Prisma ODS Revista Científica Multidisciplinar
Volumen 5, Número 3 - Año 2026
Página | 1
PORTADA
(Elaborada por la revista)
Prisma ODS Revista Científica Multidisciplinar
Volumen 5, Número 3 - Año 2026
Página | 586
Frecuencia de Uso como Factor Asociado a la Percepción
Académica de la Inteligencia Artificial Generativa en Estudiantes
Universitarios de Administración
Frequency of Use as a Factor Associated with Academic Perceptions of
Generative Artificial Intelligence among Undergraduate Business
Administration Students
Irma Elizabeth Bautista Valencia
bbautista@upmh.edu.mx
https://orcid.org/0009-0008-1175-5026
Universidad Politécnica Metropolitana de Hidalgo
Hidalgo – México
Gabriela Lazcano Cortés
glazcano@upmh.edu.mx
https://orcid.org/0009-0007-5772-6311
Universidad Politécnica Metropolitana de Hidalgo
Hidalgo – México
Artículo recibido: 29/06/2026
Aceptado para publicación: 31/07/2026
Conflictos de Intereses: Ninguno que declarar
Prisma ODS Revista Científica Multidisciplinar
Volumen 5, Número 3 - Año 2026
Página | 587
RESUMEN
Aunque la inteligencia artificial generativa se utiliza cada vez con mayor frecuencia en
la educación superior, aún existe evidencia limitada sobre los factores asociados con la
percepción académica de esta tecnología cuando variables sociodemográficas, académicas y
de uso se analizan de manera conjunta. El objetivo de este estudio fue analizar la asociación
entre la frecuencia de uso de la inteligencia artificial generativa y la percepción académica en
estudiantes universitarios de administración, considerando variables sociodemográficas y
académicas. Se realizó un estudio con enfoque cuantitativo, diseño no experimental, corte
transversal y alcance analítico, utilizando 237 casos válidos de estudiantes universitarios de
administración. La información se recopiló mediante un cuestionario estructurado con
evidencias de validez y confiabilidad. El análisis estadístico incluyó estadística descriptiva,
pruebas de normalidad, correlaciones de Spearman, pruebas U de Mann–Whitney y H de
Kruskal–Wallis, así como un modelo de regresión lineal múltiple. Los resultados mostraron
que la frecuencia de uso presentó una asociación positiva y significativa con la percepción
académica (ρ = .346, p < .001) y constituyó el único predictor significativo en el modelo de
regresión (β = .340, p < .001), mientras que el sexo, la edad y el cuatrimestre no mostraron
asociaciones significativas al analizarlos conjuntamente. Se concluye que la frecuencia de uso
constituye un factor asociado con la percepción académica de la inteligencia artificial
generativa, lo que aporta evidencia para comprender su adopción en la educación superior y
orientar estrategias institucionales para su integración responsable en los procesos de
enseñanza y aprendizaje.
Palabras clave: inteligencia artificial generativa, percepción académica, frecuencia de
uso, educación superior, estudiantes de administración
Prisma ODS Revista Científica Multidisciplinar
Volumen 5, Número 3 - Año 2026
Página | 588
ABSTRACT
Although generative artificial intelligence is increasingly used in higher education,
limited evidence exists regarding the factors associated with students' academic perceptions of
this technology when sociodemographic, academic, and usage-related variables are examined
simultaneously. The aim of this study was to analyze the association between the frequency of
generative artificial intelligence use and academic perception among undergraduate business
administration students, considering sociodemographic and academic variables. A quantitative,
non-experimental, cross-sectional study with an analytical scope was conducted using 237
valid cases from undergraduate business administration students. Data were collected through
a structured questionnaire with evidence of validity and reliability. Statistical analyses included
descriptive statistics, normality tests, Spearman's rank correlation, the Mann–Whitney U test,
the Kruskal–Wallis H test, and multiple linear regression analysis. The results showed that
frequency of use was positively and significantly associated with academic perception (ρ =
.346, p < .001) and was the only significant predictor in the regression model (β = .340, p <
.001), whereas sex, age, and academic semester were not significantly associated when
analyzed jointly. The findings indicate that frequency of use constitutes a factor associated with
academic perceptions of generative artificial intelligence, providing empirical evidence to
better understand its adoption in higher education and to support institutional strategies for its
responsible integration into teaching and learning processes.
Keywords: generative artificial intelligence, academic perception, frequency of use,
higher education, business administration students
Prisma ODS Revista Científica Multidisciplinar
Volumen 5, Número 3 - Año 2026
Página | 589
INTRODUCCIÓN
La inteligencia artificial generativa (IAG) se ha consolidado como una de las innovaciones
tecnológicas con mayor impacto en la educación superior durante los últimos años. Su
capacidad para generar textos, imágenes, código, audio y otros contenidos mediante modelos
avanzados de aprendizaje automático ha transformado la manera en que estudiantes y docentes
buscan información, producen conocimiento y desarrollan actividades académicas.
Este escenario ha impulsado nuevas oportunidades para fortalecer los procesos de enseñanza y
aprendizaje, favorecer la personalización educativa y promover el desarrollo de competencias
digitales; sin embargo, también ha originado desafíos relacionados con la integridad
académica, la evaluación del aprendizaje, el pensamiento crítico y el uso ético de estas
tecnologías (Kasneci et al., 2023; Dwivedi et al., 2023; Rasul et al., 2024; UNESCO, 2023).
A diferencia de investigaciones iniciales centradas en herramientas específicas, la literatura
reciente ha comenzado a abordar la inteligencia artificial generativa como un ecosistema
tecnológico integrado por diversas aplicaciones con funcionalidades complementarias. Este
cambio de perspectiva reconoce que el fenómeno educativo ya no puede analizarse únicamente
desde una plataforma determinada, sino desde el conjunto de herramientas generativas
disponibles para apoyar actividades de búsqueda de información, redacción, programación,
análisis de datos, creación de contenidos y resolución de problemas académicos.
En consecuencia, el interés científico ha evolucionado desde el estudio de aplicaciones
individuales hacia el análisis de la adopción, aceptación y utilización de la inteligencia artificial
generativa como una tecnología emergente dentro de los procesos educativos (Chan & Hu,
2023; Almassaad et al., 2024; Johnston et al., 2024; Kim et al., 2025; Sousa & Cardoso, 2025).
Por lo anterior, la percepción académica constituye un elemento fundamental para comprender
la incorporación de la inteligencia artificial generativa en la educación superior. La evidencia
disponible muestra que el estudiantado reconoce beneficios relacionados con la comprensión
de contenidos, la generación de ideas, la retroalimentación inmediata, la mejora de la
productividad y el apoyo al aprendizaje autónomo. No obstante, también se identifican
preocupaciones sobre la dependencia tecnológica, la disminución del esfuerzo cognitivo, la
confiabilidad de la información generada y las implicaciones éticas derivadas de su utilización
en actividades (Arowosegbe et al., 2024; Barus et al., 2025; Cotton et al., 2024; Gallent-Torres
et al., 2023).
Prisma ODS Revista Científica Multidisciplinar
Volumen 5, Número 3 - Año 2026
Página | 590
Estos hallazgos sugieren que las percepciones estudiantiles no son homogéneas y pueden variar
en función de las experiencias de uso, del contexto educativo y de las características de los
usuarios.
En México, el interés por comprender la incorporación de la inteligencia artificial en las
instituciones de educación superior también ha aumentado de manera significativa. El estudio
de Cimenna Chao-Rebolledo y Miguel Ángel Rivera-Navarro (2024) identificó diferencias
entre docentes y estudiantes respecto al conocimiento, la frecuencia de uso y las expectativas
sobre estas herramientas, observando una mayor utilización por parte del estudiantado y
diferencias significativas en las percepciones acerca de su impacto en el aprendizaje.
Los autores destacan que la formación institucional y el desarrollo de competencias digitales
serán determinantes para promover una integración responsable de la inteligencia artificial en
la educación superior. De manera complementaria, investigaciones recientes realizadas en
instituciones mexicanas muestran que las percepciones de estudiantes y docentes tienden a ser
favorables respecto al potencial educativo de la inteligencia artificial generativa, aunque
persisten necesidades de capacitación y lineamientos éticos para orientar su utilización en los
procesos de enseñanza y aprendizaje.
Aunque la literatura ha documentado ampliamente las ventajas, desafíos y percepciones
asociadas con la inteligencia artificial generativa, la evidencia sobre los factores que explican
dichas percepciones continúa siendo limitada. La mayoría de los estudios disponibles se ha
concentrado en describir niveles de uso, actitudes o expectativas mediante análisis descriptivos,
mientras que son menos frecuentes las investigaciones que examinan simultáneamente
variables sociodemográficas, académicas y de uso mediante procedimientos inferenciales que
permitan identificar cuáles variables mantienen una asociación significativa con la percepción
académica (Chan & Hu, 2023; Chao-Rebolledo & Rivera-Navarro, 2024; Almassaad et al.,
2024).
En particular, la frecuencia de uso representa una variable de especial interés, ya que un mayor
contacto con estas herramientas podría favorecer experiencias de aprendizaje distintas y
modificar la valoración que el estudiantado realiza sobre su utilidad académica; sin embargo,
esta relación aún requiere mayor evidencia empírica.
En este sentido, el presente estudio busca contribuir al conocimiento sobre la adopción de la
inteligencia artificial generativa en la educación superior mediante el análisis de la asociación
entre la frecuencia de uso y la percepción académica en estudiantes universitarios de
Prisma ODS Revista Científica Multidisciplinar
Volumen 5, Número 3 - Año 2026
Página | 591
administración. A diferencia de investigaciones centradas únicamente en describir patrones de
utilización o percepciones generales, este trabajo incorpora pruebas no paramétricas, análisis
correlacional y un modelo de regresión lineal múltiple para evaluar el comportamiento
conjunto de variables sociodemográficas, académicas y de uso.
Con ello se pretende responder a la siguiente pregunta de investigación: ¿la frecuencia de uso
de la inteligencia artificial generativa se asocia con la percepción académica en estudiantes
universitarios de administración? En correspondencia con esta pregunta, el objetivo fue
analizar la asociación entre la frecuencia de uso de la inteligencia artificial generativa y la
percepción académica, considerando variables sociodemográficas y académicas. Se planteó
como hipótesis que la frecuencia de uso de la inteligencia artificial generativa se asocia
significativamente con la percepción académica de los estudiantes universitarios de
administración.
METODOLOGÍA
El presente estudio se desarrolló con el propósito de analizar la asociación entre la frecuencia
de uso de la inteligencia artificial generativa y la percepción académica en estudiantes
universitarios de administración. Para ello, se adoptó un enfoque metodológico cuantitativo
sustentado en el análisis estadístico de datos obtenidos mediante un cuestionario estructurado,
considerando variables sociodemográficas, académicas y de uso de la inteligencia artificial
generativa.
Participantes
El estudio se realizó con estudiantes de los programas educativos de Licenciatura en
Administración y Gestión Empresarial y Licenciatura en Administración de una institución
pública de educación superior ubicada en el estado de Hidalgo, México. La muestra estuvo
conformada inicialmente por 238 estudiantes; sin embargo, para los análisis inferenciales se
consideraron 237 casos válidos, debido a la exclusión de un registro con información
incompleta en una de las variables incluidas en el modelo de regresión.
Los participantes presentaron edades comprendidas entre 17 y 29 años, agrupadas en tres
categorías: 17–20 años, 21–24 años y 25–29 años. Respecto al sexo, el 64.3 % correspondió a
mujeres y el 34.9 % a hombres; el porcentaje restante correspondió a estudiantes que reportaron
otra identidad o prefirieron no responder. Asimismo, participaron estudiantes de primer (1),
Prisma ODS Revista Científica Multidisciplinar
Volumen 5, Número 3 - Año 2026
Página | 592
tercer, sexto y noveno cuatrimestre, permitiendo incluir diferentes momentos de la trayectoria
académica.
Los criterios de inclusión fueron: a) estar inscrito en alguno de los programas educativos
durante el periodo de aplicación del instrumento; b) aceptar participar voluntariamente en el
estudio; y c) responder completamente el cuestionario. Se excluyeron los registros con
información incompleta en las variables requeridas para los análisis multivariados.
Procedimiento de muestreo
Se utilizó un muestreo no probabilístico por conveniencia, seleccionando estudiantes
disponibles durante el periodo de aplicación del cuestionario. La población objetivo estuvo
conformada por estudiantes universitarios inscritos en los programas de Licenciatura en
Administración y Gestión Empresarial y Licenciatura en Administración.
La recolección de la información se efectuó durante el periodo septiembre–diciembre de 2025,
mediante la aplicación presencial de un cuestionario estructurado en horario de clases. Antes
de responder el instrumento, los participantes recibieron información sobre los objetivos del
estudio, el carácter voluntario de su participación y el tratamiento confidencial de los datos.
Dado que el estudio empleó un muestreo no probabilístico, los resultados describen el
comportamiento de la población analizada y deben interpretarse con cautela al extrapolarse a
otras instituciones de educación superior.
Técnicas de recolección de datos
La información se obtuvo mediante un cuestionario estructurado diseñado para evaluar el uso
y la percepción de la inteligencia artificial generativa en estudiantes universitarios. El
instrumento estuvo integrado por una sección de datos sociodemográficos y un conjunto de
reactivos tipo Likert de cinco puntos, con opciones de respuesta desde 1 (Totalmente en
desacuerdo) hasta 5 (Totalmente de acuerdo).
Aunque el instrumento original contempló diversas dimensiones relacionadas con el uso de la
inteligencia artificial generativa, el presente estudio se centró exclusivamente en las variables
necesarias para responder al objetivo de investigación. En consecuencia, se analizaron las
variables sociodemográficas (sexo, edad y cuatrimestre), la frecuencia de uso de la inteligencia
artificial generativa y la variable Percepción Académica (PA_Total). La operacionalización de
las variables incluidas en el modelo de investigación se presenta en la Tabla 1.
Prisma ODS Revista Científica Multidisciplinar
Volumen 5, Número 3 - Año 2026
Página | 593
Tabla 1. Operacionalización de las variables incluidas en el modelo de investigación.
VARIABLE
TIPO
ESCALA
DE
MEDICIÓN
INDICADOR
CODIFI
CACIÓN
DESCRIPCIÓN
Sexo
Independiente
Nominal
dicotómica
Sexo del
participante
1 =
Hombre;
2 =
Mujer*
Sexo reportado
por el
participante.
Edad
Independiente
Ordinal
Grupo de
edad
1 = 17–
20 años;
2 = 21–
24 años;
3 = 25–
29 años
Edad agrupada
en rangos para
el análisis.
Cuatrimestre
Independiente
Ordinal
Nivel
académico
1=
Primer;
3 =
Tercer;
6 =
Sexto;
9 =
Noveno
Cuatrimestre
cursado al
momento de la
aplicación.
Frecuencia
de uso de IA
generativa
(DS6)
Independiente
Ordinal
Frecuencia de
utilización
1 =
Nunca;
2 = Rara
vez;
3 =
Ocasiona
lmente;
4 =
Frecuent
emente;
5 = Muy
frecuente
mente**
Nivel de uso de
herramientas de
inteligencia
artificial
generativa.
Percepción
académica
(PA_Total)
Dependiente
Escala
Promedio de
los reactivos
PA
Promedi
o de los
ítems
PA1.1–
PA1.4
Evalúa la
percepción del
apoyo de la
inteligencia
artificial
generativa en
actividades de
aprendizaje
universitario.
Fuente: Elaboración propia.
Prisma ODS Revista Científica Multidisciplinar
Volumen 5, Número 3 - Año 2026
Página | 594
Nota: La variable Percepción académica (PA_Total) corresponde al promedio de los reactivos
relacionados con la dimensión académica del instrumento. Para el presente estudio únicamente
se analizaron las variables pertinentes al objetivo de investigación.
Posteriormente, se evaluó la calidad psicométrica del instrumento. La consistencia interna del
instrumento fue adecuada (α = 0.707). Asimismo, la validez de constructo se verificó mediante
análisis factorial exploratorio, obteniéndose un índice Kaiser-Meyer-Olkin (KMO) = 0.767 y
una prueba de esfericidad de Bartlett estadísticamente significativa (χ² = 573.954; gl = 21; p <
.001), resultados que respaldan la adecuación del instrumento para los análisis realizados.
Diseño de la investigación
La investigación se desarrolló bajo un enfoque cuantitativo, con un diseño no experimental,
transversal y de alcance analítico-correlacional, ya que tuvo como propósito analizar la
asociación entre la frecuencia de uso de la inteligencia artificial generativa y la percepción
académica sin manipular las variables de estudio.
El procesamiento y análisis estadístico se realizó mediante IBM SPSS Statistics versión 27.
Inicialmente se calcularon estadísticos descriptivos para caracterizar la muestra.
Posteriormente, la distribución de los datos se evaluó mediante las pruebas de Kolmogorov-
Smirnov y Shapiro-Wilk, identificándose incumplimiento del supuesto de normalidad; por ello,
se recurrió al empleo de procedimientos estadísticos no paramétricos.
Las diferencias en la percepción académica según el sexo se analizaron mediante la prueba U
de Mann-Whitney, mientras que las diferencias entre cuatrimestres se evaluaron mediante la
prueba H de Kruskal-Wallis. La asociación entre la frecuencia de uso de la inteligencia artificial
generativa y la percepción académica se examinó mediante el coeficiente de correlación de
Spearman.
Finalmente, se estimó un modelo de regresión lineal múltiple, incorporando como variables
independientes el sexo, la edad, el cuatrimestre y la frecuencia de uso de la inteligencia artificial
generativa, con el propósito de identificar la contribución independiente de cada una sobre la
percepción académica. La significancia estadística se estableció en un nivel de α = 0.05.
Consideraciones éticas
La investigación respetó los principios éticos aplicables a estudios con participantes humanos.
La participación fue voluntaria y anónima, previa explicación de los objetivos del estudio y del
uso exclusivamente académico de la información recopilada. Antes de responder el
Prisma ODS Revista Científica Multidisciplinar
Volumen 5, Número 3 - Año 2026
Página | 595
cuestionario, los participantes otorgaron su consentimiento informado y fueron informados de
que podían retirarse del estudio en cualquier momento sin repercusión alguna.
Los datos fueron tratados de manera confidencial y analizados de forma agregada, garantizando
la protección de la identidad de los participantes y el cumplimiento de los principios de
privacidad y confidencialidad en investigación educativa.
RESULTADOS
Los resultados se presentan de acuerdo con la secuencia del análisis estadístico realizado para
responder al objetivo de investigación. Inicialmente se describen las características de la
muestra y se verifica el cumplimiento de los supuestos estadísticos para la selección de las
pruebas inferenciales. Posteriormente, se presentan los análisis comparativos según las
variables sociodemográficas, la asociación entre la frecuencia de uso de la inteligencia artificial
generativa y la percepción académica, así como el modelo de regresión lineal múltiple utilizado
para identificar los factores asociados con dicha percepción.
La muestra estuvo integrada por 238 estudiantes universitarios, de los cuales 237 casos válidos
se incluyeron en los análisis inferenciales. Predominaron las mujeres (64.3 %), los estudiantes
de 17 a 20 años (61.8 %) y quienes cursaban el primer cuatrimestre (37.8 %). Respecto a la
frecuencia de uso, el 38.7 % indicó utilizar herramientas de inteligencia artificial generativa
frecuentemente y el 27.3 % ocasionalmente (ver Tabla 2).
Tabla 2. Características sociodemográficas de la muestra (n = 238).
VARIABLE
N
%
Sexo
153
64.3
83
34.9
1
0.4
1
0.4
Edad
147
61.8
81
34.0
10
4.2
Cuatrimestre
90
37.8
49
20.6
60
25.2
39
16.4
Frecuencia de uso
48
20.2
15
6.3
65
27.3
92
38.7
18
7.6
Fuente: Elaboración propia.
Prisma ODS Revista Científica Multidisciplinar
Volumen 5, Número 3 - Año 2026
Página | 596
La prueba U de Mann-Whitney no mostró diferencias estadísticamente significativas entre
mujeres y hombres en ninguna de las dimensiones evaluadas (p > .05). Aunque los hombres
presentaron rangos promedio ligeramente superiores, dichas diferencias no fueron
significativas, lo que indica que la percepción académica de la inteligencia artificial generativa
fue comparable entre ambos grupos (ver Tabla 3).
Tabla 3. Comparación de la percepción académica según el sexo (Prueba U de Mann-Whitney)
VARIABLE
MUJERES (N =
153) RANGO
PROMEDIO
HOMBRES (N =
83) RANGO
PROMEDIO
U
Z
P
Percepción
académica
116.38
122.41
6025.00
-0.649
.516
Percepción
negativa
115.97
123.17
5962.00
-0.782
.434
Percepción
positiva
117.78
119.83
6239.00
-0.222
.824
Vínculo con IA
117.97
119.48
6268.00
-0.164
.870
Fuente: Elaboración propia.
Nota: U = estadístico de Mann-Whitney. Valores de p inferiores a .05 indican diferencias
estadísticamente significativas.
La prueba H de Kruskal-Wallis mostró diferencias significativas únicamente en la percepción
académica según el cuatrimestre (H = 11.066, p = .011). Los estudiantes de noveno
cuatrimestre obtuvieron el rango promedio más alto, mientras que las dimensiones de
percepción negativa, percepción positiva y vínculo con la inteligencia artificial generativa no
presentaron diferencias estadísticamente significativas (p > .05) (ver Tabla 4).
Tabla 4. Comparación de la percepción académica según el cuatrimestre (Prueba H de Kruskal-
Wallis).
VARIABLE
1°
3°
6°
9°
H
GL
P
Percepción académica
106.07
126.88
114.98
148.19
11.066
3
.011
Percepción negativa
112.13
120.76
120.53
133.35
2.694
3
.441
Percepción positiva
111.20
121.90
129.11
120.86
2.593
3
.459
Vínculo con IA
127.58
130.89
106.73
106.21
6.196
3
.102
Fuente: Elaboración propia.
Prisma ODS Revista Científica Multidisciplinar
Volumen 5, Número 3 - Año 2026
Página | 597
Nota: H = estadístico de Kruskal-Wallis. Los valores de p inferiores a .05 indican diferencias
estadísticamente significativas.
Las correlaciones de Spearman evidenciaron una asociación positiva y significativa entre la
frecuencia de uso y la percepción académica (ρ = .346, p < .001). Asimismo, la frecuencia de
uso mostró una asociación moderada con la percepción positiva (ρ = .416, p < .001) y una
asociación débil con la percepción negativa (ρ = .210, p = .001), mientras que no se observaron
asociaciones significativas con la dimensión vínculo con la inteligencia artificial generativa (ρ
= .106, p = .102), ver Tabla 5.
Tabla 5. Correlaciones de Spearman entre las variables del estudio.
VARIABLES
Ρ
P
Frecuencia de uso – Percepción académica
.346
< .001
Frecuencia de uso – Percepción negativa
.210
.001
Frecuencia de uso – Percepción positiva
.416
< .001
Frecuencia de uso – Vínculo con IA
.106
.102
Percepción académica – Percepción negativa
.186
.004
Percepción académica – Percepción positiva
.372
< .001
Percepción académica – Vínculo con IA
.107
.101
Percepción negativa – Percepción positiva
.427
< .001
Percepción negativa – Vínculo con IA
.400
< .001
Percepción positiva – Vínculo con IA
.390
< .001
Fuente: Elaboración propia.
Nota: ρ = coeficiente Rho de Spearman. Valores de p inferiores a .05 indican asociaciones
estadísticamente significativas.
Con el propósito de identificar los factores asociados con la percepción académica de la
inteligencia artificial generativa, se estimó un modelo de regresión lineal múltiple,
incorporando como variables independientes el sexo, la edad, el cuatrimestre y la frecuencia
de uso de herramientas de inteligencia artificial generativa. Antes de interpretar el modelo, se
verificó la ausencia de problemas de colinealidad entre las variables predictoras.
Como se muestra en la Tabla 6, el modelo presentó un coeficiente de correlación múltiple de
R = .370, explicando el 13.7 % de la variabilidad observada en la percepción académica (R² =
Prisma ODS Revista Científica Multidisciplinar
Volumen 5, Número 3 - Año 2026
Página | 598
.137; R² ajustada = .122). El error estándar de la estimación fue de 0.423, lo que indica un
ajuste adecuado considerando la naturaleza social del fenómeno estudiado.
Tabla 6. Resumen del modelo de regresión lineal múltiple.
MODELO
R
R²
R² AJUSTADA
ERROR ESTÁNDAR
1
.370
.137
.122
.423
Fuente: Elaboración propia.
Nota: Variable dependiente: Percepción académica (PA_Total).
Con el fin de determinar la significancia global del modelo, se realizó el análisis de varianza
(ANOVA). Los resultados presentados en la Tabla 7 muestran que el modelo fue
estadísticamente significativo (F = 9.211; p < .001), indicando que el conjunto de variables
independientes explica una proporción significativa de la variabilidad observada en la
percepción académica.
Tabla 7. ANOVA del modelo de regresión.
FUENTE
SC
GL
MC
F
P
Regresión
6.579
4
1.645
9.211
< .001
Residuo
41.429
232
.179
Total
48.009
236
Fuente: Elaboración propia.
Nota: Variable dependiente: Percepción académica (PA_Total).
Posteriormente, se analizaron los coeficientes individuales del modelo. Como se observa en la
Tabla 8, la frecuencia de uso de la inteligencia artificial generativa fue la única variable que
presentó una asociación positiva y estadísticamente significativa con la percepción académica
(β = .340; t = 5.353; p < .001). Este resultado indica que, manteniendo constantes las demás
variables del modelo, un incremento en la frecuencia de utilización de herramientas de
inteligencia artificial generativa se asocia con un aumento en la percepción académica de los
estudiantes.
En contraste, las variables sexo (β = -.007; p = .913), edad (β = -.023; p = .747) y cuatrimestre
(β = .092; p = .205) no mostraron asociaciones estadísticamente significativas. Estos hallazgos
sugieren que, una vez controlado el efecto conjunto de las variables incluidas en el modelo, las
diferencias observadas en los análisis bivariados dejan de ser relevantes, permaneciendo
únicamente la frecuencia de uso como variable explicativa de la percepción académica.
Prisma ODS Revista Científica Multidisciplinar
Volumen 5, Número 3 - Año 2026
Página | 599
Tabla 8. Coeficientes del modelo de regresión lineal múltiple.
VARIABLE
B
Β
T
P
VIF
Constante
2.987
—
25.816
< .001
—
Sexo
-.006
-.007
-.109
.913
1.020
Edad
-.017
-.023
-.323
.747
1.345
Cuatrimestre
.012
.092
1.272
.205
1.416
Frecuencia de uso
.122
.340
5.353
< .001
1.083
Fuente: Elaboración propia.
Nota: Variable dependiente: Percepción académica (PA_Total).
Con el propósito de verificar la estabilidad del modelo, se evaluó la posible presencia de
multicolinealidad entre las variables predictoras. La Tabla 9 muestra que los valores del factor
de inflación de la varianza (VIF) oscilaron entre 1.020 y 1.416, mientras que los valores de
tolerancia fueron superiores a 0.70 en todos los casos. Asimismo, el mayor índice de condición
fue de 10.411, valor considerablemente inferior al umbral comúnmente aceptado para
identificar problemas de colinealidad. En conjunto, estos indicadores confirman que las
variables independientes no presentaron problemas de redundancia y que las estimaciones
obtenidas por el modelo pueden considerarse estables.
Tabla 9. Diagnóstico de colinealidad del modelo.
VARIABLE
TOLERANCIA
VIF
Sexo
.981
1.020
Edad
.743
1.345
Cuatrimestre
.706
1.416
Frecuencia de uso
.923
1.083
Fuente: Elaboración propia.
Nota: Todos los valores de VIF fueron inferiores a 5, indicando ausencia de problemas de
multicolinealidad.
DISCUSIÓN
Los resultados obtenidos permiten afirmar que la frecuencia de uso de la inteligencia artificial
generativa constituye el principal factor asociado con la percepción académica en estudiantes
universitarios de administración. Entre las variables analizadas, únicamente la frecuencia de
uso mantuvo una asociación estadísticamente significativa dentro del modelo de regresión
lineal múltiple, mientras que el sexo, la edad y el cuatrimestre dejaron de ser significativos al
controlar conjuntamente sus efectos. Asimismo, no se identificaron diferencias por sexo y las
diferencias observadas inicialmente entre cuatrimestres desaparecieron en el análisis
Prisma ODS Revista Científica Multidisciplinar
Volumen 5, Número 3 - Año 2026
Página | 600
multivariado, lo que evidencia que la experiencia de uso posee una mayor capacidad
explicativa que las características sociodemográficas y académicas consideradas en este
estudio.
El principal hallazgo de esta investigación confirma que la frecuencia con la que los estudiantes
interactúan con herramientas de inteligencia artificial generativa desempeña un papel más
relevante que sus características demográficas para explicar la percepción académica sobre
estas tecnologías. Este resultado coincide con lo señalado por Chan y Hu (2023), quienes
argumentan que la utilidad percibida de la inteligencia artificial generativa aumenta conforme
los estudiantes desarrollan mayor familiaridad con estas herramientas durante sus actividades
académicas. De manera similar, Kasneci et al. (2023) sostienen que el verdadero potencial
educativo de la inteligencia artificial generativa no depende únicamente de su disponibilidad,
sino de la capacidad del estudiante para incorporarla de forma crítica y estratégica en los
procesos de aprendizaje. En este mismo sentido, Almassaad et al. (2024) identificaron que la
intensidad de uso constituye uno de los principales factores asociados con la aceptación y la
percepción de utilidad de estas tecnologías en educación superior. En conjunto, estos
antecedentes respaldan la idea de que la experiencia acumulada de uso favorece una valoración
más positiva del apoyo que la inteligencia artificial generativa puede ofrecer en tareas
académicas como la comprensión de contenidos, la generación de ideas y la resolución de
problemas.
Estos resultados también son consistentes con las recomendaciones de la UNESCO (2023), las
cuales enfatizan que el aprovechamiento educativo de la inteligencia artificial generativa
requiere fortalecer competencias digitales, pensamiento crítico y criterios éticos para su
utilización responsable. Desde esta perspectiva, el incremento en la frecuencia de uso podría
interpretarse como un proceso de apropiación tecnológica en el que los estudiantes desarrollan
mayor confianza y conocimiento sobre las posibilidades y limitaciones de estas herramientas.
En consecuencia, los hallazgos sugieren que las instituciones de educación superior deberían
promover experiencias de uso guiadas e integradas al currículo, en lugar de limitarse a facilitar
el acceso a estas tecnologías.
Otro resultado relevante fue la ausencia de diferencias estadísticamente significativas entre
mujeres y hombres respecto a la percepción académica de la inteligencia artificial generativa.
Este comportamiento coincide con estudios recientes que muestran una reducción progresiva
de las diferencias de género conforme las herramientas de inteligencia artificial se incorporan
Prisma ODS Revista Científica Multidisciplinar
Volumen 5, Número 3 - Año 2026
Página | 601
de manera más amplia en los entornos universitarios (Chao-Rebolledo & Rivera-Navarro,
2024). Aunque investigaciones previas han reportado diferencias en la adopción tecnológica
asociadas al género, la evidencia obtenida en este estudio sugiere que, en estudiantes
universitarios de administración, la percepción académica parece estar determinada
principalmente por la experiencia de uso y no por el sexo de los participantes.
Un hallazgo particularmente relevante fue que las diferencias observadas inicialmente entre
cuatrimestres dejaron de ser significativas al incorporar simultáneamente la frecuencia de uso,
el sexo y la edad en el modelo de regresión. Este resultado constituye una aportación importante
del estudio, ya que evidencia que el avance académico, por sí mismo, no explica las diferencias
en la percepción académica cuando se controla estadísticamente la experiencia de uso. En otras
palabras, el mayor nivel de percepción observado en estudiantes de cuatrimestres avanzados
parece relacionarse con una mayor interacción con herramientas de inteligencia artificial
generativa y no necesariamente con el nivel de formación alcanzado. Este hallazgo pone de
manifiesto la importancia de emplear modelos multivariados en estudios sobre adopción
tecnológica, ya que los análisis bivariados pueden identificar diferencias aparentes que
desaparecen al considerar simultáneamente otras variables explicativas.
Desde una perspectiva institucional, los resultados obtenidos aportan evidencia para orientar
estrategias de integración de la inteligencia artificial generativa en la educación superior. Más
que centrar los esfuerzos exclusivamente en ampliar el acceso a estas herramientas, las
universidades deberían promover su utilización mediante actividades académicas planificadas,
capacitación docente y el desarrollo de competencias para su uso crítico y responsable.
Este planteamiento coincide con estudios recientes que subrayan la necesidad de establecer
marcos institucionales claros, criterios de gobernanza y políticas de integridad académica para
regular la incorporación de la inteligencia artificial generativa en los procesos educativos
(Barus et al., 2025; Rasul et al., 2024; UNESCO, 2023). En este contexto, la frecuencia de uso
deja de ser únicamente un indicador de utilización tecnológica para convertirse en un elemento
asociado con la construcción de percepciones académicas favorables que pueden facilitar la
incorporación efectiva de la inteligencia artificial generativa en los procesos de enseñanza y
aprendizaje.
Finalmente, es importante reconocer algunas limitaciones del estudio. El empleo de un
muestreo no probabilístico por conveniencia limita la generalización de los resultados a otras
poblaciones universitarias, mientras que el diseño transversal impide establecer relaciones
Prisma ODS Revista Científica Multidisciplinar
Volumen 5, Número 3 - Año 2026
Página | 602
causales entre las variables analizadas. Además, aunque el modelo de regresión fue
estadísticamente significativo, explicó una proporción moderada de la variabilidad de la
percepción académica, lo que sugiere la existencia de otros factores relevantes, como las
competencias digitales, la experiencia previa con tecnologías educativas, las estrategias
docentes o el contexto institucional.
En consecuencia, futuras investigaciones podrían incorporar modelos explicativos más
amplios, diseños longitudinales y comparaciones entre diferentes áreas disciplinares para
profundizar en los factores que favorecen la adopción académica de la inteligencia artificial
generativa.
En el contexto mexicano, los resultados de esta investigación son consistentes con los
reportados por Culebro Castillo et al. (2025), quienes identificaron una elevada adopción de la
inteligencia artificial generativa entre estudiantes universitarios y una percepción favorable de
su utilidad en los procesos de aprendizaje; no obstante, también señalaron la necesidad de
fortalecer el pensamiento crítico, la integridad académica y las competencias digitales para
favorecer un uso responsable de estas tecnologías.
En este sentido, la presente investigación amplía la evidencia disponible al demostrar que, más
allá del acceso o del uso general de la inteligencia artificial generativa, la frecuencia de uso
constituye el principal factor asociado con la percepción académica, incluso por encima de
variables sociodemográficas y académicas como el sexo, la edad y el cuatrimestre. Este
hallazgo aporta evidencia empírica desde el contexto mexicano y sugiere que las instituciones
de educación superior deberían promover estrategias curriculares y programas de formación
docente que favorezcan un uso pedagógico, crítico y ético de la inteligencia artificial
generativa, orientado al fortalecimiento del aprendizaje y al desarrollo de competencias
profesionales.
CONCLUSIÓN
La presente investigación permitió identificar que la frecuencia de uso de la inteligencia
artificial generativa constituye el principal factor asociado con la percepción académica en
estudiantes universitarios de administración. A partir de un análisis que integró pruebas no
paramétricas, análisis de correlación y un modelo de regresión lineal múltiple, se encontró que,
entre las variables analizadas, únicamente la frecuencia de uso mantuvo una asociación
estadísticamente significativa con la percepción académica. En contraste, variables como el
Prisma ODS Revista Científica Multidisciplinar
Volumen 5, Número 3 - Año 2026
Página | 603
sexo, la edad y el cuatrimestre no mostraron efectos significativos una vez analizadas de
manera conjunta dentro del modelo explicativo.
Un hallazgo particularmente relevante fue que las diferencias observadas inicialmente entre los
cuatrimestres dejaron de ser significativas al controlar simultáneamente las variables
sociodemográficas, académicas y de uso. Este resultado evidencia la importancia de emplear
modelos multivariados para comprender los factores asociados con la percepción académica,
ya que las diferencias identificadas mediante análisis bivariados pueden modificarse cuando se
consideran conjuntamente otras variables explicativas. En este sentido, la investigación aporta
evidencia de que la frecuencia de uso representa un factor con mayor capacidad explicativa
que las características demográficas y el nivel de avance académico considerados en este
estudio.
Desde una perspectiva práctica, los resultados sugieren que las instituciones de educación
superior no deberían centrar sus esfuerzos únicamente en facilitar el acceso a herramientas de
inteligencia artificial generativa, sino en promover estrategias que favorezcan su utilización
frecuente con propósitos académicos, acompañadas por acciones de formación docente y
desarrollo de competencias digitales que orienten un uso crítico, ético y responsable de estas
tecnologías.
Finalmente, este estudio aporta evidencia empírica desde el contexto mexicano sobre los
factores asociados con la percepción académica de la inteligencia artificial generativa en
estudiantes universitarios de administración. En un escenario donde estas tecnologías
continúan incorporándose a los procesos de enseñanza y aprendizaje, los resultados muestran
que la frecuencia de uso constituye el factor con mayor capacidad explicativa entre las variables
analizadas, aportando elementos para orientar futuras investigaciones y apoyar la toma de
decisiones institucionales dirigidas a fortalecer una integración pedagógica fundamentada en
evidencia científica.
REFERENCIAS
Almasaad, A., Alsaad, A., Alhadid, I., & Alkhwaldeh, A. (2024). University students'
acceptance of generative artificial intelligence in higher education: Extending the
UTAUT2 model. Education and Information Technologies. Advance online
publication. https://doi.org/10.1007/s10639-024-13101-0
Prisma ODS Revista Científica Multidisciplinar
Volumen 5, Número 3 - Año 2026
Página | 604
Arowosegbe, A. E., Oyelere, S. S., Suhonen, J., & Agbo, F. J. (2024). Artificial intelligence in
higher education: A bibliometric analysis and research agenda. Education and
Information Technologies. https://doi.org/10.1007/s10639-024-12804-8
Chan, C. K. Y., & Hu, W. (2023). Students' voices on generative AI: Perceptions, benefits, and
challenges in higher education. Education and Information Technologies.
https://doi.org/10.1007/s10639-023-12125-0
Chao-Rebolledo, C., & Rivera-Navarro, M. Á. (2024). Inteligencia artificial generativa en
educación superior: desafíos, oportunidades y competencias digitales. Revista
Educación, 48(1). https://doi.org/10.15517/revedu.v48i1.57637
Cotton, D. R. E., Cotton, P. A., & Shipway, J. R. (2024). Chatting and cheating: Ensuring
academic integrity in the era of ChatGPT. Innovations in Education and Teaching
International, 61(2), 228–239. https://doi.org/10.1080/14703297.2023.2190148
Culebro Castillo, K., Garizurieta Bernabe, J., & Gazca Herrera, L. A. (2025). Estudio sobre la
percepción del uso de la inteligencia artificial generativa en los procesos de aprendizaje
en estudiantes de educación superior. RIDE. Revista Iberoamericana para la
Investigación y el Desarrollo Educativo, 16(31), e2661.
https://doi.org/10.23913/ride.v16i31.2661
Dwivedi, Y. K., Kshetri, N., Hughes, L., Slade, E. L., Jeyaraj, A., Kar, A. K., Baabdullah, A.
M., Koohang, A., Raghavan, V., Ahuja, M., Albanna, H., Albashrawi, M., Al-Busaidi,
K. A., Balakrishnan, J., Barlette, Y., Basu, S., Bose, I., Brooks, L., Buhalis, D., ...
Wright, R. (2023). 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, J. L. (2023). Generative
artificial intelligence in higher education: Perception and acceptance among university
students. Education Sciences, 13(11), 1128. https://doi.org/10.3390/educsci13111128
Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U.,
Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T.,
Nerdel, C., Pfeiffer, F., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., ... Kasneci, G.
(2023). ChatGPT for good? On opportunities and challenges of large language models
Prisma ODS Revista Científica Multidisciplinar
Volumen 5, Número 3 - Año 2026
Página | 605
for education. Learning and Individual Differences, 103, 102274.
https://doi.org/10.1016/j.lindif.2023.102274
Kim, J., Lee, H., & Cho, Y. (2025). Exploring university students' acceptance of generative
artificial intelligence for learning: Evidence from higher education. Education and
Information Technologies. Advance online publication.
UNESCO. (2023). Guidance for generative AI in education and research. UNESCO.
https://unesdoc.unesco.org/ark:/48223/pf0000386693
© Los autores. Este artículo se publica en Prisma ODS bajo la Licencia Creative Commons Atribución 4.0
Internacional (CC BY 4.0). Esto permite el uso, distribución y reproducción en cualquier medio, incluidos fines
comerciales, siempre que se otorgue la atribución adecuada a los autores y a la fuente original.
: https://doi.org/10.65011/prismaods.v5.i3.310
Cómo citar este artículo (APA 7ª edición):
Bautista Valencia, I. E. ., & Lazcano Cortés, G. . (2026). Frecuencia de Uso como Factor
Asociado a la Percepción Académica de la Inteligencia Artificial Generativa en Estudiantes
Universitarios de Administración. Prisma ODS: Revista Multidisciplinaria Sobre Desarrollo
Sostenible, 5(3), 586-605. https://doi.org/10.65011/prismaods.v5.i3.310