Marco conceptual

El aprendizaje automático hace referencia a la búsqueda del mejoramiento del desempeño de las computadoras en tareas específicas, a través del desarrollo de algoritmos y modelos que les permitan a las computadoras aprender y adaptarse por sí mismos (^{Abeliuk y Gutiérrez, 2021}; ^{Días-Ramírez, 2021}; ^{Ganascia, 2018}; ^{Puertas, 2023}; ^{Rouhiainen, 2018}). No obstante, debido a la gran cantidad de datos disponibles (macrodatos en inglés Big Data) hoy día, de acuerdo a ^{Días-Ramírez (2021)} y ^{Rouhiainen (2018)}, este tipo de aprendizaje se subdivide a su vez en tres categorías:

Por otro lado, se encuentra el aprendizaje profundo el cual busca a través del uso de redes neuronales artificiales, reconocer patrones complejos en grandes conjuntos de datos, para resolver problemas (^{Abeliuk y Gutiérrez, 2021}; ^{Días-Ramírez, 2021}; ^{Rodríguez-Sánchez, 2024}). Si bien, la base de redes neuronales artificiales son algoritmos y funciones matemáticas (^{Rodríguez-Sánchez, 2024}), su capacidad de generar múltiples capas ocultas y diversas unidades de procesamiento (^{Días-Ramírez, 2021}; ^{Puertas, 2023}), conlleva a concebir el aprendizaje profundo bajo diferentes enfoques, resultado de las diversas arquitecturas de redes neuronales que puede crear. Este tipo de IA ha dado como resultado aplicaciones de reconocimiento de voz, reconocimiento facial, personalización de sitios de medios sociales, resultados de motor de búsqueda, identificadores de huellas dactiles, entre otros (^{Abeliuk y Gutiérrez, 2021}; ^{Ganascia, 2018}; ^{Puertas, 2023}; ^{Rouhiainen, 2018}), véase la figura 1 para comprender la jerarquía de la Inteligencia Artificial.

Fuente: Elaboración propia

Figura 1 Jerarquía y ejemplos de los subcampos de la IA 

Inteligencia Artificial Generativa

Dentro del Aprendizaje profundo existen diversos ecosistemas, destacando la IAG la cual tiene por objetivo el desarrollo de contenidos (^{García-Peñalvo, 2024}; ^{Puertas, 2023}) “de forma automática, en respuesta a instrucciones escritas en interfaces conversacionales de lenguaje natural (PROMPTS)” (^{Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura, [UNESCO] 2024, p. 8}). Es importante destacar que la IAG no genera conocimiento original o soluciones a problemas reales, sino que, a partir de datos y elementos previamente concebidos, identifica patrones y produce nuevo contenido (^{García, 2024}). En este sentido, su capacidad generativa depende de la combinación estadística de información existente más que de procesos creativos genuinos.

Dada la capacidad de la IAG de manejar diferentes tipos de datos, estos modelos pueden formular una diversa gama de contenidos, siendo clasificados en función del tipo de contenido que generan en:

Queda claro que, la aplicación de los modelos de IAG es posible en diversos entornos (^{Puertas, 2023}), al poder crear desde textos e imágenes hasta vídeos, música e incluso código de software (^{Franganillo, 2023}). Siendo el mayor desafío consiste en que el usuario obtenga exactamente el resultado deseado ya que, de no usar instrucciones claras y estructuradas, la ejecución de la tarea arrojará una respuesta superficial, inexacta o incluso errónea (^{UNESCO, 2024}).

Educación 4.0

La visión constructivista del aprendizaje tiene como principio básico que las personas son capaces de construir su propio conocimiento a través de la experiencia, los saberes previos, así como, las relaciones sociales, contextuales y culturales (^{Contreras, 2021}). Con la evolución de la tecnología y la llegada de la era digital, las metodologías de enseñanza y aprendizaje fundamentadas en el constructivismo, se han visto en la necesidad de promover una enseñanza más dinámica, interdisciplinaria y práctica (^{Acuñar, 2024}), que permita mejorar la eficiencia y la productividad en el aprendizaje (^{Solórzano et al., 2022}). Esto ha dado lugar al surgimiento del término Educación 4.0 el cual, incluye: enfoques educativos innovadores como el aprendizaje activo, social y colaborativo; sistemas de evaluación enfocados en proyectos y competencias; rutas de aprendizaje personalizadas, flexibles y adaptativas; y entornos educativos diseñados para promover la creatividad y el trabajo en equipo (^{Cordón, 2023}).

En otras palabras, la Educación 4.0 implica la integración de herramientas digitales en el aula y la implementación de metodologías activas de aprendizaje, donde el individuo se convierte en creador de su propio conocimiento en lugar de ser un receptor pasivo de información (^{Acuñar, 2024}; ^{Contreras, 2021}); De manera que los individuos desarrollen estrategias de pensamiento que les posibiliten analizar, intervenir y recrear la realidad (^{Cedeño et al., 2023}).

Es posible observar que, la transición hacia la Educación 4.0 ha supuesto una profunda transformación en el ámbito educativo, pasando del uso básico de computadoras y proyectores (^{Noguera et al., 2024}), hasta la aplicación de herramientas digitales que generan texto, imágenes, vídeo, objetos 3D, audio y código fuente (^{García-Peñalvo, 2024}).

En particular, la implementación de la IA en la educación ha permitido superar desafíos pedagógicos y enriquecer los procesos educativos (^{Acuñar, 2024}). Su aplicación implica “la generación de innovación en la práctica docente, así como la capacidad de imaginar y crear acciones que transformen las estrategias de enseñanza” (^{Chávez, 2023, p. 18}). Bajo un enfoque de aprendizaje significativo y colaborativo (^{García-Peñalvo, 2024}) de manera contextualizada y transversal. Su importancia radica en la facilidad con la que permite crear entornos de aprendizaje activo (^{Zavala et al., 2023}), brindando la posibilidad de personalizar el aprendizaje a las necesidades y preferencias de cada estudiante (^{Chávez, 2023}; ^{García-Peñalvo, 2024}; ^{Zavala et al., 2023}). Además, permite generar respuestas adaptadas, desarrollar simulaciones y escenarios participativos, proporcionar experiencias inmersivas, y facilitar la creación de contenido educativo interactivo (^{Cordón, 2023}).

No obstante, junto con estas ventajas emergen riesgos vinculados a los sesgos algorítmicos, la vulnerabilidad de la privacidad de los datos y la creciente dependencia tecnológica, los cuales requieren una gestión ética y pedagógica responsable para evitar desigualdades y distorsiones en los procesos de enseñanza-aprendizaje (^{Noguera et al., 2024}).

Es importante resaltar que, si bien las herramientas digitales ofrecen oportunidades inigualables para el aprendizaje, su uso excesivo o inapropiado puede llevar a fatiga digital y, en última instancia, a un rendimiento académico reducido (^{Cedeño et al., 2023}). Por lo tanto, se recomienda que su aplicación se acompañe no sólo del diseño de materiales didácticos innovadores (^{Acuñar, 2024}), sino también de una planeación didáctica que combine “herramientas digitales con métodos pedagógicos tradicionales que han demostrado su eficacia a lo largo del tiempo” (^{Cedeño et al., 2023, p. 10306}), y de una formación en habilidades digitales que trascienda el manejo técnico (^{Noguera et al., 2024}), que permita tanto al docente y el estudiante, interpretar y crear contenido de manera efectiva en entornos digitales.

Marco referencial

La investigación se llevó a cabo en la Universidad Veracruzana (UV), la cual se ubica en el estado de Veracruz situado en el Golfo de México. Su cobertura y área de influencia están planteadas a partir de cinco sedes regionales: Xalapa, Veracruz, Orizaba-Córdoba, Poza Rica-Tuxpan y Coatzacoalcos-Minatitlán; cada sede se integra por por facultades, institutos, organismos de difusión de la cultura y extensión de los servicios, Sistema de Enseñanza Abierta, Escuela para Estudiantes Extranjeros y Estudios de Posgrado.

La Universidad Veracruzana organiza su estructura académica y administrativa de forma desconcentrada, conforme a lo establecido en su Estatuto General (^{Universidad Veracruzana [UV], 2024}), que distribuye la oferta educativa en seis áreas: artes, biológico-agropecuarias, ciencias de la salud, económico-administrativa, humanidades y técnica.

Para brindar a la sociedad una cobertura incluyente y de calidad, la Universidad desde el área académica económico-administrativa, ofrece 19 opciones profesionales a nivel de licenciatura, las cuales se encuentran distribuidas a través de las siguientes entidades académicas: Facultad de Contaduría y Administración, Facultad de Economía, Facultad de Estadística e Informática, Facultad de Ciencias Administrativas y Sociales, Facultad de Administración y Facultad de Contaduría y Negocios, Facultad de Negocios y Tecnologías, Facultad de Contaduría y Administración, Facultad de Contaduría (^{UV, 2024}).

Del total de opciones profesionales, cuatro se ofertan en la Facultad de Contaduría y Administración (FCA) y cinco en la Facultad de Ciencias Administrativas y Sociales (FCAS), con una matrícula total de 4,359 estudiantes (^{UV, 2023}). La distribución de los alumnos activos por programa se presenta en la Tabla 1.

Diseño del instrumento

Para el diseño del instrumento se siguió un proceso de conceptualización y operacionalización, validando la confiabilidad mediante el cálculo del coeficiente Alfa de Cronbach e integrado de manera que fuera posible crear un cuestionario que midiera la percepción de los estudiantes sobre el uso de la IAG.

En la fase de conceptualización, se definieron los conceptos clave a medir, siendo posible identificar las siguientes cuatro dimensiones relacionadas con el uso de la IAG:

Una vez que se definieron los conceptos, se procedió a la fase de operacionalización, en la que se transformaron en variables medibles. Para ello, se crearon indicadores e ítems específicos en el instrumento, permitiendo medir conceptos abstractos de manera tangible a través de una escala dicotómica para los primeros cuatro ítems, opción multiple para el ítem cinco ítems y una escala tipo Likert 1-4 con frecuencia de nunca, a veces, frecuentemente y siempre para los ítems correspondientes a las dimensiones de uso, ética y percepción. El instrumento fue posteriormente validada su confiabilidad mediante el cálculo del coeficiente Alfa de Cronbach, garantizando la coherencia y pertinencia de los ítems en relación con los objetivos del estudio.

Estas dos fases garantizaron la claridad y coherencia del instrumento, toda vez que la conceptualización proporcionó la base teórica para definir lo que se quería medir, mientras que, la operacionalización garantizó que estos conceptos se tradujeran en preguntas concretas y respuestas. Esto se refleja en la Tabla 2, 3, 4 y 5.

Confiabilidad del instrumento

El método de confiabilidad del instrumento es fundamental para asegurar que los resultados sean consistentes y reflejen adecuadamente lo que se pretende medir. La confiabilidad alude a su consistencia interna, es decir, si las respuestas obtenidas son estables y replicables a lo largo del tiempo y entre distintos grupos de estudiantes. Para el calculo del coeficiente se consideraron los 34 ítems con escala likert como se muestra en la Tabla 6, y el Alfa de Cronbach obtenido fue de 0.901, lo que se considera excelente en términos de confiabilidad, ya que indica una alta consistencia interna. Esto significa que las respuestas de los estudiantes a las diferentes preguntas del cuestionario son coherentes entre sí, y que los ítems están midiendo aspectos similares o relacionados de manera fiable.

Además, el alto valor del Alfa de Cronbach sugiere una buena validez aparente y de contenido, lo que implica que el instrumento no solo mide adecuadamente lo que pretende, sino que también abarca todas las dimensiones relevantes del constructo en estudio (el uso y percepción de la IAG).

Población y muestreo

La población está constituida por estudiantes de los programas educativos adscritos a las Facultades de Contaduría y Administración y de Ciencias Administrativas y Sociales de la UV, región de Xalapa. Específicamente, se incluyen estudiantes de 8 programas educativos, cuya suma de matrícula da un total de 4,258 estudiantes. En la Tabla 7 se muestra la distribución por facultad y carrera.

Se considera la población suficientemente amplia y heterogénea, lo que permite obtener conclusiones que reflejan de manera representativa las percepciones sobre el uso de la IAG en diferentes programas educativos.

En esta investigación se empleó el muestreo aleatorio estratificado, una técnica que divide a la población total en subgrupos homogéneos o estratos (en ese caso, los programas educativos), de los cuales se selecciona una muestra aleatoria representativa de cada uno. Para calcular la muestra, se consideró con base en el número de programas 8 estratos, un nivel de confianza del 95% y un error muestral aceptable del 4%. A continuación, en la Tabla 8, se presentan los resultados de distribución.

Medidas de tendencia central y dispersión

Para la interpretación de los resultados se empleó una escala de cuatro puntos, con valores que oscilan entre 1 y 4, donde 1 representa totalmente en desacuerdo, 2 en desacuerdo, 3 de acuerdo, y 4 totalmente de acuerdo. De conformidad con la Tabla 10 de medidas de tendencia central y dispersión, es posible afirmar que, en general los estudiantes tienden a usar las herramientas de IAG con una frecuencia moderada, puesto que la media se sitúa entre 2.01 y 2.88. En el cuestionamiento que hace referencia al uso de la IAG para redactar textos el resultado es de 2.7, lo que sugiere que los estudiantes tienden a emplear la herramienta con mayor regularidad, esto significa que la IAG es visualizada como un apoyo útil para la creación de contenido de texto, siendo un área fundamental en sus actividades académicas.

El resultado en cuanto al uso de las herramientas de IAG para la creación de imágenes o vídeos el resultado es 2.36 y 2.04 respectivamente, lo que indica un uso menos frecuente. Estos valores se sitúan entre las categorías “a veces” y “nunca” dentro de la escala de frecuencia de cuatro puntos (1 = nunca, 2 = a veces, 3 = frecuentemente, 4 = siempre), lo que sugiere que la mayoría de los estudiantes utiliza estas herramientas de forma esporádica o limitada. Lo que sugiere que, aunque la IAG es útil para la creación de imágenes y vídeos, no es una de las principales áreas de aplicación para los estudiantes en sus proyectos actuales de las carreras del área académica económica administrativa.

Finalmente, en la interpretación de las medias, en la pregunta sobre si la experiencia que los estudiantes han tenido en utilizar la IAG es positiva el resultado es de 2.88, esto sugiere que la mayoría de los estudiantes han tenido una experiencia positiva en su uso. Este resultado es clave, ya que identifica una aceptación general de las herramientas de IAG por parte de los estudiantes, siendo este una percepción de beneficio en su proceso de enseñanza-aprendizaje.

Ahora bien, en cuanto a la interpretación de la varianza, esta mide la dispersión de las respuestas, es decir, que tan distantes están las respuestas individuales del promedio. Los valores más altos de 1.07 para la pregunta has utilizado herramientas de IAG para entender textos, sugieren una mayor dispersión en las respuestas, lo que implica que algunos estudiantes pueden usar esta herramienta con mucha frecuencia, mientras que otros apenas y la utilizan. En contraparte, la varianza con resultado de 0.62 de la pregunta sobre la calidad de respuesta que ha recibido de las herramientas de la IAG de textos, indica que la mayoría de los estudiantes tienen percepciones similares sobre la calidad de las herramientas.

De manera similar, en cuanto al resultado de la desviación estándar sobre el cuestionamiento si la experiencia que han tenido los estudiantes al utilizar herramientas de IAG es positiva, tiene un resultado de 0.92, por lo que es válido en comparación con otros ítems, lo que sugiere que la mayoría de los estudiantes tienen una percepción similar, para este caso positiva, sobre el uso de la IAG.

Los resultados sugieren que las actividades que se relacionan con textos (redacción, comprensión y corrección) muestran una mayor integración y uso, otras aplicaciones como imágenes o vídeos, aun no son tan frecuentemente utilizadas. Sin duda, el resultado puede estar relacionado con la naturaleza de las tareas académicas o bien con el área académica de los programas educativos de los estudiantes.

Análisis Correlacional

Como complemento a la investigación llevada a cabo un análisis correlacional para poder identificar la relación y grado de asociación entre las dimensiones. Para ello se agruparon los ítems que comprende cada dimensión para identificarla como una sola variable para su análisis. En el contexto de esta investigación sobre la percepción del uso de la IAG entre estudiantes, el análisis correlacional permitió comprender las relaciones, identificar las tendencias sin causalidad directa y evaluar la efectividad de las herramientas de la IAG.

En la Tabla 11 se puede visualizar el análisis correlacional, en el que se observa las relaciones entre las dimensiones uso, ética y percepción.

Partiendo con el análisis de la relación entre las dimensiones de uso y ética, se puede apreciar una relación positiva significativa de 0.470. El resultado se interpreta que, a medida que los estudiantes hacen un mayor uso de la IAG, también son más conscientes de los aspectos éticos involucrados. El uso frecuente de la IAG podría estar relacionado con una mayor reflexión sobre los posibles riesgos éticos, con los derechos de autor y la privacidad de los datos.

Ahora bien, en cuanto a la relación entre las dimensiones uso y percepción, la relación entre el uso de la IAG y la percepción general de los estudiantes respecto a la utilidad y efectividad de la IAG es de 0.412. El resultado sugiere que los estudiantes que hacen uso de la IAG tienden a tener una percepción más favorable sobre su utilidad para el aprendizaje.

Finalmente, la relación entre la dimensión ética y la de percepción es de 0.447, lo que sugiere que los estudiantes que son más conscientes de los aspectos éticos de la IAG también tienden a tener una percepción más positiva o crítica sobre su uso.

Por lo expresado con anterioridad en el análisis correlacional, podemos concluir que las relaciones son significativas, lo que sugiere que a medida que los estudiantes usan más las herramientas de IAG, también desarrollan una mayor conciencia de los aspectos éticos y una percepción más favorable sobre su impacto en la educación.

Futuras líneas de investigación

Con base en los hallazgos obtenidos en el presente estudio, se pueden identificar diversos aspectos que, si bien son de interés, exceden el alcance planteado y abren oportunidades para futuras investigaciones.

Una de las líneas se encuentra orientada al análisis de las estrategias pedagógicas utilizadas por el profesorado para integrar la IAG en el aula, en especial en contextos donde predomina el enfoque tradicional. Con ello se pueden establecer tipologías de uso docente, así como los elementos necesarios para una incorporación efectiva, ética y alineada al proceso de enseñanza-aprendizaje.

Otra línea pertinente es indagar en los factores que intervienen en la equidad en el acceso a la IAG, como la infraestructura tecnológica, el contexto regional, el nivel socioeconómico, entre otros. El conocimiento de estas brechas permitirá proponer modelos de inclusión digital que garanticen condiciones equitativas para el estudiantado.

Con lo expuesto, las futuras líneas de investigación permitirán fortalecer el conocimiento sobre el uso educativo de la IAG, facilitando su implementación responsable en entornos de educación superior.