La integración de la inteligencia artificial (IA) y el aprendizaje automático (AA) en la práctica de ciberseguridad ha aumentado la necesidad de un aprendizaje práctico y basado en datos en la educación en ciberseguridad. Este documento presenta un estudio de clasificación de URL de phishing orientado al aula utilizando el Conjunto de Datos de URL de Phishing UCI PhiUSIIL (2024), un referente público con 235,795 instancias y 54 características adecuadas para tareas de aprendizaje supervisado. Se evaluaron cuatro clasificadores de AA ampliamente utilizados: Bosque Aleatorio (BA), Máquina de Vectores de Soporte (MVS), Árbol de Decisión (AD) y Regresión Logística (RL), utilizando precisión, exactitud, recuperación, especificidad y puntuación F1. Los resultados muestran que BA logró el mejor rendimiento general con un 93.33% de precisión y un 93.75% de puntuación F1, mientras que MVS produjo la mayor precisión (93.85%). AD mostró una fuerte especificidad pero una menor recuperación, y RL tuvo el rendimiento general más débil. El estudio está diseñado para apoyar la educación en ciberseguridad utilizando modelos base interpretables, métricas de evaluación estándar y un conjunto de datos público reproducible. Proporciona un flujo de trabajo práctico para actividades de laboratorio y proyectos de curso, al tiempo que contribuye con una comparación empírica que complementa los marcos pedagógicos existentes en la educación en ciberseguridad habilitada por IA.