CHATBOTS COMO RECURSO EDUCATIVO
EN LA FORMACIÓN MÉDICA
CHATBOTS AS AN EDUCATIONAL
RESOURCE IN MEDICAL TRAINING
Anthony Emmanuel Santos Dávila
Universidad Técnica de Machala
Nathaly Katherine Valdiviezo Cedeño
Universidad Técnica de Machala
Carina Alexandra Serpa Andrade
Universidad Técnica de Machala
pág. 1835
DOI: https://doi.org/10.37811/cl_rcm.v9i5.20731
Chatbots como Recurso Educativo en la Formación Médica
Anthony Emmanuel Santos Dávila1
https://orcid.org/0009-0008-3925-5998
Estudiante de la carrera de Medicina
Universidad Técnica de Machala
Ecuador
Nathaly Katherine Valdiviezo Cedeño
https://orcid.org/0009-0007-5071-2152
Estudiante de la carrera de Medicina
Universidad Técnica de Machala
Ecuador
Carina Alexandra Serpa Andrade
https://orcid.org/0000-0002-3208-3133
Médico, Magister En Medicina Forense
Doctora En Ciencias Médicas
Docente de la carrera de Medicina
Universidad Técnica de Machala
Ecuador
RESUMEN
Introducción: Los chatbots son herramientas de inteligencia artificial que interactúan en lenguaje
natural, proporcionando información relevante. En la educación médica, facilitan el acceso a
información actualizada, personalizan el aprendizaje y mejoran la preparación profesional. Objetivo:
Describir el uso de chatbots como recurso educativo en la formación médica, explorando su impacto y
utilidad para el conocimiento del personal estudiantil de la carrera de medicina. Materiales y métodos:
Se llevó a cabo una investigación observacional, descriptiva, cuantitativa y extensa en una
agrupación compuesta por 230 alumnos de medicina de la Universidad Técnica de Machala. Se empleó
un cuestionario estructurado en línea que incluyó preguntas sociodemográficas, estudios, hábitos y
actividades acerca del uso de chatbots. Los datos fueron analizados mediante estadísticas descriptivas
en IBM SPSS Statistics 22. Resultados: El 94,8% de los participantes indicó haber utilizado chatbots,
siendo ChatGPT la herramienta más empleada (88,8%). Las actividades académicas más frecuentes
incluyeron consultas rápidas (76,3%), extracción de información resumida (41,4%) y resolución de
casos clínicos (31,6%). En cuanto a la verificación de la información obtenida, el 52,8% indicó hacerlo
"a veces", mientras que el 23,9% lo hacía "casi siempre". Conclusiones: Los chatbots son herramientas
versátiles que han sido ampliamente adoptadas por los estudiantes de medicina, aunque su uso sigue
siendo moderado y con brechas según factores sociodemográficos. Si bien facilitan actividades
académicas clave, su empleo en consultas rápidas plantea desafíos en la verificación de información, lo
que resalta la necesidad de fomentar su uso complementario con fuentes académicas confiables.
Palabras clave: chatbots, recursos educativos, medicina; inteligencia artificial
1 Autor principal
Correspondencia:
DOI: https://doi.org/10.37811/cl_rcm.v9i5.20731
Chatbots como Recurso Educativo en la Formación Médica
Anthony Emmanuel Santos Dávila1
https://orcid.org/0009-0008-3925-5998
Estudiante de la carrera de Medicina
Universidad Técnica de Machala
Ecuador
Nathaly Katherine Valdiviezo Cedeño
https://orcid.org/0009-0007-5071-2152
Estudiante de la carrera de Medicina
Universidad Técnica de Machala
Ecuador
Carina Alexandra Serpa Andrade
https://orcid.org/0000-0002-3208-3133
Médico, Magister En Medicina Forense
Doctora En Ciencias Médicas
Docente de la carrera de Medicina
Universidad Técnica de Machala
Ecuador
RESUMEN
Introducción: Los chatbots son herramientas de inteligencia artificial que interactúan en lenguaje
natural, proporcionando información relevante. En la educación médica, facilitan el acceso a
información actualizada, personalizan el aprendizaje y mejoran la preparación profesional. Objetivo:
Describir el uso de chatbots como recurso educativo en la formación médica, explorando su impacto y
utilidad para el conocimiento del personal estudiantil de la carrera de medicina. Materiales y métodos:
Se llevó a cabo una investigación observacional, descriptiva, cuantitativa y extensa en una
agrupación compuesta por 230 alumnos de medicina de la Universidad Técnica de Machala. Se empleó
un cuestionario estructurado en línea que incluyó preguntas sociodemográficas, estudios, hábitos y
actividades acerca del uso de chatbots. Los datos fueron analizados mediante estadísticas descriptivas
en IBM SPSS Statistics 22. Resultados: El 94,8% de los participantes indicó haber utilizado chatbots,
siendo ChatGPT la herramienta más empleada (88,8%). Las actividades académicas más frecuentes
incluyeron consultas rápidas (76,3%), extracción de información resumida (41,4%) y resolución de
casos clínicos (31,6%). En cuanto a la verificación de la información obtenida, el 52,8% indicó hacerlo
"a veces", mientras que el 23,9% lo hacía "casi siempre". Conclusiones: Los chatbots son herramientas
versátiles que han sido ampliamente adoptadas por los estudiantes de medicina, aunque su uso sigue
siendo moderado y con brechas según factores sociodemográficos. Si bien facilitan actividades
académicas clave, su empleo en consultas rápidas plantea desafíos en la verificación de información, lo
que resalta la necesidad de fomentar su uso complementario con fuentes académicas confiables.
Palabras clave: chatbots, recursos educativos, medicina; inteligencia artificial
1 Autor principal
Correspondencia:
pág. 1836
Chatbots as an Educational Resource in Medical Training
ABSTRACT
Introduction: Chatbots are artificial intelligence tools that interact in natural language, providing
relevant information. In medical education, they facilitate access to updated information, personalize
learning and improve professional preparation. Objective: To describe the use of chatbots as an
educational resource in medical education, exploring their impact and usefulness for the knowledge of
medical students. Materials and methods: An observational, descriptive, quantitative and extensive
research was carried out in a group composed of 230 medical students of the Technical University of
Machala. A structured online questionnaire was used that included sociodemographic questions,
studies, habits and activities about the use of chatbots. The data were analyzed using descriptive
statistics in IBM SPSS Statistics 22. Results: 94.8% of the participants indicated having used chatbots,
with ChatGPT being the most used tool (88.8%). The most frequent academic activities included quick
queries (76.3%), summary information extraction (41.4%) and clinical case resolution (31.6%).
Regarding verification of the information obtained, 52.8% indicated doing so “sometimes”, while
23.9% did so “almost always”. Conclusions: Chatbots are complementary tools in medical education
that support autonomous learning, facilitate access to relevant information and contribute to the training
of competent professionals. However, the importance of promoting a critical and ethical use of chatbots
is emphasized, encouraging informative truthfulness and their responsible integration in academic
training.
Keywords: chatbots, educational resources, medicine, artificial intelligence
Artículo recibido 27 septiembre 2025
Aceptado para publicación: 29 octubre 2025
Chatbots as an Educational Resource in Medical Training
ABSTRACT
Introduction: Chatbots are artificial intelligence tools that interact in natural language, providing
relevant information. In medical education, they facilitate access to updated information, personalize
learning and improve professional preparation. Objective: To describe the use of chatbots as an
educational resource in medical education, exploring their impact and usefulness for the knowledge of
medical students. Materials and methods: An observational, descriptive, quantitative and extensive
research was carried out in a group composed of 230 medical students of the Technical University of
Machala. A structured online questionnaire was used that included sociodemographic questions,
studies, habits and activities about the use of chatbots. The data were analyzed using descriptive
statistics in IBM SPSS Statistics 22. Results: 94.8% of the participants indicated having used chatbots,
with ChatGPT being the most used tool (88.8%). The most frequent academic activities included quick
queries (76.3%), summary information extraction (41.4%) and clinical case resolution (31.6%).
Regarding verification of the information obtained, 52.8% indicated doing so “sometimes”, while
23.9% did so “almost always”. Conclusions: Chatbots are complementary tools in medical education
that support autonomous learning, facilitate access to relevant information and contribute to the training
of competent professionals. However, the importance of promoting a critical and ethical use of chatbots
is emphasized, encouraging informative truthfulness and their responsible integration in academic
training.
Keywords: chatbots, educational resources, medicine, artificial intelligence
Artículo recibido 27 septiembre 2025
Aceptado para publicación: 29 octubre 2025
pág. 1837
INTRODUCCIÓN
La inteligencia artificial (IA) es un campo de estudio científico que se fundamenta en la comprensión y
el diseño de algoritmos informáticos capaces de ejecutar actividades humanas. Consta de tres áreas
principales: estadística simbólica, lógica y basada en el conocimiento, que incluye métodos
probabilísticos y aprendizaje automático, y subsimbólica, que abarca la inteligencia corporal y la
búsqueda (Abdellatif et al., 2022).
Por su parte, un chatbot es un programa web que imita de forma convincente, como lo haría un humano,
una conducta en un entorno conversacional. Procesa texto en lenguaje natural e interactúa para producir
respuestas pertinentes y sofisticadas (Thirunavukarasu et al., 2023).
En el artículo “Computing Machinery and Intelligence”, publicado en 1950 por Alan Turing, surgió
“The Imitation Game”, conocido como el “Test de Turing”, cuyo objetivo era determinar si una máquina
podía considerarse inteligente o no. Basándose en las ideas de Turing, el informático alemán Joseph
Weizenbaum, del Instituto Tecnológico de Massachusetts (MIT), desarrolló en 1966 el primer chatbot,
conocido como ELIZA (Turing, 1950).
Los chatbots han estado disponibles en medicina y para los usuarios desde hace varios años, pero no
fue hasta el lanzamiento de ChatGPT, un modelo de lenguaje generativo presentado por OpenAI el 30
de noviembre de 2022, que el público descubrió el potencial de un chatbot entrenado con
aproximadamente 300 mil millones de palabras y con la capacidad de interactuar con una variedad de
información multidisciplinaria (Eysenbach, 2023). Numerosas investigaciones han destacado el
potencial de los chatbots en diversos entornos educativos, incluidas intervenciones relacionadas con la
salud y el bienestar, así como en la instrucción médica (Ab Razak et al., 2023).
La formación médica exige una constante actualización y acceso a información precisa y actualizada.
Los mecanismos que se pueden utilizar por medio de la IA, cuyo potencial es proporcionar información
inmediata y relevante, y de este modo, facilitar el aprendizaje continuo y el acceso a recursos educativos
sin restricciones de tiempo y lugar (Okonkwo & Ade-Ibijola, 2021).
Como complemento, los chatbots se encargan de adaptar la destreza de desarrollo, ajustándose a las
demandas únicas de los alumnos.
INTRODUCCIÓN
La inteligencia artificial (IA) es un campo de estudio científico que se fundamenta en la comprensión y
el diseño de algoritmos informáticos capaces de ejecutar actividades humanas. Consta de tres áreas
principales: estadística simbólica, lógica y basada en el conocimiento, que incluye métodos
probabilísticos y aprendizaje automático, y subsimbólica, que abarca la inteligencia corporal y la
búsqueda (Abdellatif et al., 2022).
Por su parte, un chatbot es un programa web que imita de forma convincente, como lo haría un humano,
una conducta en un entorno conversacional. Procesa texto en lenguaje natural e interactúa para producir
respuestas pertinentes y sofisticadas (Thirunavukarasu et al., 2023).
En el artículo “Computing Machinery and Intelligence”, publicado en 1950 por Alan Turing, surgió
“The Imitation Game”, conocido como el “Test de Turing”, cuyo objetivo era determinar si una máquina
podía considerarse inteligente o no. Basándose en las ideas de Turing, el informático alemán Joseph
Weizenbaum, del Instituto Tecnológico de Massachusetts (MIT), desarrolló en 1966 el primer chatbot,
conocido como ELIZA (Turing, 1950).
Los chatbots han estado disponibles en medicina y para los usuarios desde hace varios años, pero no
fue hasta el lanzamiento de ChatGPT, un modelo de lenguaje generativo presentado por OpenAI el 30
de noviembre de 2022, que el público descubrió el potencial de un chatbot entrenado con
aproximadamente 300 mil millones de palabras y con la capacidad de interactuar con una variedad de
información multidisciplinaria (Eysenbach, 2023). Numerosas investigaciones han destacado el
potencial de los chatbots en diversos entornos educativos, incluidas intervenciones relacionadas con la
salud y el bienestar, así como en la instrucción médica (Ab Razak et al., 2023).
La formación médica exige una constante actualización y acceso a información precisa y actualizada.
Los mecanismos que se pueden utilizar por medio de la IA, cuyo potencial es proporcionar información
inmediata y relevante, y de este modo, facilitar el aprendizaje continuo y el acceso a recursos educativos
sin restricciones de tiempo y lugar (Okonkwo & Ade-Ibijola, 2021).
Como complemento, los chatbots se encargan de adaptar la destreza de desarrollo, ajustándose a las
demandas únicas de los alumnos.
pág. 1838
Pueden brindar una revisión exhaustiva, guiar a los estudiantes a través de procedimientos clínicos
simulados y ofrecer recursos adicionales para profundizar en temas específicos (Vaidyam et al., 2019).
Los chatbots ofrecen una característica muy llamativa de personalizar la entrega de contenido, lo que
permite que los conceptos médicos complejos sean más accesibles. Esta característica es ventajosa en
un campo en el que se ha reconocido mucho tiempo, que mantenerse actualizado con la información
más moderna es crucial. Los modelos de lenguaje generativo presentan una oportunidad para el
aprendizaje continuo y el futuro desarrollo profesional para los estudiantes (Adum Ruíz et al., 2024).
El principal desafío para los estudiantes de Medicina radica en su capacidad para utilizar de manera
eficaz la IA a medida que el uso de los chatbots se hace cada vez más común. Esto incluye comprender
las ventajas y desventajas de la IA, evaluar de manera cuidadosa la información generada y usarla de
forma responsable en su práctica profesional (X. Xu et al., 2024). Por lo tanto, para lograr una
integración fluida de la IA en la formación médica y mejorar la calidad educativa, es cada vez más
crucial que los educadores comprendan los aspectos éticos relacionados con la Inteligencia Artificial
en este campo (Franco D’Souza et al., 2024).
A pesar de los beneficios, la integración de chatbots en la formación de los profesionales en salud
manifiesta desafíos significativos. Existen preocupaciones sobre la precisión de la información
proporcionada por los chatbots, su capacidad para entender y responder de forma adecuada a preguntas
complejas, los sesgos de automatización, consideraciones éticas y la aprobación de esta herramienta
tecnológica por parte del personal involucrado. Por lo tanto, se plantean las siguientes preguntas:
¿Con qué periodicidad utilizan los chatbots los estudiantes de los grados superiores de la carrera de
ciencias médicas? y ¿En qué tipo de actividades emplean los estudiantes de medicina los chatbots?
Abordar estas interrogantes permite obtener una comprensión completa del papel de los chatbots de
Inteligencia Artificial como herramienta educativa en la formación médica y su repercusión en el
proceso educativo de los alumnos.
Al entender mejor cómo los chatbots pueden complementar y fortalecer la formación médica, se podrían
desarrollar estrategias más efectivas para abordar las necesidades de aprendizaje en un entorno
educativo dinámico y en constante evolución (Ebihara et al., 1996).
Pueden brindar una revisión exhaustiva, guiar a los estudiantes a través de procedimientos clínicos
simulados y ofrecer recursos adicionales para profundizar en temas específicos (Vaidyam et al., 2019).
Los chatbots ofrecen una característica muy llamativa de personalizar la entrega de contenido, lo que
permite que los conceptos médicos complejos sean más accesibles. Esta característica es ventajosa en
un campo en el que se ha reconocido mucho tiempo, que mantenerse actualizado con la información
más moderna es crucial. Los modelos de lenguaje generativo presentan una oportunidad para el
aprendizaje continuo y el futuro desarrollo profesional para los estudiantes (Adum Ruíz et al., 2024).
El principal desafío para los estudiantes de Medicina radica en su capacidad para utilizar de manera
eficaz la IA a medida que el uso de los chatbots se hace cada vez más común. Esto incluye comprender
las ventajas y desventajas de la IA, evaluar de manera cuidadosa la información generada y usarla de
forma responsable en su práctica profesional (X. Xu et al., 2024). Por lo tanto, para lograr una
integración fluida de la IA en la formación médica y mejorar la calidad educativa, es cada vez más
crucial que los educadores comprendan los aspectos éticos relacionados con la Inteligencia Artificial
en este campo (Franco D’Souza et al., 2024).
A pesar de los beneficios, la integración de chatbots en la formación de los profesionales en salud
manifiesta desafíos significativos. Existen preocupaciones sobre la precisión de la información
proporcionada por los chatbots, su capacidad para entender y responder de forma adecuada a preguntas
complejas, los sesgos de automatización, consideraciones éticas y la aprobación de esta herramienta
tecnológica por parte del personal involucrado. Por lo tanto, se plantean las siguientes preguntas:
¿Con qué periodicidad utilizan los chatbots los estudiantes de los grados superiores de la carrera de
ciencias médicas? y ¿En qué tipo de actividades emplean los estudiantes de medicina los chatbots?
Abordar estas interrogantes permite obtener una comprensión completa del papel de los chatbots de
Inteligencia Artificial como herramienta educativa en la formación médica y su repercusión en el
proceso educativo de los alumnos.
Al entender mejor cómo los chatbots pueden complementar y fortalecer la formación médica, se podrían
desarrollar estrategias más efectivas para abordar las necesidades de aprendizaje en un entorno
educativo dinámico y en constante evolución (Ebihara et al., 1996).
pág. 1839
Por todo lo descrito, el presente trabajo de investigación tiene como objetivo describir el uso de chatbots
como recurso educativo en la formación médica, explorando su impacto y utilidad para el conocimiento
del personal estudiantil de la carrera de Medicina.
METODOLOGIA
El presente estudio se desarrolló bajo un enfoque cuantitativo, con un tipo de investigación descriptivo
y un diseño observacional y transversal. La investigación tuvo como objetivo principal investigar las
percepciones de los estudiantes de medicina hacia el uso de chatbots de IA en su proceso formativo.
La población de estudio estuvo constituida por todos los estudiantes de la carrera de Medicina de la
Universidad Técnica de Machala (UTMACH) matriculados en el período académico 2024 d2. Para la
selección de la muestra, se empleó un muestreo no probabilístico por conveniencia, la cual quedó
conformada por 230 estudiantes de medicina. Los criterios de inclusión consideraron ser estudiantes de
Medicina de la UTMACH mayores de 18 años, que estuvieran dispuestos a participar y proporcionaran
su consentimiento informado. Por el contrario, se aplicaron criterios de exclusión para aquellos
estudiantes que no cursaban la carrera de Medicina en la UTMACH o que no completaron el
cuestionario en su totalidad.
Como técnica de recolección de datos se utilizó la encuesta. El instrumento empleado fue un
cuestionario en línea creado en Microsoft Forms, diseñado específicamente para recopilar las
percepciones y experiencias de los participantes sobre el uso actual y futuro de los chatbots en la
educación médica. Dicho instrumento constó de 13 preguntas divididas en cuatro secciones principales:
Variables sociodemográficas, Conocimientos, Actitudes y Prácticas. Para las secciones de Actitudes y
Prácticas se utilizó un sistema de escala Likert de cinco niveles.
Si bien no se aplicaron métodos formales de validación, el cuestionario fue desarrollado en consulta
con expertos en educación médica e inteligencia artificial y fue piloteado con una muestra de diez
estudiantes de medicina, quienes no formaron parte del estudio principal. La encuesta fue distribuida a
los participantes a través de correo electrónico y medios de comunicación social.
En cuanto a las consideraciones éticas, todos los participantes manifestaron su voluntad de colaborar y
se obtuvo su consentimiento informado. Como una limitación del estudio, se reconoce el uso de un
muestreo no probabilístico, lo cual puede afectar la generalización de los resultados.
Por todo lo descrito, el presente trabajo de investigación tiene como objetivo describir el uso de chatbots
como recurso educativo en la formación médica, explorando su impacto y utilidad para el conocimiento
del personal estudiantil de la carrera de Medicina.
METODOLOGIA
El presente estudio se desarrolló bajo un enfoque cuantitativo, con un tipo de investigación descriptivo
y un diseño observacional y transversal. La investigación tuvo como objetivo principal investigar las
percepciones de los estudiantes de medicina hacia el uso de chatbots de IA en su proceso formativo.
La población de estudio estuvo constituida por todos los estudiantes de la carrera de Medicina de la
Universidad Técnica de Machala (UTMACH) matriculados en el período académico 2024 d2. Para la
selección de la muestra, se empleó un muestreo no probabilístico por conveniencia, la cual quedó
conformada por 230 estudiantes de medicina. Los criterios de inclusión consideraron ser estudiantes de
Medicina de la UTMACH mayores de 18 años, que estuvieran dispuestos a participar y proporcionaran
su consentimiento informado. Por el contrario, se aplicaron criterios de exclusión para aquellos
estudiantes que no cursaban la carrera de Medicina en la UTMACH o que no completaron el
cuestionario en su totalidad.
Como técnica de recolección de datos se utilizó la encuesta. El instrumento empleado fue un
cuestionario en línea creado en Microsoft Forms, diseñado específicamente para recopilar las
percepciones y experiencias de los participantes sobre el uso actual y futuro de los chatbots en la
educación médica. Dicho instrumento constó de 13 preguntas divididas en cuatro secciones principales:
Variables sociodemográficas, Conocimientos, Actitudes y Prácticas. Para las secciones de Actitudes y
Prácticas se utilizó un sistema de escala Likert de cinco niveles.
Si bien no se aplicaron métodos formales de validación, el cuestionario fue desarrollado en consulta
con expertos en educación médica e inteligencia artificial y fue piloteado con una muestra de diez
estudiantes de medicina, quienes no formaron parte del estudio principal. La encuesta fue distribuida a
los participantes a través de correo electrónico y medios de comunicación social.
En cuanto a las consideraciones éticas, todos los participantes manifestaron su voluntad de colaborar y
se obtuvo su consentimiento informado. Como una limitación del estudio, se reconoce el uso de un
muestreo no probabilístico, lo cual puede afectar la generalización de los resultados.
pág. 1840
Todas las respuestas de los participantes se exportaron como un archivo Excel (Microsoft Corporation)
desde el sitio web de Microsoft Forms. A continuación, se importó y analizó utilizando el programa
IBM SPSS Statistics 22. Se calcularon estadísticos descriptivos como la frecuencia y el porcentaje para
los datos categóricos.
RESULTADOS
Las características sociodemográficas de los 230 estudiantes seleccionados para esta investigación se
presentan en la Tabla 1. La muestra mostró una distribución equilibrada por sexo, con un 50,4 % de
hombres y un 49,6 % de mujeres. La gran mayoría de los participantes (87,4 %) se encontraba en el
grupo de edad de 19 a 26 años. Respecto a la residencia, la mayor parte (86,1 %) vivía en zonas urbanas.
En cuanto al nivel socioeconómico, la mayoría (73,5 %) se autopercibió en un nivel medio. Finalmente,
la distribución por semestre académico también fue equilibrada, con 50,4 % en los primeros cinco
semestres y 49,6 % entre sexto y décimo semestre.
Las características sociodemográficas de los 230 estudiantes seleccionados para esta investigación se
presentan en la Tabla 2. En cuanto al sexo, el 50,4 % eran varones y el 49,6 % mujeres. La gran mayoría
de los participantes (87,4 %) tenían entre 19 a 26 años. Respecto a la residencia, el 86,1 % vivía en
zonas urbanas. En cuanto al nivel socioeconómico, el 73,5 % pertenecía a un nivel medio. Por último,
la distribución por semestre académico fue equilibrada, con un 50,4 % en los primeros cinco semestres
y un 49,6 % entre sexto y décimo semestre. De los 230 estudiantes de este estudio, 218 (94,8 %)
indicaron que habían utilizado chatbots, mientras que 12 (5,2 %) señalaron que no los utilizaban. De
los 218 estudiantes que reportaron el uso de chatbots, el 88,8 % (193 estudiantes) reportó haber utilizado
ChatGPT (OpenAI) como una de las herramientas más empleadas. En segundo lugar, Gemini AI fue
utilizado por el 8,4 % (19 estudiantes). Otros chatbots, como "Mónica" y otras opciones no
especificadas, fueron utilizados en menor proporción, cada uno representando el 1,4 % (3 estudiantes).
En cuanto al sexo, los hombres y las mujeres mostraron patrones similares en el uso de chatbots como
se indica en tabla 3. El 37,2% de los hombres y el mismo porcentaje de mujeres reportaron haberlos
utilizado "a veces", mientras que el 6% de ambos sexos indicaron que "casi nunca" hacían uso de estas
herramientas. En términos de uso constante, es decir, "siempre", el porcentaje fue bajo en ambos casos,
siendo ligeramente mayor en los hombres (2,8%) en comparación con las mujeres (0,5%).
Todas las respuestas de los participantes se exportaron como un archivo Excel (Microsoft Corporation)
desde el sitio web de Microsoft Forms. A continuación, se importó y analizó utilizando el programa
IBM SPSS Statistics 22. Se calcularon estadísticos descriptivos como la frecuencia y el porcentaje para
los datos categóricos.
RESULTADOS
Las características sociodemográficas de los 230 estudiantes seleccionados para esta investigación se
presentan en la Tabla 1. La muestra mostró una distribución equilibrada por sexo, con un 50,4 % de
hombres y un 49,6 % de mujeres. La gran mayoría de los participantes (87,4 %) se encontraba en el
grupo de edad de 19 a 26 años. Respecto a la residencia, la mayor parte (86,1 %) vivía en zonas urbanas.
En cuanto al nivel socioeconómico, la mayoría (73,5 %) se autopercibió en un nivel medio. Finalmente,
la distribución por semestre académico también fue equilibrada, con 50,4 % en los primeros cinco
semestres y 49,6 % entre sexto y décimo semestre.
Las características sociodemográficas de los 230 estudiantes seleccionados para esta investigación se
presentan en la Tabla 2. En cuanto al sexo, el 50,4 % eran varones y el 49,6 % mujeres. La gran mayoría
de los participantes (87,4 %) tenían entre 19 a 26 años. Respecto a la residencia, el 86,1 % vivía en
zonas urbanas. En cuanto al nivel socioeconómico, el 73,5 % pertenecía a un nivel medio. Por último,
la distribución por semestre académico fue equilibrada, con un 50,4 % en los primeros cinco semestres
y un 49,6 % entre sexto y décimo semestre. De los 230 estudiantes de este estudio, 218 (94,8 %)
indicaron que habían utilizado chatbots, mientras que 12 (5,2 %) señalaron que no los utilizaban. De
los 218 estudiantes que reportaron el uso de chatbots, el 88,8 % (193 estudiantes) reportó haber utilizado
ChatGPT (OpenAI) como una de las herramientas más empleadas. En segundo lugar, Gemini AI fue
utilizado por el 8,4 % (19 estudiantes). Otros chatbots, como "Mónica" y otras opciones no
especificadas, fueron utilizados en menor proporción, cada uno representando el 1,4 % (3 estudiantes).
En cuanto al sexo, los hombres y las mujeres mostraron patrones similares en el uso de chatbots como
se indica en tabla 3. El 37,2% de los hombres y el mismo porcentaje de mujeres reportaron haberlos
utilizado "a veces", mientras que el 6% de ambos sexos indicaron que "casi nunca" hacían uso de estas
herramientas. En términos de uso constante, es decir, "siempre", el porcentaje fue bajo en ambos casos,
siendo ligeramente mayor en los hombres (2,8%) en comparación con las mujeres (0,5%).
pág. 1841
Respecto a la edad, los estudiantes de 19 a 26 años destacan como los principales usuarios de chatbots,
con un 63.8% que los utiliza "a veces", mientras que sólo un 11% en este grupo reporta "casi nunca"
usarlos. En contraste, los estudiantes de 18 años o menos tienen una frecuencia de uso más baja, con un
9.6% que los usa "a veces" y un 0.9% que los utiliza "siempre". Por su parte, el grupo de 27 años o más
apenas registra participación, con un 0.9% que los utiliza "a veces" y ningún caso reportado de uso
constante.
En relación con la residencia de los participantes, se detectaron diferencias significativas en el uso de
chatbots. Los estudiantes de zonas urbanas presentaron una alta frecuencia de uso, con un 76% que los
utilizó "a veces", en contraste con el 7,8% de los estudiantes rurales que reportaron la misma categoría
de uso. Además, un 2,3% de los estudiantes rurales indicó que "casi nunca" usaban chatbots, en las
zonas urbanas este porcentaje fue mayor, alcanzando un 9,6%. El uso constante "siempre" fue muy bajo
en ambos grupos, con un 2,3% en zonas urbanas y sin registros de uso constante en zonas rurales.
En cuanto al nivel socioeconómico, los estudiantes de nivel medio fueron los que reportaron utilizar los
chatbots "a veces" en mayor proporción, con un 56,4%, seguidos por los estudiantes de nivel bajo, con
un 17,4%. En cambio, el nivel alto mostró un uso muy limitado, con solo un 0,5% que indicó usarlos
"siempre". Respecto al no uso, un 9,8% de los estudiantes de nivel medio y un 4,1% de los de nivel bajo
señalaron que "casi nunca" empleaban estas herramientas.
En el análisis por grupo de semestres, los estudiantes de primer a quinto semestre y los de sexto a
décimo semestre mostraron una distribución similar en cuanto al uso "a veces" (36,7% y 37,6%,
respectivamente). Sin embargo, el 5,5% de los estudiantes de semestres iniciales reportaron "casi
nunca" utilizarlos, mientras que en los semestres finales este porcentaje fue ligeramente superior, con
un 6,4%. En ambos casos, el uso constante "siempre" fue muy bajo, con un 2,3% en los primeros
semestres y solo un 0,9% en los últimos semestres.
En relación con las finalidades de uso de los chatbots, los resultados evidenciaron que la actividad más
frecuentemente realizada por los estudiantes fue realizar consultas rápidas, seleccionada por el 76.3%
de los participantes. en segundo lugar, el 41.4% indicó que utilizó los chatbots para extraer información
resumida de libros, textos, artículos o portales web.
Respecto a la edad, los estudiantes de 19 a 26 años destacan como los principales usuarios de chatbots,
con un 63.8% que los utiliza "a veces", mientras que sólo un 11% en este grupo reporta "casi nunca"
usarlos. En contraste, los estudiantes de 18 años o menos tienen una frecuencia de uso más baja, con un
9.6% que los usa "a veces" y un 0.9% que los utiliza "siempre". Por su parte, el grupo de 27 años o más
apenas registra participación, con un 0.9% que los utiliza "a veces" y ningún caso reportado de uso
constante.
En relación con la residencia de los participantes, se detectaron diferencias significativas en el uso de
chatbots. Los estudiantes de zonas urbanas presentaron una alta frecuencia de uso, con un 76% que los
utilizó "a veces", en contraste con el 7,8% de los estudiantes rurales que reportaron la misma categoría
de uso. Además, un 2,3% de los estudiantes rurales indicó que "casi nunca" usaban chatbots, en las
zonas urbanas este porcentaje fue mayor, alcanzando un 9,6%. El uso constante "siempre" fue muy bajo
en ambos grupos, con un 2,3% en zonas urbanas y sin registros de uso constante en zonas rurales.
En cuanto al nivel socioeconómico, los estudiantes de nivel medio fueron los que reportaron utilizar los
chatbots "a veces" en mayor proporción, con un 56,4%, seguidos por los estudiantes de nivel bajo, con
un 17,4%. En cambio, el nivel alto mostró un uso muy limitado, con solo un 0,5% que indicó usarlos
"siempre". Respecto al no uso, un 9,8% de los estudiantes de nivel medio y un 4,1% de los de nivel bajo
señalaron que "casi nunca" empleaban estas herramientas.
En el análisis por grupo de semestres, los estudiantes de primer a quinto semestre y los de sexto a
décimo semestre mostraron una distribución similar en cuanto al uso "a veces" (36,7% y 37,6%,
respectivamente). Sin embargo, el 5,5% de los estudiantes de semestres iniciales reportaron "casi
nunca" utilizarlos, mientras que en los semestres finales este porcentaje fue ligeramente superior, con
un 6,4%. En ambos casos, el uso constante "siempre" fue muy bajo, con un 2,3% en los primeros
semestres y solo un 0,9% en los últimos semestres.
En relación con las finalidades de uso de los chatbots, los resultados evidenciaron que la actividad más
frecuentemente realizada por los estudiantes fue realizar consultas rápidas, seleccionada por el 76.3%
de los participantes. en segundo lugar, el 41.4% indicó que utilizó los chatbots para extraer información
resumida de libros, textos, artículos o portales web.
pág. 1842
Por otro lado, el 31.6% manifestó haber empleado los chatbots para resolver casos clínicos reales o
simulados, mientras que el 27.0% reportó haberlos usado para mejorar o corregir la ortografía y
redacción de un texto. solo el 7.9% refirió haber utilizado estas herramientas para contestar preguntas
de lecciones o exámenes de asignaturas. finalmente, el 87.0% de los encuestados mencionó otras
finalidades distintas a las descritas anteriormente.
Asimismo, se evidenció que, en relación con la verificación de la información obtenida a través de los
chatbots, con bibliografía académica, un 52,8% (115 estudiantes) de los 218 encuestados indicó que
verificaba la información "a veces". Le siguió un 23,9% (52 estudiantes), que ‘’casi siempre’’ lo hacía,
y un 13,8% (30 estudiantes), que lo hacía "siempre". Por otro lado, un 8,7% (19 estudiantes) reportó
que lo realizaba "casi nunca", mientras que un 0,9% indicó que nunca verificaba la información.
Tabla 1. Variables socio-demográficas de los participantes
Fuente: Instrumento de recolección de datos
Elaborado por: Santos, A; Valdiviezo, N
Tabla 2. Uso de chatbots durante el proceso de estudio
Participantes N %
Sí 218 94,8
No 12 5,2
Fuente: Instrumento de recolección de datos
Elaborado por: Santos, A; Valdiviezo, N
Variables socio-demográficas N %
Sexo:
Masculino (M)
Femenino (F)
116
114
50,4
49,6
Edad:
18 años o menos
19 a 26 años
27 años o más
27
201
2
11,7
87,4
0,9
Residencia:
Zona urbana
Zona rural
198
32
86,1
13,9
Nivel socioeconómico
Bajo
Medio
Alto
60
169
1
26,1
73,5
0,4
Semestre:
Primero-quinto
Sexto-décimo
116
114
50,4
49,6
Por otro lado, el 31.6% manifestó haber empleado los chatbots para resolver casos clínicos reales o
simulados, mientras que el 27.0% reportó haberlos usado para mejorar o corregir la ortografía y
redacción de un texto. solo el 7.9% refirió haber utilizado estas herramientas para contestar preguntas
de lecciones o exámenes de asignaturas. finalmente, el 87.0% de los encuestados mencionó otras
finalidades distintas a las descritas anteriormente.
Asimismo, se evidenció que, en relación con la verificación de la información obtenida a través de los
chatbots, con bibliografía académica, un 52,8% (115 estudiantes) de los 218 encuestados indicó que
verificaba la información "a veces". Le siguió un 23,9% (52 estudiantes), que ‘’casi siempre’’ lo hacía,
y un 13,8% (30 estudiantes), que lo hacía "siempre". Por otro lado, un 8,7% (19 estudiantes) reportó
que lo realizaba "casi nunca", mientras que un 0,9% indicó que nunca verificaba la información.
Tabla 1. Variables socio-demográficas de los participantes
Fuente: Instrumento de recolección de datos
Elaborado por: Santos, A; Valdiviezo, N
Tabla 2. Uso de chatbots durante el proceso de estudio
Participantes N %
Sí 218 94,8
No 12 5,2
Fuente: Instrumento de recolección de datos
Elaborado por: Santos, A; Valdiviezo, N
Variables socio-demográficas N %
Sexo:
Masculino (M)
Femenino (F)
116
114
50,4
49,6
Edad:
18 años o menos
19 a 26 años
27 años o más
27
201
2
11,7
87,4
0,9
Residencia:
Zona urbana
Zona rural
198
32
86,1
13,9
Nivel socioeconómico
Bajo
Medio
Alto
60
169
1
26,1
73,5
0,4
Semestre:
Primero-quinto
Sexto-décimo
116
114
50,4
49,6
pág. 1843
Tabla 3. Frecuencia de uso de los chatbots por parte de los estudiantes
Casi nunca/
A veces
Casi siempre/
Siempre
N % N %
Sexo:
Masculino
Femenino
94
94
43,2
43,2
19
11
8,8
5,1
Edad:
18 años o menos
19 a 26 años
27 años o más
23
163
2
10,4
74,8
0,9
4
26
0
1,8
11,9
0,0
Residencia:
Zona urbana
Zona rural
166
22
76,1
10,1
25
5
11,5
2,3
Nivel socioeconómico:
Bajo
Medio
Alto
47
140
1
21,5
64,2
0,5
6
24
0
2,8
11,0
0,0
Semestre:
Primero-quinto
Sexto-décimo 92
96
42,2
44,0
16
14
7,3
6,4
Fuente: Instrumento de recolección de datos
Elaborado por: Santos, A; Valdiviezo, N
Tabla 4. Actividades académicas realizadas por los estudiantes mediante el uso de chatbots
N %
Realizar consultas rápidas (conceptos,
terminología, etc) 164 76,3
Extraer información resumida (libros, textos,
artículos, portales web, etc) 89 41,4
Resolver casos clínicos reales o simulados 68 31,6
Mejorar o corregir la ortografía y redacción
de un texto 58 27,0
Contestar preguntas de lecciones o exámenes
de asignaturas 17 7,9
Otras 187 87,0
Fuente: Instrumento de recolección de datos
Elaborado por: Santos, A; Valdiviezo, N
Tabla 3. Frecuencia de uso de los chatbots por parte de los estudiantes
Casi nunca/
A veces
Casi siempre/
Siempre
N % N %
Sexo:
Masculino
Femenino
94
94
43,2
43,2
19
11
8,8
5,1
Edad:
18 años o menos
19 a 26 años
27 años o más
23
163
2
10,4
74,8
0,9
4
26
0
1,8
11,9
0,0
Residencia:
Zona urbana
Zona rural
166
22
76,1
10,1
25
5
11,5
2,3
Nivel socioeconómico:
Bajo
Medio
Alto
47
140
1
21,5
64,2
0,5
6
24
0
2,8
11,0
0,0
Semestre:
Primero-quinto
Sexto-décimo 92
96
42,2
44,0
16
14
7,3
6,4
Fuente: Instrumento de recolección de datos
Elaborado por: Santos, A; Valdiviezo, N
Tabla 4. Actividades académicas realizadas por los estudiantes mediante el uso de chatbots
N %
Realizar consultas rápidas (conceptos,
terminología, etc) 164 76,3
Extraer información resumida (libros, textos,
artículos, portales web, etc) 89 41,4
Resolver casos clínicos reales o simulados 68 31,6
Mejorar o corregir la ortografía y redacción
de un texto 58 27,0
Contestar preguntas de lecciones o exámenes
de asignaturas 17 7,9
Otras 187 87,0
Fuente: Instrumento de recolección de datos
Elaborado por: Santos, A; Valdiviezo, N
pág. 1844
Tabla 5. Verificación de la información obtenida por los chatbots con fuentes académicas
N %
Nunca 2 0,9
Casi nunca 19 8,7
A veces 115 52,8
Casi siempre 52 23,9
Siempre 30 13,8
Fuente: Instrumento de recolección de datos
Elaborado por: Santos, A; Valdiviezo, N
DISCUSIÓN
En un estudio realizado a 443 estudiantes sanitarios en Malasia, se investigó el uso de un chatbot
específico para sus actividades académicas. En donde predominó el sexo masculino (70.9%) sobre el
femenino (27.5%), mientras que en la presente investigación se observó una distribución equilibrada,
con un 50.4% de hombres y un 49.6% de mujeres. Estas diferencias pueden reflejar particularidades
culturales o sociales que influyen en la composición de género(George Pallivathukal et al., 2024).
En relación con la edad, ambos estudios coinciden en que la mayoría de los participantes se encuentran
en etapas tempranas de la vida adulta. Sin embargo, en el estudio de Malasia, el grupo de 21 a 25 años
representó el 61.2%, seguido por los de 18 a 20 años (36.6%), mientras que en este trabajo predominó
el rango de 19 a 26 años (87.4%). Lo que podría indicar que existe mayor predisposición de esta
población en utilizar estas tecnologías.
En el estudio de Malasia, los participantes estuvieron distribuidos en diferentes años de su formación
académica. La mayor proporción de estudiantes pertenecía al primer año (34.8%), seguido de un número
más equilibrado entre los años restantes: segundo año (17.8%), tercer año (16.7%), cuarto año (13.8%)
y quinto año (16.9%). Por otro lado, esta investigación muestra una distribución equitativa entre
estudiantes de los primeros semestres (50.4%) y los últimos semestres (49.6%). Estas diferencias
podrían explicarse por las metodologías de muestreo empleadas o las variaciones en la estructura
curricular de las instituciones analizadas (George Pallivathukal et al., 2024).
En una investigación ejecutada a 102 de la Facultad de Medicina de la Universidad de Florida en enero
de 2024, los 102 participantes reportaron estar al tanto de los chatbots de IA. El 77% de los estudiantes
informó haber utilizado chatbots, y el 69% de ellos indicó haberlos utilizado para propósitos médicos
Tabla 5. Verificación de la información obtenida por los chatbots con fuentes académicas
N %
Nunca 2 0,9
Casi nunca 19 8,7
A veces 115 52,8
Casi siempre 52 23,9
Siempre 30 13,8
Fuente: Instrumento de recolección de datos
Elaborado por: Santos, A; Valdiviezo, N
DISCUSIÓN
En un estudio realizado a 443 estudiantes sanitarios en Malasia, se investigó el uso de un chatbot
específico para sus actividades académicas. En donde predominó el sexo masculino (70.9%) sobre el
femenino (27.5%), mientras que en la presente investigación se observó una distribución equilibrada,
con un 50.4% de hombres y un 49.6% de mujeres. Estas diferencias pueden reflejar particularidades
culturales o sociales que influyen en la composición de género(George Pallivathukal et al., 2024).
En relación con la edad, ambos estudios coinciden en que la mayoría de los participantes se encuentran
en etapas tempranas de la vida adulta. Sin embargo, en el estudio de Malasia, el grupo de 21 a 25 años
representó el 61.2%, seguido por los de 18 a 20 años (36.6%), mientras que en este trabajo predominó
el rango de 19 a 26 años (87.4%). Lo que podría indicar que existe mayor predisposición de esta
población en utilizar estas tecnologías.
En el estudio de Malasia, los participantes estuvieron distribuidos en diferentes años de su formación
académica. La mayor proporción de estudiantes pertenecía al primer año (34.8%), seguido de un número
más equilibrado entre los años restantes: segundo año (17.8%), tercer año (16.7%), cuarto año (13.8%)
y quinto año (16.9%). Por otro lado, esta investigación muestra una distribución equitativa entre
estudiantes de los primeros semestres (50.4%) y los últimos semestres (49.6%). Estas diferencias
podrían explicarse por las metodologías de muestreo empleadas o las variaciones en la estructura
curricular de las instituciones analizadas (George Pallivathukal et al., 2024).
En una investigación ejecutada a 102 de la Facultad de Medicina de la Universidad de Florida en enero
de 2024, los 102 participantes reportaron estar al tanto de los chatbots de IA. El 77% de los estudiantes
informó haber utilizado chatbots, y el 69% de ellos indicó haberlos utilizado para propósitos médicos
pág. 1845
al menos una vez al mes (A. Y. Xu et al., 2024). En contraste con el presente estudio, de los 230
estudiantes, 218 (94,8%) indicaron que han utilizado chatbots, mientras que 12 (5,2%) señalaron que
no los usaron. Estos datos evidencian una clara preferencia y adopción mayoritaria de los chatbots por
parte de los participantes del estudio.
En una investigación sobre el uso de chatbots En el año 2023, los alumnos de medicina de la Facultad
de Ciencias Médicas de la Universidad Nacional de Asunción. De los 80 estudiantes encuestados, el
46,3% afirmó utilizar chatbots con frecuencia, siendo el 70% (56 personas) de sexo femenino (Armando
Joel Arce Grance, 2023). En relación con la presente investigación, en cuanto al sexo, los hombres y
mujeres muestran patrones similares de uso de chatbots. El 37.2% de los hombres y el mismo porcentaje
de mujeres reportan usarlos "a veces", mientras que el 6% de los hombres y mujeres indican que "casi
nunca" hacen uso de estas herramientas. En términos de uso constante "siempre", el porcentaje es bajo
en ambos casos, siendo ligeramente mayor en hombres (2.8%) en comparación con mujeres (0.5%).
En un estudio realizado en China, que incluyó a 693 estudiantes de medicina provenientes de 57
universidades distribuidas en 21 provincias y municipios, se observó una distribución predominante de
actividades realizadas a través del uso de chatbots. Entre las actividades más comunes, el 91,05% de
los participantes (631/693) utilizaban los chatbots para obtener información médica básica y
conocimiento general. Además, se identificaron otras actividades frecuentes, como buscar respuestas y
orientación para preguntas complejas (84,1%, 583/693), mejorar la experiencia de aprendizaje médico
mediante la resolución de casos clínicos (75,4%, 520/693), recuperar información variada, como
búsquedas regulares (63,9%, 443/693), y entretenimiento (54,4%, 377/693) (Tao et al., 2024).
En contraste, este estudio reveló una distribución diferente de actividades. En este caso, 54 participantes
(24,8%) utilizaban los chatbots para consultas rápidas sobre conceptos y terminología, mientras que 68
participantes (31,6%) resolvían casos clínicos reales o simulados. Solo el 7,9% (17/215) recurría a los
chatbots para contestar preguntas de lecciones o exámenes de asignaturas, mientras que un 49,4%
(89/215) extraía información resumida de libros, textos, artículos y portales web. Por último, un 10,1%
(22/215) utilizaba los chatbots para buscar contenido de entretenimiento.
Estos resultados muestran diferencias notables en cómo se utilizan los chatbots en ambos estudios. En
el contexto chino, se enfocan principalmente en actividades para obtener información general y resolver
al menos una vez al mes (A. Y. Xu et al., 2024). En contraste con el presente estudio, de los 230
estudiantes, 218 (94,8%) indicaron que han utilizado chatbots, mientras que 12 (5,2%) señalaron que
no los usaron. Estos datos evidencian una clara preferencia y adopción mayoritaria de los chatbots por
parte de los participantes del estudio.
En una investigación sobre el uso de chatbots En el año 2023, los alumnos de medicina de la Facultad
de Ciencias Médicas de la Universidad Nacional de Asunción. De los 80 estudiantes encuestados, el
46,3% afirmó utilizar chatbots con frecuencia, siendo el 70% (56 personas) de sexo femenino (Armando
Joel Arce Grance, 2023). En relación con la presente investigación, en cuanto al sexo, los hombres y
mujeres muestran patrones similares de uso de chatbots. El 37.2% de los hombres y el mismo porcentaje
de mujeres reportan usarlos "a veces", mientras que el 6% de los hombres y mujeres indican que "casi
nunca" hacen uso de estas herramientas. En términos de uso constante "siempre", el porcentaje es bajo
en ambos casos, siendo ligeramente mayor en hombres (2.8%) en comparación con mujeres (0.5%).
En un estudio realizado en China, que incluyó a 693 estudiantes de medicina provenientes de 57
universidades distribuidas en 21 provincias y municipios, se observó una distribución predominante de
actividades realizadas a través del uso de chatbots. Entre las actividades más comunes, el 91,05% de
los participantes (631/693) utilizaban los chatbots para obtener información médica básica y
conocimiento general. Además, se identificaron otras actividades frecuentes, como buscar respuestas y
orientación para preguntas complejas (84,1%, 583/693), mejorar la experiencia de aprendizaje médico
mediante la resolución de casos clínicos (75,4%, 520/693), recuperar información variada, como
búsquedas regulares (63,9%, 443/693), y entretenimiento (54,4%, 377/693) (Tao et al., 2024).
En contraste, este estudio reveló una distribución diferente de actividades. En este caso, 54 participantes
(24,8%) utilizaban los chatbots para consultas rápidas sobre conceptos y terminología, mientras que 68
participantes (31,6%) resolvían casos clínicos reales o simulados. Solo el 7,9% (17/215) recurría a los
chatbots para contestar preguntas de lecciones o exámenes de asignaturas, mientras que un 49,4%
(89/215) extraía información resumida de libros, textos, artículos y portales web. Por último, un 10,1%
(22/215) utilizaba los chatbots para buscar contenido de entretenimiento.
Estos resultados muestran diferencias notables en cómo se utilizan los chatbots en ambos estudios. En
el contexto chino, se enfocan principalmente en actividades para obtener información general y resolver
pág. 1846
preguntas complejas, mientras que en este estudio se destaca un uso más centrado en consultas
específicas y en la aplicación práctica en la formación médica. En lo que respecta al entretenimiento,
aunque un porcentaje menor de estudiantes en ambos estudios utiliza los chatbots para este propósito,
este hallazgo sugiere que los chatbots podrían estar contribuyendo a disminuir la carga cognitiva o a
fomentar un aprendizaje más lúdico, lo que podría tener beneficios indirectos en la motivación y el
bienestar del alumnado.
En un estudio realizado a estudiantes de medicina de la Universidad de Florida en enero de 2024, se
investigó el uso de chatbots de IA, y la frecuencia con la que los estudiantes verifican la información
obtenida de estas herramientas. Los resultados mostraron que un 18.6% de los participantes nunca
verifican la información proporcionada por los chatbots, un 17.1% lo hace ocasionalmente, y un 21.4%
lo verifica algunas veces. Un porcentaje considerable (25.7%) mencionó que verifica la información
con frecuencia, mientras que el 12.9% asegura hacerlo siempre (A. Y. Xu et al., 2024).
Comparando estos hallazgos con los resultados obtenidos en esta investigación, se observa una
diferencia significativa en la frecuencia de verificación. En este estudio, la mayoría de los participantes
indicó que verifica la información obtenida de los chatbots académicos, con un 52.8% de respuestas
que afirmaron que lo hacen "a veces" y un 23.9% que lo hace "casi siempre". Solo un pequeño
porcentaje (0.9%) respondió que nunca verifica la información.
Aunque ambos grupos reconocen la importancia de verificar las respuestas proporcionadas por los
chatbots con bibliografía académica, la muestra del estudio realizado en la Universidad Técnica de
Machala mostró una mayor disposición a contrastar la información académica obtenida de los chatbots,
lo que pone de manifiesto las diferencias en la confianza y el enfoque hacia la fiabilidad de la
información ofrecida por las herramientas de IA en contextos educativos.
CONCLUSIONES
Los chatbots se han consolidado como herramientas complementarias en la formación médica,
diversificando las estrategias de aprendizaje autónomo y facilitando el acceso a recursos educativos sin
restricciones de tiempo o espacio. Estas herramientas tecnológicas no solo representan un apoyo
innovador en los entornos de enseñanza, sino que también promueven el desarrollo de competencias
digitales y cognitivas esenciales en la práctica médica contemporánea.
preguntas complejas, mientras que en este estudio se destaca un uso más centrado en consultas
específicas y en la aplicación práctica en la formación médica. En lo que respecta al entretenimiento,
aunque un porcentaje menor de estudiantes en ambos estudios utiliza los chatbots para este propósito,
este hallazgo sugiere que los chatbots podrían estar contribuyendo a disminuir la carga cognitiva o a
fomentar un aprendizaje más lúdico, lo que podría tener beneficios indirectos en la motivación y el
bienestar del alumnado.
En un estudio realizado a estudiantes de medicina de la Universidad de Florida en enero de 2024, se
investigó el uso de chatbots de IA, y la frecuencia con la que los estudiantes verifican la información
obtenida de estas herramientas. Los resultados mostraron que un 18.6% de los participantes nunca
verifican la información proporcionada por los chatbots, un 17.1% lo hace ocasionalmente, y un 21.4%
lo verifica algunas veces. Un porcentaje considerable (25.7%) mencionó que verifica la información
con frecuencia, mientras que el 12.9% asegura hacerlo siempre (A. Y. Xu et al., 2024).
Comparando estos hallazgos con los resultados obtenidos en esta investigación, se observa una
diferencia significativa en la frecuencia de verificación. En este estudio, la mayoría de los participantes
indicó que verifica la información obtenida de los chatbots académicos, con un 52.8% de respuestas
que afirmaron que lo hacen "a veces" y un 23.9% que lo hace "casi siempre". Solo un pequeño
porcentaje (0.9%) respondió que nunca verifica la información.
Aunque ambos grupos reconocen la importancia de verificar las respuestas proporcionadas por los
chatbots con bibliografía académica, la muestra del estudio realizado en la Universidad Técnica de
Machala mostró una mayor disposición a contrastar la información académica obtenida de los chatbots,
lo que pone de manifiesto las diferencias en la confianza y el enfoque hacia la fiabilidad de la
información ofrecida por las herramientas de IA en contextos educativos.
CONCLUSIONES
Los chatbots se han consolidado como herramientas complementarias en la formación médica,
diversificando las estrategias de aprendizaje autónomo y facilitando el acceso a recursos educativos sin
restricciones de tiempo o espacio. Estas herramientas tecnológicas no solo representan un apoyo
innovador en los entornos de enseñanza, sino que también promueven el desarrollo de competencias
digitales y cognitivas esenciales en la práctica médica contemporánea.
pág. 1847
Su capacidad para adaptarse a diferentes estilos de aprendizaje permite a los estudiantes reforzar
conocimientos teóricos, practicar la toma de decisiones clínicas y recibir retroalimentación inmediata,
elementos clave para fortalecer el pensamiento crítico y la autonomía profesional.
Asimismo, los chatbots apoyan actividades académicas relevantes como la resolución de casos clínicos,
la mejora de habilidades lingüísticas, la simulación de entrevistas médico-paciente y la extracción de
información resumida a partir de textos científicos, demostrando su versatilidad pedagógica y su
potencial para complementar la labor docente. Sin embargo, la adopción y frecuencia de uso de estas
herramientas están significativamente influenciadas por variables sociodemográficas como la edad, el
nivel socioeconómico, el acceso a la tecnología y el semestre académico, lo que resalta la necesidad de
implementar estrategias que garanticen una adopción equitativa y accesible para todos los estudiantes.
Finalmente, es fundamental fomentar un uso crítico, responsable y ético de los chatbots, promoviendo
la verificación sistemática de la información obtenida mediante fuentes académicas confiables. Solo a
través de una integración reflexiva y regulada será posible garantizar la calidad del aprendizaje y la
formación de profesionales médicos competentes, éticos y preparados para los desafíos del entorno
digital.
REFERENCIAS
Ab Razak, N. I., Muhammad Yusoff, M. F., & O.K. Rahmat, R. W. (2023). ChatGPT Review: A
Sophisticated Chatbot Models in Medical & Health-related Teaching and Learning.
Malaysian Journal of Medicine and Health Sciences, 19(s12), 98–108.
https://doi.org/10.47836/mjmhs.19.s12.12
Abdellatif, H., Al Mushaiqri, M., Albalushi, H., Al-Zaabi, A. A., Roychoudhury, S., & Das, S. (2022).
Teaching, Learning and Assessing Anatomy with Artificial Intelligence: The Road to a Better
Future. International Journal of Environmental Research and Public Health, 19(21), 14209.
https://doi.org/10.3390/ijerph192114209
Adum Ruíz, J. H., Ruíz Ortega, M. G., Vera Ponce, H. J., & Álvarez Narváez, M. I. (2024). Inteligencia
artificial en medicina: presente y futuro. RECIAMUC, 8(1), 166–177.
https://doi.org/10.26820/reciamuc/8.(1).ene.2024.166-177
Su capacidad para adaptarse a diferentes estilos de aprendizaje permite a los estudiantes reforzar
conocimientos teóricos, practicar la toma de decisiones clínicas y recibir retroalimentación inmediata,
elementos clave para fortalecer el pensamiento crítico y la autonomía profesional.
Asimismo, los chatbots apoyan actividades académicas relevantes como la resolución de casos clínicos,
la mejora de habilidades lingüísticas, la simulación de entrevistas médico-paciente y la extracción de
información resumida a partir de textos científicos, demostrando su versatilidad pedagógica y su
potencial para complementar la labor docente. Sin embargo, la adopción y frecuencia de uso de estas
herramientas están significativamente influenciadas por variables sociodemográficas como la edad, el
nivel socioeconómico, el acceso a la tecnología y el semestre académico, lo que resalta la necesidad de
implementar estrategias que garanticen una adopción equitativa y accesible para todos los estudiantes.
Finalmente, es fundamental fomentar un uso crítico, responsable y ético de los chatbots, promoviendo
la verificación sistemática de la información obtenida mediante fuentes académicas confiables. Solo a
través de una integración reflexiva y regulada será posible garantizar la calidad del aprendizaje y la
formación de profesionales médicos competentes, éticos y preparados para los desafíos del entorno
digital.
REFERENCIAS
Ab Razak, N. I., Muhammad Yusoff, M. F., & O.K. Rahmat, R. W. (2023). ChatGPT Review: A
Sophisticated Chatbot Models in Medical & Health-related Teaching and Learning.
Malaysian Journal of Medicine and Health Sciences, 19(s12), 98–108.
https://doi.org/10.47836/mjmhs.19.s12.12
Abdellatif, H., Al Mushaiqri, M., Albalushi, H., Al-Zaabi, A. A., Roychoudhury, S., & Das, S. (2022).
Teaching, Learning and Assessing Anatomy with Artificial Intelligence: The Road to a Better
Future. International Journal of Environmental Research and Public Health, 19(21), 14209.
https://doi.org/10.3390/ijerph192114209
Adum Ruíz, J. H., Ruíz Ortega, M. G., Vera Ponce, H. J., & Álvarez Narváez, M. I. (2024). Inteligencia
artificial en medicina: presente y futuro. RECIAMUC, 8(1), 166–177.
https://doi.org/10.26820/reciamuc/8.(1).ene.2024.166-177
pág. 1848
Armando Joel Arce Grance, A. A. A. F. M. B. A. B. (2023). Uso de chatbots en estudiantes de medicina
de la Facultad de Ciencias Médicas – UNA, año 2023. Revista Paraguaya de Biofísica, 4.
Ebihara, A., Tokita, Y., Izawa, T., & Suda, H. (1996). Pulpal blood flow assessed by laser Doppler
flowmetry in a tooth with a horizontal root fracture. Oral Surgery, Oral Medicine, Oral Pathology,
Oral Radiology, and Endodontics, 81(2), 229–233. https://doi.org/10.1016/s1079-
2104(96)80420-3
Eysenbach, G. (2023). The Role of ChatGPT, Generative Language Models, and Artificial Intelligence
in Medical Education: A Conversation With ChatGPT and a Call for Papers. JMIR Medical
Education, 9, e46885. https://doi.org/10.2196/46885
Franco D’Souza, R., Mathew, M., Mishra, V., & Surapaneni, K. M. (2024). Twelve tips for addressing
ethical concerns in the implementation of artificial intelligence in medical education. Medical
Education Online, 29(1). https://doi.org/10.1080/10872981.2024.2330250
George Pallivathukal, R., Kyaw Soe, H. H., Donald, P. M., Samson, R. S., & Hj Ismail, A. R. (2024).
ChatGPT for Academic Purposes: Survey Among Undergraduate Healthcare Students in
Malaysia. Cureus, 16(1). https://doi.org/10.7759/cureus.53032
Okonkwo, C. W., & Ade-Ibijola, A. (2021). Chatbots applications in education: A systematic review.
Computers and Education: Artificial Intelligence, 2, 100033.
https://doi.org/10.1016/j.caeai.2021.100033
Tao, W., Yang, J., & Qu, X. (2024). Utilization of, Perceptions on, and Intention to Use AI Chatbots
Among Medical Students in China: National Cross-Sectional Study. JMIR Medical Education,
10, e57132–e57132. https://doi.org/10.2196/57132
Thirunavukarasu, A. J., Ting, D. S. J., Elangovan, K., Gutierrez, L., Tan, T. F., & Ting, D. S. W. (2023).
Large language models in medicine. Nature Medicine, 29(8), 1930–1940.
https://doi.org/10.1038/s41591-023-02448-8
TURING, A. M. (1950). I.—COMPUTING MACHINERY AND INTELLIGENCE. Mind, LIX(236),
433–460. https://doi.org/10.1093/mind/LIX.236.433
Armando Joel Arce Grance, A. A. A. F. M. B. A. B. (2023). Uso de chatbots en estudiantes de medicina
de la Facultad de Ciencias Médicas – UNA, año 2023. Revista Paraguaya de Biofísica, 4.
Ebihara, A., Tokita, Y., Izawa, T., & Suda, H. (1996). Pulpal blood flow assessed by laser Doppler
flowmetry in a tooth with a horizontal root fracture. Oral Surgery, Oral Medicine, Oral Pathology,
Oral Radiology, and Endodontics, 81(2), 229–233. https://doi.org/10.1016/s1079-
2104(96)80420-3
Eysenbach, G. (2023). The Role of ChatGPT, Generative Language Models, and Artificial Intelligence
in Medical Education: A Conversation With ChatGPT and a Call for Papers. JMIR Medical
Education, 9, e46885. https://doi.org/10.2196/46885
Franco D’Souza, R., Mathew, M., Mishra, V., & Surapaneni, K. M. (2024). Twelve tips for addressing
ethical concerns in the implementation of artificial intelligence in medical education. Medical
Education Online, 29(1). https://doi.org/10.1080/10872981.2024.2330250
George Pallivathukal, R., Kyaw Soe, H. H., Donald, P. M., Samson, R. S., & Hj Ismail, A. R. (2024).
ChatGPT for Academic Purposes: Survey Among Undergraduate Healthcare Students in
Malaysia. Cureus, 16(1). https://doi.org/10.7759/cureus.53032
Okonkwo, C. W., & Ade-Ibijola, A. (2021). Chatbots applications in education: A systematic review.
Computers and Education: Artificial Intelligence, 2, 100033.
https://doi.org/10.1016/j.caeai.2021.100033
Tao, W., Yang, J., & Qu, X. (2024). Utilization of, Perceptions on, and Intention to Use AI Chatbots
Among Medical Students in China: National Cross-Sectional Study. JMIR Medical Education,
10, e57132–e57132. https://doi.org/10.2196/57132
Thirunavukarasu, A. J., Ting, D. S. J., Elangovan, K., Gutierrez, L., Tan, T. F., & Ting, D. S. W. (2023).
Large language models in medicine. Nature Medicine, 29(8), 1930–1940.
https://doi.org/10.1038/s41591-023-02448-8
TURING, A. M. (1950). I.—COMPUTING MACHINERY AND INTELLIGENCE. Mind, LIX(236),
433–460. https://doi.org/10.1093/mind/LIX.236.433
pág. 1849
Vaidyam, A. N., Wisniewski, H., Halamka, J. D., Kashavan, M. S., & Torous, J. B. (2019). Chatbots
and Conversational Agents in Mental Health: A Review of the Psychiatric Landscape. The
Canadian Journal of Psychiatry, 64(7), 456–464. https://doi.org/10.1177/0706743719828977
Xu, A. Y., Piranio, V. S., Speakman, S., Rosen, C. D., Lu, S., Lamprecht, C., Medina, R. E., Corrielus,
M., Griffin, I. T., Chatham, C. E., Abchee, N. J., Stribling, D., Huynh, P. B., Harrell, H., Shickel,
B., & Brennan, M. (2024). A Pilot Study of Medical Student Opinions on Large Language Models.
Cureus. https://doi.org/10.7759/cureus.71946
Xu, X., Chen, Y., & Miao, J. (2024). Opportunities, challenges, and future directions of large language
models, including ChatGPT in medical education: a systematic scoping review. Journal of
Educational Evaluation for Health Professions, 21, 6. https://doi.org/10.3352/jeehp.2024.21.6
Vaidyam, A. N., Wisniewski, H., Halamka, J. D., Kashavan, M. S., & Torous, J. B. (2019). Chatbots
and Conversational Agents in Mental Health: A Review of the Psychiatric Landscape. The
Canadian Journal of Psychiatry, 64(7), 456–464. https://doi.org/10.1177/0706743719828977
Xu, A. Y., Piranio, V. S., Speakman, S., Rosen, C. D., Lu, S., Lamprecht, C., Medina, R. E., Corrielus,
M., Griffin, I. T., Chatham, C. E., Abchee, N. J., Stribling, D., Huynh, P. B., Harrell, H., Shickel,
B., & Brennan, M. (2024). A Pilot Study of Medical Student Opinions on Large Language Models.
Cureus. https://doi.org/10.7759/cureus.71946
Xu, X., Chen, Y., & Miao, J. (2024). Opportunities, challenges, and future directions of large language
models, including ChatGPT in medical education: a systematic scoping review. Journal of
Educational Evaluation for Health Professions, 21, 6. https://doi.org/10.3352/jeehp.2024.21.6