Del optimismo a la confianza: el impacto de ChatGPT en la confianza de los estudiantes en el aprendizaje asistido por IA
DOI:
https://doi.org/10.5944/ried.28.2.43238Palabras clave:
inteligencia artificial, tecnología educativa, aprendizaje automático, innovación educativa, teorías de aprendizaje, confianzaResumen
La inteligencia artificial generativa, como ChatGPT, está transformando el ámbito de la educación superior, especialmente en el apoyo a tareas académicas. Sin embargo, su adopción efectiva depende de factores como la confianza de los estudiantes y su percepción sobre la utilidad de la herramienta. Este estudio analiza cómo el optimismo tecnológico, la utilidad percibida y la facilidad de uso influyen en la confianza de los estudiantes universitarios en ChatGPT. Se empleó una metodología cuantitativa, utilizando un modelo de ecuaciones estructurales (SEM) basado en datos recopilados de 316 estudiantes universitarios en Argentina. La encuesta incluyó preguntas sobre optimismo, utilidad percibida, facilidad de uso y confianza en ChatGPT, y se realizaron análisis factoriales para validar los constructos y examinar las relaciones propuestas en el modelo. Los resultados muestran que el optimismo de los estudiantes impacta significativamente en su percepción de utilidad y confianza en ChatGPT, mientras que la facilidad de uso no tiene un efecto directo significativo sobre la confianza. Esto sugiere que los estudiantes valoran los beneficios prácticos que la herramienta aporta a su proceso de aprendizaje más que su facilidad de uso. Estos hallazgos sugieren que las universidades deberían centrarse en resaltar el valor práctico de ChatGPT mediante programas de capacitación específicos y en fomentar un uso crítico de la herramienta. También se recomienda implementar estrategias que mejoren la interacción entre estudiantes y docentes y evaluar el potencial de ChatGPT para mejorar el rendimiento académico de los estudiantes.
Se empleó una metodología cuantitativa, utilizando un modelo de ecuaciones estructurales (SEM) basado en datos recopilados de 316 estudiantes universitarios en Argentina. La encuesta incluyó preguntas sobre optimismo, utilidad percibida, facilidad de uso y confianza en ChatGPT, y se realizaron análisis factoriales para validar los constructos y examinar las relaciones propuestas en el modelo.
Los resultados muestran que el optimismo de los estudiantes impacta significativamente en su percepción de utilidad y confianza en ChatGPT, mientras que la facilidad de uso no tiene un efecto directo significativo sobre la confianza. Esto sugiere que los estudiantes valoran los beneficios prácticos que la herramienta aporta a su proceso de aprendizaje más que su facilidad de uso.
Estos hallazgos sugieren que las universidades deberían centrarse en resaltar el valor práctico de ChatGPT mediante programas de capacitación específicos y en fomentar un uso crítico de la herramienta. También se recomienda implementar estrategias que mejoren la interacción entre estudiantes y docentes y evaluar el potencial de ChatGPT para mejorar el rendimiento académico de los estudiantes.
Descargas
Citas
Acemoglu, D., Johnson, S. y Viswanath, K. (2023). Why the Power of Technology Rarely Goes to the People. MIT Sloan Management Review, 65(1), 12-14.
Al-Abdullatif, A. M. y Alsubaie, M. A. (2024). ChatGPT in Learning: Assessing Students’ Use Intentions through the Lens of Perceived Value and the Influence of AI Literacy. Behavioral Sciences, 14(9). https://doi.org/10.3390/bs14090845
Al-kfairy, M., Mustafa, D., Kshetri, N., Insiew, M. y Alfandi, O. (2024). Ethical Challenges and Solutions of Generative AI: An Interdisciplinary Perspective. Informatics, 11(3). https://doi.org/10.3390/informatics11030058
Baron, R. M. y Kenny, D. A. (1986). The moderator–mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51(6), 1173-1182. https://doi.org/10.1037/0022-3514.51.6.1173
Bender, E. M., Gebru, T., McMillan-Major, A. y Shmitchell, S. (2021). On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? FAccT '21: Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency. 610-623. https://doi.org/10.1145/3442188.3445922
Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, 13(3), 319-340. JSTOR. https://doi.org/10.2307/249008
Forero-Corba, W. y Negre Bennasar, F. (2024). Técnicas y aplicaciones del Machine Learning e inteligencia artificial en educación: Una revisión sistemática. RIED-Revista Iberoamericana de Educación a Distancia, 27(1), 209-253. https://doi.org/10.5944/ried.27.1.37491
Fornell, C. y Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39-50. https://doi.org/10.2307/3151312
García Peñalvo, F. J., Llorens-Largo, F. y Vidal, J. (2024). La nueva realidad de la educación ante los avances de la inteligencia artificial generativa. RIED-Revista Iberoamericana de Educación a Distancia, 27(1), 9-39. https://doi.org/10.5944/ried.27.1.37716
Hair Jr, J. F., Black, W. C., Babin, B. J. y Anderson, R. E. (2010). Multivariate data analysis. 7th edition. Prentice Hall.
Hayes, A. F. (2009). Beyond Baron and Kenny: Statistical Mediation Analysis in the New Millennium. Communication Monographs, 76(4), 408-420. https://doi.org/10.1080/03637750903310360
Huang, W., Zhang, H., Zhang, Z., Zhang, B., Sun, X., Huo, Y., Feng, Y., Tian, P., Mo, H. y Wang, C. (2022). A prognostic nomogram based on a new classification of combined micropapillary and solid components for stage IA invasive lung adenocarcinoma. Journal of Surgical Oncology, 125(4), 796-808. https://doi.org/10.1002/jso.26760
Ladhari, R. (2012). The lodging quality index: An independent assessment of validity and dimensions. International Journal of Contemporary Hospitality Management, 24(4), 628-652. https://doi.org/10.1108/09596111211217914
Marimon, F., Mas-Machuca, M. y Akhmedova, A. (2024). Trusting in Generative AI: Catalyst for Employee Performance and Engagement in the Workplace. International Journal of Human-Computer Interaction, 1-16. https://doi.org/10.1080/10447318.2024.2388482
Mayer, R. C., Davis, J. H. y Schoorman, F. D. (1995). An Integrative Model Of Organizational Trust. Academy of Management Review, 20(3), 709-734. https://doi.org/10.5465/amr.1995.9508080335
Nunnally, J. C. y Bernstein, I. H. (1994). Psychometric theory McGraw-Hill series. Psychology, 3.
Parasuraman, A. (2000). Technology Readiness Index (Tri): A Multiple-Item Scale to Measure Readiness to Embrace New Technologies. Journal of Service Research, 2(4), 307-320. https://doi.org/10.1177/1094670514539730
Parasuraman, A. y Colby, C. L. (2014). An Updated and Streamlined Technology Readiness Index: TRI 2.0. Journal of Service Research, 18(1), 59-74. https://doi.org/10.1177/1094670514539730
Rogers, E. M. (1995). Diffusion of innovations. Free Press.
Tang, K.-Y., Chang, C.-Y. y Hwang, G.-J. (2023). Trends in artificial intelligence-supported e-learning: A systematic review and co-citation network analysis (1998–2019). Interactive Learning Environments, 31(4), 2134-2152. https://doi.org/10.1080/10494820.2021.1875001
Venkatesh, V., Morris, M. G., Davis, G. B. y Davis, F. D. (2003). User Acceptance of Information Technology: Toward a Unified View. MIS Quarterly, 27(3), 425-478. https://doi.org/10.2307/30036540
Wolfinbarger, M. y Gilly, M. C. (2003). eTailQ: dimensionalizing, measuring and predicting etail quality. Journal of Retailing, 79(3), 183-198. https://doi.org/10.1016/S0022-4359(03)00034-4
Zawacki-Richter, O., Marín, V. I., Bond, M. y Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher Education, 16(1), 39-39. https://doi.org/10.1186/s41239-019-0171-0
Zhao, X., Lynch, J. G., Jr. y Chen, Q. (2010). Reconsidering Baron and Kenny: Myths and Truths about Mediation Analysis. Journal of Consumer Research, 37(2), 197-206. https://doi.org/10.1086/651257
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Frederic Marimon, María Belén Arias Valle, César Javier Coria Augusto, Claudio Marcelo Larrea Arnau
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Las obras que se publican en esta revista están sujetos a los siguientes términos:
1. Los autores ceden de forma no exclusiva los derechos de explotación de los trabajos aceptados para su publicación en "RIED. Revista Iberoamericana de Educación a Distancia," y garantizan a la revista el derecho a ser la primera en publicar ese trabajo, igualmente, permiten a la revista distribuir obras publicadas bajo la licencia indicada en el punto 2.
2. Las obras se publican en la edición electrónica de la revista bajo una licencia Creative Commons Reconocimiento 4.0 Internacional (CC BY 4.0). Se permite copiar y redistribuir el material en cualquier medio o formato, adaptar, remezclar, transformar y crear a partir del material para cualquier finalidad, incluso comercial. Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios.
3. Condiciones de auto-archivo. Se permite e incentiva a los autores a difundir electrónicamente la versión OnlineFirst (versión evaluada y aceptada para su publicación) de su obra antes de su publicación definitiva, siempre con referencia a su publicación en RIED, ya que favorece su circulación y difusión antes y así propiciar un posible aumento de su citación y alcance entre la comunidad académica. Color RoMEO: verde.
