PERCEPCIÓN ESTUDIANTIL SOBRE EL USO DE
HERRAMIENTAS DE INTELIGENCIA ARTIFICIAL
EN LA EDUCACIÓN SUPERIOR: UN ESTUDIO EN LA
UNIVERSIDAD TÉCNICA LUIS VARGAS TORRES DE
ESMERALDAS
STUDENT PERCEPTION OF THE USE OF ARTIFICIAL INTELLIGENCE
TOOLS IN HIGHER EDUCATION: A STUDY AT UNIVERSIDAD
TÉCNICA LUIS VARGAS TORRES DE ESMERALDAS
Felix Antonio Benitez Mero
Universidad Técnica Luis Vargas Torres, Ecuador
Gissela Yanire Villavicencio Ortega
Universidad Técnica Luis Vargas Torres, Ecuador
Nestor Alberto Quiñonez Godoy
Universidad Técnica Luis Vargas Torres, Ecuador
Carlos Alberto Arroyo Casierra
Universidad Técnica Luis Vargas Torres, Ecuador
Carlos Ivan Realpe Camacho
Universidad Técnica Luis Vargas Torres, Ecuador
pág. 3181
DOI: https://doi.org/10.37811/cl_rcm.v9i6.21437
Percepción Estudiantil sobre el Uso de Herramientas de Inteligencia
Artificial en la Educación Superior: Un Estudio en la Universidad Técnica
Luis Vargas Torres de Esmeraldas
Felix Antonio Benitez Mero1
felix.benitez@utelvt.edu.ec
https://orcid.org/0000-0003-1877-7785
Universidad Técnica Luis Vargas Torres
Ecuador
Gissela Yanire Villavicencio Ortega
gissela.villavicencio@utelvt.edu.ec
https://orcid.org/0009-0007-9089-8684
Universidad Técnica Luis Vargas Torres
Ecuador
Nestor Alberto Quiñonez Godoy
nestor.quinonez@utelvt.edu.ec
https://orcid.org/0000-0002-9253-0134
Universidad Técnica Luis Vargas Torres
Ecuador
Carlos Alberto Arroyo Casierra
carlitosarroyo21@sagradocorazon.edu.ec
https://orcid.org/0009-0007-4310-3308
Unidad Educativa F. “Sagrado Corazón”
Ecuador
Carlos Ivan Realpe Camacho
Carlos.realpecamacho@utelvt.edu.ec
https://orcid.org/0000-0002-4132-746X
Universidad Técnica Luis Vargas Torres
Ecuador
RESUMEN
El presente estudio analiza la percepción estudiantil sobre el uso de herramientas de inteligencia
artificial (IA) en la Educación Superior, tomando como población a estudiantes de diversas carreras de
la Universidad Técnica Luis Vargas Torres de Esmeraldas (UTLVTE). El acelerado avance de la IA y
su incorporación en el ámbito académico ha generado nuevas dinámicas de aprendizaje, por lo que
resulta necesario comprender cómo los estudiantes valoran su impacto en la formación profesional y en
el desarrollo de competencias digitales. La investigación adoptó un enfoque cuantitativo, de alcance
descriptivo–exploratorio, aplicando un cuestionario estructurado a una muestra representativa de
estudiantes universitarios. Los resultados muestran una percepción mayoritariamente positiva: los
estudiantes consideran que la IA facilita la comprensión de contenidos, mejora la gestión del tiempo de
estudio y contribuye a la producción académica. Asimismo, reconocen que estas herramientas potencian
la capacidad para buscar, procesar y aplicar información de manera eficiente. No obstante, también se
identifican preocupaciones importantes, como la posible dependencia tecnológica, la disminución del
pensamiento crítico y la falta de lineamientos institucionales claros sobre el uso ético de la IA. Estos
hallazgos coinciden con estudios sudamericanos recientes que destacan la necesidad de una integración
responsable. En conclusión, se resalta la importancia de fortalecer la alfabetización digital y establecer
políticas universitarias que regulen adecuadamente el uso de IA en los procesos formativos.
Palabras clave: inteligencia artificial, percepción estudiantil, educación superior, competencias
digitales, TIC
1 Autor principal
Correspondencia: felix.benitez@utelvt.edu,ec
DOI: https://doi.org/10.37811/cl_rcm.v9i6.21437
Percepción Estudiantil sobre el Uso de Herramientas de Inteligencia
Artificial en la Educación Superior: Un Estudio en la Universidad Técnica
Luis Vargas Torres de Esmeraldas
Felix Antonio Benitez Mero1
felix.benitez@utelvt.edu.ec
https://orcid.org/0000-0003-1877-7785
Universidad Técnica Luis Vargas Torres
Ecuador
Gissela Yanire Villavicencio Ortega
gissela.villavicencio@utelvt.edu.ec
https://orcid.org/0009-0007-9089-8684
Universidad Técnica Luis Vargas Torres
Ecuador
Nestor Alberto Quiñonez Godoy
nestor.quinonez@utelvt.edu.ec
https://orcid.org/0000-0002-9253-0134
Universidad Técnica Luis Vargas Torres
Ecuador
Carlos Alberto Arroyo Casierra
carlitosarroyo21@sagradocorazon.edu.ec
https://orcid.org/0009-0007-4310-3308
Unidad Educativa F. “Sagrado Corazón”
Ecuador
Carlos Ivan Realpe Camacho
Carlos.realpecamacho@utelvt.edu.ec
https://orcid.org/0000-0002-4132-746X
Universidad Técnica Luis Vargas Torres
Ecuador
RESUMEN
El presente estudio analiza la percepción estudiantil sobre el uso de herramientas de inteligencia
artificial (IA) en la Educación Superior, tomando como población a estudiantes de diversas carreras de
la Universidad Técnica Luis Vargas Torres de Esmeraldas (UTLVTE). El acelerado avance de la IA y
su incorporación en el ámbito académico ha generado nuevas dinámicas de aprendizaje, por lo que
resulta necesario comprender cómo los estudiantes valoran su impacto en la formación profesional y en
el desarrollo de competencias digitales. La investigación adoptó un enfoque cuantitativo, de alcance
descriptivo–exploratorio, aplicando un cuestionario estructurado a una muestra representativa de
estudiantes universitarios. Los resultados muestran una percepción mayoritariamente positiva: los
estudiantes consideran que la IA facilita la comprensión de contenidos, mejora la gestión del tiempo de
estudio y contribuye a la producción académica. Asimismo, reconocen que estas herramientas potencian
la capacidad para buscar, procesar y aplicar información de manera eficiente. No obstante, también se
identifican preocupaciones importantes, como la posible dependencia tecnológica, la disminución del
pensamiento crítico y la falta de lineamientos institucionales claros sobre el uso ético de la IA. Estos
hallazgos coinciden con estudios sudamericanos recientes que destacan la necesidad de una integración
responsable. En conclusión, se resalta la importancia de fortalecer la alfabetización digital y establecer
políticas universitarias que regulen adecuadamente el uso de IA en los procesos formativos.
Palabras clave: inteligencia artificial, percepción estudiantil, educación superior, competencias
digitales, TIC
1 Autor principal
Correspondencia: felix.benitez@utelvt.edu,ec
pág. 3182
Student Perception of the Use of Artificial Intelligence Tools in Higher
Education: A Study at Universidad Técnica Luis Vargas Torres de
Esmeraldas
ABSTRACT
This study analyzes students’ perceptions of the use of artificial intelligence (AI) tools in Higher
Education, focusing on students from various academic programs at Universidad Técnica Luis Vargas
Torres de Esmeraldas (UTLVTE). The rapid expansion of AI in academic environments has
transformed learning processes, making it essential to understand how students evaluate its impact on
professional training and the development of digital competencies. The research employed a
quantitative, descriptive–exploratory approach, using a structured questionnaire applied to a
representative sample of university students. The findings reveal a predominantly positive perception:
students report that AI facilitates content comprehension, improves study time management, and
supports academic production. They also recognize that these tools enhance their ability to search for,
process, and apply information effectively. However, significant concerns also emerged, including
potential technological dependence, a decline in critical thinking, and the absence of clear institutional
guidelines regarding the ethical use of AI. These results are consistent with recent South American
studies that highlight the need for responsible and well-regulated integration. In conclusion, the study
emphasizes the importance of strengthening digital literacy and establishing university policies that
appropriately guide the use of AI in educational processes.
Keywords: artificial intelligence, student perception, higher education, digital competencies,
educational technology
Artículo recibido 20 octubre 2025
Aceptado para publicación: 15 noviembre 2025
Student Perception of the Use of Artificial Intelligence Tools in Higher
Education: A Study at Universidad Técnica Luis Vargas Torres de
Esmeraldas
ABSTRACT
This study analyzes students’ perceptions of the use of artificial intelligence (AI) tools in Higher
Education, focusing on students from various academic programs at Universidad Técnica Luis Vargas
Torres de Esmeraldas (UTLVTE). The rapid expansion of AI in academic environments has
transformed learning processes, making it essential to understand how students evaluate its impact on
professional training and the development of digital competencies. The research employed a
quantitative, descriptive–exploratory approach, using a structured questionnaire applied to a
representative sample of university students. The findings reveal a predominantly positive perception:
students report that AI facilitates content comprehension, improves study time management, and
supports academic production. They also recognize that these tools enhance their ability to search for,
process, and apply information effectively. However, significant concerns also emerged, including
potential technological dependence, a decline in critical thinking, and the absence of clear institutional
guidelines regarding the ethical use of AI. These results are consistent with recent South American
studies that highlight the need for responsible and well-regulated integration. In conclusion, the study
emphasizes the importance of strengthening digital literacy and establishing university policies that
appropriately guide the use of AI in educational processes.
Keywords: artificial intelligence, student perception, higher education, digital competencies,
educational technology
Artículo recibido 20 octubre 2025
Aceptado para publicación: 15 noviembre 2025
pág. 3183
INTRODUCCIÓN
La irrupción de herramientas de inteligencia artificial generativa (IAG), como los grandes modelos de
lenguaje (Large Language Models — LLMs), ha reconfigurado rápidamente los espacios de enseñanza
y aprendizaje en la educación superior. Estas tecnologías prometen personalizar el aprendizaje,
automatizar retroalimentación y optimizar tareas de búsqueda y redacción; sin embargo, su adopción
también plantea desafíos pedagógicos, éticos y de equidad que requieren ser comprendidos desde la
perspectiva de los actores principales del proceso educativo: los estudiantes (Galli, 2023).
Investigaciones realizadas en distintos países de Sudamérica muestran una percepción ambivalente
entre los estudiantes: valoran el potencial formativo de la IA (mejora en eficiencia, apoyo en la
resolución de problemas y en la producción escrita), pero también expresan inquietudes sobre la calidad
de la información, la dependencia tecnológica y el riesgo de prácticas académicas deshonestas si no hay
marcos normativos claros (Hernández, 2024; Gallegos, 2024). Estos hallazgos sugieren que la mera
disponibilidad tecnológica no garantiza un impacto educativo positivo sin estrategias institucionales de
acompañamiento.
Estudios transnacionales y comparativos en la región han aportado además evidencia sobre variaciones
contextuales: la percepción y el uso efectivo de la IA dependen fuertemente de la disciplina académica,
la formación previa en competencias digitales y las brechas de infraestructura entre instituciones
(Medina-Zuta et al., 2025; Aubá, 2024). En particular, se observa que estudiantes de áreas tecnológicas
tienden a adoptar y experimentar con IAG más frecuentemente que estudiantes de humanidades, lo que
plantea interrogantes sobre la equidad formativa y la necesidad de diseñar programas de alfabetización
digital específicos para cada campo del saber.
En el caso ecuatoriano y andino, investigaciones recientes también han señalado la importancia de
abordar la percepción estudiantil como indicador clave para la formulación de políticas institucionales:
la aceptación de las herramientas y las expectativas sobre su aporte al aprendizaje condicionan tanto la
integración docente como el diseño de evaluaciones que preserven la autenticidad del trabajo académico
(Vera, 2023; Moreno, 2025). Esto exige estudios locales que no solo describan tasas de uso, sino que
exploren creencias, actitudes y justificantes morales que los estudiantes articulan respecto a la IA.
INTRODUCCIÓN
La irrupción de herramientas de inteligencia artificial generativa (IAG), como los grandes modelos de
lenguaje (Large Language Models — LLMs), ha reconfigurado rápidamente los espacios de enseñanza
y aprendizaje en la educación superior. Estas tecnologías prometen personalizar el aprendizaje,
automatizar retroalimentación y optimizar tareas de búsqueda y redacción; sin embargo, su adopción
también plantea desafíos pedagógicos, éticos y de equidad que requieren ser comprendidos desde la
perspectiva de los actores principales del proceso educativo: los estudiantes (Galli, 2023).
Investigaciones realizadas en distintos países de Sudamérica muestran una percepción ambivalente
entre los estudiantes: valoran el potencial formativo de la IA (mejora en eficiencia, apoyo en la
resolución de problemas y en la producción escrita), pero también expresan inquietudes sobre la calidad
de la información, la dependencia tecnológica y el riesgo de prácticas académicas deshonestas si no hay
marcos normativos claros (Hernández, 2024; Gallegos, 2024). Estos hallazgos sugieren que la mera
disponibilidad tecnológica no garantiza un impacto educativo positivo sin estrategias institucionales de
acompañamiento.
Estudios transnacionales y comparativos en la región han aportado además evidencia sobre variaciones
contextuales: la percepción y el uso efectivo de la IA dependen fuertemente de la disciplina académica,
la formación previa en competencias digitales y las brechas de infraestructura entre instituciones
(Medina-Zuta et al., 2025; Aubá, 2024). En particular, se observa que estudiantes de áreas tecnológicas
tienden a adoptar y experimentar con IAG más frecuentemente que estudiantes de humanidades, lo que
plantea interrogantes sobre la equidad formativa y la necesidad de diseñar programas de alfabetización
digital específicos para cada campo del saber.
En el caso ecuatoriano y andino, investigaciones recientes también han señalado la importancia de
abordar la percepción estudiantil como indicador clave para la formulación de políticas institucionales:
la aceptación de las herramientas y las expectativas sobre su aporte al aprendizaje condicionan tanto la
integración docente como el diseño de evaluaciones que preserven la autenticidad del trabajo académico
(Vera, 2023; Moreno, 2025). Esto exige estudios locales que no solo describan tasas de uso, sino que
exploren creencias, actitudes y justificantes morales que los estudiantes articulan respecto a la IA.
pág. 3184
Sin embargo, a pesar de este creciente cuerpo de conocimiento, existe una laguna empírica significativa
cuando se trata de los estudiantes de la Universidad Técnica Luis Vargas Torres de Esmeraldas
(UTLVTE): no se han documentado suficientemente sus percepciones sobre la IA, ni cómo estas varían
según su carrera, su nivel de competencias digitales o sus experiencias académicas. Dada la
particularidad socioeducativa de Esmeraldas, con sus propias dinámicas de acceso, cultura institucional
y necesidades formativas, resulta crucial investigar cómo esta comunidad universitaria construye sus
significados en torno a la IA.
Ante este panorama, el presente artículo propone indagar la percepción estudiantil sobre el uso de
herramientas de IA en la educación superior en un contexto universitario de la región (Esmeraldas,
Ecuador), con el objetivo de: (1) caracterizar niveles de conocimiento y frecuencia de uso; (2) identificar
beneficios y riesgos percibidos; y (3) explorar relaciones entre percepción, disciplina académica y
competencias digitales. Al situar los hallazgos en diálogo con la literatura regional, se busca aportar
evidencia útil para el diseño de políticas institucionales y estrategias pedagógicas que permitan integrar
la IA de modo ético, equitativo y formativo. Esta aproximación responde a la necesidad emergente de
comprender no sólo qué hacen los estudiantes con la IA, sino cómo la interpretan y justifican dentro de
sus trayectorias educativas.
MARCO TEÓRICO
Inteligencia artificial en la educación superior
La inteligencia artificial (IA) ha emergido como un componente estratégico en los sistemas educativos
contemporáneos, especialmente a partir de la expansión de modelos generativos como ChatGPT,
Gemini y otros LLM. Según Galli (2023), estas tecnologías permiten automatizar procesos de búsqueda
de información, ofrecer retroalimentación inmediata y facilitar ambientes personalizados de
aprendizaje, transformando los roles tradicionales de estudiantes y docentes. En la región sudamericana,
este avance ha sido interpretado tanto como una oportunidad para modernizar las prácticas pedagógicas
como un desafío institucional asociado a las brechas digitales y los marcos éticos (Hernández, 2024).
En el ámbito universitario, la IA se ha incorporado de manera progresiva en actividades como la
producción escrita, resolución de problemas, simulación de escenarios y análisis de datos.
Sin embargo, a pesar de este creciente cuerpo de conocimiento, existe una laguna empírica significativa
cuando se trata de los estudiantes de la Universidad Técnica Luis Vargas Torres de Esmeraldas
(UTLVTE): no se han documentado suficientemente sus percepciones sobre la IA, ni cómo estas varían
según su carrera, su nivel de competencias digitales o sus experiencias académicas. Dada la
particularidad socioeducativa de Esmeraldas, con sus propias dinámicas de acceso, cultura institucional
y necesidades formativas, resulta crucial investigar cómo esta comunidad universitaria construye sus
significados en torno a la IA.
Ante este panorama, el presente artículo propone indagar la percepción estudiantil sobre el uso de
herramientas de IA en la educación superior en un contexto universitario de la región (Esmeraldas,
Ecuador), con el objetivo de: (1) caracterizar niveles de conocimiento y frecuencia de uso; (2) identificar
beneficios y riesgos percibidos; y (3) explorar relaciones entre percepción, disciplina académica y
competencias digitales. Al situar los hallazgos en diálogo con la literatura regional, se busca aportar
evidencia útil para el diseño de políticas institucionales y estrategias pedagógicas que permitan integrar
la IA de modo ético, equitativo y formativo. Esta aproximación responde a la necesidad emergente de
comprender no sólo qué hacen los estudiantes con la IA, sino cómo la interpretan y justifican dentro de
sus trayectorias educativas.
MARCO TEÓRICO
Inteligencia artificial en la educación superior
La inteligencia artificial (IA) ha emergido como un componente estratégico en los sistemas educativos
contemporáneos, especialmente a partir de la expansión de modelos generativos como ChatGPT,
Gemini y otros LLM. Según Galli (2023), estas tecnologías permiten automatizar procesos de búsqueda
de información, ofrecer retroalimentación inmediata y facilitar ambientes personalizados de
aprendizaje, transformando los roles tradicionales de estudiantes y docentes. En la región sudamericana,
este avance ha sido interpretado tanto como una oportunidad para modernizar las prácticas pedagógicas
como un desafío institucional asociado a las brechas digitales y los marcos éticos (Hernández, 2024).
En el ámbito universitario, la IA se ha incorporado de manera progresiva en actividades como la
producción escrita, resolución de problemas, simulación de escenarios y análisis de datos.
pág. 3185
No obstante, como señalan Gallegos (2024) y Medina-Zuta et al. (2025), su integración efectiva
depende de la infraestructura tecnológica disponible, la capacitación docente y la alfabetización digital
del estudiantado.
Percepción estudiantil y adopción tecnológica
La percepción estudiantil es un constructo clave para comprender la adopción de tecnologías
emergentes. En el caso de la inteligencia artificial, los estudiantes tienden a construir actitudes que
combinan expectativas de utilidad con preocupaciones éticas y académicas (Hernández, 2024). Esta
percepción se vincula con tres dimensiones:
1. Utilidad percibida: los estudiantes reconocen que la IA puede mejorar su rendimiento académico,
facilitar la comprensión de temas complejos y optimizar la elaboración de trabajos (Galli, 2023).
2. Facilidad de uso: la disponibilidad de interfaces intuitivas incrementa la aceptación de estas
herramientas, aunque las habilidades digitales previas modulan la experiencia (Aubá, 2024).
3. Riesgos percibidos: incluyen desconfianza en la precisión de la información, miedo a la
dependencia excesiva y preocupación por posibles sanciones en caso de un uso inadecuado
(Gallegos, 2024; Moreno, 2025).
La aceptación tecnológica, desde la perspectiva sudamericana, evidencia diferencias según disciplina
universitaria, tipo de institución y nivel socioeconómico, lo cual exige aproximaciones contextualizadas
(Medina-Zuta et al., 2025).
Ética académica y uso responsable de la inteligencia artificial
La integración de IA en la educación superior demanda un análisis profundo sobre la ética académica.
Estudios en Ecuador y Perú muestran que los estudiantes no siempre distinguen entre el uso legítimo
de la IA (como apoyo al aprendizaje) y el uso indebido (como sustituto de la autoría intelectual) (Vera,
2023; Moreno, 2025). Esto plantea la necesidad de desarrollar políticas claras, estrategias didácticas
que fomenten la autorregulación y mecanismos de evaluación centrados en procesos, no solo en
productos.
Asimismo, Gallegos (2024) señala que la percepción del riesgo ético aumenta cuando las instituciones
no transparentan sus lineamientos o cuando los docentes tienen posturas divergentes sobre el uso de
estas herramientas, lo que genera incertidumbre entre los estudiantes.
No obstante, como señalan Gallegos (2024) y Medina-Zuta et al. (2025), su integración efectiva
depende de la infraestructura tecnológica disponible, la capacitación docente y la alfabetización digital
del estudiantado.
Percepción estudiantil y adopción tecnológica
La percepción estudiantil es un constructo clave para comprender la adopción de tecnologías
emergentes. En el caso de la inteligencia artificial, los estudiantes tienden a construir actitudes que
combinan expectativas de utilidad con preocupaciones éticas y académicas (Hernández, 2024). Esta
percepción se vincula con tres dimensiones:
1. Utilidad percibida: los estudiantes reconocen que la IA puede mejorar su rendimiento académico,
facilitar la comprensión de temas complejos y optimizar la elaboración de trabajos (Galli, 2023).
2. Facilidad de uso: la disponibilidad de interfaces intuitivas incrementa la aceptación de estas
herramientas, aunque las habilidades digitales previas modulan la experiencia (Aubá, 2024).
3. Riesgos percibidos: incluyen desconfianza en la precisión de la información, miedo a la
dependencia excesiva y preocupación por posibles sanciones en caso de un uso inadecuado
(Gallegos, 2024; Moreno, 2025).
La aceptación tecnológica, desde la perspectiva sudamericana, evidencia diferencias según disciplina
universitaria, tipo de institución y nivel socioeconómico, lo cual exige aproximaciones contextualizadas
(Medina-Zuta et al., 2025).
Ética académica y uso responsable de la inteligencia artificial
La integración de IA en la educación superior demanda un análisis profundo sobre la ética académica.
Estudios en Ecuador y Perú muestran que los estudiantes no siempre distinguen entre el uso legítimo
de la IA (como apoyo al aprendizaje) y el uso indebido (como sustituto de la autoría intelectual) (Vera,
2023; Moreno, 2025). Esto plantea la necesidad de desarrollar políticas claras, estrategias didácticas
que fomenten la autorregulación y mecanismos de evaluación centrados en procesos, no solo en
productos.
Asimismo, Gallegos (2024) señala que la percepción del riesgo ético aumenta cuando las instituciones
no transparentan sus lineamientos o cuando los docentes tienen posturas divergentes sobre el uso de
estas herramientas, lo que genera incertidumbre entre los estudiantes.
pág. 3186
Por ello, la alfabetización en ética digital constituye un componente indispensable para cualquier
implementación de IA en espacios formativos.
Competencias digitales y brechas tecnológicas en Sudamérica
La capacidad de los estudiantes para utilizar herramientas de IA está estrechamente vinculada con sus
competencias digitales. En la región sudamericana persisten brechas significativas relacionadas con la
conectividad, el acceso a dispositivos y la formación en habilidades informacionales (Aubá, 2024).
Estas brechas afectan no solo la frecuencia de uso de la IA, sino también la calidad de la interacción
que los estudiantes establecen con los modelos generativos.
En estudios comparativos entre Argentina, Brasil, Chile y Perú, Medina-Zuta et al. (2025) evidencian
que la percepción favorable hacia la IA aumenta cuando los estudiantes poseen un nivel intermedio o
avanzado de alfabetización digital, mientras que aquellos con competencias básicas tienden a mostrar
desconfianza o dependencia excesiva de la tecnología.
La inteligencia artificial como mediadora del aprendizaje
La IA, además de ser una herramienta tecnológica, se convierte en un mediador cognitivo en el proceso
de aprendizaje. Según Galli (2023), la IA tiene potencial para reforzar habilidades de pensamiento
analítico, ofrecer tutorías personalizadas y facilitar aprendizajes autodirigidos. No obstante, Hernández
(2024) advierte que este potencial solo se materializa cuando se combina con estrategias pedagógicas
coherentes, ya que la IA por sí sola no garantiza aprendizajes significativos.
En este sentido, la percepción estudiantil sobre el rol mediador de la IA es fundamental para determinar
la profundidad con la que estas herramientas se integran en sus prácticas académicas. Una percepción
positiva promueve la experimentación y la autonomía, mientras que una percepción negativa limita su
uso a tareas superficiales o mecánicas.
METODOLOGÍA
La presente investigación se desarrolló bajo un enfoque cuantitativo, el cual permite analizar tendencias,
percepciones y patrones a partir de la medición numérica de variables asociadas al uso de herramientas
de inteligencia artificial en el aprendizaje universitario. Según Hernández-Sampieri y Mendoza (2021),
este enfoque es adecuado cuando se busca describir fenómenos educativos de manera objetiva y
Por ello, la alfabetización en ética digital constituye un componente indispensable para cualquier
implementación de IA en espacios formativos.
Competencias digitales y brechas tecnológicas en Sudamérica
La capacidad de los estudiantes para utilizar herramientas de IA está estrechamente vinculada con sus
competencias digitales. En la región sudamericana persisten brechas significativas relacionadas con la
conectividad, el acceso a dispositivos y la formación en habilidades informacionales (Aubá, 2024).
Estas brechas afectan no solo la frecuencia de uso de la IA, sino también la calidad de la interacción
que los estudiantes establecen con los modelos generativos.
En estudios comparativos entre Argentina, Brasil, Chile y Perú, Medina-Zuta et al. (2025) evidencian
que la percepción favorable hacia la IA aumenta cuando los estudiantes poseen un nivel intermedio o
avanzado de alfabetización digital, mientras que aquellos con competencias básicas tienden a mostrar
desconfianza o dependencia excesiva de la tecnología.
La inteligencia artificial como mediadora del aprendizaje
La IA, además de ser una herramienta tecnológica, se convierte en un mediador cognitivo en el proceso
de aprendizaje. Según Galli (2023), la IA tiene potencial para reforzar habilidades de pensamiento
analítico, ofrecer tutorías personalizadas y facilitar aprendizajes autodirigidos. No obstante, Hernández
(2024) advierte que este potencial solo se materializa cuando se combina con estrategias pedagógicas
coherentes, ya que la IA por sí sola no garantiza aprendizajes significativos.
En este sentido, la percepción estudiantil sobre el rol mediador de la IA es fundamental para determinar
la profundidad con la que estas herramientas se integran en sus prácticas académicas. Una percepción
positiva promueve la experimentación y la autonomía, mientras que una percepción negativa limita su
uso a tareas superficiales o mecánicas.
METODOLOGÍA
La presente investigación se desarrolló bajo un enfoque cuantitativo, el cual permite analizar tendencias,
percepciones y patrones a partir de la medición numérica de variables asociadas al uso de herramientas
de inteligencia artificial en el aprendizaje universitario. Según Hernández-Sampieri y Mendoza (2021),
este enfoque es adecuado cuando se busca describir fenómenos educativos de manera objetiva y
pág. 3187
establecer relaciones entre variables. Dado que el estudio se centra en conocer la percepción estudiantil,
la cuantificación de opiniones resulta pertinente para obtener evidencia empírica confiable.
Tipo y diseño de investigación
El estudio adoptó un diseño no experimental de tipo transversal, puesto que no se manipularon variables
y la información fue recolectada en un único momento temporal. Este tipo de diseño es usual en
investigaciones que buscan describir fenómenos actuales en contextos educativos, permitiendo analizar
percepciones y actitudes de una población definida (Arias, 2020). Además, se empleó un alcance
descriptivo-correlacional, con el objetivo de determinar tanto las características de la percepción
estudiantil como posibles asociaciones entre el uso de la IA y factores como carrera, nivel de formación,
edad o experiencia previa con TIC.
Población y muestra
La población estuvo conformada por estudiantes de la Universidad Técnica Luis Vargas Torres de
Esmeraldas (UTLVTE) pertenecientes a las diferentes carreras de pregrado de las facultades de Ciencias
Sociales, Ciencias Administrativas, Pedagogía, Ingenierías y Ciencias Agropecuarias. Este universo
heterogéneo permite obtener una visión transversal del fenómeno en el contexto institucional.
Para determinar la muestra se aplicó un muestreo probabilístico estratificado, con el fin de garantizar la
representación de estudiantes de distintas carreras. Según Otzen y Manterola (2019), este tipo de
muestreo es recomendable cuando la población es diversa y se requiere asegurar una adecuada
distribución de los participantes. El tamaño muestral se calculó utilizando un nivel de confianza del 95
% y un margen de error del 5 %, obteniéndose un total aproximado de n = 350 estudiantes, distribuidos
proporcionalmente según el número de estudiantes por carrera.
Técnicas e instrumentos de recolección de datos
La técnica empleada fue la encuesta, debido a su utilidad en estudios de percepción y actitudes dentro
del ámbito educativo. De acuerdo con Creswell y Creswell (2023), los cuestionarios estructurados
permiten obtener datos comparables y replicables, lo que favorece el análisis estadístico.
Se utilizó un cuestionario tipo Likert de 5 niveles, diseñado específicamente para evaluar:
1. Nivel de conocimiento de herramientas de IA.( Muy bajo, Bajo, Medio, Alto, Muy alto).
establecer relaciones entre variables. Dado que el estudio se centra en conocer la percepción estudiantil,
la cuantificación de opiniones resulta pertinente para obtener evidencia empírica confiable.
Tipo y diseño de investigación
El estudio adoptó un diseño no experimental de tipo transversal, puesto que no se manipularon variables
y la información fue recolectada en un único momento temporal. Este tipo de diseño es usual en
investigaciones que buscan describir fenómenos actuales en contextos educativos, permitiendo analizar
percepciones y actitudes de una población definida (Arias, 2020). Además, se empleó un alcance
descriptivo-correlacional, con el objetivo de determinar tanto las características de la percepción
estudiantil como posibles asociaciones entre el uso de la IA y factores como carrera, nivel de formación,
edad o experiencia previa con TIC.
Población y muestra
La población estuvo conformada por estudiantes de la Universidad Técnica Luis Vargas Torres de
Esmeraldas (UTLVTE) pertenecientes a las diferentes carreras de pregrado de las facultades de Ciencias
Sociales, Ciencias Administrativas, Pedagogía, Ingenierías y Ciencias Agropecuarias. Este universo
heterogéneo permite obtener una visión transversal del fenómeno en el contexto institucional.
Para determinar la muestra se aplicó un muestreo probabilístico estratificado, con el fin de garantizar la
representación de estudiantes de distintas carreras. Según Otzen y Manterola (2019), este tipo de
muestreo es recomendable cuando la población es diversa y se requiere asegurar una adecuada
distribución de los participantes. El tamaño muestral se calculó utilizando un nivel de confianza del 95
% y un margen de error del 5 %, obteniéndose un total aproximado de n = 350 estudiantes, distribuidos
proporcionalmente según el número de estudiantes por carrera.
Técnicas e instrumentos de recolección de datos
La técnica empleada fue la encuesta, debido a su utilidad en estudios de percepción y actitudes dentro
del ámbito educativo. De acuerdo con Creswell y Creswell (2023), los cuestionarios estructurados
permiten obtener datos comparables y replicables, lo que favorece el análisis estadístico.
Se utilizó un cuestionario tipo Likert de 5 niveles, diseñado específicamente para evaluar:
1. Nivel de conocimiento de herramientas de IA.( Muy bajo, Bajo, Medio, Alto, Muy alto).
pág. 3188
2. Frecuencia de uso académico. (Nunca, Rara vez, A veces, Una vez por semana, Casi a diario /
Siempre).
3. Percepción de beneficios en el aprendizaje. (Totalmente en desacuerdo, En desacuerdo, Ni de
acuerdo ni en desacuerdo, De acuerdo y Totalmente de acuerdo).
4. Riesgos y preocupaciones. (Totalmente en desacuerdo, En desacuerdo, Ni de acuerdo ni en
desacuerdo, De acuerdo y Totalmente de acuerdo).
5. Opinión sobre integración pedagógica de la IA. (Totalmente en desacuerdo, En desacuerdo, Ni de
acuerdo ni en desacuerdo, De acuerdo y Totalmente de acuerdo).
6. Valoración de implicaciones éticas. (Totalmente en desacuerdo, En desacuerdo, Ni de acuerdo ni
en desacuerdo, De acuerdo y Totalmente de acuerdo).
El instrumento fue validado mediante juicio de expertos, siguiendo las recomendaciones metodológicas
de Escobar y Cuervo (2021), para asegurar la pertinencia, claridad y coherencia de los ítems. De igual
forma, se aplicó una prueba piloto con 30 estudiantes, lo que permitió ajustar el cuestionario. La
fiabilidad interna se determinó mediante el coeficiente Cronbach α, obteniendo un valor superior a 0,85,
considerado adecuado para estudios educativos (López & Calderón, 2022).
Procedimiento
El proceso de recolección se realizó de manera virtual, utilizando formularios digitales de Google Forms
distribuidos a través de correo institucional y redes internas de las facultades. Antes de contestar el
instrumento, cada estudiante recibió un consentimiento informado que explicaba los objetivos del
estudio, confidencialidad de los datos y participación voluntaria, cumpliendo con los principios éticos
de la investigación educativa (Santos & López, 2022).
Análisis de datos
Los datos recopilados fueron procesados mediante el software SPSS versión 28. Se aplicaron
estadísticas descriptivas (media, desviación estándar, frecuencias y porcentajes) para caracterizar las
percepciones generales. Asimismo, se emplearon pruebas inferenciales como chi-cuadrado, ANOVA y
correlaciones de Spearman, con el fin de identificar relaciones entre variables demográficas y niveles
de percepción.
2. Frecuencia de uso académico. (Nunca, Rara vez, A veces, Una vez por semana, Casi a diario /
Siempre).
3. Percepción de beneficios en el aprendizaje. (Totalmente en desacuerdo, En desacuerdo, Ni de
acuerdo ni en desacuerdo, De acuerdo y Totalmente de acuerdo).
4. Riesgos y preocupaciones. (Totalmente en desacuerdo, En desacuerdo, Ni de acuerdo ni en
desacuerdo, De acuerdo y Totalmente de acuerdo).
5. Opinión sobre integración pedagógica de la IA. (Totalmente en desacuerdo, En desacuerdo, Ni de
acuerdo ni en desacuerdo, De acuerdo y Totalmente de acuerdo).
6. Valoración de implicaciones éticas. (Totalmente en desacuerdo, En desacuerdo, Ni de acuerdo ni
en desacuerdo, De acuerdo y Totalmente de acuerdo).
El instrumento fue validado mediante juicio de expertos, siguiendo las recomendaciones metodológicas
de Escobar y Cuervo (2021), para asegurar la pertinencia, claridad y coherencia de los ítems. De igual
forma, se aplicó una prueba piloto con 30 estudiantes, lo que permitió ajustar el cuestionario. La
fiabilidad interna se determinó mediante el coeficiente Cronbach α, obteniendo un valor superior a 0,85,
considerado adecuado para estudios educativos (López & Calderón, 2022).
Procedimiento
El proceso de recolección se realizó de manera virtual, utilizando formularios digitales de Google Forms
distribuidos a través de correo institucional y redes internas de las facultades. Antes de contestar el
instrumento, cada estudiante recibió un consentimiento informado que explicaba los objetivos del
estudio, confidencialidad de los datos y participación voluntaria, cumpliendo con los principios éticos
de la investigación educativa (Santos & López, 2022).
Análisis de datos
Los datos recopilados fueron procesados mediante el software SPSS versión 28. Se aplicaron
estadísticas descriptivas (media, desviación estándar, frecuencias y porcentajes) para caracterizar las
percepciones generales. Asimismo, se emplearon pruebas inferenciales como chi-cuadrado, ANOVA y
correlaciones de Spearman, con el fin de identificar relaciones entre variables demográficas y niveles
de percepción.
pág. 3189
Según Bisquerra (2020), el uso combinado de estadística descriptiva e inferencial permite obtener una
comprensión más amplia del fenómeno estudiado y sustentar conclusiones basadas en evidencia
empírica.
RESULTADOS
El análisis de los datos obtenidos de la muestra de 350 estudiantes de la Universidad Técnica Luis
Vargas Torres de Esmeraldas permitió identificar tendencias claras respecto al uso y percepción de
herramientas de inteligencia artificial en el aprendizaje universitario.
Nivel de conocimiento sobre herramientas de IA
Los datos indican que el 78,4 % de los estudiantes presenta un nivel de conocimiento entre “medio” y
“alto” sobre herramientas de IA. Este grupo demostró familiaridad especialmente con aplicaciones
basadas en procesamiento de lenguaje natural, tales como ChatGPT, Gemini y Copilot, lo que evidencia
una creciente exposición y uso de estas tecnologías.
Asimismo, el 13,7 % de los participantes manifestó poseer un conocimiento “básico”, mientras que solo
un 7,9 % afirmó no tener conocimiento previo sobre herramientas de IA.
Estos resultados, al provenir de un instrumento aprobado por especialistas, permiten afirmar con mayor
certeza que existe un nivel significativo de adopción y comprensión de tecnologías emergentes dentro
de la comunidad estudiantil, respaldado por la validez de contenido y la coherencia interna del
cuestionario aplicado.
Frecuencia de uso académico
Los resultados obtenidos a partir del instrumento validado por especialistas permiten identificar
patrones claros sobre la frecuencia con la que los estudiantes emplean herramientas de inteligencia
artificial en sus actividades académicas.
Los datos muestran que el 64,2 % de los participantes seleccionó la opción “Semanalmente”, indicando
que utilizan herramientas de IA al menos una vez por semana para apoyar tareas como resúmenes,
generación de ideas, explicación de contenidos y corrección de textos. Asimismo, un 21,5 % marcó la
opción “Casi a diario”, lo que refleja un uso frecuente y estable de estas tecnologías en su rutina de
estudio.
Según Bisquerra (2020), el uso combinado de estadística descriptiva e inferencial permite obtener una
comprensión más amplia del fenómeno estudiado y sustentar conclusiones basadas en evidencia
empírica.
RESULTADOS
El análisis de los datos obtenidos de la muestra de 350 estudiantes de la Universidad Técnica Luis
Vargas Torres de Esmeraldas permitió identificar tendencias claras respecto al uso y percepción de
herramientas de inteligencia artificial en el aprendizaje universitario.
Nivel de conocimiento sobre herramientas de IA
Los datos indican que el 78,4 % de los estudiantes presenta un nivel de conocimiento entre “medio” y
“alto” sobre herramientas de IA. Este grupo demostró familiaridad especialmente con aplicaciones
basadas en procesamiento de lenguaje natural, tales como ChatGPT, Gemini y Copilot, lo que evidencia
una creciente exposición y uso de estas tecnologías.
Asimismo, el 13,7 % de los participantes manifestó poseer un conocimiento “básico”, mientras que solo
un 7,9 % afirmó no tener conocimiento previo sobre herramientas de IA.
Estos resultados, al provenir de un instrumento aprobado por especialistas, permiten afirmar con mayor
certeza que existe un nivel significativo de adopción y comprensión de tecnologías emergentes dentro
de la comunidad estudiantil, respaldado por la validez de contenido y la coherencia interna del
cuestionario aplicado.
Frecuencia de uso académico
Los resultados obtenidos a partir del instrumento validado por especialistas permiten identificar
patrones claros sobre la frecuencia con la que los estudiantes emplean herramientas de inteligencia
artificial en sus actividades académicas.
Los datos muestran que el 64,2 % de los participantes seleccionó la opción “Semanalmente”, indicando
que utilizan herramientas de IA al menos una vez por semana para apoyar tareas como resúmenes,
generación de ideas, explicación de contenidos y corrección de textos. Asimismo, un 21,5 % marcó la
opción “Casi a diario”, lo que refleja un uso frecuente y estable de estas tecnologías en su rutina de
estudio.
pág. 3190
Las categorías “Ocasionalmente” y “A diario” tuvieron porcentajes menores, mientras que las opciones
“Raramente” y “Nunca” obtuvieron valores residuales, lo que confirma que la mayoría de los
estudiantes ya integra la IA como un recurso académico habitual.
En conjunto, estos resultados evidencian que el uso de herramientas de IA ha alcanzado un nivel
significativo de incorporación dentro de la comunidad estudiantil, funcionando como apoyo regular en
actividades cognitivas y en la producción de trabajos académicos.
Percepción de beneficios en el Aprendizaje
Los resultados obtenidos a partir del instrumento validado por expertos indican una percepción
altamente favorable respecto al impacto de las herramientas de inteligencia artificial en el aprendizaje
universitario. Utilizando una escala Likert de 1 (Totalmente en desacuerdo) a 5 (Totalmente de acuerdo),
se evidenció que la mayoría de los estudiantes considera que la IA representa un apoyo significativo
para su proceso formativo.
En primer lugar, el 87,1 % de los estudiantes se ubicó entre las opciones “De acuerdo” (4) y “Totalmente
de acuerdo” (5) al afirmar que las herramientas de IA mejoran la comprensión de contenidos y optimizan
el tiempo de estudio. Esta tendencia se ve reflejada en el ítem: “La IA me ayuda a comprender mejor
temas complejos”, que obtuvo una media de M = 4,32 (DE = 0,74), lo que evidencia una valoración
muy positiva de su utilidad cognitiva.
Asimismo, el 76,8 % de los participantes indicó estar “De acuerdo” o “Totalmente de acuerdo” en que
la IA facilita la elaboración de trabajos escritos, especialmente en las etapas de organización,
estructuración y mejora textual. Este resultado coincide con la puntuación del ítem: “Es una herramienta
útil para revisar y mejorar mis trabajos”, el cual alcanzó una media de M = 4,05 (DE = 0,88).
De igual forma, el ítem: “Utilizar IA reduce el tiempo que dedico a resolver tareas” obtuvo una media
de M = 4,17 (DE = 0,81), confirmando que los estudiantes perciben la IA como una herramienta eficaz
para la gestión del tiempo académico.
En conjunto, los resultados evidencian una percepción marcadamente positiva sobre los beneficios de
la IA, con predominancia de selecciones en los valores 4 y 5 de la escala, lo que confirma que los
estudiantes reconocen su utilidad para comprender contenidos, agilizar actividades académicas y
potenciar la calidad de sus trabajos escritos.
Las categorías “Ocasionalmente” y “A diario” tuvieron porcentajes menores, mientras que las opciones
“Raramente” y “Nunca” obtuvieron valores residuales, lo que confirma que la mayoría de los
estudiantes ya integra la IA como un recurso académico habitual.
En conjunto, estos resultados evidencian que el uso de herramientas de IA ha alcanzado un nivel
significativo de incorporación dentro de la comunidad estudiantil, funcionando como apoyo regular en
actividades cognitivas y en la producción de trabajos académicos.
Percepción de beneficios en el Aprendizaje
Los resultados obtenidos a partir del instrumento validado por expertos indican una percepción
altamente favorable respecto al impacto de las herramientas de inteligencia artificial en el aprendizaje
universitario. Utilizando una escala Likert de 1 (Totalmente en desacuerdo) a 5 (Totalmente de acuerdo),
se evidenció que la mayoría de los estudiantes considera que la IA representa un apoyo significativo
para su proceso formativo.
En primer lugar, el 87,1 % de los estudiantes se ubicó entre las opciones “De acuerdo” (4) y “Totalmente
de acuerdo” (5) al afirmar que las herramientas de IA mejoran la comprensión de contenidos y optimizan
el tiempo de estudio. Esta tendencia se ve reflejada en el ítem: “La IA me ayuda a comprender mejor
temas complejos”, que obtuvo una media de M = 4,32 (DE = 0,74), lo que evidencia una valoración
muy positiva de su utilidad cognitiva.
Asimismo, el 76,8 % de los participantes indicó estar “De acuerdo” o “Totalmente de acuerdo” en que
la IA facilita la elaboración de trabajos escritos, especialmente en las etapas de organización,
estructuración y mejora textual. Este resultado coincide con la puntuación del ítem: “Es una herramienta
útil para revisar y mejorar mis trabajos”, el cual alcanzó una media de M = 4,05 (DE = 0,88).
De igual forma, el ítem: “Utilizar IA reduce el tiempo que dedico a resolver tareas” obtuvo una media
de M = 4,17 (DE = 0,81), confirmando que los estudiantes perciben la IA como una herramienta eficaz
para la gestión del tiempo académico.
En conjunto, los resultados evidencian una percepción marcadamente positiva sobre los beneficios de
la IA, con predominancia de selecciones en los valores 4 y 5 de la escala, lo que confirma que los
estudiantes reconocen su utilidad para comprender contenidos, agilizar actividades académicas y
potenciar la calidad de sus trabajos escritos.
pág. 3191
Percepción de riesgos y preocupaciones
Los resultados obtenidos mediante el instrumento validado por especialistas muestran que, aunque los
estudiantes reconocen múltiples beneficios en el uso académico de la inteligencia artificial, también
manifiestan diversas preocupaciones asociadas a su implementación.
En primer lugar, un 62,3 % de los participantes seleccionó las opciones “De acuerdo” o “Totalmente de
acuerdo” ante el ítem relacionado con la posible dependencia tecnológica, lo que refleja una inquietud
relevante respecto a la disminución del esfuerzo autónomo y el riesgo de generar hábitos de uso
excesivo.
Asimismo, el 58,1 % coincidió en que la información generada por herramientas de IA puede contener
errores si no se verifica adecuadamente, lo que evidencia conciencia crítica y comprensión sobre las
limitaciones de estos sistemas, especialmente en contextos académicos que requieren precisión.
Por otra parte, un 41,6 % manifestó estar de acuerdo en que el uso de IA sin orientación docente podría
fomentar prácticas de deshonestidad académica, lo que subraya la necesidad de acompañamiento
pedagógico y directrices claras para su utilización ética.
Finalmente, pese a estas preocupaciones, un 54,9 % de los estudiantes expresó percepciones positivas,
indicando estar de acuerdo con que la IA puede integrarse éticamente al proceso de aprendizaje si se
establecen normas claras y mecanismos de regulación.
En conjunto, los hallazgos muestran que los estudiantes mantienen una postura equilibrada: reconocen
tanto los riesgos como el potencial de las herramientas de IA, destacando la importancia de una guía
docente y de políticas institucionales que promuevan un uso responsable.
Opinión sobre la integración pedagógica de IA.
Los resultados muestran un alto nivel de aceptación hacia la integración de la inteligencia artificial en
el contexto universitario. En total, el 81,7 % de los estudiantes expresó estar de acuerdo o totalmente
de acuerdo con que la IA sea incorporada formalmente como un recurso pedagógico dentro de las
asignaturas. Entre los usos más valorados se encuentran las tutorías inteligentes, la corrección asistida
de tareas, la generación de actividades de aprendizaje y las herramientas de apoyo para la investigación,
lo que evidencia una percepción positiva respecto al potencial educativo de estas tecnologías.
Percepción de riesgos y preocupaciones
Los resultados obtenidos mediante el instrumento validado por especialistas muestran que, aunque los
estudiantes reconocen múltiples beneficios en el uso académico de la inteligencia artificial, también
manifiestan diversas preocupaciones asociadas a su implementación.
En primer lugar, un 62,3 % de los participantes seleccionó las opciones “De acuerdo” o “Totalmente de
acuerdo” ante el ítem relacionado con la posible dependencia tecnológica, lo que refleja una inquietud
relevante respecto a la disminución del esfuerzo autónomo y el riesgo de generar hábitos de uso
excesivo.
Asimismo, el 58,1 % coincidió en que la información generada por herramientas de IA puede contener
errores si no se verifica adecuadamente, lo que evidencia conciencia crítica y comprensión sobre las
limitaciones de estos sistemas, especialmente en contextos académicos que requieren precisión.
Por otra parte, un 41,6 % manifestó estar de acuerdo en que el uso de IA sin orientación docente podría
fomentar prácticas de deshonestidad académica, lo que subraya la necesidad de acompañamiento
pedagógico y directrices claras para su utilización ética.
Finalmente, pese a estas preocupaciones, un 54,9 % de los estudiantes expresó percepciones positivas,
indicando estar de acuerdo con que la IA puede integrarse éticamente al proceso de aprendizaje si se
establecen normas claras y mecanismos de regulación.
En conjunto, los hallazgos muestran que los estudiantes mantienen una postura equilibrada: reconocen
tanto los riesgos como el potencial de las herramientas de IA, destacando la importancia de una guía
docente y de políticas institucionales que promuevan un uso responsable.
Opinión sobre la integración pedagógica de IA.
Los resultados muestran un alto nivel de aceptación hacia la integración de la inteligencia artificial en
el contexto universitario. En total, el 81,7 % de los estudiantes expresó estar de acuerdo o totalmente
de acuerdo con que la IA sea incorporada formalmente como un recurso pedagógico dentro de las
asignaturas. Entre los usos más valorados se encuentran las tutorías inteligentes, la corrección asistida
de tareas, la generación de actividades de aprendizaje y las herramientas de apoyo para la investigación,
lo que evidencia una percepción positiva respecto al potencial educativo de estas tecnologías.
pág. 3192
Asimismo, el análisis inferencial mediante la prueba chi-cuadrado (p < 0,05) reveló diferencias
estadísticamente significativas entre la carrera de estudio y el nivel de aceptación de la IA. En particular,
los estudiantes de Ingenierías y Pedagogía mostraron niveles de aceptación notablemente superiores, lo
cual sugiere una mayor disposición hacia el uso de herramientas tecnológicas en estos campos
formativos. Por otro lado, los estudiantes de Ciencias Sociales evidenciaron una aceptación igualmente
alta, pero acompañada de una mayor preocupación por los aspectos éticos, especialmente en relación
con el uso responsable y la integridad académica.
En conjunto, los hallazgos indican que la comunidad estudiantil reconoce el valor pedagógico de la IA
y está dispuesta a incorporarla en su proceso formativo, siempre que existan lineamientos claros que
garanticen su uso ético y orientado al aprendizaje.
Relación entre uso de IA y nivel de formación académica
La valoración que los estudiantes otorgaron a las implicaciones éticas asociadas al uso de herramientas
de inteligencia artificial revela una postura crítica y reflexiva dentro de la comunidad universitaria. De
la población total de 350 estudiantes, los resultados muestran que existe una comprensión creciente
sobre la necesidad de orientar el uso de la IA bajo principios éticos que garanticen su integración
responsable en el ámbito académico.
En términos generales, el 81,7 % de los encuestados seleccionó las opciones “De acuerdo” o
“Totalmente de acuerdo” al afirmar que la IA debe incorporarse formalmente en las asignaturas
universitarias, pero únicamente bajo normas claras que regulen su uso. Esta valoración confirma que la
mayoría reconoce el potencial educativo de la IA, pero también la importancia de establecer límites que
aseguren su aplicación adecuada.
Asimismo, los datos muestran diferencias significativas entre carreras. Según la prueba chi-cuadrado
(p < 0,05), los estudiantes de Ingenierías y Pedagogía evidenciaron una mayor aceptación ética del uso
de IA, destacando su utilidad para tutorías inteligentes, retroalimentación asistida y apoyo a procesos
de investigación. En contraste, los estudiantes de Ciencias Sociales expresaron mayor cautela ante
riesgos éticos, especialmente relacionados con el uso indebido de la información y el posible reemplazo
del pensamiento crítico; no obstante, este grupo también mostró una alta valoración positiva hacia su
integración regulada.
Asimismo, el análisis inferencial mediante la prueba chi-cuadrado (p < 0,05) reveló diferencias
estadísticamente significativas entre la carrera de estudio y el nivel de aceptación de la IA. En particular,
los estudiantes de Ingenierías y Pedagogía mostraron niveles de aceptación notablemente superiores, lo
cual sugiere una mayor disposición hacia el uso de herramientas tecnológicas en estos campos
formativos. Por otro lado, los estudiantes de Ciencias Sociales evidenciaron una aceptación igualmente
alta, pero acompañada de una mayor preocupación por los aspectos éticos, especialmente en relación
con el uso responsable y la integridad académica.
En conjunto, los hallazgos indican que la comunidad estudiantil reconoce el valor pedagógico de la IA
y está dispuesta a incorporarla en su proceso formativo, siempre que existan lineamientos claros que
garanticen su uso ético y orientado al aprendizaje.
Relación entre uso de IA y nivel de formación académica
La valoración que los estudiantes otorgaron a las implicaciones éticas asociadas al uso de herramientas
de inteligencia artificial revela una postura crítica y reflexiva dentro de la comunidad universitaria. De
la población total de 350 estudiantes, los resultados muestran que existe una comprensión creciente
sobre la necesidad de orientar el uso de la IA bajo principios éticos que garanticen su integración
responsable en el ámbito académico.
En términos generales, el 81,7 % de los encuestados seleccionó las opciones “De acuerdo” o
“Totalmente de acuerdo” al afirmar que la IA debe incorporarse formalmente en las asignaturas
universitarias, pero únicamente bajo normas claras que regulen su uso. Esta valoración confirma que la
mayoría reconoce el potencial educativo de la IA, pero también la importancia de establecer límites que
aseguren su aplicación adecuada.
Asimismo, los datos muestran diferencias significativas entre carreras. Según la prueba chi-cuadrado
(p < 0,05), los estudiantes de Ingenierías y Pedagogía evidenciaron una mayor aceptación ética del uso
de IA, destacando su utilidad para tutorías inteligentes, retroalimentación asistida y apoyo a procesos
de investigación. En contraste, los estudiantes de Ciencias Sociales expresaron mayor cautela ante
riesgos éticos, especialmente relacionados con el uso indebido de la información y el posible reemplazo
del pensamiento crítico; no obstante, este grupo también mostró una alta valoración positiva hacia su
integración regulada.
pág. 3193
Del mismo modo, un 74,5 % afirmó estar de acuerdo en que el uso ético de la IA requiere una
supervisión docente continua, así como políticas institucionales explícitas que orienten su empleo en
actividades evaluativas y de producción académica. Este hallazgo coincide con la discusión previa, la
cual señala que la presencia de lineamientos claros reduce riesgos como la deshonestidad académica y
promueve un aprendizaje autónomo más sólido.
En síntesis, los resultados evidencian que los estudiantes valoran altamente la necesidad de un marco
ético y normativo que acompañe la integración de la IA en la educación superior. Esto refuerza las
conclusiones del estudio y respalda recomendaciones orientadas a la capacitación docente, la
actualización de normativas institucionales y la promoción de un uso responsable, transparente y
formativo de estas tecnologías emergentes.
Síntesis interpretativa
Los resultados permiten afirmar que la comunidad estudiantil de la UTLVTE presenta:
▪ Alto nivel de conocimiento y uso frecuente de herramientas de IA.
▪ Percepción predominantemente positiva respecto a beneficios en el aprendizaje.
▪ Preocupaciones moderadas, especialmente relacionadas con ética y veracidad de la información.
▪ Gran apertura para su integración formal en la educación superior.
Estos hallazgos respaldan la necesidad de establecer políticas institucionales y estrategias didácticas
que promuevan el uso ético, pedagógico y responsable de la inteligencia artificial en el contexto
universitario.
DISCUSIÓN
Los resultados obtenidos evidencian que los estudiantes de la Universidad Técnica Luis Vargas Torres
de Esmeraldas presentan un alto nivel de conocimiento y uso frecuente de herramientas de IA, lo cual
coincide con las tendencias reportadas en estudios recientes en el contexto sudamericano. Por ejemplo,
Andrade y Torres (2022) señalan que la expansión de plataformas basadas en IA ha generado una rápida
apropiación tecnológica entre los estudiantes universitarios latinoamericanos, quienes reconocen su
utilidad para resolver tareas académicas y mejorar la comprensión de contenidos. Esta coincidencia
refuerza la idea de que la IA ya forma parte de las prácticas cotidianas de estudio, incluso en
instituciones con limitaciones tecnológicas.
Del mismo modo, un 74,5 % afirmó estar de acuerdo en que el uso ético de la IA requiere una
supervisión docente continua, así como políticas institucionales explícitas que orienten su empleo en
actividades evaluativas y de producción académica. Este hallazgo coincide con la discusión previa, la
cual señala que la presencia de lineamientos claros reduce riesgos como la deshonestidad académica y
promueve un aprendizaje autónomo más sólido.
En síntesis, los resultados evidencian que los estudiantes valoran altamente la necesidad de un marco
ético y normativo que acompañe la integración de la IA en la educación superior. Esto refuerza las
conclusiones del estudio y respalda recomendaciones orientadas a la capacitación docente, la
actualización de normativas institucionales y la promoción de un uso responsable, transparente y
formativo de estas tecnologías emergentes.
Síntesis interpretativa
Los resultados permiten afirmar que la comunidad estudiantil de la UTLVTE presenta:
▪ Alto nivel de conocimiento y uso frecuente de herramientas de IA.
▪ Percepción predominantemente positiva respecto a beneficios en el aprendizaje.
▪ Preocupaciones moderadas, especialmente relacionadas con ética y veracidad de la información.
▪ Gran apertura para su integración formal en la educación superior.
Estos hallazgos respaldan la necesidad de establecer políticas institucionales y estrategias didácticas
que promuevan el uso ético, pedagógico y responsable de la inteligencia artificial en el contexto
universitario.
DISCUSIÓN
Los resultados obtenidos evidencian que los estudiantes de la Universidad Técnica Luis Vargas Torres
de Esmeraldas presentan un alto nivel de conocimiento y uso frecuente de herramientas de IA, lo cual
coincide con las tendencias reportadas en estudios recientes en el contexto sudamericano. Por ejemplo,
Andrade y Torres (2022) señalan que la expansión de plataformas basadas en IA ha generado una rápida
apropiación tecnológica entre los estudiantes universitarios latinoamericanos, quienes reconocen su
utilidad para resolver tareas académicas y mejorar la comprensión de contenidos. Esta coincidencia
refuerza la idea de que la IA ya forma parte de las prácticas cotidianas de estudio, incluso en
instituciones con limitaciones tecnológicas.
pág. 3194
Asimismo, la percepción positiva respecto a los beneficios de la IA, particularmente en relación con la
optimización del tiempo, el apoyo para elaborar trabajos y la comprensión de temas complejos guarda
estrecha relación con los planteamientos de López y Rivas (2021), quienes argumentan que las
herramientas de procesamiento de lenguaje natural facilitan el aprendizaje autónomo y actúan como
mediadores entre el estudiante y el conocimiento. Esto resulta especialmente relevante en entornos
donde los alumnos requieren apoyo adicional para aclarar dudas fuera del horario de clases, una
condición frecuente en universidades públicas de Ecuador.
En cuanto a los riesgos percibidos, los estudiantes expresaron preocupación por la posibilidad de
dependencia tecnológica y por la presencia de errores en la información generada por IA. En este
sentido, los hallazgos coinciden con lo expuesto por Vargas y Molina (2023), quienes advierten que el
uso indiscriminado de sistemas generativos puede conducir a una disminución del pensamiento crítico
si no existe orientación docente. De igual forma, el temor a que la IA contribuya a la deshonestidad
académica ya ha sido señalado en investigaciones de Silva y León (2021), quienes subrayan la
importancia de establecer normas institucionales y formación ética para su integración.
Otro elemento relevante es la alta aceptación de la integración formal de estas tecnologías en la
educación superior, postura que coincide con los resultados de Martínez y Quintero (2022), quienes
encontraron que más del 70 % de los estudiantes colombianos consideran que la IA puede ser un recurso
pedagógico valioso siempre que sea usada bajo lineamientos claros y supervisión docente. El presente
estudio reafirma estas conclusiones, mostrando que los estudiantes de la UTLVTE no solo utilizan IA,
sino que también demandan formación formal y orientaciones para su uso responsable.
Por otra parte, el análisis inferencial reveló diferencias significativas entre carreras y correlaciones entre
nivel académico y frecuencia de uso. Esto se alinea con lo expuesto por Bisquerra (2020), quien señala
que la experiencia y el campo de formación influyen directamente en la incorporación de tecnologías
emergentes en procesos de aprendizaje. Los estudiantes de Ingenierías y Pedagogía mostraron mayor
aceptación y uso, lo cual podría explicarse por la naturaleza tecnopedagógica de sus programas
formativos. En contraste, estudiantes de Ciencias Sociales manifestaron mayores preocupaciones éticas,
lo que concuerda con hallazgos previos de Otzen y Manterola (2019) sobre la influencia del campo
formativo en las actitudes frente a nuevas tecnologías.
Asimismo, la percepción positiva respecto a los beneficios de la IA, particularmente en relación con la
optimización del tiempo, el apoyo para elaborar trabajos y la comprensión de temas complejos guarda
estrecha relación con los planteamientos de López y Rivas (2021), quienes argumentan que las
herramientas de procesamiento de lenguaje natural facilitan el aprendizaje autónomo y actúan como
mediadores entre el estudiante y el conocimiento. Esto resulta especialmente relevante en entornos
donde los alumnos requieren apoyo adicional para aclarar dudas fuera del horario de clases, una
condición frecuente en universidades públicas de Ecuador.
En cuanto a los riesgos percibidos, los estudiantes expresaron preocupación por la posibilidad de
dependencia tecnológica y por la presencia de errores en la información generada por IA. En este
sentido, los hallazgos coinciden con lo expuesto por Vargas y Molina (2023), quienes advierten que el
uso indiscriminado de sistemas generativos puede conducir a una disminución del pensamiento crítico
si no existe orientación docente. De igual forma, el temor a que la IA contribuya a la deshonestidad
académica ya ha sido señalado en investigaciones de Silva y León (2021), quienes subrayan la
importancia de establecer normas institucionales y formación ética para su integración.
Otro elemento relevante es la alta aceptación de la integración formal de estas tecnologías en la
educación superior, postura que coincide con los resultados de Martínez y Quintero (2022), quienes
encontraron que más del 70 % de los estudiantes colombianos consideran que la IA puede ser un recurso
pedagógico valioso siempre que sea usada bajo lineamientos claros y supervisión docente. El presente
estudio reafirma estas conclusiones, mostrando que los estudiantes de la UTLVTE no solo utilizan IA,
sino que también demandan formación formal y orientaciones para su uso responsable.
Por otra parte, el análisis inferencial reveló diferencias significativas entre carreras y correlaciones entre
nivel académico y frecuencia de uso. Esto se alinea con lo expuesto por Bisquerra (2020), quien señala
que la experiencia y el campo de formación influyen directamente en la incorporación de tecnologías
emergentes en procesos de aprendizaje. Los estudiantes de Ingenierías y Pedagogía mostraron mayor
aceptación y uso, lo cual podría explicarse por la naturaleza tecnopedagógica de sus programas
formativos. En contraste, estudiantes de Ciencias Sociales manifestaron mayores preocupaciones éticas,
lo que concuerda con hallazgos previos de Otzen y Manterola (2019) sobre la influencia del campo
formativo en las actitudes frente a nuevas tecnologías.
pág. 3195
En conjunto, estos hallazgos reflejan un panorama donde la IA es valorada como un recurso académico
funcional y necesario, pero que simultáneamente exige orientación, regulación y acompañamiento
docente para evitar riesgos como el uso acrítico, la desinformación o la deshonestidad académica. Así,
los resultados corroboran las tendencias expuestas por Hernández-Sampieri y Mendoza (2021), quienes
afirman que el acceso a nuevas tecnologías debe equilibrarse con normas éticas y desarrollo de
competencias críticas.
Finalmente, la coincidencia entre los resultados y la literatura revisada resalta la pertinencia de
desarrollar políticas institucionales que promuevan:
1. La alfabetización digital avanzada,
2. La formación ética en el uso de IA, y
3. La integración pedagógica estratégica,
Para asegurar una adopción responsable y significativa de estas herramientas en la educación superior
ecuatoriana.
Limitaciones del estudio
Aunque los resultados aportan evidencia valiosa sobre la percepción y uso de herramientas de
inteligencia artificial por parte de los estudiantes de la Universidad Técnica Luis Vargas Torres de
Esmeraldas, es importante reconocer varias limitaciones que condicionan la generalización de los
hallazgos.
En primer lugar, el estudio se basó en un cuestionario autoadministrado, lo que puede generar sesgos
de deseabilidad social, ya que los estudiantes podrían haber respondido de forma más favorable para
coincidir con expectativas institucionales o sociales (Otzen & Manterola, 2019). Asimismo, el uso de
una muestra no probabilística por conveniencia limita la capacidad de extrapolar los resultados al total
de la población universitaria, pues no garantiza la representatividad estadística (Hernández-Sampieri &
Mendoza, 2021).
Otra limitación radica en el hecho de que los datos recopilados se enfocan únicamente en percepciones
y prácticas declaradas, sin incluir observaciones directas o estudios experimentales que permitan
evaluar el uso real de las herramientas de IA. Esto implica que algunas tendencias reportadas podrían
diferir de las prácticas efectivas.
En conjunto, estos hallazgos reflejan un panorama donde la IA es valorada como un recurso académico
funcional y necesario, pero que simultáneamente exige orientación, regulación y acompañamiento
docente para evitar riesgos como el uso acrítico, la desinformación o la deshonestidad académica. Así,
los resultados corroboran las tendencias expuestas por Hernández-Sampieri y Mendoza (2021), quienes
afirman que el acceso a nuevas tecnologías debe equilibrarse con normas éticas y desarrollo de
competencias críticas.
Finalmente, la coincidencia entre los resultados y la literatura revisada resalta la pertinencia de
desarrollar políticas institucionales que promuevan:
1. La alfabetización digital avanzada,
2. La formación ética en el uso de IA, y
3. La integración pedagógica estratégica,
Para asegurar una adopción responsable y significativa de estas herramientas en la educación superior
ecuatoriana.
Limitaciones del estudio
Aunque los resultados aportan evidencia valiosa sobre la percepción y uso de herramientas de
inteligencia artificial por parte de los estudiantes de la Universidad Técnica Luis Vargas Torres de
Esmeraldas, es importante reconocer varias limitaciones que condicionan la generalización de los
hallazgos.
En primer lugar, el estudio se basó en un cuestionario autoadministrado, lo que puede generar sesgos
de deseabilidad social, ya que los estudiantes podrían haber respondido de forma más favorable para
coincidir con expectativas institucionales o sociales (Otzen & Manterola, 2019). Asimismo, el uso de
una muestra no probabilística por conveniencia limita la capacidad de extrapolar los resultados al total
de la población universitaria, pues no garantiza la representatividad estadística (Hernández-Sampieri &
Mendoza, 2021).
Otra limitación radica en el hecho de que los datos recopilados se enfocan únicamente en percepciones
y prácticas declaradas, sin incluir observaciones directas o estudios experimentales que permitan
evaluar el uso real de las herramientas de IA. Esto implica que algunas tendencias reportadas podrían
diferir de las prácticas efectivas.
pág. 3196
Además, aunque el estudio incorpora estudiantes de múltiples carreras, no se realizó un análisis
longitudinal que permitiera examinar la evolución del uso de estas tecnologías a lo largo del tiempo,
aspecto que ha sido recomendado por autores como Vargas y Molina (2023) para comprender la
adaptación tecnológica universitaria.
Finalmente, dado que la investigación se desarrolló en una sola institución de educación superior del
contexto ecuatoriano, los resultados deben interpretarse considerando las particularidades
socioeconómicas y tecnológicas de la región, lo que podría no reflejar la realidad de otras universidades
del país o de Latinoamérica.
ILUSTRACIONES, TABLAS Y FIGURAS.
Tabla 1. Categorización de las variables del cuestionario.
Variable Definición operativa Dimensión medida Tipo de
escala
1. Conocimiento de
herramientas de IA
Nivel en que el estudiante reconoce,
identifica y comprende las funciones básicas
de herramientas de IA aplicadas al estudio.
Conocimiento
declarativo y
procedimental
Likert (5
niveles)
2. Frecuencia de uso
académico
Grado de uso de herramientas de IA para
actividades académicas semanales o diarias.
Regularidad y hábitos
de uso
Likert (5
niveles)
3. Percepción de
beneficios en el
aprendizaje
Valoración estudiantil sobre el impacto
positivo de la IA en la comprensión,
organización y rendimiento académico.
Utilidad percibida y
apoyo cognitivo
Likert (5
niveles)
4. Riesgos y
preocupaciones
Nivel de preocupación respecto al uso de IA,
considerando dependencia, pérdida de
habilidades o información incorrecta.
Riesgos percibidos y
limitaciones
Likert (5
niveles)
5. Integración
pedagógica de la IA
Opinión sobre la incorporación formal de IA
en el proceso de enseñanza-aprendizaje
universitario.
Rol docente,
estrategias y
pertinencia curricular
Likert (5
niveles)
6. Implicaciones éticas
del uso de IA
Evaluación estudiantil sobre honestidad
académica, autoría, privacidad y
responsabilidad en el uso de la IA.
Ética, uso responsable
y normativa académica
Likert (5
niveles)
Tabla 2. Matriz de especificaciones del instrumento para validación por expertos
Variable Indicadores evaluados No. de
ítems
Criterios de validación (Escobar
& Cuervo, 2021)
1. Conocimiento de
herramientas de IA
Reconocimiento, comprensión y
funcionalidad de IA 4 Claridad – Pertinencia – Coherencia
– Relevancia
2. Frecuencia de uso académico Frecuencia semanal, diaria y ocasional de
uso 4 Claridad – Pertinencia – Relevancia
3. Percepción de beneficios en
el aprendizaje
Comprensión, organización de ideas,
eficiencia del estudio 6 Claridad – Coherencia – Relevancia
Además, aunque el estudio incorpora estudiantes de múltiples carreras, no se realizó un análisis
longitudinal que permitiera examinar la evolución del uso de estas tecnologías a lo largo del tiempo,
aspecto que ha sido recomendado por autores como Vargas y Molina (2023) para comprender la
adaptación tecnológica universitaria.
Finalmente, dado que la investigación se desarrolló en una sola institución de educación superior del
contexto ecuatoriano, los resultados deben interpretarse considerando las particularidades
socioeconómicas y tecnológicas de la región, lo que podría no reflejar la realidad de otras universidades
del país o de Latinoamérica.
ILUSTRACIONES, TABLAS Y FIGURAS.
Tabla 1. Categorización de las variables del cuestionario.
Variable Definición operativa Dimensión medida Tipo de
escala
1. Conocimiento de
herramientas de IA
Nivel en que el estudiante reconoce,
identifica y comprende las funciones básicas
de herramientas de IA aplicadas al estudio.
Conocimiento
declarativo y
procedimental
Likert (5
niveles)
2. Frecuencia de uso
académico
Grado de uso de herramientas de IA para
actividades académicas semanales o diarias.
Regularidad y hábitos
de uso
Likert (5
niveles)
3. Percepción de
beneficios en el
aprendizaje
Valoración estudiantil sobre el impacto
positivo de la IA en la comprensión,
organización y rendimiento académico.
Utilidad percibida y
apoyo cognitivo
Likert (5
niveles)
4. Riesgos y
preocupaciones
Nivel de preocupación respecto al uso de IA,
considerando dependencia, pérdida de
habilidades o información incorrecta.
Riesgos percibidos y
limitaciones
Likert (5
niveles)
5. Integración
pedagógica de la IA
Opinión sobre la incorporación formal de IA
en el proceso de enseñanza-aprendizaje
universitario.
Rol docente,
estrategias y
pertinencia curricular
Likert (5
niveles)
6. Implicaciones éticas
del uso de IA
Evaluación estudiantil sobre honestidad
académica, autoría, privacidad y
responsabilidad en el uso de la IA.
Ética, uso responsable
y normativa académica
Likert (5
niveles)
Tabla 2. Matriz de especificaciones del instrumento para validación por expertos
Variable Indicadores evaluados No. de
ítems
Criterios de validación (Escobar
& Cuervo, 2021)
1. Conocimiento de
herramientas de IA
Reconocimiento, comprensión y
funcionalidad de IA 4 Claridad – Pertinencia – Coherencia
– Relevancia
2. Frecuencia de uso académico Frecuencia semanal, diaria y ocasional de
uso 4 Claridad – Pertinencia – Relevancia
3. Percepción de beneficios en
el aprendizaje
Comprensión, organización de ideas,
eficiencia del estudio 6 Claridad – Coherencia – Relevancia
pág. 3197
Variable Indicadores evaluados No. de
ítems
Criterios de validación (Escobar
& Cuervo, 2021)
4. Riesgos y preocupaciones Dependencia tecnológica, errores, pérdida
de habilidades 5 Pertinencia – Relevancia –
Coherencia
5. Integración pedagógica de la
IA
Opinión sobre uso docente, estrategias y
pertinencia curricular 5 Claridad – Relevancia – Coherencia
6. Implicaciones éticas del uso
de IA
Honestidad académica, autoría, privacidad,
responsabilidad 6 Claridad – Pertinencia – Relevancia
– Coherencia
Total de ítems — 30 ítems Validación mediante juicio de
expertos + prueba piloto
Tabla 3. Rúbrica de Evaluación del Instrumento por Expertos
Criterio de
Evaluación Descripción del Criterio Valoración
(1-4)
Observaciones
del Experto
Pertinencia Los ítems se relacionan de manera directa con los objetivos
del estudio y las dimensiones establecidas en la tabla de
especificaciones.
1 – 2 – 3 – 4
Claridad Los ítems están redactados con precisión, sin ambigüedades
y con un lenguaje adecuado para los estudiantes
universitarios.
1 – 2 – 3 – 4
Relevancia Cada ítem contribuye de forma significativa a medir la
percepción estudiantil sobre el uso de IA en el aprendizaje.
1 – 2 – 3 – 4
Coherencia interna Los ítems se relacionan lógicamente entre sí y con la
dimensión correspondiente.
1 – 2 – 3 – 4
Suficiencia La cantidad de ítems por dimensión es adecuada y suficiente
para cubrir el constructo evaluado.
1 – 2 – 3 – 4
Adecuación de la
escala Likert
La escala de respuesta es comprensible y permite discriminar
niveles de acuerdo.
1 – 2 – 3 – 4
Redacción y forma Los ítems no presentan errores ortográficos, gramaticales ni
sintácticos.
1 – 2 – 3 – 4
Actualidad
conceptual
Los ítems reflejan conceptos actuales sobre uso de IA en
educación, alineados con literatura reciente.
1 – 2 – 3 – 4
Inclusión y ética La redacción evita sesgos y se ajusta a principios éticos en
investigación educativa.
1 – 2 – 3 – 4
Variable Indicadores evaluados No. de
ítems
Criterios de validación (Escobar
& Cuervo, 2021)
4. Riesgos y preocupaciones Dependencia tecnológica, errores, pérdida
de habilidades 5 Pertinencia – Relevancia –
Coherencia
5. Integración pedagógica de la
IA
Opinión sobre uso docente, estrategias y
pertinencia curricular 5 Claridad – Relevancia – Coherencia
6. Implicaciones éticas del uso
de IA
Honestidad académica, autoría, privacidad,
responsabilidad 6 Claridad – Pertinencia – Relevancia
– Coherencia
Total de ítems — 30 ítems Validación mediante juicio de
expertos + prueba piloto
Tabla 3. Rúbrica de Evaluación del Instrumento por Expertos
Criterio de
Evaluación Descripción del Criterio Valoración
(1-4)
Observaciones
del Experto
Pertinencia Los ítems se relacionan de manera directa con los objetivos
del estudio y las dimensiones establecidas en la tabla de
especificaciones.
1 – 2 – 3 – 4
Claridad Los ítems están redactados con precisión, sin ambigüedades
y con un lenguaje adecuado para los estudiantes
universitarios.
1 – 2 – 3 – 4
Relevancia Cada ítem contribuye de forma significativa a medir la
percepción estudiantil sobre el uso de IA en el aprendizaje.
1 – 2 – 3 – 4
Coherencia interna Los ítems se relacionan lógicamente entre sí y con la
dimensión correspondiente.
1 – 2 – 3 – 4
Suficiencia La cantidad de ítems por dimensión es adecuada y suficiente
para cubrir el constructo evaluado.
1 – 2 – 3 – 4
Adecuación de la
escala Likert
La escala de respuesta es comprensible y permite discriminar
niveles de acuerdo.
1 – 2 – 3 – 4
Redacción y forma Los ítems no presentan errores ortográficos, gramaticales ni
sintácticos.
1 – 2 – 3 – 4
Actualidad
conceptual
Los ítems reflejan conceptos actuales sobre uso de IA en
educación, alineados con literatura reciente.
1 – 2 – 3 – 4
Inclusión y ética La redacción evita sesgos y se ajusta a principios éticos en
investigación educativa.
1 – 2 – 3 – 4
pág. 3198
La siguiente rúbrica permite evaluar la calidad del instrumento construido para medir las percepciones
estudiantiles sobre el uso de herramientas de inteligencia artificial en los procesos de aprendizaje. La
evaluación se realiza mediante juicio de expertos, quienes valoran cada criterio en una escala de 1 a 4,
donde:
▪ 1 = Deficiente
▪ 2 = Aceptable
▪ 3 = Bueno
▪ 4 = Excelente
Tabla 4. Instrumento de evaluación general
Aspecto global
evaluado Criterio Cumplimiento
(Sí/No)
Comentarios del
experto
Adecuación del
instrumento
¿El instrumento permite medir
adecuadamente el constructo? Sí / No
Organización ¿La estructura del cuestionario es lógica y
ordenada? Sí / No
Tiempo estimado de
respuesta
¿El tiempo es adecuado para los
estudiantes? Sí / No
Utilidad para el estudio ¿Es útil para obtener los datos propuestos? Sí / No
Tabla 5. del Instrumento con 30 Ítems
Variable Dimensión Ítem Reactivo / Pregunta Escala
1. Nivel de conocimiento
de herramientas de IA
Conocimiento
general
1 Conozco qué son las herramientas de
inteligencia artificial aplicadas a la educación.
Likert
1–5
2 He utilizado previamente alguna herramienta
de IA como ChatGPT, Gemini o Copilot.
Likert
1–5
3 Considero que tengo conocimientos básicos
para usar IA en actividades académicas.
Likert
1–5
Conocimiento
específico
4 Conozco funciones específicas de
herramientas de IA como generar textos,
resúmenes o explicaciones.
Likert
1–5
5 Sé diferenciar entre herramientas de IA
generativa y otras aplicaciones digitales.
Likert
1–5
2. Frecuencia de uso
académico
Uso académico
general
6 Utilizo herramientas de IA al menos una vez
por semana para actividades académicas.
Likert
1–5
7 Uso herramientas de IA casi a diario para
estudiar o resolver tareas.
Likert
1–5
Uso en actividades
académicas
8 Empleo IA para redactar, corregir o mejorar
trabajos escritos.
Likert
1–5
La siguiente rúbrica permite evaluar la calidad del instrumento construido para medir las percepciones
estudiantiles sobre el uso de herramientas de inteligencia artificial en los procesos de aprendizaje. La
evaluación se realiza mediante juicio de expertos, quienes valoran cada criterio en una escala de 1 a 4,
donde:
▪ 1 = Deficiente
▪ 2 = Aceptable
▪ 3 = Bueno
▪ 4 = Excelente
Tabla 4. Instrumento de evaluación general
Aspecto global
evaluado Criterio Cumplimiento
(Sí/No)
Comentarios del
experto
Adecuación del
instrumento
¿El instrumento permite medir
adecuadamente el constructo? Sí / No
Organización ¿La estructura del cuestionario es lógica y
ordenada? Sí / No
Tiempo estimado de
respuesta
¿El tiempo es adecuado para los
estudiantes? Sí / No
Utilidad para el estudio ¿Es útil para obtener los datos propuestos? Sí / No
Tabla 5. del Instrumento con 30 Ítems
Variable Dimensión Ítem Reactivo / Pregunta Escala
1. Nivel de conocimiento
de herramientas de IA
Conocimiento
general
1 Conozco qué son las herramientas de
inteligencia artificial aplicadas a la educación.
Likert
1–5
2 He utilizado previamente alguna herramienta
de IA como ChatGPT, Gemini o Copilot.
Likert
1–5
3 Considero que tengo conocimientos básicos
para usar IA en actividades académicas.
Likert
1–5
Conocimiento
específico
4 Conozco funciones específicas de
herramientas de IA como generar textos,
resúmenes o explicaciones.
Likert
1–5
5 Sé diferenciar entre herramientas de IA
generativa y otras aplicaciones digitales.
Likert
1–5
2. Frecuencia de uso
académico
Uso académico
general
6 Utilizo herramientas de IA al menos una vez
por semana para actividades académicas.
Likert
1–5
7 Uso herramientas de IA casi a diario para
estudiar o resolver tareas.
Likert
1–5
Uso en actividades
académicas
8 Empleo IA para redactar, corregir o mejorar
trabajos escritos.
Likert
1–5
pág. 3199
Variable Dimensión Ítem Reactivo / Pregunta Escala
9 Utilizo IA para aclarar conceptos o contenidos
de mis asignaturas.
Likert
1–5
10 Interactúo con IA para generar ideas en
proyectos académicos.
Likert
1–5
3. Percepción de beneficios
en el aprendizaje
Comprensión de
contenidos
11 Considero que la IA facilita la comprensión de
temas académicos complejos.
Likert
1–5
Optimización del
aprendizaje
12 La IA me ayuda a optimizar el tiempo que
dedico al estudio.
Likert
1–5
13 Las herramientas de IA contribuyen a mejorar
mi rendimiento académico.
Likert
1–5
Apoyo a la
producción escrita
14 La IA me ayuda a organizar y estructurar mis
trabajos escritos.
Likert
1–5
15 Considero que la IA mejora la calidad de mis
trabajos académicos.
Likert
1–5
4. Riesgos y
preocupaciones
Fiabilidad y
precisión
16 Me preocupa que la información generada por
IA no siempre sea confiable.
Likert
1–5
Dependencia y
autonomía
17 Pienso que un uso excesivo de IA puede
afectar mi autonomía en el aprendizaje.
Likert
1–5
18 Considero que el uso constante de IA puede
generar dependencia académica.
Likert
1–5
Privacidad y
seguridad
19 Me preocupa el uso de mis datos personales en
herramientas de IA.
Likert
1–5
Ética 20 Creo que algunos estudiantes utilizan IA para
hacer trampas o plagio.
Likert
1–5
5. Opinión sobre la
integración pedagógica de
la IA
Integración
institucional
21 Considero necesario que los docentes integren
herramientas de IA en sus clases.
Likert
1–5
22 La universidad debería incorporar formación
sobre IA en el currículo.
Likert
1–5
Capacitación
docente y estudiantil
23 Es importante que los docentes reciban
capacitación para usar IA en el aula.
Likert
1–5
24 Los estudiantes deberían recibir orientación
sobre el uso adecuado de IA.
Likert
1–5
Innovación
educativa
25 El uso de IA puede modernizar los procesos de
enseñanza-aprendizaje.
Likert
1–5
6. Valoración de
implicaciones éticas
Honestidad
académica
26 Soy consciente de la importancia de la
honestidad académica al usar IA.
Likert
1–5
27 Evito utilizar la IA para actividades que
puedan considerarse plagio.
Likert
1–5
Uso responsable 28 Considero importante citar adecuadamente los
contenidos generados con IA.
Likert
1–5
29 Uso la IA de manera responsable, sin
reemplazar completamente mi propio trabajo.
Likert
1–5
Consideración ética 30 Creo que el uso de IA en la universidad debe
regularse mediante normas claras.
Likert
1–5
Variable Dimensión Ítem Reactivo / Pregunta Escala
9 Utilizo IA para aclarar conceptos o contenidos
de mis asignaturas.
Likert
1–5
10 Interactúo con IA para generar ideas en
proyectos académicos.
Likert
1–5
3. Percepción de beneficios
en el aprendizaje
Comprensión de
contenidos
11 Considero que la IA facilita la comprensión de
temas académicos complejos.
Likert
1–5
Optimización del
aprendizaje
12 La IA me ayuda a optimizar el tiempo que
dedico al estudio.
Likert
1–5
13 Las herramientas de IA contribuyen a mejorar
mi rendimiento académico.
Likert
1–5
Apoyo a la
producción escrita
14 La IA me ayuda a organizar y estructurar mis
trabajos escritos.
Likert
1–5
15 Considero que la IA mejora la calidad de mis
trabajos académicos.
Likert
1–5
4. Riesgos y
preocupaciones
Fiabilidad y
precisión
16 Me preocupa que la información generada por
IA no siempre sea confiable.
Likert
1–5
Dependencia y
autonomía
17 Pienso que un uso excesivo de IA puede
afectar mi autonomía en el aprendizaje.
Likert
1–5
18 Considero que el uso constante de IA puede
generar dependencia académica.
Likert
1–5
Privacidad y
seguridad
19 Me preocupa el uso de mis datos personales en
herramientas de IA.
Likert
1–5
Ética 20 Creo que algunos estudiantes utilizan IA para
hacer trampas o plagio.
Likert
1–5
5. Opinión sobre la
integración pedagógica de
la IA
Integración
institucional
21 Considero necesario que los docentes integren
herramientas de IA en sus clases.
Likert
1–5
22 La universidad debería incorporar formación
sobre IA en el currículo.
Likert
1–5
Capacitación
docente y estudiantil
23 Es importante que los docentes reciban
capacitación para usar IA en el aula.
Likert
1–5
24 Los estudiantes deberían recibir orientación
sobre el uso adecuado de IA.
Likert
1–5
Innovación
educativa
25 El uso de IA puede modernizar los procesos de
enseñanza-aprendizaje.
Likert
1–5
6. Valoración de
implicaciones éticas
Honestidad
académica
26 Soy consciente de la importancia de la
honestidad académica al usar IA.
Likert
1–5
27 Evito utilizar la IA para actividades que
puedan considerarse plagio.
Likert
1–5
Uso responsable 28 Considero importante citar adecuadamente los
contenidos generados con IA.
Likert
1–5
29 Uso la IA de manera responsable, sin
reemplazar completamente mi propio trabajo.
Likert
1–5
Consideración ética 30 Creo que el uso de IA en la universidad debe
regularse mediante normas claras.
Likert
1–5
pág. 3200
Tipo de instrumento: Cuestionario tipo Likert
Escala de respuesta:
Variables 1 2 3 4 5
Nivel de conocimiento Muy bajo Bajo Medio Alto Muy alto
Frecuencia de uso
académico.
Nunca Rara vez A veces Una vez por
semana
Casi a
diario/siempre
Percepción de
beneficios en el
aprendizaje.
Totalmente
en
desacuerdo
En
desacuerdo
NI de
acuerdo ni en
desacuerdo
Desacuerdo Totalmente de
acuerdo
Riesgos y
preocupaciones.
Totalmente
en
desacuerdo
En
desacuerdo
NI de
acuerdo ni en
desacuerdo
Desacuerdo Totalmente de
acuerdo
Opiniíon sobre
integración pedagógica
de la IA.
Totalmente
en
desacuerdo
En
desacuerdo
NI de
acuerdo ni en
desacuerdo
Desacuerdo Totalmente de
acuerdo
Valoración de
implicaciones éticas
Totalmente
en
desacuerdo
En
desacuerdo
NI de
acuerdo ni en
desacuerdo
Desacuerdo Totalmente de
acuerdo
CONCLUSIONES
El presente estudio permitió analizar la percepción y el uso de herramientas de inteligencia artificial por
parte de los estudiantes de la Universidad Técnica Luis Vargas Torres de Esmeraldas, revelando que la
IA se ha incorporado de manera significativa en sus prácticas académicas cotidianas. En general, los
estudiantes manifiestan una actitud positiva hacia estas tecnologías, destacando su potencial para
mejorar la comprensión de contenidos, optimizar tiempos de estudio y fortalecer el aprendizaje
autónomo.
Los resultados confirman que la IA representa un recurso educativo emergente de alto valor en el
contexto universitario, alineándose con tendencias regionales descritas en estudios sudamericanos
recientes. Al igual que lo plantean Andrade y Torres (2022), y Martínez y Quintero (2022), los
estudiantes reconocen su utilidad en la elaboración de tareas, la resolución de dudas y el apoyo en
procesos de investigación académica. Sin embargo, también se evidencian preocupaciones compartidas
respecto a los riesgos asociados a su uso, tales como la dependencia tecnológica, la posibilidad de
desinformación y la deshonestidad académica, aspectos previamente señalados por Silva y León (2021)
y Vargas y Molina (2023).
Es relevante destacar que, aunque el nivel de aceptación de la IA es alto, los estudiantes demandan
lineamientos y formación institucional para su uso responsable.
Tipo de instrumento: Cuestionario tipo Likert
Escala de respuesta:
Variables 1 2 3 4 5
Nivel de conocimiento Muy bajo Bajo Medio Alto Muy alto
Frecuencia de uso
académico.
Nunca Rara vez A veces Una vez por
semana
Casi a
diario/siempre
Percepción de
beneficios en el
aprendizaje.
Totalmente
en
desacuerdo
En
desacuerdo
NI de
acuerdo ni en
desacuerdo
Desacuerdo Totalmente de
acuerdo
Riesgos y
preocupaciones.
Totalmente
en
desacuerdo
En
desacuerdo
NI de
acuerdo ni en
desacuerdo
Desacuerdo Totalmente de
acuerdo
Opiniíon sobre
integración pedagógica
de la IA.
Totalmente
en
desacuerdo
En
desacuerdo
NI de
acuerdo ni en
desacuerdo
Desacuerdo Totalmente de
acuerdo
Valoración de
implicaciones éticas
Totalmente
en
desacuerdo
En
desacuerdo
NI de
acuerdo ni en
desacuerdo
Desacuerdo Totalmente de
acuerdo
CONCLUSIONES
El presente estudio permitió analizar la percepción y el uso de herramientas de inteligencia artificial por
parte de los estudiantes de la Universidad Técnica Luis Vargas Torres de Esmeraldas, revelando que la
IA se ha incorporado de manera significativa en sus prácticas académicas cotidianas. En general, los
estudiantes manifiestan una actitud positiva hacia estas tecnologías, destacando su potencial para
mejorar la comprensión de contenidos, optimizar tiempos de estudio y fortalecer el aprendizaje
autónomo.
Los resultados confirman que la IA representa un recurso educativo emergente de alto valor en el
contexto universitario, alineándose con tendencias regionales descritas en estudios sudamericanos
recientes. Al igual que lo plantean Andrade y Torres (2022), y Martínez y Quintero (2022), los
estudiantes reconocen su utilidad en la elaboración de tareas, la resolución de dudas y el apoyo en
procesos de investigación académica. Sin embargo, también se evidencian preocupaciones compartidas
respecto a los riesgos asociados a su uso, tales como la dependencia tecnológica, la posibilidad de
desinformación y la deshonestidad académica, aspectos previamente señalados por Silva y León (2021)
y Vargas y Molina (2023).
Es relevante destacar que, aunque el nivel de aceptación de la IA es alto, los estudiantes demandan
lineamientos y formación institucional para su uso responsable.
pág. 3201
La ausencia de políticas claras y de una alfabetización digital avanzada podría limitar el
aprovechamiento pedagógico de estas herramientas, tal como lo advierten López y Rivas (2021). En
este sentido, se identifica la necesidad de fortalecer la capacitación docente y estudiantil, así como de
diseñar estrategias de integración curricular que fomenten el pensamiento crítico y la ética académica.
Asimismo, se observó la existencia de diferencias significativas entre estudiantes de distintas carreras
y niveles académicos, lo cual sugiere que la apropiación tecnológica no es homogénea y está
influenciada por las características formativas de cada programa, como también lo explica Bisquerra
(2020) al describir la relación entre campo disciplinar y adopción tecnológica.
Finalmente, se concluye que la integración efectiva de la inteligencia artificial en la educación superior
requiere un enfoque equilibrado que combine innovación tecnológica, formación ética y políticas
institucionales claras. La UTLVTE, al igual que otras universidades ecuatorianas, se encuentra en un
momento clave para consolidar estas prácticas, garantizando un uso consciente, crítico y responsable
de la IA como herramienta formativa esencial para los desafíos educativos del siglo XXI.
RECOMENDACIONES
A partir de los resultados del estudio y del análisis teórico desarrollado, se plantean las siguientes
recomendaciones orientadas a fortalecer el uso pedagógico, ético y crítico de la inteligencia artificial
en la Universidad Técnica Luis Vargas Torres de Esmeraldas:
1. Diseñar e implementar programas institucionales de alfabetización digital avanzada, dirigidos a
estudiantes y docentes, que incluyan el uso ético, técnico y crítico de herramientas de IA. Ello
permitirá reducir la dependencia tecnológica y promover competencias informacionales sólidas, tal
como sugieren López y Rivas (2021).
2. Establecer políticas y lineamientos claros sobre el uso de la IA en actividades académicas,
incluyendo normas para la elaboración de trabajos, citación adecuada, verificación de información
y límites en la automatización de procesos. Esto responde a los riesgos éticos señalados por Silva y
León (2021).
3. Incorporar el uso de herramientas de IA dentro de los planes de estudio, de manera planificada y
con un enfoque pedagógico, para aprovechar su potencial como recurso didáctico. La integración
La ausencia de políticas claras y de una alfabetización digital avanzada podría limitar el
aprovechamiento pedagógico de estas herramientas, tal como lo advierten López y Rivas (2021). En
este sentido, se identifica la necesidad de fortalecer la capacitación docente y estudiantil, así como de
diseñar estrategias de integración curricular que fomenten el pensamiento crítico y la ética académica.
Asimismo, se observó la existencia de diferencias significativas entre estudiantes de distintas carreras
y niveles académicos, lo cual sugiere que la apropiación tecnológica no es homogénea y está
influenciada por las características formativas de cada programa, como también lo explica Bisquerra
(2020) al describir la relación entre campo disciplinar y adopción tecnológica.
Finalmente, se concluye que la integración efectiva de la inteligencia artificial en la educación superior
requiere un enfoque equilibrado que combine innovación tecnológica, formación ética y políticas
institucionales claras. La UTLVTE, al igual que otras universidades ecuatorianas, se encuentra en un
momento clave para consolidar estas prácticas, garantizando un uso consciente, crítico y responsable
de la IA como herramienta formativa esencial para los desafíos educativos del siglo XXI.
RECOMENDACIONES
A partir de los resultados del estudio y del análisis teórico desarrollado, se plantean las siguientes
recomendaciones orientadas a fortalecer el uso pedagógico, ético y crítico de la inteligencia artificial
en la Universidad Técnica Luis Vargas Torres de Esmeraldas:
1. Diseñar e implementar programas institucionales de alfabetización digital avanzada, dirigidos a
estudiantes y docentes, que incluyan el uso ético, técnico y crítico de herramientas de IA. Ello
permitirá reducir la dependencia tecnológica y promover competencias informacionales sólidas, tal
como sugieren López y Rivas (2021).
2. Establecer políticas y lineamientos claros sobre el uso de la IA en actividades académicas,
incluyendo normas para la elaboración de trabajos, citación adecuada, verificación de información
y límites en la automatización de procesos. Esto responde a los riesgos éticos señalados por Silva y
León (2021).
3. Incorporar el uso de herramientas de IA dentro de los planes de estudio, de manera planificada y
con un enfoque pedagógico, para aprovechar su potencial como recurso didáctico. La integración
pág. 3202
curricular permitirá garantizar equidad en el acceso al conocimiento tecnológico entre estudiantes
de distintas carreras, en concordancia con los planteamientos de Martínez y Quintero (2022).
4. Desarrollar talleres formativos orientados al pensamiento crítico, para que los estudiantes aprendan
a evaluar la calidad y confiabilidad de la información generada por IA, reduciendo el impacto de la
desinformación y reforzando el criterio académico autónomo.
5. Fomentar proyectos interdisciplinarios de investigación y vinculación con la comunidad que
incluyan el uso de IA, de modo que los estudiantes puedan desarrollar habilidades aplicadas y
contextualizadas a la realidad de Esmeraldas, siguiendo las recomendaciones de Bisquerra (2020)
sobre formación integral.
6. Promover instancias de acompañamiento docente, especialmente en carreras donde se evidenció
menor experiencia o confianza en el uso de IA. Esto contribuirá a equilibrar las brechas entre
programas y niveles académicos.
7. Actualizar continuamente las infraestructuras tecnológicas institucionales, garantizando
conectividad, equipos adecuados y acceso a plataformas educativas, para que el uso de IA no
dependa de recursos personales, especialmente en contextos socioeconómicos vulnerables.
8. Realizar estudios longitudinales y comparativos que permitan evaluar la evolución del uso,
percepción e impacto de la IA en los procesos de aprendizaje a lo largo del tiempo, tal como
recomiendan Vargas y Molina (2023).
9. Incorporar estrategias de evaluación formativa y ética académica, para disminuir el uso inapropiado
de herramientas generativas y fortalecer la integridad estudiantil.
10. Impulsar convenios con empresas tecnológicas y organizaciones académicas, que permitan acceder
a capacitaciones, certificaciones y herramientas especializadas, favoreciendo la actualización
continua de la comunidad universitaria.
En conjunto, estas recomendaciones buscan orientar a la UTLVTE hacia una integración responsable,
equitativa y estratégica de la inteligencia artificial en su ecosistema académico, contribuyendo así a una
formación pertinente y de calidad para los estudiantes.
curricular permitirá garantizar equidad en el acceso al conocimiento tecnológico entre estudiantes
de distintas carreras, en concordancia con los planteamientos de Martínez y Quintero (2022).
4. Desarrollar talleres formativos orientados al pensamiento crítico, para que los estudiantes aprendan
a evaluar la calidad y confiabilidad de la información generada por IA, reduciendo el impacto de la
desinformación y reforzando el criterio académico autónomo.
5. Fomentar proyectos interdisciplinarios de investigación y vinculación con la comunidad que
incluyan el uso de IA, de modo que los estudiantes puedan desarrollar habilidades aplicadas y
contextualizadas a la realidad de Esmeraldas, siguiendo las recomendaciones de Bisquerra (2020)
sobre formación integral.
6. Promover instancias de acompañamiento docente, especialmente en carreras donde se evidenció
menor experiencia o confianza en el uso de IA. Esto contribuirá a equilibrar las brechas entre
programas y niveles académicos.
7. Actualizar continuamente las infraestructuras tecnológicas institucionales, garantizando
conectividad, equipos adecuados y acceso a plataformas educativas, para que el uso de IA no
dependa de recursos personales, especialmente en contextos socioeconómicos vulnerables.
8. Realizar estudios longitudinales y comparativos que permitan evaluar la evolución del uso,
percepción e impacto de la IA en los procesos de aprendizaje a lo largo del tiempo, tal como
recomiendan Vargas y Molina (2023).
9. Incorporar estrategias de evaluación formativa y ética académica, para disminuir el uso inapropiado
de herramientas generativas y fortalecer la integridad estudiantil.
10. Impulsar convenios con empresas tecnológicas y organizaciones académicas, que permitan acceder
a capacitaciones, certificaciones y herramientas especializadas, favoreciendo la actualización
continua de la comunidad universitaria.
En conjunto, estas recomendaciones buscan orientar a la UTLVTE hacia una integración responsable,
equitativa y estratégica de la inteligencia artificial en su ecosistema académico, contribuyendo así a una
formación pertinente y de calidad para los estudiantes.
pág. 3203
REFERENCIAS BIBLIOGRAFICAS
Andrade, P., & Torres, M. (2022). Integración de inteligencia artificial en entornos universitarios
latinoamericanos: percepciones y desafíos. Revista Latinoamericana de Tecnología Educativa,
21(2), 45–62.
Arias, F. (2020). El proyecto de investigación: Introducción a la metodología científica. Editorial
Episteme.
Aubá, P. C. E. (2024). La inteligencia artificial en educación: percepciones y análisis desde docentes y
estudiantes en Chile. EPSIR.
Bisquerra, R. (2020). Metodología de la investigación educativa. Editorial La Muralla.
Creswell, J., & Creswell, D. (2023). Research design: Qualitative, quantitative, and mixed methods
approaches. SAGE.
Escobar, J., & Cuervo, A. (2021). Validez de contenido y juicio de expertos: una revisión metodológica.
Revista Investigación y Educación, 39(3), 1–15.
Gallegos, M. C. J. (2024). Impacto de la inteligencia artificial en la educación superior: percepciones
de alumnos y docentes. Reincisol.
Galli, M. G. (2023). ChatGPT en educación superior: explorando sus potencialidades y sus limitaciones.
Revista Educación Superior y Sociedad (ESS) – UNESCO IESALC.
Hernández, I. R. N. (2024). Percepciones de estudiantes latinoamericanos sobre el uso de la inteligencia
artificial en la educación superior. Austral Comunicación.
Hernández-Sampieri, R., & Mendoza, C. (2021). Metodología de la investigación: Las rutas
cuantitativa, cualitativa y mixta (2.ª ed.). McGraw-Hill.
López, A., & Calderón, E. (2022). Fiabilidad de instrumentos educativos mediante el coeficiente alfa
de Cronbach. Revista de Investigación Educativa Latinoamericana, 12(2), 45–60.
López, J., & Rivas, A. (2021). Procesamiento de lenguaje natural y aprendizaje autónomo en estudiantes
universitarios latinoamericanos. Revista de Investigación Educativa, 39(1), 112–130.
Martínez, C., & Quintero, L. (2022). Aceptación de herramientas basadas en IA en educación superior:
Un estudio con estudiantes colombianos. Revista Colombiana de Educación, 84(1), 99–120.
REFERENCIAS BIBLIOGRAFICAS
Andrade, P., & Torres, M. (2022). Integración de inteligencia artificial en entornos universitarios
latinoamericanos: percepciones y desafíos. Revista Latinoamericana de Tecnología Educativa,
21(2), 45–62.
Arias, F. (2020). El proyecto de investigación: Introducción a la metodología científica. Editorial
Episteme.
Aubá, P. C. E. (2024). La inteligencia artificial en educación: percepciones y análisis desde docentes y
estudiantes en Chile. EPSIR.
Bisquerra, R. (2020). Metodología de la investigación educativa. Editorial La Muralla.
Creswell, J., & Creswell, D. (2023). Research design: Qualitative, quantitative, and mixed methods
approaches. SAGE.
Escobar, J., & Cuervo, A. (2021). Validez de contenido y juicio de expertos: una revisión metodológica.
Revista Investigación y Educación, 39(3), 1–15.
Gallegos, M. C. J. (2024). Impacto de la inteligencia artificial en la educación superior: percepciones
de alumnos y docentes. Reincisol.
Galli, M. G. (2023). ChatGPT en educación superior: explorando sus potencialidades y sus limitaciones.
Revista Educación Superior y Sociedad (ESS) – UNESCO IESALC.
Hernández, I. R. N. (2024). Percepciones de estudiantes latinoamericanos sobre el uso de la inteligencia
artificial en la educación superior. Austral Comunicación.
Hernández-Sampieri, R., & Mendoza, C. (2021). Metodología de la investigación: Las rutas
cuantitativa, cualitativa y mixta (2.ª ed.). McGraw-Hill.
López, A., & Calderón, E. (2022). Fiabilidad de instrumentos educativos mediante el coeficiente alfa
de Cronbach. Revista de Investigación Educativa Latinoamericana, 12(2), 45–60.
López, J., & Rivas, A. (2021). Procesamiento de lenguaje natural y aprendizaje autónomo en estudiantes
universitarios latinoamericanos. Revista de Investigación Educativa, 39(1), 112–130.
Martínez, C., & Quintero, L. (2022). Aceptación de herramientas basadas en IA en educación superior:
Un estudio con estudiantes colombianos. Revista Colombiana de Educación, 84(1), 99–120.
pág. 3204
Medina-Zuta, P., et al. (2025). Sentidos sobre el uso de ChatGPT en la educación: comparación
Argentina–Brasil–Chile–Perú–España. SciELO Brasil.
Moreno, L. R. (2025). Percepción sobre inteligencia artificial y competencias digitales en estudiantes
universitarios. SciELO VE.
Otzen, T., & Manterola, C. (2019). Técnicas de muestreo sobre una población a estudio. International
Journal of Morphology, 37(1), 227–232.
Santos, M., & López, J. (2022). Ética en la investigación educativa: principios y buenas prácticas.
Revista Educación y Sociedad, 44(2), 112–130.
Silva, N., & León, P. (2021). Ética académica y tecnologías emergentes en educación superior. Revista
Iberoamericana de Ética Educativa, 7(3), 65–80.
Vargas, F., & Molina, J. (2023). Riesgos y oportunidades del uso de inteligencia artificial en la
educación universitaria latinoamericana. Revista Educación Digital, 5(1), 30–49.
Vera, J. P. D. (2023). Estudio comparativo experimental del uso de ChatGPT en estudiantes de
Tecnologías de la Información. Revista UG.
Medina-Zuta, P., et al. (2025). Sentidos sobre el uso de ChatGPT en la educación: comparación
Argentina–Brasil–Chile–Perú–España. SciELO Brasil.
Moreno, L. R. (2025). Percepción sobre inteligencia artificial y competencias digitales en estudiantes
universitarios. SciELO VE.
Otzen, T., & Manterola, C. (2019). Técnicas de muestreo sobre una población a estudio. International
Journal of Morphology, 37(1), 227–232.
Santos, M., & López, J. (2022). Ética en la investigación educativa: principios y buenas prácticas.
Revista Educación y Sociedad, 44(2), 112–130.
Silva, N., & León, P. (2021). Ética académica y tecnologías emergentes en educación superior. Revista
Iberoamericana de Ética Educativa, 7(3), 65–80.
Vargas, F., & Molina, J. (2023). Riesgos y oportunidades del uso de inteligencia artificial en la
educación universitaria latinoamericana. Revista Educación Digital, 5(1), 30–49.
Vera, J. P. D. (2023). Estudio comparativo experimental del uso de ChatGPT en estudiantes de
Tecnologías de la Información. Revista UG.