213
Ibero Research Revista Científica Multidisciplinaria
marzo – abril, 2026, Volumen 1, Número 4
Uso de herramientas de inteligencia artificial generativa y su relación con la
percepción del aprendizaje en estudiantes de bachillerato
Use of generative artificial intelligence tools and their relationship with the perception
of learning in high school students
Uso de ferramentas de inteligência artificial generativa e sua relação com a percepção
da aprendizagem em estudantes do ensino médio
Carlos Patricio Torres Samaniego
carlos.torress@apc.edu.ec
https://orcid.org/0009-0000-8636-6625
Colegio de Bachillerato Particular Dr. Antonio Peña Celi
Biólogo; Máster en Dirección de Empresas y Gestión de Proyectos
Ecuador
Pedagogía y educación
Wilson Stalin Guamán Rivera
wilson.guaman.r@apc.edu.ec
https://orcid.org/0009-0006-2456-7660
Colegio de Bachillerato Particular Dr. Antonio Peña Celi
Abogado
Ecuador
Pedagogía y educación
Lauro Ismael Iñiguez Naranjo
lauro.iniguezn@apc.edu.ec
https://orcid.org/0009-0005-8291-5072
Colegio de Bachillerato Particular Dr. Antonio Peña Celi
Licenciado en Ciencias de la Comunicación Social; Maestría en Pedagogía de la Lengua y Literatura; Maestría en Escritura Narrativa
y Creativa
Ecuador
Pedagogía y educación
Forma de citación en APA, séptima edición.
Torres Samaniego, C. P., Guamán Rivera, W. S., & Iñiguez Naranjo, L. I. (2026). Uso de herramientas de
inteligencia artificial generativa y su relación con la percepción del aprendizaje en estudiantes de
bachillerato. Revista Ibero Research, 1(4), 213 – 228.
Fecha de presentación: 28/04/2026 Fecha de aceptación: 30/04/2026 Fecha de publicación: 30/04/2026
214
Ibero Research Revista Científica Multidisciplinaria
marzo – abril, 2026, Volumen 1, Número 4
Resumen
La irrupción reciente de la inteligencia artificial generativa ha modificado rutinas
escolares y ha planteado nuevas preguntas sobre cómo aprenden hoy los adolescentes.
Partiendo de esa realidad, el presente trabajo buscó describir el modo en que jóvenes de
bachillerato emplean este tipo de herramientas y qué vínculo guarda dicho uso con la
valoración que ellos mismos hacen de sus propios procesos de aprendizaje. Bajo esta
orientación, se optó por una mirada cuantitativa de carácter descriptivo, con alcance
exploratorio y sin manipulación de variables, recogiendo la información en un único
momento. Participaron 60 alumnos elegidos por accesibilidad, sin pretensión de
representatividad estadística. Como instrumento se aplicó un cuestionario con ítems
organizados en una escala ordinal de cinco grados, sometido previamente al juicio de
expertos para confirmar su pertinencia y claridad. Las respuestas se tabularon en SPSS,
donde se obtuvieron distribuciones de frecuencia y porcentajes, agrupando
posteriormente los puntajes en rangos uniformes que permitieron clasificar los niveles
observados. Lo recogido evidencia un recurso habitual a estas tecnologías y una mirada
favorable de los estudiantes hacia los aprendizajes que construyen al apoyarse en ellas,
aunque el provecho práctico se sitúa en una franja media. En conjunto, la información
sugiere que sumar inteligencia artificial generativa al trabajo escolar contribuye a que los
jóvenes perciban avances en su aprendizaje; sin embargo, ese efecto está condicionado
por la forma en que el docente acompaña, orienta y articula su empleo dentro de la
propuesta pedagógica.
Palabras clave: inteligencia artificial generativa; bachillerato; percepción del
aprendizaje; estudio descriptivo; integración pedagógica.
215
Ibero Research Revista Científica Multidisciplinaria
marzo – abril, 2026, Volumen 1, Número 4
Abstract
The rapid spread of generative artificial intelligence has begun to alter daily school
routines and has opened new questions about the ways adolescents learn today. Against
that backdrop, this research aimed to describe how upper secondary students draw on
such tools and how that practice connects with the value they themselves place on their
own learning. Following this purpose, a descriptive quantitative perspective was adopted,
exploratory in scope, with no manipulation of variables and a single point of
measurement. Sixty students took part, recruited on the basis of accessibility rather than
statistical representativeness. A questionnaire built around items rated on a five‑level
ordinal scale served as the data‑gathering instrument; it was first submitted to expert
judgement to confirm its relevance and clarity. Responses were entered into SPSS, where
frequency distributions and percentages were obtained, and scores were later grouped into
evenly spaced bands that made it possible to classify the levels observed. Findings reveal
that students turn to these technologies on a regular basis and hold a favourable view of
the learning they build when supported by them, even though practical benefit clusters in
a mid‑range zone. Considered as a whole, the evidence suggests that bringing generative
artificial intelligence into school work helps young people sense progress in their
learning; that effect, however, is conditioned by how the teacher guides, accompanies and
weaves its use into the pedagogical design.
Keywords: generative artificial intelligence, learning, secondary education, student
perception, educational technology.
216
Ibero Research Revista Científica Multidisciplinaria
marzo – abril, 2026, Volumen 1, Número 4
Resumo
A chegada acelerada da inteligência artificial generativa vem modificando rotinas
escolares e levantando novas indagações sobre como os adolescentes aprendem na
atualidade. Diante desse cenário, a presente pesquisa procurou descrever a forma como
jovens do ensino médio recorrem a essas ferramentas e que relação esse uso guarda com
o valor que eles próprios atribuem aos seus processos de aprendizagem. Com base nesse
propósito, optou‑se por um olhar quantitativo de natureza descritiva, de alcance
exploratório, sem manipulação de variáveis e com coleta em um único momento.
Tomaram parte do estudo 60 estudantes, escolhidos por critério de acessibilidade e não
por representatividade estatística. Como instrumento, recorreu‑se a um questionário cujos
itens foram dispostos em uma escala ordinal de cinco graus, previamente apreciado por
especialistas para confirmar a sua pertinência e clareza. As respostas foram tabuladas no
SPSS, gerando distribuições de frequência e percentuais; em seguida, os escores foram
organizados em faixas de amplitude uniforme, o que permitiu classificar os níveis
observados. Os achados revelam que os estudantes recorrem com regularidade a essas
tecnologias e mantêm uma visão favorável da aprendizagem que constroem quando nelas
se apoiam, ainda que o aproveitamento prático se concentre em uma faixa intermediária.
No conjunto, as evidências sugerem que incorporar inteligência artificial generativa ao
trabalho escolar contribui para que os jovens percebam avanços na sua aprendizagem; tal
efeito, contudo, está condicionado ao modo como o docente acompanha, orienta e articula
o seu emprego no desenho pedagógico.
Palavras-chave: inteligência artificial generativa, aprendizagem, ensino médio,
percepção estudantil, tecnologia educacional.
217
Ibero Research Revista Científica Multidisciplinaria
marzo – abril, 2026, Volumen 1, Número 4
Introducción
Durante los últimos diez años, la vida escolar ha cambiado de cara con la llegada masiva
de recursos digitales, y dentro de esa ola la inteligencia artificial generativa (IAG) ocupa
hoy un lugar protagónico entre las novedades tecnológicas del siglo XXI. Producir textos,
imágenes o respuestas automatizadas en cuestión de segundos ha trastocado las maneras
tradicionales de enseñar y de aprender en distintos tramos del sistema formativo. Por eso
mismo, mirar de cerca qué sucede con esta tecnología en la educación secundaria se
vuelve una tarea investigativa que difícilmente puede postergarse.
Pensemos, por ejemplo, en programas como ChatGPT o Gemini, junto a otras plataformas
de la misma familia, los cuales han ganado terreno paulatinamente dentro de las rutinas
académicas de los jóvenes de bachillerato. A través de ellas, los alumnos reciben
comentarios casi inmediatos sobre lo que escriben, elaboran productos de naturaleza muy
diversa y encuentran un soporte ágil cuando deben enfrentar tareas o problemas escolares.
Llevar estos recursos al aula, entonces, abre un abanico de consecuencias pedagógicas,
cognitivas y sociales que merecen un examen detenido.
Si se mira la producción académica reciente, varios estudios han comenzado a indagar la
conexión entre el empleo de IAG y diferentes señales de aprendizaje. Entre 2023 y 2025
aparecieron, por ejemplo, primeras señales de relación entre la actitud frente a la
tecnología y los resultados académicos (Yilmaz y Yilmaz, 2023; Su y Yang, 2023).
Aportes de esa línea refuerzan la idea de continuar indagando cómo el contacto con tales
herramientas incide en la experiencia formativa de los adolescentes. A la par,
investigaciones realizadas en América Latina dan cuenta de prácticas que recién
comienzan a documentarse en aulas de secundaria y de educación superior (Guerrero,
218
Ibero Research Revista Científica Multidisciplinaria
marzo – abril, 2026, Volumen 1, Número 4
2025; Rojas‑Paucar et al., 2025), trabajos que ayudan a leer el fenómeno desde realidades
distintas.
Junto con esto, la bibliografía resalta ventajas vinculadas a una enseñanza más ajustada a
cada estudiante y a un mayor protagonismo del propio alumno en su proceso (Cardoso
García et al., 2025; Vargas Bernuy, 2025). Otros autores, en cambio, llaman la atención
sobre peligros como la dependencia hacia la máquina y los conflictos éticos que afloran
dentro del entorno escolar (Jeong, 2024; Chan y Hu, 2025). Esa doble cara muestra que
sumar IAG a la enseñanza nunca es un movimiento aséptico, pues depende del contexto
y del andamiaje pedagógico que la acompañe.
Con todo, y aun cuando el campo crece a buen ritmo, todavía hay poca evidencia empírica
enfocada en estudiantes de bachillerato dentro de escenarios latinoamericanos. Resultan
escasas, en particular, las investigaciones que ponen en diálogo el uso de IAG con la
valoración personal que los jóvenes hacen de su propio aprendizaje. A esto se suma que
los datos disponibles sobre efectos en habilidades cognitivas siguen siendo limitados
(Trust et al., 2024). Tal vacío deja servida la mesa para estudios correlacionales anclados
en realidades cercanas.
De ahí surge la pregunta que guía este trabajo: ¿de qué manera se relaciona el uso de
herramientas de inteligencia artificial generativa con la percepción del aprendizaje en
estudiantes de bachillerato? El planteamiento se inscribe dentro de la línea de
investigación dedicada a la adopción tecnológica en educación y a la mirada del
estudiante, área que abarca el examen de variables actitudinales y cognitivas relacionadas
con la entrada de medios digitales al aula (Ghimire et al., 2024).
Estudiar este asunto se justifica por motivos académicos y, también, sociales. Desde lo
teórico, ayuda a entender mejor cómo las tecnologías más recientes se anudan con los
caminos por los cuales los adolescentes arman y aprecian sus propios aprendizajes. Desde
219
Ibero Research Revista Científica Multidisciplinaria
marzo – abril, 2026, Volumen 1, Número 4
lo práctico, ofrece insumos concretos para que las escuelas puedan tomar decisiones con
mayor respaldo a la hora de incorporar IAG en la enseñanza secundaria.
El objetivo general del estudio consiste en determinar la relación entre el uso de
herramientas de inteligencia artificial generativa y la percepción del aprendizaje en
estudiantes de bachillerato. A partir de ese propósito, se formula la hipótesis de que existe
una correlación positiva, y estadísticamente significativa, entre la frecuencia con la que
se utiliza la IAG y la apreciación que los estudiantes hacen del aprendizaje que perciben
haber alcanzado. La intención de fondo es entregar evidencia empírica que sirva de apoyo
a decisiones pedagógicas mejor sustentadas.
Metodología
El presente trabajo se ubicó dentro de una mirada cuantitativa, de carácter descriptivo y
con un alcance básicamente exploratorio. La inquietud que orientó todo el proceso fue
revisar de qué modo se vinculan, en jóvenes de bachillerato, el manejo de herramientas
de inteligencia artificial generativa (IAG) y la lectura que ellos mismos hacen de su
aprendizaje. Esa orientación permitió acercarse, con cierta objetividad, tanto a la
frecuencia y a las maneras de emplear dichas herramientas como a su conexión con
aspectos perceptivos ligados al aprender.
Respecto al diseño, se optó por un estudio no experimental de corte transversal. Las
variables no fueron intervenidas ni alteradas: simplemente se observaron tal como
aparecían en el escenario real, y los datos se levantaron en un único momento del
calendario académico 2025–2026. Esta clase de diseño resulta una elección habitual
cuando lo que se busca es comprender cómo va calando una tecnología en ambientes
educativos auténticos, según muestran reportes recientes en el área (Nie et al., 2024 A).
220
Ibero Research Revista Científica Multidisciplinaria
marzo – abril, 2026, Volumen 1, Número 4
Tomaron parte del estudio 60 estudiantes de bachillerato pertenecientes al Colegio
Particular Dr. Antonio Peña Celi, ubicado en la ciudad de Loja, Ecuador. Para definir
quiénes participarían se recurrió a un muestreo no probabilístico por conveniencia,
atendiendo a la facilidad de acceso al grupo y al hecho de que los jóvenes ya hubieran
tenido contacto previo con dichos recursos en tareas escolares. Este modo de seleccionar
participantes se asemeja al adoptado por trabajos latinoamericanos publicados en años
recientes en escenarios educativos (Guerrero, 2025; Collaguazo et al., 2025).
Dos fueron las variables puestas bajo la lupa. Primero, el aprovechamiento que los
jóvenes daban a estos recursos generativos, indicador que se concretó observando con
qué frecuencia los empleaban y hasta qué punto los incorporaban dentro de sus
actividades académicas. La segunda, la percepción del aprendizaje, se desplegó en dos
dimensiones: por un lado, el apoyo funcional académico y, por otro, la valoración del
logro y del aprendizaje alcanzado.
Como instrumento de recolección, se elaboró un cuestionario estructurado compuesto por
15 ítems, organizados bajo una escala ordinal de tipo Likert con cinco grados de
respuesta. Antes de aplicarlo, el material pasó por una validación de contenido a cargo de
docentes vinculados con el ámbito de las Tecnologías de la Información (TIC) dentro de
la propia institución, profesionales con trayectoria en el aprovechamiento pedagógico de
medios digitales. Su revisión sirvió para sopesar la claridad, la pertinencia y la coherencia
de cada ítem en relación con las variables estudiadas. Una vez ajustado, el cuestionario
se aplicó en formato digital mediante Google Forms, decisión apoyada en las
orientaciones disponibles sobre el uso de escalas ordinales en investigaciones
cuantitativas (Hernández‑Sampieri y Mendoza, 2018).
221
Ibero Research Revista Científica Multidisciplinaria
marzo – abril, 2026, Volumen 1, Número 4
Al momento de procesar los datos, se aplicaron herramientas propias de la estadística
descriptiva; en concreto, se calcularon frecuencias, porcentajes y medias aritméticas por
cada dimensión. Acto seguido, se llevó a cabo una recodificación de variables empleando
el software IBM SPSS versión 26, operación que permitió convertir las puntuaciones
obtenidas en categorías cualitativas —bajo, medio y alto— mediante la técnica de
intervalos de igual amplitud. Gracias a este paso, fue posible fijar criterios de
interpretación uniformes para los niveles de integración, de apoyo funcional y de
aprendizaje percibido, conservando coherencia entre el tratamiento numérico y la manera
en que se exponen los resultados.
Resultados y Discusión
Resultados
Los resultados se estructuran en función de tres dimensiones analíticas: nivel de
integración y frecuencia de uso de la inteligencia artificial generativa, percepción de
apoyo funcional académico y percepción de logro y aprendizaje; al mismo tiempo, los
niveles presentados se obtuvieron a partir de la categorización de los puntajes promedio
de cada dimensión mediante intervalos de igual amplitud previamente establecidos.
Tabla 1
Distribución de frecuencias según el nivel de integración y frecuencia de uso de la Inteligencia Artificial
Nivel de integración y Frecuencia de Uso
Frecuencia
Porcentaje
Porcentaje
Válido
Válido
Medio
14
23,3
23,3
Alto
46
76,7
76,7
Total
60
100,0
100,0
Nota. Esta tabla muestra cómo se dan la distribución de frecuencias en cuanto al uso de la inteligencia artificial.
Fuente: Elaboración propia.
Figura 1. Porcentajes del nivel de integración y frecuencia de uso de herramientas de IA
222
Ibero Research Revista Científica Multidisciplinaria
marzo – abril, 2026, Volumen 1, Número 4
Nota. Este gráfico muestra los porcentajes del nivel de integración y frecuencia de uso de las herramientas de IA.
Elaboración propia.
Los datos evidencian una adopción elevada de herramientas de inteligencia artificial generativa,
en donde el 76,7% de los estudiantes se ubica en un nivel alto de uso, lo que indica una integración
sistemática en las actividades académicas, mientras que el 23,3% se sitúa en un nivel medio, sin
registrarse niveles bajos, lo que sugiere que la tecnología ha superado la fase inicial de adopción.
Tabla 2
Frecuencia y porcentaje del nivel de apoyo funcional académico percibido por los estudiantes
Nivel de Apoyo Funcional Académico
Frecuencia
Porcentaje
Porcentaje
válido
Válido
Bajo
1
1,7
1,7
Medio
33
55,0
55,0
Alto
26
43,3
43,3
Total
60
100,0
100,0
Nota. Esta tabla muestra la frecuencia y porcentaje del nivel de apoyo funcional académico percibido por los
estudiantes. Fuente: Elaboración propia.
223
Ibero Research Revista Científica Multidisciplinaria
marzo – abril, 2026, Volumen 1, Número 4
Figura 2. Niveles de percepción sobre el apoyo funcional de la IA en tareas académicas.
Nota. Este gráfico muestra los niveles de percepción sobre el apoyo funcional de la IA en tareas académicas.
Elaboración propia.
En cuanto a la percepción de apoyo funcional académico, se observa una distribución más
heterogénea, predominando el nivel medio con un 55,0%, seguido del nivel alto con un
43,3%, y una presencia mínima en el nivel bajo con un 1,7%, esta configuración refleja
que, aunque los estudiantes reconocen la utilidad de las herramientas de inteligencia
artificial generativa, una proporción considerable aún no logra aprovechar plenamente su
potencial en el ámbito académico.
Tabla 3
Distribución del nivel de percepción de logro y aprendizaje asociado al uso de IA.
Nivel de Percepción de Logro y Aprendizaje
Frecuencia
Porcentaje
Porcentaje
válido
Válido
Medio
19
31,7
31,7
Alto
41
68,3
68,3
Total
60
100,0
100,0
Nota. Esta tabla muestra el nivel de distribución del nivel de percepción de logro y aprendizaje asociada al uso de la
IA. Fuente: Elaboración propia.
224
Ibero Research Revista Científica Multidisciplinaria
marzo – abril, 2026, Volumen 1, Número 4
Figura 3 . Niveles de logro y aprendizaje percibidos tras la integración tecnológica
Nota. Este gráfico muestra los niveles de logro y aprendizaje percibidos tras la integración tecnológica. Elaboración
propia.
Respecto a la percepción de logro y aprendizaje, la mayoría de los estudiantes (68,3%) se
concentra en un nivel alto, mientras que el 31,7% se sitúa en un nivel medio, sin
evidencias de niveles bajos. Esta distribución respalda una lectura favorable del impacto
de la inteligencia artificial en el proceso formativo, vinculando su incorporación al aula
con una mayor comprensión de los contenidos y con avances en el desarrollo de
competencias.
Discusión
Los resultados obtenidos evidencian que el uso de herramientas de IAG presenta una alta
integración en el contexto educativo analizado, lo cual se alinea con las tendencias
observadas en América Latina, donde la adopción de tecnologías emergentes se ha
225
Ibero Research Revista Científica Multidisciplinaria
marzo – abril, 2026, Volumen 1, Número 4
intensificado en los últimos años, particularmente en países como Ecuador, México y
Colombia.
El predominio de niveles altos en la frecuencia de uso confirma los postulados del modelo
de aceptación tecnológica, el cual establece que la percepción de utilidad y facilidad de
uso incide directamente en la adopción de herramientas digitales (Nie et al., 2024 B). En
este sentido, los estudiantes no solo acceden a la tecnología, sino que la incorporan de
manera habitual en sus actividades académicas, lo que evidencia un proceso de
normalización tecnológica en el entorno educativo.
Los resultados evidencian que esta elevada integración de la herramienta no se traduce de
forma proporcional en un aprovechamiento funcional, dado que la percepción de apoyo
académico se sitúa mayoritariamente en un nivel medio. Este resultado se alinea con lo
planteado por Trust et al. (2024), quienes argumentan que el impacto educativo de la
inteligencia artificial depende no solo de la frecuencia de uso, sino, especialmente, de la
manera en que se articula dentro de las prácticas pedagógicas. En este sentido, la
presencia de niveles intermedios puede estar mostrando ciertas debilidades en el
desarrollo de competencias digitales o, simplemente, una orientación didáctica todavía
insuficiente para sacar un verdadero provecho de estas herramientas.
En cuanto a la percepción de logro y aprendizaje, el predominio de niveles altos indica
que muchos estudiantes tienden a asociar el uso de la inteligencia artificial con una mejora
en su rendimiento académico. Al mismo tiempo, este patrón coincide con lo que han
encontrado otros estudios, que describen una relación positiva entre el uso de
herramientas digitales y la percepción que el propio estudiante tiene sobre su aprendizaje
(Su y Yang, 2023; Yilmaz y Yilmaz, 2023). Sin embargo, esta lectura debe hacerse con
cautela, porque también puede verse influida por factores subjetivos ligados a la
experiencia concreta de uso de estas aplicaciones.
226
Ibero Research Revista Científica Multidisciplinaria
marzo – abril, 2026, Volumen 1, Número 4
Desde una mirada más crítica, distintos autores señalan que la inteligencia artificial puede
generar una sensación de aprendizaje que no siempre va de la mano de un avance
cognitivo profundo (Chan y Hu, 2025). A la luz de esto, los resultados de este estudio
muestran una relación favorable entre uso y percepción, pero no permiten afirmar con
seguridad cuál es el impacto real sobre el aprendizaje, lo que deja abiertas varias
preguntas para futuras investigaciones.
En términos de aporte académico, este trabajo suma evidencia al debate latinoamericano
al centrarse en estudiantes de educación secundaria, un nivel que todavía ha sido menos
estudiado que la educación superior. Con ello, se ofrecen elementos que pueden utilizarse
para orientar decisiones institucionales sobre cómo integrar pedagógicamente la
inteligencia artificial generativa en este nivel educativo. Desde el plano aplicado, los
hallazgos apuntan a la necesidad de reforzar las competencias digitales tanto en
estudiantes como en docentes y de diseñar propuestas didácticas que orienten el uso de la
inteligencia artificial hacia aprendizajes más significativos y con una mirada crítica.
Finalmente, los resultados deben leerse teniendo presentes algunas limitaciones,
especialmente el tamaño de la muestra y el tipo de muestreo empleado, que reducen la
posibilidad de generalizar las conclusiones a otros contextos. A ello se suma que el diseño
transversal no permite establecer relaciones causales firmes entre las variables analizadas.
Por esta razón, sería conveniente que investigaciones posteriores incorporen diseños
longitudinales y combinen métodos cuantitativos y cualitativos, de modo que se pueda
examinar con mayor detalle la manera en que la inteligencia artificial incide en el
aprendizaje.
227
Ibero Research Revista Científica Multidisciplinaria
marzo – abril, 2026, Volumen 1, Número 4
Conclusiones
En conjunto, los resultados del estudio muestran que las herramientas de inteligencia
artificial generativa están bastante presentes en el contexto educativo analizado. No se
trata solo de un uso esporádico: la mayoría de los estudiantes de bachillerato las emplea
con frecuencia y las ha incorporado como un recurso más dentro de sus actividades
académicas.
También se observa que la percepción del aprendizaje es, en general, favorable. Los
estudiantes tienden a ver beneficios en términos de comprensión, apoyo para las tareas y
desarrollo de ciertas competencias. Ahora bien, el hecho de que en la dimensión de apoyo
funcional aparezcan niveles intermedios sugiere que ese uso no siempre se traduce en un
aprovechamiento pedagógico sólido, lo que pone sobre la mesa la importancia de reforzar
estrategias didácticas que orienten mejor su integración.
Desde una lectura interpretativa, los hallazgos apuntan a una relación positiva entre el uso
de inteligencia artificial generativa y la percepción del aprendizaje, en línea con
planteamientos teóricos que resaltan el papel mediador de la tecnología en los procesos
formativos. Sin embargo, esta relación se ubica en el plano perceptivo, de modo que no
puede asumirse de manera directa que el aprendizaje “real” haya mejorado en la misma
medida.
De cara a futuras investigaciones, sería relevante indagar con más detalle el impacto de
estas herramientas en el desarrollo de habilidades cognitivas específicas y no solo en la
percepción que los estudiantes tienen de su propio aprendizaje. Para ello, resultan
especialmente pertinentes los estudios de tipo longitudinal y los diseños de métodos
mixtos, que permitirían seguir la evolución del uso de la inteligencia artificial generativa
y su influencia en el aprendizaje a lo largo del tiempo.
228
Ibero Research Revista Científica Multidisciplinaria
marzo – abril, 2026, Volumen 1, Número 4
Referencias Bibliográficas
Chan, C. K. Y., & Hu, W. (2023). Students’ ethical concerns about generative AI in education.
Education and Information Technologies, 28, 13415–13435.
https://doi.org/10.1007/s10639-023-11730-2
Diao, L., Zhang, Y., & Chen, H. (2024). Adoption of generative artificial intelligence in
education: A systematic review. Computers and Education: Artificial Intelligence, 6,
100198. https://doi.org/10.1016/j.caeai.2024.100198
Hernández-Sampieri, R., & Mendoza, C. (2018). Metodología de la investigación: Las rutas
cuantitativa, cualitativa y mixta. McGraw-Hill.
Jeong, H. (2024). The impact of generative AI on teaching and learning practices. Education
Sciences, 14(4), 501. https://doi.org/10.3390/educsci14040501
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.,
Naveed, M., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., Stadler, M., &
Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large
language models for education. Learning and Individual Differences, 103, 102274.
https://doi.org/10.1016/j.lindif.2023.102274
Nie, Y., Lin, X., & Wang, T. (2024). Technology acceptance of generative AI tools in
education: Extending the TAM model. Sustainability, 16(9), 3894.
https://doi.org/10.3390/su16093894
Ruiz-Rojas, L. I., Salvador-Ullauri, L. S., & Acosta-Vargas, P. (2024). Generative AI and
higher education: Impacts on critical thinking and collaboration. Sustainability, 16(13),
5367. https://doi.org/10.3390/su16135367
Su, J., & Yang, W. (2023). Artificial intelligence in education: A meta-analysis on academic
performance. Educational Technology Research and Development, 71(5), 1895–1914.
https://doi.org/10.1007/s11423-023-10248-8
Trust, T., Whalen, J., & Mouza, C. (2024). Generative AI in education: Opportunities and
challenges. Journal of Technology and Teacher Education, 32(1), 1–18.
Yilmaz, R., & Yilmaz, F. G. K. (2023). The effect of generative AI tools on student learning
perception. Education and Information Technologies, 28, 10045–10062.
https://doi.org/10.1007/s10639-023-11626-1