El uso de la inteligencia artificial en estudiantes universitarios del sur de Sonora: un análisis comparativo entre instituciones de educación superior.
Resumen
La inteligencia artificial está transformando los procesos educativos y las prácticas académicas en la educación superior, lo que hace necesario analizar la percepción que tienen los estudiantes sobre su uso. Este estudio analiza las actitudes de estudiantes universitarios hacia la inteligencia artificial en el ámbito educativo. La investigación fue cuantitativa, no experimental y de corte transversal con estudiantes de tres universidades del estado de Sonora. Para la recolección de datos se aplicó una escala de actitudes hacia la inteligencia artificial mediante un cuestionario estructurado. Los resultados muestran una tendencia general de aceptación hacia el uso de estas tecnologías en actividades académicas, aunque persisten preocupaciones relacionadas con su impacto ético y académico.
Citas
Alfalah, A. A. (2023). Factors influencing students' adoption of AI-based educational tools: An empirical study. Frontiers in Psychology, 14, 1152220. https://doi.org/10.3389/fpsyg.2023.1152220
Ali, I., Warraich, N., & Butt, K. (2024). Acceptance and use of artificial intelligence and AI-based applications in education: A meta-analysis and future direction. Information Development, 41, 859–874. https://doi.org/10.1177/02666669241257206
Baidoo-Anu, D., & Ansah, L. O. (2023). Education in the era of generative artificial intelligence (AI): Understanding the potential benefits of ChatGPT in promoting teaching and learning. Journal of AI, 7(1), 52–62. http://dx.doi.org/10.2139/ssrn.4337484
Bond, M., Khosravi, H., De Laat, M., Bergdahl, N., Negrea, V., & Swinnerton, B. (2024). Editorial: Artificial intelligence in education. Frontiers in Psychology, 15, 1373510. https://doi.org/10.3389/fpsyg.2024.1373510
Chan, C. K. Y., & Hu, W. (2023). Students’ voices on generative AI: perceptions, benefits, and challenges in higher education. International Journal of Educational Technology in Higher Education, 20(1), 43. https://doi.org/10.1186/s41239-023-00411-8
Chen, X., Xie, H., Zou, D., & Hwang, G. J. (2024). Students’ perceptions and acceptance of artificial intelligence in education: A systematic review. Computers & Education, 198, 104776. https://doi.org/10.1016/j.compedu.2023.104776
Chiu, T. K. F. (2025). The impact of Generative AI (GenAI) on practices, policies and research in education. Computers and Education: Artificial Intelligence, 8, 100346. https://doi.org/10.1016/j.caeai.2025.100346
Coluci, M. Z. O., Alexandre, N. M. C., & Milani, D. (2015). Construção de instrumentos de medida na área da saúde. Ciência & Saúde Coletiva, 20(3), 925–936. https://doi.org/10.1590/1413-81232015203.14332014
Dwivedi, Y. K., et al. (2023). Opinion paper: "So what if ChatGPT wrote it?" Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management, 71, 102642. https://doi.org/10.1016/j.ijinfomgt.2023.102642
Gallent-Torres, C., Zapata-González, A., & Ortego-Hernando, M. T. (2023). La inteligencia artificial generativa y su impacto en la integridad académica. Revista de Educación a Distancia, 23(73). https://doi.org/10.6018/red.566161
Gálvez-Marquina, M. C., Pinto-Villar, Y. M., et al. (2024). Adaptación y validación de un instrumento para medir las actitudes de los universitarios hacia la inteligencia artificial. Revista de Comunicación, 23(2), 125–142. https://doi.org/10.26441/RC23.2-2024-3493
García-Peñalvo, F. J. (2023). La revolución de la inteligencia artificial generativa en la educación. RIED-Revista Iberoamericana de Educación a Distancia, 26(2), 9–25. https://doi.org/10.5944/ried.26.2.37682
Granić, A., & Marangunic, N. (2019). Technology acceptance model in educational context: A systematic literature review. British Journal of Educational Technology, 50(5), 2572–2593. https://doi.org/10.1111/bjet.12864
Hasiloglu, S. B., & Hasiloglu-Ciftciler, M. (2023). What should be the measure of conformity to normal distribution (normality) test in Likert type digital and face-to-face survey data? Journal of Internet Applications and Management, 14(2), 55–82. https://doi.org/10.34231/iuyd.1346463
Hayes, A. F., & Coutts, J. J. (2020). Use of Cronbach’s alpha in the social sciences. Communication Methods and Measures, 14(1), 1–24. https://doi.org/10.1080/19312458.2020.1718335
Herrera, P., Huepe, M., & Trucco, D. (2025). Educación y desarrollo de competencias digitales en América Latina y el Caribe (LC/TS.2025/3). Comisión Económica para América Latina y el Caribe (CEPAL). https://www.cepal.org/es/publicaciones/81377-educacion-desarrollo-competencias-digitales-america-latina-caribe
Holmes, W., Bialik, M., & Fadel, C. (2022). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.
Kılıç, S. (2016). Cronbach's alpha reliability coefficient. Journal of Mood Disorders, 6(1), 47–48. https://doi.org/10.5455/jmood.20160307122823
Luckin, R., & Holmes, W. (2021). Intelligence unleashed: An argument for AI in education. Pearson Education.
Miao, F., Holmes, W., Huang, R., & Ronghuai, H. (2021). IA y educación: guía para las personas a cargo de formular políticas. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000376709
Pedró, F., Subosa, M., Rivas, A., & Valverde, P. (2019). Artificial intelligence in education: Challenges and opportunities for sustainable development. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000366994
Scherer, R., & Siddiq, F. (2019). The relation between students’ socioeconomic status and ICT literacy: Findings from a meta-analysis. Computers & Education, 138, 13–32. https://doi.org/10.1016/j.compedu.2019.04.011
Selwyn, N. (2022). Education and technology: Key issues and debates (3rd ed.). Bloomsbury Academic.
Tavakol, M., & Dennick, R. (2011). Making sense of Cronbach's alpha. International Journal of Medical Education, 2, 53–55. https://doi.org/10.5116/ijme.4dfb.8dfd
