Propensión a la automatización del aprendizaje por el uso de inteligencia artificial generativa

Autores/as

  • Mauricio Dagoberto Deleon Villagrán Universidad Doctor Andrés Bello
  • Tania Griselda González Gómez Universidad Dr. Andrés Bello

DOI:

https://doi.org/10.32870/dse.v0i34.1739

Resumen

Esta investigación tiene como propósito explorar el estado actual del uso de plataformas de inteligencia artificial en el contexto universitario, como soporte y ayuda para el estudiantado en la elaboración de trabajos académicos, siendo una práctica que induce hacia la automatización del aprendizaje. El estudio se estructura a partir de una perspectiva cuantitativa, desde un enfoque exploratorio, de corte trasversal, y concilia características descriptivas y correlacionales; implementándose un cuestionario estandarizado ad hoc para una participación de 445 estudiantes, procedentes de una universidad privada de El Salvador, ejecutándose el relevamiento de datos en un periodo de tres meses entre 2023 y 2024. Los resultados demuestran una tendencia hacia el uso habitual y normalizado de herramientas de IAG por un poco más del 60% de los discentes, en diferentes niveles de recurrencia, estas herramientas proporcionan un sostén que facilita a los discentes el poder dar cumplimiento a actividades que forman parte del sistema de evaluaciones. En conclusión, la utilización de estos recursos recae en prácticas que rozan posibles riesgos éticos y pedagógicos, la normalización en la utilidad de estas plataformas la justifican por los beneficios y resultados positivos que los estudiantes obtienen en la inmediatez; esto evidencia que los procesos de enseñanza y evaluación necesitan ser adaptados a los avances de estas tecnologías.

Palabras clave: Inteligencia artificial, proceso de aprendizaje, evaluación del estudiante, rendimiento académico, educación superior.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Mauricio Dagoberto Deleon Villagrán, Universidad Doctor Andrés Bello

Maestro en Métodos y Técnicas de la Investigación Social. Líneas de investigación: Sociología de la Educación, Psicología Educativa, y Métodos de investigación. Investigador, Universidad Dr. Andrés Bello, El Salvador.

Tania Griselda González Gómez, Universidad Dr. Andrés Bello

Máster en Atención a la Violencia en la Familia. Líneas de investigación: Ciencias Sociales, Violencia Política y Genero. Investigadora, Universidad Dr. Andrés Bello, El Salvador.

Citas

Almogren, A.; W. Al-Rahmi; N. Dahri (2024). Exploring factors influencing the acceptance of ChatGPT in higher education: A smart education perspective. Heliyon, 10(11), e31887. https://doi.org/10.1016/j.heliyon.2024.e31887

Al-Zahrani, A. (2024). Unveiling the shadows: Beyond the hype of AI in education. Heliyon, 10(9), e30696. https://doi.org/10.1016/j.heliyon.2024.e30696

An, Q.; J. Yang; X. Xu; Y. Zhang; H. Zhang (2024). Decoding AI ethics from Users' lens in education: A systematic review. Heliyon, 10(20), e39357. https://doi.org/10.1016/j.heliyon.2024.e39357

Arévalo, J.; M. Quinde (2023). ChatGPT: La creación automática de contenidos con Inteligencia Artificial y su impacto en la comunicación académica y educativa. Revista Desiderata, (22),136-142. https://bit.ly/481FdCQ

Badii, M.; A. Guillen; O. Lugo; J. Aguilar (2014). Correlación No-Paramétrica y su aplicación en la investigaciones científica. Daena: International Journal of Good Conscience, 9(2), 31-40. https://bit.ly/4hG5T03

Bernal, C. (2012). Metodología de la investigación: administración, economía, humanidades y ciencias sociales (3ª. ed.). Colombia: Pearson Educación.

Briñis-Zambrano, A. (2024). Beneficios y limitaciones en docentes y estudiantes universitarios salvadoreños sobre el uso de IA en procesos de enseñanza-aprendizaje. European Public & Social Innovation Review, 9, 1-19. https://doi.org/10.31637/epsir-2024-368

Browne, M.; R. Cudeck (1993). Alternative ways of assessing model fit. En: Bollen, K.; J. Long, (eds.). Testing Structural Equation Models. USA: Sage, 136-162.

Boateng, G.; T. Neilands; T. Frongillo; H. Melgar-Quiñonez; S. Young (2018). Best Practices for Developing and Validating Scales for Health, Social, and Behavioral Research: A Primer. Front Public Health, 6, 149. https://doi.org/10.3389/fpubh.2018.00149

Buzzetto-Hollywood, N.; A. Alade (2018). An examination of Gen Z learners attending a minority university. Interdisciplinary Journal of e-Skills and Lifelong Learning, 14, 41-53. https://doi.org/10.28945/3969

Carrión, W.; V. Bravo; M. Yánez; C. Beltrán (2022). Aplicaciones de la Inteligencia Artificial en la Preservación de la Originalidad y la Integridad Académica en estudiantes Universitarios. Journal of Science and Research, 7(2), 179-200. https://bit.ly/3IqSvRN

Castillejos, B. (2022). Inteligencia artificial y los entornos personales de aprendizaje: atentos al uso adecuado de los recursos tecnológicos de los estudiantes universitarios. Educación, 31(60), 9-24. https://doi.org/10.18800/educacion.202201.001

Chao-Rebolledo, C.; M. Rivera-Navarro (2024). Usos y percepciones de herramientas de inteligencia artificial en la educación superior en México. Revista Iberoamericana De Educación, 95(1), 57-72. https://doi.org/10.35362/rie9516259

Deleon, M. (2025). Data Base. Student Use of Artificial Intelligence in Academic Work. Mendeley Data, V1. https://doi.org/10.17632/hhr76c6bds.1

Diego, F.; I. Morales; M. Vidal (2023). Chat GPT: origen, evolución, retos e impactos en la educación. Educación Médica Superior, 37(2). http://bit.ly/4hSVKxn

Dominguez-Lara, S. (2019). Correlación entre residuales en análisis factorial confirmatorio: una breve guía para su uso e interpretación. Interacciones - Revista de Avances en Psicología, 5(3), e207. https://doi.org/10.24016/2019.v5n3.207

Frías-Navarro, D. (2020). Apuntes de consistencia interna de las puntuaciones de un instrumento de medida. España: Universidad de Valencia. https://bit.ly/480u8TG

Galindo-Domínguez, H.; N. Delgado; L. Campo; M. Sainz (2024). Uso de ChatGpt en educación superior: un análisis en función del género, rendimiento académico, año y grado universitario del alumnado. REDU. Revista de Docencia Universitaria, 22(2), 16-30. https://doi.org/10.4995/redu.2024.21647

Gallent, C.; A. Zapata; J. Ortego (2023). El impacto de la inteligencia artificial generativa en educación superior: una mirada desde la ética y la integridad académica. RELIEVE - Revista Electrónica De Investigación Y Evaluación Educativa, 29(2). https://doi.org/10.30827/relieve.v29i2.29134

García, F.; F. Llorens-Largo; J. Vidal (2024). La nueva realidad de la educación ante los avances de la inteligencia artificial generativa. RIED-Revista Iberoamericana de Educación a Distancia, 27(1), 9-39. https://doi.org/10.5944/ried.27.1.37716

Gaskin, J.; J. Lim (2016). Model Fit Measures. AMOS Plugin. https://bit.ly/4fKApp7

Gil, R.; D. Gutiérrez-Ujaque; M. Teixidó (2024). De la ansiedad al empoderamiento: impacto del uso de la inteligencia artificial en la percepción de los estudiantes en educación superior. REDU. Revista de Docencia Universitaria, 22(2), 85-104. https://doi.org/10.4995/redu.2024.22009

González, L. (2020). Teoría de sesgos en el sistema educativo de la democracia del siglo XXI Nuevas garantías para la libertad de pensamiento, el “Derecho a no ser engañados”. Revista de Educación y Derecho, (22). https://doi.org/10.1344/REYD2020.22.32351

Guay, F.; C. Ratelle; A. Roy; D. Litalien (2010). Academic self-concept, autonomous academic motivation, and academic achievement: Mediating and additive effects. Learning and Individual Differences, 20(6), 644-653. https://doi.org/10.1016/j.lindif.2010.08.001

Guárdia, L.; Z. Bekerman; M. Zapata-Ros (2024). Presentación del número especial “IA generativa, ChatGPT y Educación. Consecuencias para el Aprendizaje Inteligente y la Evaluación Educativa”. Revista de Educación a Distancia (RED), 24(78). https://doi.org/10.6018/red.609801

Hernández, N.; M. Rodríguez-Conde (2024). Inteligencia artificial aplicada a la educación y la evaluación educativa en la Universidad: introducción de sistemas de tutorización inteligentes, sistemas de reconocimiento y otras tendencias futuras. Revista de Educación a Distancia (RED), 24(78). https://doi.org/10.6018/red.594651

Herrero, J. (2010). El Análisis Factorial Confirmatorio en el estudio de la Estructura y Estabilidad de los Instrumentos de Evaluación: Un ejemplo con el Cuestionario de Autoestima CA-14. Psychosocial Intervention, 19(3), 289-300. https://bit.ly/4hH29Ne

Ladrón-de-Guevara-Cortés, R.; A. Gómez; V. Peña; R. Madrid (2020). Influencia del nivel de avance educativo y el género en la toma de decisiones financieras: una aproximación desde la Prospect Theory. Revista Finanzas y Política Económica, 12(1), 19-54. https://doi.org/10.14718/revfinanzpolitecon.v12.n1.2020.3092

Lloret-Segura, S.; A. Ferreres-Traver; A. Hernández-Baeza; I. Tomás-Marco (2014). El análisis factorial exploratorio de los ítems: una guía práctica, revisada y actualizada. Anales de Psicología / Annals of Psychology, 30(3), 1151-1169. https://doi.org/10.6018/analesps.30.3.199361

López-Roldán, P.; S. Fachelli (2016). Metodología de la investigación social cuantitativa (1ª. ed., 3 ª. versión). España: Universitat Autónoma de Barcelona. https://bit.ly/3t6TpeQ

Naranjo-Pereira, M. (2009). Motivación: perspectivas teóricas y algunas consideraciones de su importancia en el ámbito educativo. Revista Educación, 33(2), 153-170. https://doi.org/10.15517/revedu.v33i2.510

Navarro-Dolmestch, R. (2023). Descripción de los riesgos y desafíos para la integridad académica de aplicaciones generativas de inteligencia artificial. Derecho PUCP, (91), 231-270. https://doi.org/10.18800/derechopucp.202302.007

Ortiz, M.; M. Fernández-Pera (2018). Modelo de Ecuaciones Estructurales: Una guía para ciencias médicas y ciencias de la salud. Terapia psicológica, 36(1), 51-57. https://dx.doi.org/10.4067/s0718-48082017000300047

Pagano, R. (1999). Estadística para las Ciencias del Comportamiento (5ª. ed.). International Thomson Editores.

Pitso, T. (2023). Telagogy: New theorisations about learning and teaching in higher education post-Covid-19 pandemic. Cogent Education, 10(2), 2258278. https://doi.org/10.1080/2331186X.2023.2258278

Rodríguez, A.; M. González (2025). Nueva realidad educativa virtual, una visión desde la perspectiva de los docentes del nivel superior. IE Revista De Investigación Educativa De La REDIECH, 16, e2290. https://doi.org/10.33010/ie_rie_rediech.v16i0.2290

Romo-Pérez, V.; J. García-Soidán; A. Selman; R. Leirós-Rodríguez (2023). ChatGPT ha llegado ¿Y ahora qué hacemos? La creatividad, nuestro último refugio. Revista de Investigación en Educación, 21(3), 320-334. https://doi.org/10.35869/reined.v21i3.4973

Roque-Hernández, R. (2020). Diseño de un instrumento para medir la aceptación y los beneficios percibidos de la programación por pares en los cursos universitarios. Acta Universitaria, 30, 1-12. https://doi.org/10.15174/au.2020.2877

Ruiz, M.; A. Pardo; R. San Martín (2010). Modelos de ecuaciones estructurales [Structural equation models]. Papeles del Psicólogo, 31(1), 34-45. https://bit.ly/3Yyo0xm

Sierra, R. (2001). Técnicas de investigación Social: Teoría y Ejercicios (14ª. ed.). España: Ediciones Paraninfo.

Tarrillo, O.; Mejía, J.; Dávila; W. Chilón; C. Pintado; C. Tapia; S. Velez (2024). Metodología de la investigación una mirada global: Ejemplos prácticos. CID - Centro de Investigación y Desarrollo. https://doi.org/10.37811/cli_w1078

Vaamonde, J.; A. Omar (2008). La deshonestidad académica como un constructo multidimensional. Revista Latinoamericana de Estudios Educativos (México), 38(3-4), 7-27. https://bit.ly/4kQV0LC

Villegas, M.; E. Rivas (2025). Evidences from the literature on the Motivations, Consequences, and Concerns Regarding the Use of Artificial Intelligence in Higher Education. Revista De Gestão Social E Ambiental, 19(3), e011575. https://doi.org/10.24857/rgsa.v19n3-097

Yan, Y.; B. Wu; J. Pi; X., Zhang (2025). Perceptions of AI in Higher Education: Insights from Students at a Top-Tier Chinese University. Education Sciences, 15(6), 735. https://doi.org/10.3390/educsci15060735

Zhai, X. (2022). ChatGPT User Experience: Implications for Education. SSRN, 4312418. http://dx.doi.org/10.2139/ssrn.4312418

Zapata-Ros, M. (2023, 29 de junio). Inteligencia artificial generativa y aprendizaje inteligente. RED. https://doi.org/10.58079/tdr9

Descargas

Publicado

2025-10-30