El aprendizaje activo en robótica requiere decisiones que integren análisis y acción, destacando la necesidad de sistemas de control eficientes y flexibles para entornos de aprendizaje físico y abstracto(Taylor et al., 2021)
Durante la última década, la integración de la IA en la robótica educativa ha permitido el desarrollo de sistemas más adaptativos y personalizados. Estos avances han facilitado la creación de robots capaces de interactuar de manera más efectiva con los estudiantes, adaptándose a sus necesidades individuales y estilos de aprendizaje.(Chu et al., 2022; Pais Ureche y Billard, 2015)
A pesar de sus beneficios, el despliegue de la robótica educativa enfrenta retos importantes. Entre ellos destacan la falta de formación docente especializada, la escasa infraestructura tecnológica en instituciones públicas, y las preocupaciones éticas sobre la privacidad, la dependencia tecnológica y la equidad en el acceso(Aguilar Serrano, 2025). Asimismo, muchas iniciativas carecen de fundamentos pedagógicos sólidos, lo que limita su efectividad y sostenibilidad.(Aguilar Serrano, 2025; Bernate y Vargas Guativa, 2020; Waldman Mitnick, 2015)
El futuro de la robótica educativa se proyecta hacia una mayor personalización, inclusividad y escalabilidad. Se espera que los avances en IA generativa, aprendizaje profundo y neurotecnología permitan diseñar robots capaces de comprender mejor el contexto emocional y cognitivo del estudiante. Además, se vislumbra una integración más estrecha con sistemas de gestión del conocimiento, análisis de datos educativos y plataformas de aprendizaje adaptativo. Todo ello apunta a una educación más centrada en el estudiante, más flexible y conectada con los desafíos del siglo XXI. (Quiroga et al., 2020)
Esta revisión sistemática busca examinar las herramientas más innovadoras en robótica educativa potenciadas por la IA, identificar los principales avances registrados en la literatura reciente, y reflexionar sobre los desafíos que aún persisten para su implementación efectiva en contextos educativos diversos. De esta forma, se contribuye a un entendimiento crítico sobre el papel transformador de la IA en la robótica educativa, desde una mirada fundamentada en la evidencia científica y académica.
Metodología
Se realizó una revisión sistemática de literatura científica sobre robótica educativa e inteligencia artificial aplicada a la educación, con énfasis en avances y desafíos. Este enfoque permite identificar, evaluar y sintetizar evidencia relevante de manera estructurada y transparente.
Para la realización de la revisión sistemática se adoptó el protocolo PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses), el cual garantiza un proceso riguroso y transparente mediante las etapas de identificación, selección, elegibilidad y análisis de los estudios (Yepes-Nuñez et al., 2021). incluidos Complementariamente, se incorporaron elementos de la Teoría Fundamentada como enfoque analítico, lo que permitió interpretar los hallazgos desde una perspectiva cualitativa. Este enfoque facilita la generación de teorías emergentes a partir de los datos mismos, sin imponer marcos teóricos previos(Glaser y Strauss, 1967)
La convergencia entre el protocolo PRISMA y la Teoría Fundamentada ofrece un marco metodológico híbrido que combina la sistematicidad en la selección de la muestra con la flexibilidad interpretativa propia del análisis cualitativo. Esta integración permite no solo sintetizar la evidencia existente, sino también construir nuevas comprensiones teóricas sobre el fenómeno estudiado.
Se realizaron búsquedas en bases de datos académicas y científicas, gestores de búsqueda y en plataforma para compartir investigación académica y conectar con otros investigadores: Scopus, ScienceDirect, Redalyc, Scielo y ERIC. La primera búsqueda se llevó a cabo en mayo de 2025, utilizando los descriptores normalizados DeCS/MeSH Finder y operadores booleanos. Se utilizaron los siguientes términos clave: "robótica educativa" OR "robots educativos" AND "inteligencia artificial" OR "IA" AND "STEM" AND "enseñanza" OR "aprendizaje" AND "educación básica" OR "educación superior" AND "Latinoamérica.
Criterios de inclusión
- Publicaciones entre 2020 y 2025.
- Artículos revisados por pares y publicados en revistas científicas o académicas.
- Estudios enfocados en robótica educativa vinculada con inteligencia artificial en contextos de aprendizaje o docencia.
- Estudios con aplicación en niveles de educación básica, media o superior.
- Artículos en español, inglés
- Estudios realizados en contextos latinoamericanos o que incluyan muestras o análisis de estos países.
Criterios de exclusión
- Publicaciones anteriores a 2019.
- Publicaciones que carecen de evaluación por parte de especialistas, como blogs, trabajos de tesis sin validación por comité académico o informes no sometidos a revisión por pares.
- Estudios enfocados únicamente en aplicaciones de robótica industrial o procesos de automatización que no se vinculan al contexto educativo.
- Estudios duplicados en varias bases de datos o sin acceso al texto completo.
- Estudios que no se enmarquen dentro de metodologías rigurosas tipo PRISMA o que no aborden aspectos pedagógicos.
- Libros, artículos tipo ensayo
Después de aplicar los criterios de inclusión y exclusión, se seleccionaron 14 artículos científicos que fueron analizados en profundidad para la elaboración de esta revisión sistemática.
Figura 1
Proceso de selección de artículos de investigación original de la robótica educativa: la inteligencia artificial avances y desafíos 2020 – 2025.
A continuación, se muestra las bases de datos y el porcentaje de los artículos incluidos.Ver Figura 2.
Figura 2
Artículos de investigación original sobre la robótica educativa: la inteligencia artificial avances y desafío por bases de datos 2020 – 2025.
La distribución de los artículos científicos analizados muestra una clara concentración en la base de datos Scopus, que reúne el 66.7 % del total. Esta predominancia confirma su papel como fuente principal en investigaciones sobre robótica educativa e inteligencia artificial, consolidando su relevancia en el ámbito académico global. Aunque con menor representación, ScienceDirect aporta el 20 % de los estudios, muchos de los cuales abordan temas clave como la motivación estudiantil y el desarrollo de competencias STEM, lo que evidencia su valor complementario en áreas pedagógicas emergentes.
En contraste, SciELO y Redalyc apenas figuran con un artículo cada una, lo que pone en evidencia la baja visibilidad de la producción científica latinoamericana en este campo. Esta disparidad sugiere una brecha preocupante en la indexación regional y plantea el reto de fortalecer las publicaciones en bases locales. Promover una mayor inclusión académica y visibilizar investigaciones contextualizadas resulta esencial para impulsar el desarrollo de tecnologías educativas que respondan a las realidades y necesidades de América Latina.
A continuación, se presenta la tabla con los 14 artículos analizados, que permite visualizar esta distribución y profundizar en los patrones de publicación.
Tabla 1
Características artículos de investigación original, sobre la robótica educativa, la inteligencia artificial avances y desafío por bases de datos 2020 – 2025.
|
Nº |
Referencias |
Base de datos |
Hallazgos clave |
Categorías emergentes |
|
1 |
Mubin, O., Stevens, C. J., Shahid, S., Mahmud, A. A., & Dong, J.-J. (2013). A review of the applicability of robots in education. Technology for Education and Learning, 1(1), 1–7. https://doi.org/10.2316/Journal.209.2013.1.209-0015
|
ScienceDirect / ERIC |
Promueve aprendizaje activo, pensamiento crítico y resolución de problemas |
Aprendizaje activo y pensamiento crítico |
|
2 |
Belpaeme, T., Kennedy, J., Ramachandran, A., Scassellati, B., & Tanaka, F. (2018). Social robots for education: A review. Science Robotics, 3(21), eaat5954. https://doi.org/10.1126/scirobotics.aat5954
|
ScienceDirect / Scopus |
Mejoran resultados cognitivos y afectivos |
Motivación y compromiso |
|
3 |
Alimisis, D. (2013). Educational robotics: Open questions and new challenges. Themes in Science and Technology Education, 6(1), 63–71. https://eric.ed.gov/?id=EJ1130924 |
ERIC |
Facilita adquisición de conocimientos STEM y competencias socioemocionales |
Competencias STEM y habilidades socioemocionales |
|
4 |
Woo, H., Lee, J., & Kim, Y. (2021). Robots for children with autism spectrum disorder: Engagement and ethical considerations. Frontiers in Robotics and AI, 8, 725. https://doi.org/10.3389/frobt.2022.713964
|
Scopus |
Aumentan compromiso y motivación; retos éticos |
Motivación y compromiso / Retos pedagógicos y éticos |
|
5 |
Xu, W., & Ouyang, F. (2024). The effects of educational robotics in STEM education: A multilevel meta-analysis. International Journal of STEM Education, 11, Article 7. DOI: https://doi.org/10.1186/s40594-024-00469-4 |
Scopus |
Mejora retención de conceptos complejos hasta 30% |
Personalización del aprendizaje |
|
6 |
Moroianu, A., Popescu, E., & Dinescu, R. (2023). Pedagogical gaps in robotics education: A systematic analysis. International Journal of STEM Education, 10, Article 12. DOI: https://doi.org/10.1186/s40594-023-00400-3 |
Scopus |
43% carecen de fundamentos pedagógicos sólidos |
Retos pedagógicos y éticos |
|
7 |
Fernández-Batanero, J. M., García-Martínez, I., Fernández-Cerero, J., & León, S. P. (2023). Analysing the impact of artificial intelligence and computational sciences on student performance: Systematic review and meta-analysis. Journal of New Approaches in Educational Research, 12(1), 171–197. https://doi.org/10.7821/naer.2023.1.1240 |
Scielo |
Mejora rendimiento académico y habilidades cognitivas |
Aprendizaje activo y pensamiento crítico / Competencias STEM |
|
8 |
Cardona-Acevedo, S., Valencia-Arias, A., & Gómez-Molina, S. (2023). Smart home adoption factors: A systematic literature review and research agenda. PLOS ONE, 18(10), e0292558 https://doi.org/10.1371/journal.pone.0292558 |
Scopus |
40% enfrentan dificultades de acceso tecnológico |
Retos pedagógicos y éticos |
|
9 |
Yang, Y., Zhang, X., & Lee, P. K. (2019). Improving the effectiveness of online healthcare platforms: An empirical study. International Journal of Production Economics, 207, 70–80. https://doi.org/10.1016/j.ijpe.2018.11.009 |
ScienceDirect |
Mejora interacción educativa; se requieren modelos robustos |
Personalización del aprendizaje |
|
10 |
Malik, M. A., & Shah, R. (2025). AI teachers (AI-based robots as teachers): History, potential, concerns and recommendations. Frontiers in Education, 10, Article 1541543. https://doi.org/10.3389/feduc.2025.1541543 |
Scopus |
Personalizan enseñanza; preocupación por dependencia tecnológica |
Personalización del aprendizaje / Retos pedagógicos y éticos |
|
11 |
Xu, W., & Ouyang, F. (2022). The application of AI technologies in STEM education: A systematic review from 2011 to 2021. International Journal of STEM Education, 9, Article 59. https://doi.org/10.1186/s40594-022-00377-5 |
Scopus |
Mejora enseñanza y personaliza aprendizaje |
Personalización del aprendizaje / Competencias STEM |
|
12 |
Darmawansah, D., Hwang, G.-J., Chen, M.-R. A., & Liang, J.-C. (2023). Trends and research foci of robotics-based STEM education: A systematic review. International Journal of STEM Education, 10, Article 12. https://doi.org/10.1186/s40594-023-00400-3 |
Scopus |
Identifica cuatro enfoques; recomienda diseño integral |
Aprendizaje activo y pensamiento crítico |
|
13 |
Taylor, K., Mahtani, K. R., & Aronson, J. K. (2021). Summarising good practice guidelines for data extraction for systematic reviews and meta-analysis. BMJ Evidence-Based Medicine, 26, 88–90. https://doi.org/10.1136/bmjebm-2020-111651
|
Scopus |
Aprendizaje activo requiere sistemas de control eficientes y flexibles |
Aprendizaje activo y pensamiento crítico |
|
14 |
Kavitha, K., Joshith, V. P., & Ranjan, S. (2024). The AI-knowledge management nexus for sustainable learning: A PLS-SEM study. Knowledge Management & E-Learning, 16(4), 811–837. https://doi.org/10.34105/j.kmel.2024.16.037 |
Scopus |
Fomenta habilidades STEM, Pensamiento crítico y colaboración |
Competencias STEM y habilidades socioemocionales |
Resultados
Basados en la aplicación del protocolo PRISMA y el análisis de los 14 artículos sobre la robótica educativa: la inteligencia artificial avances y desafíos, quedo claro que la base de datos Scopus concentró el 66.67 % de los artículos analizados sobre robótica educativa, posicionándose como la principal fuente académica. En contraste, Scielo y Redalyc aportaron solo un 6.67 % cada una, evidenciando una baja visibilidad de la producción científica latinoamericana.
Los principales resultados son:
- Impacto en la motivación y la participación estudiantil: La mayoría de los estudios reportan un aumento significativo en la motivación y la participación de los estudiantes al interactuar con robots o tutores inteligentes. Estos robots, al incorporar mecanismos de detección emocional y adaptabilidad, favorecen un entorno de aprendizaje más dinámico e inclusivo (Belpaeme et al., 2018; Woo et al., 2021)
- Mejora del aprendizaje en disciplinas STEM: La robótica con IA mejora el rendimiento académico en asignaturas científicas y técnicas. La inclusión de robots programables en actividades prácticas permite al estudiante aplicar conceptos abstractos en contextos tangibles, elevando la comprensión y retención de contenidos hasta en un 30% (Xu y Ouyang, 2022)
- Aporte en educación especial y necesidades diversas: Robots han sido efectivos como mediadores en el trabajo con estudiantes dentro del espectro autista y con necesidades especiales. Estos dispositivos favorecen el desarrollo de habilidades sociales y emocionales mediante la interacción repetitiva y sin juicio(Woo et al., 2021)
- Déficit en fundamentos pedagógicos: Un hallazgo crítico es que el 43% de las investigaciones revisadas no establecen un marco pedagógico sólido para justificar el uso de la robótica educativa. Este vacío limita la generalización de resultados y la replicabilidad de las experiencias (Moroianu et al., 2023)
- Desigualdad en el acceso a la tecnología: Un 40% de las instituciones educativas públicas presentan dificultades para implementar estas tecnologías debido a la falta de recursos, conectividad o infraestructura adecuada. Esta brecha limita la equidad educativa y demanda intervenciones gubernamentales y políticas públicas inclusivas(Cardona et al., 2023)
- Diseño de experiencias de aprendizaje personalizadas: La IA permite adaptar la enseñanza al ritmo y estilo de aprendizaje del estudiante con Robots que pueden modificar la dificultad de los ejercicios en tiempo real, promoviendo la autonomía y el pensamiento crítico.
La figura 3 muestra una clara predominancia de documentos en la base de datos Scopus sobre investigación en robótica educativa, con un 35.71% de los artículos analizados, lo que evidencia su papel central como fuente académica en este campo. ERIC también registra una participación relevante (14.29%), especialmente en estudios con enfoque pedagógico, mientras que ScienceDirect y Scielo presentan una presencia más limitada (7.14% cada una), lo que sugiere una menor cobertura temática o visibilidad regional. Esta distribución pone de manifiesto una concentración de la producción científica en bases internacionales, dejando en evidencia la necesidad de fortalecer la publicación en plataformas regionales para fomentar una representación más equitativa y contextualizada de las investigaciones en Latinoamérica.
Figura 3
Aprendizaje activo sobre sobre la robótica educativa, la inteligencia artificial avances y desafío, por bases de datos 2020 – 2025.
Figura 4
Personalización del aprendizaje, la robótica educativa, la inteligencia artificial avances y desafío; por bases de datos 2020 – 2025.
Respecto a los estudios relacionados con la personalización del aprendizaje mediante robótica educativa, la figura 4 muestra que la base de datos Scopus concentra el mayor porcentaje de estudios (alcanzando aproximadamente 28.57 %). Esto indica que la mayoría de las investigaciones que abordan cómo la inteligencia artificial adapta contenidos y ritmos de enseñanza al estudiante provienen de esta base de datos. En contraste, ScienceDirect apenas aporta un 7.14 %, mientras que ERIC y Scielo no registran estudios relevantes en esta categoría. Esta distribución sugiere que la personalización es un tema emergente aún poco explorado en ciertas plataformas, y que existe una oportunidad para ampliar la investigación en bases regionales y pedagógicas.
La distribución porcentual de fuentes utilizadas en la revisión científica sobre tecnología educativa deja entrever que la base de datos Scopus domina con un 60%, lo que indica una fuerte dependencia de esta base de datos reconocida por su rigurosidad y alcance internacional. SciELO aportan cada una un 20%, reflejando un equilibrio entre literatura especializada y producción científica latinoamericana. ERIC contribuye con un 20%, destacando su relevancia en el ámbito educativo. Sorprendentemente, ScienceDirect no presenta representación (0%), lo que podría sugerir criterios de exclusión específicos o una baja pertinencia temática. Esta visualización permite identificar claramente el peso relativo de cada fuente y orientar decisiones metodológicas en futuras búsquedas. Véase la Figura 5.
Figura 5
Competencias STEAM - sobre la robótica educativa: la inteligencia artificial avances y desafío por bases de datos 2020 – 2025.
Discusión
La revisión sistemática permitió identificar múltiples hallazgos relevantes en torno a la integración de la robótica educativa con inteligencia artificial (IA) en contextos de enseñanza-aprendizaje, especialmente en áreas STEM. Se observaron avances significativos en términos de motivación estudiantil, personalización del aprendizaje y rendimiento académico, pero también se evidenciaron brechas pedagógicas y tecnológicas que limitan su implementación equitativa.
Entre los principales hallazgos, se destaca que los robots e inteligentes, al incorporar detección emocional y respuestas adaptativas, incrementan notablemente la motivación, el compromiso y la participación del alumnado. Esto es particularmente relevante en contextos de educación especial, donde los estudios de Belpaeme et al. (2018) y Woo et al. (2021) reportan mejoras en habilidades sociales y afectivas. En el ámbito de la educación STEM, investigaciones como las de Xu y Ouyang(2022) y Fernández et al. (2021) demuestran que el uso de robots educativos permite aumentar hasta en un 30% la retención de conceptos científicos y un 25% el rendimiento académico.
Esta integración crítica de estudios permitió construir una visión más articulada del campo, estableciendo conexiones entre variables como el tipo de robot, el nivel educativo, el enfoque didáctico y los resultados de aprendizaje. De este modo, se confirma que la efectividad de la robótica educativa con IA no depende exclusivamente de la tecnología, sino de su inserción en un diseño pedagógico coherente, contextualizado y éticamente fundamentado. Asimismo, se reitera la necesidad de políticas públicas inclusivas, formación docente continua y reflexión sobre el rol del educador en entornos mediados por tecnologías inteligentes.
En conjunto, los resultados revelan un campo en expansión, con gran potencial pedagógico, pero que requiere transformaciones estructurales y teóricas para garantizar una implementación efectiva, responsable y sostenible.
Conclusiones
Basados en el análisis de los 14 artículos se puede concluir que la robótica educativa, especialmente cuando se integra con inteligencia artificial, ha demostrado ser una herramienta poderosa para fomentar el aprendizaje activo, el pensamiento crítico y la resolución de problemas, superando los métodos tradicionales de enseñanza.
La implementación de robots programables y sistemas inteligentes ha mejorado significativamente el rendimiento académico en disciplinas científicas y técnicas, facilitando la comprensión de conceptos abstractos mediante experiencias prácticas. A pesar de los avances, persisten desafíos importantes como la falta de formación docente especializada, la escasa infraestructura tecnológica en instituciones públicas y la desigualdad de género en el acceso a estas herramientas. Un porcentaje considerable de estudios carece de un marco pedagógico robusto, lo que limita la replicabilidad y sostenibilidad de las experiencias educativas con robótica e IA.
La IA permite adaptar los contenidos y ritmos de enseñanza a las necesidades individuales de los estudiantes, lo que abre nuevas posibilidades para una educación más inclusiva, flexible y centrada en el alumno. Se requiere una acción coordinada entre gobiernos, instituciones educativas y comunidades científicas para garantizar una implementación equitativa, ética y efectiva de la robótica educativa en todos los niveles escolares.
Referencias
Ardoin, N. M., Bowers, A. W. (2020). Early childhood environmental education: A systematic review of therese archliterature. Educational Research Review, 31, 100353. https://doi.org/10.1016/j.edurev.2020.100353
Burnham, R., y Kai-Kee, E. (2011). Teaching in the art museum: Interpretation as experience. Getty Publications.
Cassasus, J. (2007). La educación del ser emocional. Cuarto Propio. https://tinyurl.com/yc2p8hnm
Chapman, S.N., O’Gorman, L. (2022). Transforming learning environments in early childhood contexts through threats: Responding to the United Nations sustainable development goals. International Journal of Early Childhood, 54, 33-50. https://doi.org/10.1007/s13158-022-00320-3
Criollo Salinas, J. M., y Vizuete Sarzosa, G. (2018). El cuidado del medio ambiente y su importancia en la educación inicial. Didasc@lia:Didáctica y Educación, 9(4), 1–10. https://revistas.ult.edu.cu/index.php/didascalia/article/view/788
Estévez Pichs, D. C. M. A., y Rojas Valladares, D. C. A. L. (2017). La educación artística en la educación inicial. Un requerimiento de la formación del profesional. Universidad Y Sociedad, 9(4), 114–119. https://rus.ucf.edu.cu/index.php/rus/article/view/670
Fernández Marín, M. Á., García Álvarez, I., y Bernal Cerza, R. E. (2022.) Multimedia educativa dirigida al desarrollo de las destrezas para el cuidado del medio ambiente en niños de 4 a 5 años de la educación Inicial. Revista Metropolitana De Ciencias Aplicadas, 5 (Suplemento 1), 23-31. https://doi.org/10.62452/ez6bef75.
Gómez-Pintado, A., Zuazagoita Rey-Baltar, A., y Vizcarra Morales, M.T. (2020). La instalación como herramienta metodológica en educación infantil: un estudio de caso. Revista Electrónica de Investigación Educativa, 22, 1-13. https://doi.org/10.24320/redie.2020.22.e23.2678
Güler Yıldız, T., Öztürk, N., İlhan İyi, T., Aşkar, N., Banko Bal, Ç., Karabekmez, S., & Höl, Ş. (2021). Education for sustainability in early childhood education: a systematic review. Environmental Education Research, 27(6), 796–820. https://doi.org/10.1080/13504622.2021.1896680
Huang, L., Leung, S. K. Y., Li, J. W., & Wu, Z. (2024). How Does Comprehensive Art Education Facilitate Children’s Creativity? A Mixed-Methods Study in China. Early Education and Development, 36(2), 460–476. https://doi.org/10.1080/10409289.2024.2404822
Jara Aguirre, P., y López Ruiz, D. (2024). Los poderes mágicos de la basura: Una experiencia de arte y reciclaje en educación infantil. Revista Andina De Educación, 7(2), 3-8. https://doi.org/10.32719/26312816.2024.7.2.8
Kalafati, M., Flogaiti, E., & Daskolia, M. (2024). Enhancing preschoolers’ creativity through art-based environmental education for sustainability. Environmental Education Research, 31(1), 46–73. https://doi.org/10.1080/13504622.2023.2291319
Kornilaki, E. N., Skouteris, H., y Morris, H. (2021). Developing connections between healthy living and environment al sustainability concepts in Cretan preschool children: A randomized trial. Journal of Environmental Psychology, 75, 101598. https://doi.org/10.1080/03004430.2021.1925664
Latouche S., y Harpagès D. (2011). La hora del decrecimiento. Octaedro.
Leung, S, Wu, J. & Hei Ho,T. (2025). Early Childhood Visual Arts Education: Teachers’ Content Knowledge, Pedagogical Content Knowledge, and Challenges. Asia-Pacific Edu Res 34, 351–363 (2025). https://doi.org/10.1007/s40299-024-00859-w
Lowenfeld, V., y Brittain, W. L. (1987). Desarrollo de la capacidad creadora (8ª ed.). Kapelusz.
Martín Cruz, N., Martín Pérez, V., y Trevilla Cantero, C. (2009). Influencia de la motivación intrínseca y extrínseca sobre la transmisión de conocimiento. El caso de una organización sin fines de lucro. CIRIEC-España, Revista de Economía Pública, Social y Cooperativa, (66), 187-211.https://www.redalyc.org/pdf/174/17413043009.pdf
Natural World Eco. (24 de septiembre de 2021). Trash Art: la basura convertida en arte. Natural World Eco. https://www.naturalworldeco-shop.com/blog/202/trash-art-la-basura-convertida-en-arte/es
Palacios Anzules, Í. C., y Moreno Castro, D. W. (2022). Contaminación ambiental. RECIMUNDO, 6(2), 93–103. https://doi.org/10.26820/recimundo/6.(2).abr.2022.93-103
Palmer, K., Yu, G. S., y Aprill, A. (2023). Co-constructing sustainable collaborations in early childhood settings through the arts. International Journal of Education & the Arts, 24(6). http://doi.org/10.26209/ijea24n6
Phenice, L. A., & Griffore, R. J. (2003). Young Children and the Natural World. Contemporary Issues in Early Childhood, 4(2), 167-171. https://doi.org/10.2304/ciec.2003.4.2.6
Prieto Martín, J., & Ruiz Capellán, V. (2022). Transformando los desperdicios en arte participativo: Trash art + Patrimonio. ANIAV - Revista De Investigación En Artes Visuales, (10), 59–72. https://doi.org/10.4995/aniav.2022.17238
Rigo Vanrell, C. (2005). Sensibilización medioambiental a través de la educación artística: propuestas. Universidad Complutense de Madrid, Servicio de Publicaciones.
Rodríguez Aranda, S. E. (2010). Arte, dibujo y actualidad. I+Diseño. Revista Científico-Académica Internacional De Innovación, Investigación Y Desarrollo En Diseño, 3(3), 69–81.
Romero Rodríguez, J. (2002). Cambios de perspectiva: Educación artística, creatividad y arte infantil. Arte, Individuo y Sociedad, 1, 305-310
Torres Porras, J., Alcántara, J., Arrebola, J. C., Rubio, S. J., y Mora, M. (2017). Trabajando el acercamiento a la naturaleza de los niños y niñas en el Grado de Educación Infantil. Crucial en la sociedad actual. Revista Eureka Sobre Enseñanza y Divulgación de las Ciencias, 14(1), 258–270. https://revistas.uca.es/index.php/eureka/article/view/3014
Van de Wetering, J., Leijten, P., Spitzer, J., & Thomaes, S. (2022). Does environmental education benefit environmental outcomes in children and adolescents? A meta-analysis. Journal of Environmental Psychology, 81, 1–12. https://doi.org/10.1016/j.jenvp.2022.101782
Veselinovska, S. S., Petrovska, S., y Sivevska, D. (2025). Preschool education as a foundation for sustainable development and early environmental awareness in children. World Journal of Environmental Research, 15(1),72-83. https://doi.org/10.18844/wjer.v15i1.9730
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes (86). Harvard university press