Este estudio presenta un análisis bibliométrico integral de las publicaciones de investigación sobre aplicaciones de inteligencia artificial (IA) en la educación superior, con un enfoque particular en los estudios relacionados con el rendimiento estudiantil. Basándose en 1431 documentos recuperados de las Colecciones Principales de Web of Science (WoS), se utilizaron herramientas bibliométricas avanzadas, como VOSViewer (1.6.19) y Biblioshiny, para explorar tendencias de investigación, redes de citas, patrones de coautoría y coocurrencias de palabras clave. Los resultados revelaron un aumento en la investigación educativa relacionada con la IA durante la pandemia de COVID-19, reflejando el aumento en la dependencia de la IA para mejorar los resultados de aprendizaje en tiempos de interrupción educativa. Los hallazgos también indicaron que el enfoque de la investigación se está moviendo gradualmente hacia el uso de la IA para la evaluación educativa, enfatizando la importancia de una evaluación precisa y basada en datos del rendimiento estudiantil. La coocurrencia de palabras clave y los análisis de citas confirmaron que el aprendizaje automático, el aprendizaje profundo y el modelado predictivo se encuentran entre las técnicas de IA dominantes aplicadas para evaluar y predecir los resultados estudiantiles. Además, el estudio destaca el potencial de la IA para identificar brechas de aprendizaje y permitir intervenciones personalizadas, lo que permite a los educadores abordar las necesidades específicas de los estudiantes de manera más efectiva. Esta nueva tendencia sugiere un reconocimiento creciente del papel de la IA en la refinación de las metodologías educativas y en la mejora de las evaluaciones de rendimiento a nivel terciario.