Uso de herramientas de inteligencia artificial generativa y su relación con la percepción del aprendizaje en estudiantes de bachillerato
DOI:
https://doi.org/10.5281/Palabras clave:
inteligencia artificial generativa, bachillerato, percepción del aprendizaje, estudio descriptivo, integración pedagógicaResumen
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.
Descargas
Referencias
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
