. La plataforma integró monitoreo emocional, análisis predictivo y
mecanismos de intervención adaptativa mediante algoritmos de aprendizaje automático. Los resultados
evidenciaron una reducción signiĄcativa de ansiedad, estrés y carga cognitiva en el grupo experimental,
así como altos niveles de precisión predictiva en los modelos implementados. Se concluye que la in-
teligencia artiĄcial adaptativa representa una alternativa viable para fortalecer ecosistemas educativos
digitalmente más humanos y preventivos.
Palabras clave: inteligencia artiĄcial, ansiedad académica, educación digital, sistemas adaptativos.
Design of an Artificial Intelligence-Based Platform for the Adaptive Management
of Anxiety in Digital University Environments
Abstract. The digital transformation of higher education has increased the need to develop techno-
logical strategies and engineering designs aimed at supporting studentsŠ emotional well-being in virtual
environments. The objective of this study was to develop an engineering design to support anxiety
management in digital university environments. The study adopted a quantitative approach with a
quasi-experimental design and involved 240 university students distributed into an experimental group
and a control group. The platform integrated emotional monitoring, predictive analysis, and adaptive
intervention mechanisms through machine learning algorithms. The results showed a signiĄcant reduc-
tion in anxiety, stress, and cognitive load in the experimental group, as well as high levels of predictive
accuracy in the implemented models. It is concluded that adaptive artiĄcial intelligence represents a
viable alternative for strengthening more human-centered and preventive digital educational ecosystems.
Keywords: artiĄcial intelligence, academic anxiety, digital education, adaptive systems.
Ceballos F. et al. Diseño de una plataforma basada en inteligencia artiĄcial...
30
ISSN-e: 2737-6419
Período: abril-junio de 2026
Revista Athenea
Vol.7, Número 24, (pp. 30Ű38)
I. INTRODUCCIÓN
La transformación digital de la educación superior ha generado nuevas dinámicas de aprendizaje
caracterizadas por una alta dependencia de entornos virtuales y tecnologías inteligentes. Aunque estos
ecosistemas digitales han ampliado las posibilidades de acceso y Ćexibilidad académica, también han
favorecido el incremento de problemas asociados con ansiedad, estrés académico y sobrecarga cognitiva
en estudiantes universitarios [
1], [2]. Diversos estudios han señalado que la hiperconectividad, la presión
académica constante y la limitada regulación emocional dentro de plataformas educativas tradicionales
pueden afectar signiĄcativamente el bienestar psicológico estudiantil [
3], [4].
En respuesta a esta problemática, la inteligencia artiĄcial ha comenzado a consolidarse como una
herramienta prometedora para el desarrollo de sistemas adaptativos capaces de identiĄcar patrones emo-
cionales y generar intervenciones personalizadas [5]. El avance de áreas como el affective computing,
el aprendizaje automático y la analítica emocional ha permitido diseñar plataformas inteligentes orien-
tadas a mejorar la regulación emocional y la experiencia de aprendizaje en contextos digitales [
6], [7].
Asimismo, investigaciones recientes han evidenciado que los sistemas adaptativos basados en inteligen-
cia artiĄcial pueden contribuir a reducir ansie dad y estrés mediante mecanismos de acompañamiento
automatizado y recomendaciones dinámicas [
8], [9].
Desde una perspectiva de ingeniería aplicada, el desarrollo de plataformas inteligentes para la
gestión emocional estudiantil requiere la integración de modelos computacionales, sistemas adapta-
tivos y algoritmos de inteligencia artiĄcial capaces de responder dinámicamente a variables cognitivas
y conductuales en tiempo real. En este contexto, el diseño de arquitecturas tecnológicas orientadas
al monitoreo emocional y la intervención adaptativa representa una línea emergente dentro de la in-
geniería de sistemas inteligentes aplicada a educación digital y salud mental computacional. La in-
corporación de modelos matemáticos predictivos, analítica emo cional y mecanismos automatizados de
retroalimentación permite construir entornos universitarios más preventivos, personalizados y capaces
de adaptarse continuamente a las necesidades emocionales de los estudiantes [
10], [11].
No obstante, aún existe una limitada cantidad de investigaciones enfocadas especíĄcamente en el
diseño de plataformas integrales para la gestión adaptativa de la ansiedad en entornos universitarios
digitales [12]. En este contexto, la presente investigación tuvo como objetivo diseñar una plataforma
basada en inteligencia artiĄcial orientada al monitoreo emocional, análisis predictivo e intervención
adaptativa para fortalecer el bienestar psicológico estudiantil dentro de ecosistemas educativos virtuales.
II. MARCO TEÓRICO
La ansiedad académica constituye uno de los principales desafíos emergentes en los entornos uni-
versitarios digitales debido al incremento de exigencias cognitivas, interacción virtual permanente y
dependencia tecnológica en los procesos de aprendizaje [
1], [2]. Diversos estudios han evidenciado que
los estudiantes expuestos a modalidades virtuales intensivas presentan mayores niveles de estrés, fatiga
digital y diĄcultades de regulación emocional cuando las plataformas educativas carecen de mecanismos
de acompañamiento psicológico y adaptación personalizada [
3], [4]. Esta problemática ha impulsado el
interés por desarrollar soluciones tecnológicas orientadas al monitoreo emocional y bienestar estudiantil.
En los últimos años, la inteligencia artiĄcial ha comenzado a desempeñar un papel relevante en el
desarrollo de sistemas adaptativos capaces de identiĄcar patrones emocionales y generar intervenciones
automatizadas en tiempo real [
5]. El avance del affective computing y de los modelos de aprendizaje
automático ha permitido diseñar herramientas capaces de interpretar señales conductuales y emocionales
derivadas de la interacción digital de los usuarios [6], [7]. Estos enfoques han favorecido el surgimiento
de plataformas inteligentes orientadas a fortalecer la regulación emocional, la motivación académica y
la personalización del aprendizaje en contextos universitarios digitalizados [
8].
Dentro de este contexto, los sistemas adaptativos de aprendizaje representan una de las aplicaciones
más relevantes de inteligencia artiĄcial en educación superior. Estos sistemas utilizan información con-
ductual, cognitiva y emocional para modiĄcar dinámicamente contenidos, recomendaciones y estrategias
de intervención según las necesidades especíĄcas de los estudiantes [
9]. Investigaciones recientes han
demostrado que la integración de modelos predictivos y analítica emocional puede mejorar signiĄca-
tivamente la experiencia de aprendizaje y disminuir indicadores asociados con ansiedad académica y
sobrecarga cognitiva [
12].
Ceballos F. et al. Diseño de una plataforma basada en inteligencia artiĄcial...
31
ISSN-e: 2737-6419
Período: abril-junio de 2026
Revista Athenea
Vol.7, Número 24, (pp. 30Ű38)
El uso de asistentes virtuales y chatbots inteligentes también ha mostrado resultados favorables
en procesos de acompañamiento emocional universitario. Algunas investigaciones evidencian que estas
herramientas contribuyen a disminuir niveles de estrés y ansiedad mediante apoyo automatizado, ori-
entación personalizada y generación de entornos digitales más interactivos y humanizados [
10], [11].
Asimismo, los algoritmos de clasiĄcación predictiva, como Random Forest y regresión logística, han per-
mitido identiĄcar patrones de riesgo emocional asociados con hábitos de interacción digital y desempeño
académico [
13].
Paralelamente, diversos estudios han señalado que la percepción estudiantil frente al uso de in-
teligencia artiĄcial en salud mental suele ser favorable cuando los sistemas incorporan adaptabilidad,
empatía digital y mecanismos de retroalimentación continua [14]. Sin embargo, pese al crecimiento de
investigaciones relacionadas con inteligencia artiĄcial emocional y bienestar universitario, todavía existen
limitaciones importantes en el diseño de plataformas integrales orientadas especíĄcamente a la gestión
adaptativa de la ansiedad académica en entornos digitales [
15]. Esta situación evidencia la necesidad de
desarrollar arquitecturas inteligentes interdisciplinarias capaces de integrar monitoreo emocional, análisis
predictivo e intervención adaptativa dentro de los ecosistemas universitarios contemporáneos.
III. METODOLOGÍA
La investigación se desarrolló bajo un enfoque cuantitativo de carácter interdisciplinario, integrando
componentes propios de la ingeniería de sistemas inteligentes, la analítica computacional y el análi-
sis social del bienestar emocional estudiantil en entornos universitarios digitales. El estudio presentó
un diseño cuasi experimental de tipo aplicado, orientado al diseño y evaluación de una plataforma
basada en inteligencia artiĄcial para la gestión adaptativa de la ansiedad académica mediante procesos
automatizados de monitoreo emocional e intervención inteligente.
La población estuvo conformada por estudiantes universitarios pertenecientes a programas académi-
cos desarrollados en modalidad virtual e híbrida. La muestra estuvo integrada por 240 estudiantes
seleccionados mediante un muestreo no probabilístico por conveniencia, considerando criterios de par-
ticipación voluntaria, acceso continuo a plataformas virtuales y frecuencia de interacción académica
digital. Los participantes fueron distribuidos en dos grupos de estudio: un grupo experimental com-
puesto por 120 estudiantes que interactuaron con la plataforma inteligente adaptativa y un grupo de
control conformado por 120 estudiantes que utilizaron únicamente entornos virtuales tradicionales sin
mecanismos de intervención automatizada.
Desde la dimensión social de la investigación, se analizaron variables relacionadas con ansiedad
académica, estrés percibido, carga cognitiva, bienestar emocional e interacción digital estudiantil. Para
ello, se aplicaron instrumentos psicométricos estructurados orientados a evaluar percepciones emo-
cionales y niveles de adaptación académica dentro de contextos virtuales. Asimismo, se incorporaron
indicadores conductuales asociados con patrones de conexión, frecuencia de acceso, participación en
actividades académicas y tiempos de interacción digital. Los instrumentos utilizados fueron someti-
dos a procesos de validación mediante análisis factorial exploratorio y consistencia interna a través del
coeĄciente alfa de Cronbach.
Desde la perspectiva ingenieril, la investigación contempló el diseño de una arquitectura tecnológica
inteligente compuesta por cuatro módulos funcionales: captura de datos, procesamiento emocional,
motor de inteligencia artiĄcial y sistema adaptativo de intervención. El módulo de captura permitió
integrar información psicométrica y datos derivados de la interacción digital de los estudiantes con
el entorno virtual de aprendizaje. Posteriormente, el módulo de procesamiento emocional ejecutó
tareas de normalización, clasiĄcación y extracción de patrones asociados con niveles de ansiedad y
comportamiento académico digital.
El motor de inte ligencia artiĄcial fue desarrollado mediante algoritmos de aprendizaje automático
supervisado, implementando modelos de Random Forest, regresión logística y árboles de decisión para
identiĄcar patrones predictivos relacionados con ansiedad académica y riesgo emocional. El entre-
namiento computacional del sistema se realizó mediante procesos de validación cruzada y optimización
iterativa de parámetros, utilizando métricas de precisión, sensibilidad, especiĄcidad y área bajo la curva
ROC para evaluar el desempeño de los modelos predictivos.
Con el propósito de fortalecer el comportamiento adaptativo del sistema, se diseñó un modelo
Ceballos F. et al. Diseño de una plataforma basada en inteligencia artiĄcial...
32
ISSN-e: 2737-6419
Período: abril-junio de 2026
Revista Athenea
Vol.7, Número 24, (pp. 30Ű38)
matemático orientado a calcular dinámicamente un Índice Adaptativo de Ansiedad (IAA) a partir de
variables emocionales, cognitivas y conductuales. Este modelo permitió que la plataforma ajustara
automáticamente sus mecanismos de intervención según las variaciones emocionales detectadas en
tiempo real.
IAA(t) = αE(t) + βC(t) + γD(t) + δR(t) (1)
donde E(t) representa el estrés emocional, C(t) la carga cognitiva, D(t) la interacción digital y R(t) el
rendimiento académico relativo. Los coeĄcientes de ponderación fueron calibrados computacionalmente
mediante procesos de normalización adaptativa.
A partir de los valores obtenidos por el índice adaptativo, la plataforma ejecutó mecanismos automa-
tizados de intervención utilizando funciones dinámicas de activación orientadas a estimar probabilidades
de riesgo emocional y necesidad de acompañamiento digital.
I(t) =
1
1 + e
−k(IAA(t)−θ)
(2)
La implementación de este modelo permitió generar recomendaciones personalizadas, pausas cogni-
tivas, mensajes de regulación emocional y alertas tempranas orientadas al fortalecimiento del bienestar
psicológico estudiantil dentro del entorno universitario digital. El análisis estadístico se desarrolló medi-
ante técnicas descriptivas e inferenciales. Se calcularon medias, desviaciones estándar y distribuciones
porcentuales para caracterizar el comportamiento emocional y digital de los participantes. Posterior-
mente, se aplicaron pruebas de correlación de Pearson, regresión múltiple y comparación de medias
entre el grupo experimental y el grupo de control para evaluar el efecto de la plataforma inteligente
sobre las variables analizadas.
Finalmente, la investigación consideró principios éticos relacionados con conĄdencialidad, consen-
timiento informado digital y anonimización de datos emocionales y conductuales. La información re-
copilada fue utilizada exclusivamente con Ąnes académicos y cientíĄcos, garantizando el uso responsable
de los datos procesados por la plataforma inteligente.
IV. RESULTADOS
El análisis inicial permitió identiĄcar diferencias relevantes entre los estudiantes que interactuaron
con la plataforma inteligente adaptativa y aquellos que permanecieron en el entorno virtual convencional.
Antes de la intervención, ambos grupos presentaban niveles similares de ansiedad académica y carga
cognitiva, lo que evidenció condiciones iniciales comparables para el desarrollo del estudio. Sin embargo,
tras la implementación de la plataforma basada en inteligencia artiĄcial, comenzaron a observarse
variaciones importantes en los indicadores emocionales y conductuales asociados al aprendizaje digital.
La Tabla
1 presenta las características generales de la muestra estudiada, incluyendo distribución por
área académica, modalidad educativa y frecuencia de interacción digital.
Tabla 1. Características generales de la muestra estudiada.
Variable Categoría Frecuencia Porcentaje (%)
Sexo Femenino 136 56,7
Masculino 104 43,3
Área académica Ingeniería 78 32,5
Ciencias sociales 74 30,8
Administración y negocios 88 36,7
Modalidad Virtual 142 59,2
Híbrida 98 40,8
Grupo Experimental 120 50,0
Control 120 50,0
Nivel alto de interacción digital Sí 171 71,3
No 69 28,7
Nota. La tabla presenta la distribución general de la muestra según sexo, área académica, modalidad, grupo
de estudio e interacción digital.
Ceballos F. et al. Diseño de una plataforma basada en inteligencia artiĄcial...
33
ISSN-e: 2737-6419
Período: abril-junio de 2026
Revista Athenea
Vol.7, Número 24, (pp. 30Ű38)
Los resultados descriptivos evidenciaron una elevada exposición de los estudiantes a dinámicas dig-
itales de aprendizaje, especialmente en contextos virtuales intensivos. La predominancia de estudiantes
con altos niveles de interacción digital permitió identiĄcar un entorno propicio para la aparición de
fenómenos asociados a fatiga tecnológica, sobrecarga cognitiva y ansiedad académica. Asimismo, la
distribución equilibrada entre grupo experimental y grupo de control fortaleció la comparabilidad de los
análisis posteriores. El análisis comparativo de los niveles de ansiedad mostró una disminución signiĄca-
tiva en el grupo experimental tras la implementación de la plataforma intelige nte. La Figura
1 presenta
la variación promedio de los niveles de ansiedad académica antes y después de la intervención.
Fig. 1. Variación de los niveles promedio de ansiedad académica antes y después de la
intervención.
Los resultados reĆejaron que el grupo exp erimental presentó una reducción considerable de ansiedad
académica en comparación con el grupo de control, donde las variaciones fueron mínimas. Esta tenden-
cia sugiere que las estrategias adaptativas implementadas por la plataforma inteligente generaron efectos
positivos sobre la regulación emocional de los estudiantes. Las intervenciones automatizadas, particu-
larmente aquellas relacionadas con pausas cognitivas y recomendaciones personalizadas, mostraron una
asociación importante con la disminución de síntomas de tensión digital y saturación emocional. El
análisis inferencial conĄrmó diferencias estadísticamente signiĄcativas entre ambos grupos. La Tabla
2
resume los resultados de la comparación de medias para las principales variables analizadas durante la
intervención.
Tabla 2. Comparación de medias entre grupo experimental y grupo de control.
Variable Grupo experimental Grupo control p-valor
Ansiedad académica 4,9 6,8 0,001
Estrés percibido 4,5 6,4 0,003
Carga cognitiva 5,1 6,7 0,005
Bienestar emocional 7,8 5,9 0,002
Engagement digital 8,1 6,3 0,001
Nota. La tabla presenta la comparación de medias entre el grupo experimental y el grupo de control para
las variables principales del estudio.
Los valores obtenidos evidenciaron diferencias signiĄcativas en todas las variables analizadas. El
grupo experimental mostró menores niveles de ansiedad, estrés y carga cognitiva, mientras que los in-
dicadores de bienestar emocional e interacción académica presentaron incrementos importantes. Estos
hallazgos sugieren que la integración de inteligencia artiĄcial adaptativa no solo contribuyó a disminuir
factores emocionales negativos, sino que además favoreció una interacción digital más estable y partici-
pativa dentro del entorno universitario. Desde el punto de vista computacional, el modelo de inteligencia
artiĄcial presentó niveles elevados de precisión predictiva para la identiĄcación de estudiantes con riesgo
emocional moderado y alto. La Figura
2 presenta el desempeño predictivo de los modelos de inteligen-
Ceballos F. et al. Diseño de una plataforma basada en inteligencia artiĄcial...
34
ISSN-e: 2737-6419
Período: abril-junio de 2026
Revista Athenea
Vol.7, Número 24, (pp. 30Ű38)
cia artiĄcial implementados para la identiĄcación de niveles de ansiedad académica en estudiantes
universitarios digitales.
Fig. 2. Desempeijo predictivo de los modelos de inteligencia artiĄcial implementados.
El modelo Random Forest alcanzó el mejor desempeño general debido a su capacidad para procesar
múltiples variables emocionales y conductuales de forma simultánea. La precisión superior al 90%
permitió identiĄcar patrones complejos de ansiedad académica asociados con c ambios en los hábitos
digitales de los estudiantes. Asimismo, la elevada sensibilidad observada indicó una adecuada capacidad
del sistema para detectar estudiantes en condiciones de riesgo emocional, reduciendo la probabilidad de
falsos negativos dentro del entorno universitario.
El análisis correlacional reveló asociaciones importantes entre carga cognitiva, frecuencia de inter-
acción digital y niveles de ansiedad académica. Se identiĄcó una correlación positiva moderada-alta
entre tiemp o excesivo de exposición digital y aumento de síntomas emocionales negativos (r = 0, 71).
Paralelamente, las intervenciones adaptativas generadas por la plataforma mostraron correlaciones neg-
ativas con los niveles de ansiedad (r = −0, 68), lo que sugiere efectos reguladores relevantes derivados
de la personalización inteligente del sistema.
A nivel institucional, la plataforma permitió construir patrones agregados de comportamiento emo-
cional capaces de generar alertas tempranas para estudiantes con indicadores persistentes de estrés y
desconexión académica. Esta capacidad predictiva representa uno de los principales aportes tecnológi-
cos del estudio, debido a que trasciende los modelos tradicionales de monitoreo académico centrados
exclusivamente en caliĄcaciones o asistencia. En contraste, el sistema propuesto incorporó variables
emocionales dinámicas y patrones de comportamiento digital que facilitaron una comprensión más
integral del bienestar estudiantil en contextos universitarios virtuales.
Finalmente, los resultados demostraron que la incorporación de inteligencia artiĄcial adaptativa
puede constituir una estrategia viable para fortalecer ecosistemas educativos digitalmente más humanos,
preventivos y emocionalmente sostenibles. Más allá de la automatización tecnológica, la plataforma
evidenció potencial para transformar la relación entre universidad, bienestar emocional y aprendizaje
digital, integrando procesos de acompañamiento inteligente orientados a reducir la ansiedad académica
en contextos universitarios contemporáneos.
La Figura
3 presenta la arquitectura funcional propuesta para la plataforma inteligente orientada a
la gestión adaptativa de la ansiedad en entornos universitarios digitales. El sistema integra procesos de
captura de datos, análisis emocional, inteligencia artiĄcial y retroalimentación adaptativa orientados al
acompañamiento emocional estudiantil.
Ceballos F. et al. Diseño de una plataforma basada en inteligencia artiĄcial...
35
ISSN-e: 2737-6419
Período: abril-junio de 2026
Revista Athenea
Vol.7, Número 24, (pp. 30Ű38)
Fig. 3. Arquitectura funcional de la plataforma inteligente para la gestión adaptativa de la
ansiedad en entornos universitarios digitales.
La arquitectura desarrollada evidencia una integración interdisciplinaria entre analítica emocional,
aprendizaje automático y sistemas adaptativos de intervención. La incorporación de mecanismos de
retroalimentación continua permite que la plataforma responda dinámicamente a variaciones emo-
cionales y conductuales de los estudiantes, favoreciendo procesos de regulación emocional más p erson-
alizados dentro de ecosistemas universitarios digitalizados.
A. Modelo matemático de adaptación emocional inteligente
Con el propósito de fortalecer la capacidad predictiva y adaptativa de la plataforma inteligente prop-
uesta, se desarrolló un modelo matemático orientado a representar dinámicamente el comportamiento
emocional de los estudiantes dentro de entornos universitarios digitales. El modelo permitió integrar
variables emocionales, cognitivas y conductuales mediante un índice adaptativo capaz de identiĄcar
niveles de riesgo asociados con ansiedad académica y sobrecarga digital. El sistema se fundamentó en
la construcción de un Índice Adaptativo de Ansiedad (IAA), diseñado para cuantiĄcar el estado emo-
cional del estudiante en función de múltiples variables derivadas de la interacción académica digital. La
formulación general del modelo se representa mediante la siguiente expresión:
IAA(t) = αE(t) + βC(t) + γD(t) + δR(t) (3)
donde: E(t) representa el nivel de estrés emocional detectado en el instante t, C(t) corresponde a
la carga cognitiva percibida, D(t) representa la intensidad de interacción digital, R(t) corresponde
al rendimiento académico relativo del estudiante, α, β, γ, δ representan coeĄcientes de ponderación
adaptativa asociados a cada variable del modelo.
Los coeĄcientes de ponderación fueron deĄnidos dinámicamente mediante procesos de calibración
computacional y normalización estadística, p ermitiendo que el sistema ajustara automáticamente la
relevancia de cada variable según los patrones emocionales y conductuales identiĄcados durante la
interacción del usuario con la plataforma. Para garantizar estabilidad matemática y coherencia interna
del modelo, se estableció la siguiente condición de normalización:
α + β + γ + δ = 1 (4)
La impleme ntación del modelo permitió que la plataforma procesara continuamente datos derivados
de cuestionarios emocionales, patrones de navegación, frecuencia de conexión, participación académica
y comportamiento digital general. Esta integración favoreció la construcción de perĄles emocionales
adaptativos capaces de identiĄcar variaciones dinámicas asociadas con estados de ansiedad académica.
A partir del valor obtenido para el índice IAA(t), la plataforma ejecutó mecanismos automatizados de
intervención adaptativa mediante una función logística orientada a estimar la probabilidad de activación
de estrategias de regulación emocional. La función utilizada se expresa de la siguiente manera:
Ceballos F. et al. Diseño de una plataforma basada en inteligencia artiĄcial...
36
ISSN-e: 2737-6419
Período: abril-junio de 2026
Revista Athenea
Vol.7, Número 24, (pp. 30Ű38)
I(t) =
1
1 + e
−k(IAA(t)−θ)
(5)
donde: I(t) representa la probabilidad de intervención adaptativa, k corresponde al parámetro de
sensibilidad del sistema, θ representa el umbral crítico de ansiedad establecido para activar mecanismos
automáticos de apoyo emocional.
El comportamiento dinámico de esta función p e rmitió que la plataforma incrementara progresi-
vamente las intervenciones adaptativas a medida que el índice de ansiedad aumentaba. Entre las
acciones automatizadas implementadas se incluyeron recomendaciones personalizadas, pausas cogni-
tivas, mensajes de regulación emocional, reorganización de actividades académicas y generación de
alertas institucionales tempranas.
Desde una perspectiva ingenieril, el modelo matemático desarrollado permitió integrar inteligencia
artiĄcial, analítica emocional y sistemas adaptativos dentro de una misma arquitectura computacional.
Asimismo, la incorporación de funciones dinámicas de intervención favoreció la construcción de un sis-
tema c apaz de responder en tiempo real a las variaciones emocionales y conductuales de los estudiantes,
fortaleciendo la capacidad preventiva y personalizada de la plataforma inteligente propuesta.
CONCLUSIONES
Los resultados obtenidos permitieron evidenciar que el diseño e implementación de una plataforma
basada en inteligencia artiĄcial puede constituir una estrategia viable para la gestión adaptativa de
la ansiedad en entornos universitarios digitales. La integración de modelos predictivos, monitoreo
emocional automatizado y mecanismos de intervención personalizada favoreció la reducción de niveles
de ansiedad académic a, estrés percibido y sobrecarga cognitiva en los estudiantes que participaron en
la intervención experimental.
El estudio demostró que la incorporación de inteligencia artiĄcial dentro de ecosistemas educativos
virtuales puede trascender las funciones tradicionales de automatización académica para asumir un
rol más orientado al acompañamiento emocional y al bienestar psicológico estudiantil. En este sen-
tido, la plataforma desarrollada permitió identiĄcar patrones conductuales y emocionales asociados con
riesgo adaptativo, facilitando la generación de respuestas dinámicas orientadas a fortalecer la regulación
emocional y la interacción académica digital.
Desde el punto de vista computacional, los modelos de aprendizaje automático implementados pre-
sentaron niveles elevados de precisión predictiva, destacando especialmente el algoritmo Random Forest
por su capacidad para clasiĄcar patrones complejos de ansiedad académica. Estos hallazgos eviden-
cian el potencial de los sistemas inteligentes para apoyar procesos preventivos dentro de instituciones
universitarias que enfrentan escenarios crecientemente digitalizados y emocionalmente demandantes.
Asimismo, la investigación permitió identiĄcar que las intervenciones adaptativas automatizadas,
tales como recomendaciones personalizadas, pausas cognitivas y estrategias digitales de acompañamiento
emocional, contribuyeron positivamente a mejorar la percepción de bienestar y engagement académico
de los estudiantes. Esto sugiere que la personalización emocional mediada por inteligencia artiĄcial
puede convertirse en un componente relevante dentro de futuras plataformas educativas inteligentes.
No obstante, el estudio presentó limitaciones relacionadas con el tamaño muestral, el periodo
de intervención y la dependencia de variables autorreportadas y patrones digitales especíĄcos de un
contexto universitario determinado. Por ello, futuras investigaciones podrían ampliar la validación del
sistema mediante estudios longitudinales, integración de inteligencia artiĄcial multimodal y evaluación
en diferentes contextos culturales y educativos.
Finalmente, se puede aĄrmar que el desarrollo de plataformas inteligentes orientadas a la gestión
emocional representa una línea emergente con alto potencial para fortalecer universidades digitalmente
más humanas, preventivas y sostenibles. La integración de inteligencia artiĄcial y bienestar psicológico
estudiantil no solo constituye un avance tecnológico, sino también una oportunidad para replantear
el papel de las instituciones educativas frente a los desafíos emocionales de la educación superior
contemporánea.
Ceballos F. et al. Diseño de una plataforma basada en inteligencia artiĄcial...
37
ISSN-e: 2737-6419
Período: abril-junio de 2026
Revista Athenea
Vol.7, Número 24, (pp. 30Ű38)
REFERENCIAS
[1] Q. Zafar, A. Kiren, and Z. Naz, ŞThe role of artiĄcial intelligence in supporting studentsŠ emotional
regulation and learning anxie ty,Ť The Critical Review of Social Sciences Studies, vol. 4, no. 1, pp.
589Ű600, 2026, doi: 10.59075/884gdn98.
[2] K. P. Das and P. Gavade, ŞA review on the efficacy of artiĄcial intelligence for manag-
ing anxiety disorders,Ť Frontiers in ArtiĄcial Intelligence, vol. 7, p. 1435895, 2024, doi:
10.3389/frai.2024.1435895.
[3] A. S. ElBarazi, H. Mohamed, and R. Nasser, ŞExploring studentsŠ perceptions and usage of arti-
Ącial intelligence in supporting mental health: A preliminary study in higher education in qatar,Ť
Healthcare, vol. 14, no. 9, p. 1247, 2026, doi: 10.3390/healthcare14091247.
[4] Z. Ding and W. Xue, ŞNavigating anxiety in digital learning: How AI-driven personalization and
emotion recognition shape EFL studentsŠ engagement,Ť Acta Psychologica, vol. 257, p. 105466,
2025, doi: 10.1016/j.actpsy.2025.105466.
[5] A. Pavlopoulos, T. Rachiotis, and I. Maglogiannis, ŞAn overview of tools and technologies for
anxiety and depression management using AI,Ť Applied Sciences, vol. 14, no. 19, p. 9068, 2024,
doi: 10.3390/app14199068.
[6] S. Shifa, S. Hameed, H. Suhail, and A. Kiren, ŞEmotional intelligence meets artiĄcial intelligence:
Affective computing and student well-being in online classrooms,Ť The Critical Review of Social
Sciences Studies, vol. 3, no. 3, pp. 271Ű289, 2025.
[7] A. O. R. Vistorte, A. Deroncele-Acosta, J. L. M. Ayala, A. Barrasa, C. López-Granero, and
M. Martí-González, ŞIntegrating artiĄcial intelligence to assess emotions in learning environments:
a systematic literature review,Ť Frontiers in Psychology, vol. 15, p. 1387089, 2024, doi: 10.3389/fp-
syg.2024.1387089.
[8] T. S. Moghadam, A. Darejeh, M. Delaramifar, and S. Mashayekh, ŞToward an artiĄcial intelligence-
based decision framework for developing adaptive e-learning systems to impact learnersŠ emotions,Ť
Interactive Learning Environments, vol. 32, no. 7, pp. 3665Ű3685, 2024.
[9] F. Altinay, G. Dagli, R. Shadiev, Z. Altinay, İ. Suiçmez, and N. Kerimbayev, ŞEvaluation of
artiĄcial intelligence supporting emotional intelligence of students in the context of sustainable
development,Ť BRAIN. Broad Research in ArtiĄcial Intelligence and Neuroscience, vol. 17, no. 1,
pp. 132Ű144, 2026.
[10] G. D. la Puente, A. Silva, and R. Felix, ŞDevelopment of a chatbot powered by artiĄcial intelligence
to diagnose and improve stress and anxiety levels in university students,Ť in 2024 IEEE XXXI
International Conference on Electronics, Electrical Engineering and Computing (INTERCON),
2024, pp. 1Ű8.
[11] U. S. Isaiah, A. T. Naibo, M. T. Ugondo, S. Ogwuche, S. J. Iziengbuwa, E. E. Abiama et al., ŞThe
role of AI companions in supporting adaptive emotion regulation among university students with
social anxiety,Ť Discover Mental Health, vol. 6, p. 53, 2026, doi: 10.1007/s44192-026-00387-7.
[12] M. M. L. Elkashif, M. Rahmath, S. A. E. Mohamed et al., ŞThe impact of artiĄcial intelligence-
based emotional support tools on anxiety and stress levels in high-risk pregnant women,Ť ScientiĄc
Reports, 2026, doi: 10.1038/s41598-026-49427-w.
[13] C. Kai, ŞAI anxiety and adoption intention in higher education based on so-
cial and computer anxiety,Ť Education and Information Technologies, 2026, available:
https://pmc.ncbi.nlm.nih.gov/articles/PMC12881405/.
[14] M. He, ŞAI-driven language learning in higher education,Ť Humanities and Social Sciences Com-
munications, vol. 12, 2025, doi: 10.1057/s41599-025-05817-5.
[15] L. Siyan, T. Shao, Z. Yu, and J. Hirschberg, ŞUsing adaptive empathetic responses for teaching
english,Ť arXiv preprint arXiv:2404.13764, 2024, available: https://arxiv.org/abs/2404.13764.
Ceballos F. et al. Diseño de una plataforma basada en inteligencia artiĄcial...
38
