Herramientas de inteligencia artificial generativa en estudiantes de educación superior

Rubén Pizarro Gurrola; Ana Louisa Moorillón Soto; Araceli Soledad Domínguez Flores; Jeorgina Calzada Terrones; José Gabriel Rodríguez Rivas

doi:10.61273/neyart.v3i1.90

Autores/as

Rubén Pizarro Gurrola Tecnológico Nacional de México https://orcid.org/0009-0004-2618-0166
Ana Louisa Moorillón Soto Tecnológico Nacional de México https://orcid.org/0009-0009-5030-6124
Araceli Soledad Domínguez Flores Tecnológico Nacional de México https://orcid.org/0009-0009-9349-3249
Jeorgina Calzada Terrones Tecnológico Nacional de México https://orcid.org/0009-0002-1040-233X
José Gabriel Rodríguez Rivas Tecnológico Nacional de México https://orcid.org/0000-0002-7031-5097

DOI:

https://doi.org/10.61273/neyart.v3i1.90

Palabras clave:

Inteligencia artificial generativa, aprendizaje, uso, estudiantes de nivel superior

Resumen

Este artículo evalúa el tema del uso de herramientas de inteligencia artificial generativa (IAG) en alumnos de nivel superior en el Instituto Tecnológico de Durango. Se aplicó una encuesta en escala de Likert a una muestra de 452 estudiantes mediante un instrumento que tuvo una confiabilidad de Cronbach de 0.77, se aplicó un análisis factorial de componentes a través de pruebas de Kaiser-Meyer-Olkin y Bartlett que valoró la validez del instrumento. Se evaluaron tres dimensiones: impacto y beneficio de la IAG; familiaridad y percepción; consideraciones éticas, privacidad y aspectos futuros. Los resultados destacaron que los estudiantes sí encontraron utilidad e impacto positivo en su aprendizaje y una familiaridad moderada con las herramientas, aunque mostraron indiferencia hacia los aspectos éticos, privacidad y aspectos futuros con el uso de IAG. La prueba no paramétrica de Kruskal-Wallis reveló que no existen diferencias significativas entre las carreras profesionales que estudian respecto al uso de estas herramientas. Se recomienda replicar el estudio en otras instituciones para explorar patrones más amplios. Las conclusiones enfatizaron que, aunque la IAG mejora la productividad y el aprendizaje, es necesario fomentar el uso ético y supervisado de estas tecnologías en entornos educativos.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Rubén Pizarro Gurrola , Tecnológico Nacional de México

Licenciado en Informática en 1991 por el Instituto Tecnológico de Durango (ITD); Maestro a en Administración de Sistemas de Información (MAI) en 1995 por el Instituto Tecnológico y de Estudios Superiores de Monterrey (ITESM); docente desde 1996 en asignaturas nivel licenciatura en el ITD y maestría en Colegio Anglo Español e Instituto Mexicano en Formación ejecutiva (IMFE). Registro PRODEP y Líder de cuerpo académico de Ciencia de los datos e Inteligencia artificial.

Ana Louisa Moorillón Soto, Tecnológico Nacional de México

Ingeniera en Sistemas Computacionales por el Instituto Tecnológico de Durango; Maestra en Administración de Tecnologías y Sistemas de Información por el Instituto Universitario Anglo Español. Actualmente; Docente del Depto. de Sistemas y Computación del ITD desde hace 14 años; jefe(a) de la Oficina de Desarrollo Institucional desde hace 22 años en el Instituto Tecnológico de Durango; candidato a PRODEP e integrante del cuerpo académico de Ciencia de los Datos e Inteligencia Artificial.

Araceli Soledad Domínguez Flores, Tecnológico Nacional de México

Licenciada en Informática egresada del Instituto Tecnológico de Durango ITD en 1992; maestra en Ingeniería Administrativa egresada del Instituto Universitario Anglo Español en 2023; docente del Departamento de Sistemas y Computación del ITD desde 1997; candidato a PRODEP e integrante del cuerpo académico de Ciencia de los Datos e Inteligencia Artificial.

Jeorgina Calzada Terrones, Tecnológico Nacional de México

Licenciada en Informática del Instituto Tecnológico o de Durango 1989; Maestría en Educación Superior con Acentuación en Docencia de la Universidad Autónoma de Campeche 2010. Docente e investigador en TecNM desde 1990. Coordinador de Sistemas y Computación durante 10 años y jefe(a) del Depto. de la División de Estudios Profesionales del ITD de 2022 a la fecha; candidato a PRODEP e integrante del cuerpo académico de Ciencia de los Datos e Inteligencia Artificial.

José Gabriel Rodríguez Rivas, Tecnológico Nacional de México

Licenciado en informática del Instituto Tecnológico de Durango en 1996; Maestro en Tecnologías de la Información por UNID en 2012; Dr. En Sistemas Computacionales por la Universidad del Sur en 2022. Docente e Investigador del Departamento de Sistemas y Computación del Instituto Tecnológico de Durango desde 2009. Docente a nivel maestría en Instituto Mexicano de Formación Ejecutiva (IMFE); registro PRODEP, candidato SNI e integrante del cuerpo académico de Ciencia de los Datos e Inteligencia Artificial.

Citas

Alpizar Garrido, L. O., & Martínez Ruiz, H. (2024). Perspectiva de estudiantes de nivel medio superior respecto al uso de la inteligencia artificial generativa en su aprendizaje. Ride Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 14(28). doi:https://doi.org/10.23913/ride.v14i28.1830 DOI: https://doi.org/10.23913/ride.v14i28.1830

Anderson, D., Sweneey, D., & Williams, T. (2008). Estadística para administración y economía (10 ed.). D.F., México: Cengage Learning Editores S.A. de C.V.

Angles Canlla, O. L., & Angles Canlla, V. E. (2024). Desafíos y oportunidades del uso de la IA en la docencia universitaria desde una perspectiva ética. Revista Latinoamericana de Ciencias Sosciales y Humanidades LATAM, 377. DOI: https://doi.org/10.56712/latam.v5i5.2614

Bartlett, M. S. (1950). Tests of significance in factor analysis. British Journal of Psychology. American Psychological Association APS, 77-85. DOI: https://doi.org/10.1111/j.2044-8317.1950.tb00285.x

Corredera, J. R. (2023). Inteligencia Artificial Generativa. Anales de la Real Academia de Doctores de España. , Volumen 8, número 3 – 2023, páginas 475-489 .

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

García Sánchez, O. V. (Junio de 2023). Uso y Percepción de ChatGPT en la Educación Superior. (U. A. Sinaloa, Ed.) RITI Journal, 11(23). doi:https://doi.org/10.36825/RITI.11.23.009 DOI: https://doi.org/10.36825/RITI.11.23.009

Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, M. (2010). Metodología de la Investigación. McGrawn Hill.

Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, M. d. (2014). Metodología de la Investigación. México: McGraw Hill Education.

Hollander, M., Wolfe, D. A., & Chicken, E. (2013). Nonparametric Statistical Methods (3rd ed.). John Wiley & Sons.

Kaiser, H. F. (1974). An index of factorial simplicity. Psychometrika. APA PsycNet. American Psychological Association, 31-36. doi:https://doi.org/10.1007/BF02291575 DOI: https://doi.org/10.1007/BF02291575

Leslie, K. (1965). Survery Sample. John Wiley & Sons.

López Aguado, M., & Gutiérrez Provecho, L. (2019). Cómo realizar e interpretar un análisis factorial exploratorio utilizando SPSS. (U. d. ICE, Ed.) Revista d'Innovació i Recerca en Educació. ISSN: 2013-2255. Obtenido de file:///C:/Users/Admin/Downloads/27057-Text%20de%20l'article-61418-4-10-20190701.pdf

Martínez González, M. A. (Septiembre de 2023). Uso responsable de la inteligencia artificial en estudiantes universitarios: Una mirada recnoética. (C. d. Educativos, Ed.) Revista Boletín REDIPE, 12(9), 172-178. Recuperado el 15 de Abril de 2024 DOI: https://doi.org/10.36260/rbr.v12i9.2008

Menacho Ángeles, M. R., Pizarro Arancibia, L. M., Osorio Menacho, J. A., Osorio Menacho, J. A., & León Pizarro, B. L. (2024). Inteligencia artificial como herramienta en el aprendizaje autónomo de los estudiantes de educación superior. Revista INVECOM "Estudios trasdiciplinarios en comunicación y sociedad, 4(2). Recuperado el 5 de Abril de 2024, de www.revistainvecom.org

Niño Carrasco, S. A., Castellanos Ramírez, J. C., Perezchica Vega, J. E., & Sepúlveda Rodríguez, J. A. (15 de 01 de 2025). Percepciones de estudiantes universitarios sobre los usos de inteligencia artificial en educación. Revista Fuentes, 27(1), 94-106. Obtenido de https://doi.org/10.12795/revistafuentes.2025.26356

Párraga Rocero, W. J., Vargas Bálcazar, K. S., Rocero Benavides, M. M., Palacios Vaicilla, T. E., & Capelo Andrade, S. S. (2024). La inteligencia artificial ChatGPT y su influencia en los resultados de aprendizaje de los estudiantes de educación básica superior. Revista Latinoamericana de Ciencias Sociales y Humanidades LATAM, 2290. DOI: https://doi.org/10.56712/latam.v5i3.2195

Pérez, E., & Medrano, L. (2010). Análisis Factorial Exploratorio: Bases Conceptuales y Metodológicas. Revista Argentina de Ciencias del Comportamiento (RACC), 58-66.

Posit Cloud. (2024). Friction free data science. Obtenido de R Studio Cloud: https://posit.cloud/

Quijano García, J. E. (2024). Desarrollo de un modelo de evaluación para medir el impacto de las herramientas generativas de texto basadas en inteligencia artificial en la educación superior. Trabajo de grado presentado como requisito para optar al título de Magíster en Gerencia de Sistemas de Información y Proyectos Tecnológicos. Bogotá, Colombia: Universidad Ean.

Rojas Villafuerte, Á. V. (2024). Actitudes y uso de IAs generativas de texto entre estudiantes universitarios. Universidad Estatal del Sur de Manabí. Facultad de Ciencias de la Salud carrera de Enfermería. Jipijapa, Manabí, Ecuador.

Salguero Barba, N. G., & García Salguero, C. P. (2024). Gestión del conocimiento basada en la inteligencia artificial para la transformación de las instituciones educativas. Revista Latinoamericana de Ciencias Sociales y Humanidades LATAM, 1713. DOI: https://doi.org/10.56712/latam.v5i3.2156