Evaluación del Uso de Inteligencia Artificial Generativa en Estudiantes de Educación Media Superior: Diseño y Validación de un Instrumento
DOI:
https://doi.org/10.65011/prismaods.v5.i2.227Palabras clave:
inteligencia artificial generativa, educación media superior, validación de instrumento, competencias digitales, tecnología educativaResumen
El presente estudio tuvo como objetivo diseñar y validar un instrumento para evaluar el uso, la percepción y el impacto de la inteligencia artificial generativa en estudiantes de educación media superior, ante la falta de herramientas integrales en este nivel educativo. La investigación se realizó con una muestra censal de 357 estudiantes de bachillerato, con edades entre 14 y 19 años, pertenecientes a una institución de la Universidad Juárez del Estado de Durango. El proceso metodológico incluyó validación de contenido mediante el coeficiente V de Aiken, prueba piloto, análisis factorial exploratorio y confirmatorio, así como evaluación de la confiabilidad a través del alfa de Cronbach. Los resultados evidenciaron una estructura final de seis dimensiones y 26 ítems, con adecuados índices de ajuste (CFI = 0.91; TLI = 0.90; RMSEA = 0.055) y niveles de consistencia interna de aceptables a buenos (α = 0.69–0.82). Se concluye que el instrumento presenta validez y confiabilidad adecuadas, constituyéndose como una herramienta pertinente para el diagnóstico educativo, la toma de decisiones institucionales y futuras investigaciones sobre inteligencia artificial generativa en educación media superior.
Descargas
Referencias
Aiken, L. R. (1985). Three coefficients for analyzing the reliability and validity of ratings. Educational and Psychological Measurement, 45(1), 131–142. https://doi.org/10.1177/0013164485451012
Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? In Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (pp. 610–623). Association for Computing Machinery. https://doi.org/10.1145/3442188.3445922
Bommasani, R., Hudson, D. A., Adeli, E., et al. (2021). On the opportunities and risks of foundation models. arXiv preprint. https://doi.org/10.48550/arXiv.2108.07258
Chen, L., Chen, P., & Lin, Z. (2020). Artificial intelligence in education: A review. IEEE Access, 8, 75264–75278. https://doi.org/10.1109/ACCESS.2020.2988510
Cotton, D. R. E., Cotton, P. A., & Shipway, J. R. (2023). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations in Education and Teaching International. https://doi.org/10.1080/14703297.2023.2190148
Dwivedi, Y. K., Kshetri, N., Hughes, L., Slade, E. L., Jeyaraj, A., Kar, A. K., Baabdullah, A. M., Koohang, A., Raghavan, V., Ahuja, M., et al. (2023). “So what if ChatGPT wrote it?” Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI. International Journal of Information Management, 71, 102642. https://doi.org/10.1016/j.ijinfomgt.2023.102642
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage.
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign.
Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., ... & Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Nature Machine Intelligence, 5(4), 375–384. https://doi.org/10.1038/s42256-023-00645-1
Kline, R. B. (2016). Principles and practice of structural equation modeling (4th ed.). The Guilford Press.
Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems. https://doi.org/10.1145/3313831.3376727
Redecker, C. (2017). European framework for the digital competence of educators: DigCompEdu. Publications Office of the European Union.
Rudolph, J., Tan, S., & Tan, S. (2023). ChatGPT: Bullshit spewer or the end of traditional assessments in higher education? Journal of Applied Learning & Teaching, 6(1). https://doi.org/10.37074/jalt.2023.6.1.9
Selwyn, N. (2022). The future of AI and education: Some cautionary notes. European Journal of Education, 57(4), 620–631. https://doi.org/10.1111/ejed.12532
UNESCO. (2023). Guidance for generative AI in education and research. UNESCO.
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education. International Journal of Educational Technology in Higher Education, 16(1), 1–27. https://doi.org/10.1186/s41239-019-0171-0
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Isidro Amaro Rodríguez, Selene Soria Pérez, Aurora Gurrola Rodríguez, Luis Alejandro Torres Monreal (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Todo el contenido de Prisma ODS se publica bajo la Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0).
Los autores conservan los derechos de autor y otorgan a la revista el derecho de primera publicación.
Se permite la libre copia, distribución, adaptación y reutilización del contenido para cualquier fin legal,
siempre que se otorgue la atribución adecuada a los autores y a la fuente original.
Más información en: https://creativecommons.org/licenses/by/4.0/
