Inteligencia artificial generativa en educación superior: Diseño y evaluación de dos herramientas para la enseñanza-aprendizaje
DOI:
https://doi.org/10.5944/ried.46877Palabras clave:
inteligencia artificial, chatbot, educación superior, enseñanza a distanciaResumen
El desarrollo de la inteligencia artificial (IA) generativa es uno de los campos emergentes en la tecnología educativa en los últimos años. Por ello, este trabajo persigue diseñar dos herramientas de IA generativa, basadas en chatbots educativos, que contribuyan a la mejora de los procesos de enseñanza-aprendizaje en educación superior, así como evaluar su impacto desde la perspectiva de los usuarios de un MOOC ofrecido por la UNED, considerando el efecto de variables sociodemográficas y de experiencia previa de uso de IA. Para ello, tras diseñar las dos herramientas, se ha realizado una investigación de carácter ex post facto, no experimental, en la que se han recogido y analizado las percepciones de 1.302 personas usuarias del MOOC. Los resultados reflejan una valoración positiva de las potencialidades en estas herramientas en relación con la satisfacción general y la contribución al aprendizaje, además de una tendencia a rechazar la sustitución de humanos por chatbots educativos. Por su parte, el análisis del papel de las variables sociodemográficas y de uso de la IA muestra una especial importancia tanto de la familiaridad con la IA como de la edad en estas percepciones. En conclusión, ambos chatbots parecen ser herramientas con un gran potencial para contribuir al desarrollo de los procesos de enseñanza-aprendizaje en educación superior, lo que se evidencia a través de los elevados niveles de satisfacción de los participantes encuestados. Sin embargo, resulta fundamental continuar desarrollando y actualizando estas herramientas, tomando en consideración las valoraciones de los usuarios, para maximizar su potencial educativo.
Descargas
Citas
Abishev, N., Ramazanov, R., Abaideldanova, M., Chesnokova, K. y Baizhumayeva, A. (2025). Artificial intelligence model in the cognitive and learning activities of university subjects. Frontiers in Education, 10, 1623170. https://doi.org/10.3389/feduc.2025.1623170
Ağirkan, M., Haspolat, N. K. y Çelik, O. (2024). Exploring different technology addiction types in young adults: A latent profile analysis. Current Psychology, 43(33), 27225-27238. https://doi.org/10.1007/s12144-024-06372-z
Al Omari, O., Alshammari, M., Al Jabri, W., Al Yahyaei, A., Aljohani, K. A., Sanad, H. M., Al-Jubouri, M. B., Bashayreh, I., Fawaz, M., ALBashtawy, M., Alkhawaldeh, A., Qaddumi, J., Shalaby, S. A., Abdallah, H. M., AbuSharour, L., Al Qadire, M. y Aljezawi, M. (2024). Demographic factors, knowledge, attitude and perception and their association with nursing students' intention to use artificial intelligence (AI): A multicentre survey across 10 Arab countries. BMC Medical Education, 24(1), 1456. https://doi.org/10.1186/s12909-024-06452-5
Almasri, F. (2024). Exploring the impact of artificial intelligence in teaching and learning of science: A systematic review of empirical research. Research in Science Education, 54(5), 977-997. https://doi.org/10.1007/s11165-024-10176-3
Bai, Y. y Wang, S. (2025). Impact of generative AI interaction and output quality on university students' learning outcomes: A technology-mediated and motivation-driven approach. Scientific Reports, 15(1), 24054. https://doi.org/10.1038/s41598-025-08697-6
Bauer, E., Greiff, S., Graesser, A. C., Scheiter, K. y Sailer, M. (2025). Looking beyond the hype: Understanding the effects of AI on learning. Educational Psychology Review, 37(2), 45. https://doi.org/10.1007/s10648-025-10020-8
Breiman, L., Friedman, J. H., Olshen, R. A. y Stone, C. J. (1984). Classification and regression trees. Wadsworth and Brooks-Cole.
Chen, L., Chen, P. y Lin, Z. (2020). Artificial intelligence in education: A review. IEEE Access, 8, 75264-75278. https://doi.org/10.1109/ACCESS.2020.2988510
Davies, D., Jindal-Snape, D., Collier, C., Digby, R., Hay, P. y Howe, A. (2013). Creative learning environments in education—A systematic literature review. Thinking Skills and Creativity, 8, 80-91. https://doi.org/10.1016/j.tsc.2012.07.004
Dele Adewale, M., Azeta, A., Abayomi-Alli, A. y Sambo-Magaji, A. (2024). Impact of artificial intelligence adoption on students' academic performance in open and distance learning: A systematic literature review. Heliyon, 10(22), e40025. https://doi.org/10.1016/j.heliyon.2024.e40025
Fošner, A. y Aver, B. (2025). AI chatbots in higher education: Students' beliefs and concerns. Sustainable Futures, 9, 100734. https://doi.org/10.1016/j.sftr.2025.100734
Gao, H. (2022). Online AI‐guided video extraction for distance education with applications. Mathematical Problems in Engineering, 2022(1), 5028726. https://doi.org/10.1155/2022/5028726
Garlinska, M., Osial, M., Proniewska, K. y Pregowska, A. (2023). The influence of emerging technologies on distance education. Electronics, 12(7), 1550. https://doi.org/10.3390/electronics12071550
George, M. J., Jensen, M. R., Russell, M. A., Gassman-Pines, A., Copeland, W. E., Hoyle, R. H. y Odgers, C. L. (2020). Young adolescents' digital technology use, perceived impairments, and well-being in a representative sample. The Journal of Pediatrics, 219, 180-187. https://doi.org/10.1016/j.jpeds.2019.12.002
Gökçearslan, S., Tosun, C. y Erdemir, Z. G. (2024). Benefits, challenges, and methods of artificial intelligence (AI) chatbots in education: A systematic literature review. International Journal of Technology in Education, 7(1), 19-39. https://doi.org/10.46328/ijte.600
Hekkert, P., Thurgood, C. y Whitfield, T. A. (2013). The mere exposure effect for consumer products as a consequence of existing familiarity and controlled exposure. Acta Psychologica, 144(2), 411-417. https://doi.org/10.1016/j.actpsy.2013.07.015
Hwang, G. J. y Chang, C. Y. (2023). A review of opportunities and challenges of chatbots in education. Interactive Learning Environments, 31(7), 4099-4112. https://doi.org/10.1080/10494820.2021.1952615
Jakob, D., Wilhelm, S., Gerl, A., Ahrens, D. y Wahl, F. (2025). Adapting voice assistant technology for older adults: A comprehensive study on usability, learning patterns, and acceptance. Digital, 5(1), 4. https://doi.org/10.3390/digital5010004
Joshi, S. V., Stubbe, D., Li, S. T. T. y Hilty, D. M. (2019). The use of technology by youth: Implications for psychiatric educators. Academic Psychiatry, 43(1), 101-109. https://doi.org/10.1007/s40596-018-1007-2
Kauttonen, J., Rousi, R. y Alamäki, A. (2025). Trust and acceptance challenges in the adoption of AI applications in health care: Quantitative survey analysis. Journal of Medical Internet Research, 27, e65567. https://doi.org/10.2196/65567
Kerimbayev, N., Adamova, K., Shadiev, R. y Altinay, Z. (2025). Intelligent educational technologies in individual learning: A systematic literature review. Smart Learning Environments, 12(1), 1. https://doi.org/10.1186/s40561-024-00360-3
Kooli, C. (2023). Chatbots in education and research: A critical examination of ethical implications and solutions. Sustainability, 15(7), 5614. https://doi.org/10.3390/su15075614
Kuhail, M. A., Alturki, N., Alramlawi, S. y Alhejori, K. (2023). Interacting with educational chatbots: A systematic review. Education and Information Technologies, 28(1), 973-1018. https://doi.org/10.1007/s10639-022-11177-3
Lai, T., Xie, C., Ruan, M., Wang, Z., Lu, H. y Fu, S. (2023). Influence of artificial intelligence in education on adolescents' social adaptability: The mediatory role of social support. PLOS ONE, 18(3), e0283170. https://doi.org/10.1371/journal.pone.0283170
Long, T., Gero, K. I. y Chilton, L. B. (2024). Not just novelty: A longitudinal study on utility and customization of an AI workflow. En A. Vallgårda, L. Jönsson, J. Fritsch, S. Fdili Alaoui y C. A. Le Dantec (Eds.), Proceedings of the 2024 ACM Designing Interactive Systems Conference (pp. 782–803). https://doi.org/10.1145/3643834.3661587
Mena-Guacas, A. F., López-Catalán, L., Bernal-Bravo, C. y Ballesteros-Regaña, C. (2025). Educational transformation through emerging technologies: Critical review of scientific impact on learning. Education Sciences, 15(3), 368. https://doi.org/10.3390/educsci15030368
Méndez-Suárez, M., Monfort, A. y Hervas-Oliver, J. L. (2023). Are you adopting artificial intelligence products? Social-demographic factors to explain customer acceptance. European Research on Management and Business Economics, 29(3), 100223. https://doi.org/10.1016/j.iedeen.2023.100223
Miller, C. y Bartlett, J. (2012). 'Digital fluency': Towards young people's critical use of the internet. Journal of Information Literacy, 6(2), 35-55. https://doi.org/10.11645/6.2.1714
Mohd Amin, R., Ismail, I. y Sivakumaran, V. M. (2025). Revolutionizing education with artificial intelligence (AI)? Challenges, and implications for open and distance learning (ODL). Social Sciences & Humanities Open, 11, 101308. https://doi.org/10.1016/j.ssaho.2025.101308
Oishi, S., Kurtz, J. L., Miao, F. F., Park, J. y Whitchurch, E. (2011). The role of familiarity in daily well-being: Developmental and cultural variation. Developmental Psychology, 47(6), 1750. https://doi.org/10.1037/a0025305
Reina Marín, Y., Cruz Caro, O., Maicelo Rubio, Y. D. C., Alva Tuesta, J. N., Sánchez Bardales, E., Carrasco Rituay, A. M. y Chávez Santos, R. (2025). Artificial intelligence as a teaching tool in university education. Frontiers in Education, 10, 1578451. https://doi.org/10.3389/feduc.2025.1578451
Rieser, L. y Furneaux, B. (2022). Share of attention: Exploring the allocation of user attention to consumer applications. Computers in Human Behavior, 126, 107006. https://doi.org/10.1016/j.chb.2021.107006
Rodrigues, L., Pereira, F. D., Toda, A. M., Palomino, P. T., Pessoa, M., Carvalho, L. S. G., Fernandes, D., Oliveira, E. H. T., Cristea, A. I. e Isotani, S. (2022). Gamification suffers from the novelty effect but benefits from the familiarization effect: Findings from a longitudinal study. International Journal of Educational Technology in Higher Education, 19(1), 13. https://doi.org/10.1186/s41239-021-00314-6
Sáiz-Manzanares, M. C., Marticorena-Sánchez, R., Martín-Antón, L. J., Díez, I. G. y Almeida, L. (2023). Perceived satisfaction of university students with the use of chatbots as a tool for self-regulated learning. Heliyon, 9(1), e12843. https://doi.org/10.1016/j.heliyon.2023.e12843
Schei, O. M., Møgelvang, A. y Ludvigsen, K. (2024). Perceptions and use of AI chatbots among students in higher education: A scoping review of empirical studies. Education Sciences, 14(8), 922. https://doi.org/10.3390/educsci14080922
Stöhr, C., Ou, A. W. y Malmström, H. (2024). Perceptions and usage of AI chatbots among students in higher education across genders, academic levels and fields of study. Computers and Education: Artificial Intelligence, 7, 100259. https://doi.org/10.1016/j.caeai.2024.100259
Wu, R. y Yu, Z. (2024). Do AI chatbots improve students learning outcomes? Evidence from a meta‐analysis. British Journal of Educational Technology, 55(1), 10-33. https://doi.org/10.1111/bjet.13334
Yetişensoy, O. y Karaduman, H. (2024). The effect of AI-powered chatbots in social studies education. Education and Information Technologies, 29(13), 17035-17069. https://doi.org/10.1007/s10639-024-12485-6
Yu, H., Miao, C., Leung, C. y White, T. J. (2017). Towards AI-powered personalization in MOOC learning. Npj Science of Learning, 2(1), 15. https://doi.org/10.1038/s41539-017-0016-3
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, 39. https://doi.org/10.1186/s41239-019-0171-0
Zizak, D. M. y Reber, A. S. (2004). Implicit preferences: The role(s) of familiarity in the structural mere exposure effect. Consciousness and Cognition, 13(2), 336–362. https://doi.org/10.1016/j.concog.2003.12.003
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Sergio Martin, Belén Gutiérrez-de-Rozas
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.
