Vol. 12/ Núm. 1 2025 pág. 132
https://doi.org/10.69639/arandu.v12i1.614
Herramientas de Inteligencia Artificial para fomentar el
aprendizaje autodirigido en la Educación Superior
Artificial Intelligence Tools to promote Self-Directed Learning in Higher Education
Valeria Mercedes Sánchez Camacho
vsanchez6708@utm.edu.ec
smeche20@gmail.com
https://orcid.org/0009-0008-1812-3849
Unidad Educativa Particular “Santa María D. María D. Mazzarello”
Quito, Ecuador
Geilert De la Peña Consuegra
geilet.delapena@utm.edu.ec
gmilenium2017@gmail.com
https://orcid.org/0000-0003-3765-9143
Facultad de Posgrado de la Universidad Técnica de Manabí
Portoviejo, Ecuador
Artículo recibido: 20 diciembre 2024 - Aceptado para publicación: 26 enero 2025
Conflictos de intereses: Ninguno que declarar
RESUMEN
En esta era digital, se ha desarrollado y forma parte del uso la Inteligencia Artificial (IA) como
instrumento educativo transformador que impacta el proceso de aprendizaje de los estudiantes,
debido a que fomenta habilidades como el pensamiento crítico, la resolución de problemas y la
autogestión, elementos esenciales del aprendizaje autodirigido (proceso de autorreflexión en el
que el estudiante asume un rol activo en su educación). La investigación se centró en indagar la
influencia de la IA en el aprendizaje autodirigido de los estudiantes en la Educación Superior,
para reflexionar sobre los efectos negativos de la dependencia de las aplicaciones y herramientas
de IA y como se corresponde con los retos pedagógicos en la actualidad. Se efectuó, a través de
un diseño metodológico mixto (cuali-cuantitativo), descriptivo, correlacional y transversal, donde
se aplicó un cuestionario de 25 preguntas, validado por especialistas con experticia en el tema
abordado, y aplicado a los docentes de la Facultad de Ciencias Químicas de la Universidad Central
del Ecuador. Se exploró la relación entre las variables, inteligencia artificial y aprendizaje
autodirigido, donde se obtuvo como resultado que los docentes perciben que la tecnología
promueve la motivación intrínseca (3,60), es accesible (3,95), permite el cumplimiento y gestión
del tiempo (3,31) y es usada con frecuencia (3,16) por parte de los estudiantes para resolver
situaciones académicas. Sin embargo, no fomenta la autonomía y la autogestión en el proceso
educativo (2,91). Se evidenció la necesidad de implementar estrategias innovadoras,
capacitaciones continuas a estudiantes y docentes y un ajuste curricular en cada asignatura, con
Vol. 12/ Núm. 1 2025 pág. 133
el fin de mejorar el proceso de enseñanza-aprendizaje y garantizar un desarrollo integral en los
estudiantes.
Palabras clave: inteligencia artificial, aprendizaje autodirigido, aprendizaje autónomo,
educación superior
ABSTRACT
In this digital age, Artificial Intelligence (AI) has been developed and is part of the use as a
transformative educational tool that impacts the learning process of students, because it promotes
skills such as critical thinking, problem solving and self-management, essential elements of self-
directed learning (a self-reflection process in which the student assumes an active role in their
education). The research focused on investigating the influence of AI on self-directed learning of
students in Higher Education, to reflect on the negative effects of dependence on AI applications
and tools and how it corresponds to current pedagogical challenges. It was carried out through a
mixed methodological design (qualitative-quantitative), descriptive, correlational and transversal,
where a 25-question questionnaire was applied, validated by specialists with expertise in the
subject addressed, and applied to teachers of the Faculty of Chemical Sciences of the Central
University of Ecuador. The relationship between the variables artificial intelligence and self-
directed learning was explored, and the results obtained were that teachers perceive that
technology promotes intrinsic motivation (3.60), is accessible (3.95), allows for compliance and
time management (3.31) and is frequently used (3.16) by students to solve academic situations.
However, it does not promote autonomy and self-management in the educational process (2.91).
The need to implement innovative strategies, continuous training for students and teachers and a
curricular adjustment in each subject was evident, in order to improve the teaching-learning
process and guarantee comprehensive development in students.
Keywords: artificial intelligence, self-directed learning, autonomous learning, higher
education
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
el fin de mejorar el proceso de enseñanza-aprendizaje y garantizar un desarrollo integral en los
estudiantes.
Palabras clave: inteligencia artificial, aprendizaje autodirigido, aprendizaje autónomo,
educación superior
ABSTRACT
In this digital age, Artificial Intelligence (AI) has been developed and is part of the use as a
transformative educational tool that impacts the learning process of students, because it promotes
skills such as critical thinking, problem solving and self-management, essential elements of self-
directed learning (a self-reflection process in which the student assumes an active role in their
education). The research focused on investigating the influence of AI on self-directed learning of
students in Higher Education, to reflect on the negative effects of dependence on AI applications
and tools and how it corresponds to current pedagogical challenges. It was carried out through a
mixed methodological design (qualitative-quantitative), descriptive, correlational and transversal,
where a 25-question questionnaire was applied, validated by specialists with expertise in the
subject addressed, and applied to teachers of the Faculty of Chemical Sciences of the Central
University of Ecuador. The relationship between the variables artificial intelligence and self-
directed learning was explored, and the results obtained were that teachers perceive that
technology promotes intrinsic motivation (3.60), is accessible (3.95), allows for compliance and
time management (3.31) and is frequently used (3.16) by students to solve academic situations.
However, it does not promote autonomy and self-management in the educational process (2.91).
The need to implement innovative strategies, continuous training for students and teachers and a
curricular adjustment in each subject was evident, in order to improve the teaching-learning
process and guarantee comprehensive development in students.
Keywords: artificial intelligence, self-directed learning, autonomous learning, higher
education
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
Vol. 12/ Núm. 1 2025 pág. 134
INTRODUCCIÓN
En la actualidad, la educación se encuentra altamente influenciada por la tercera revolución
industrial o llamada usualmente revolución digital, debido a que presenta herramientas
innovadoras como la inteligencia artificial (IA). Estos instrumentos aseguran transformar los
procedimientos educativos tradicionales, a través de la aplicación de enfoques más
individualizados y autodirigidos de aprendizaje. Ocaña et al, (2019) mencionan que:
Desde los niveles más tempranos como lo es el nivel de los infantes hasta los más
elevados estándares del posgrado, uno de los mecanismos clave por los que la IA
impactará en la educación, será por medio de aplicaciones relacionadas al aprendizaje de
tipo individualizado. (p. 538)
Este método permite a cada estudiante progresar a su ritmo, con la guía, recursos y técnicas
que ofrece el docente, a través de la personalización que es definida como “una práctica educativa
que se centra en ajustar el material de enseñanza según las necesidades, intereses y habilidades
únicas de cada estudiante, con el propósito de mejorar su aprendizaje y rendimiento académico”
(Bolaño y Duarte, 2024, p. 52).
Por otro lado, tenemos el aprendizaje autodirigido, que según Márquez et al. (2014):
Ha sido referido como un proceso de aprendizaje de carácter estratégico y autoreflexivo,
en el cual el alumno toma la iniciativa, con o sin la ayuda de otros, para diagnosticar sus
necesidades de aprendizaje, formular sus metas, identificar materiales y recursos
humanos para aprender, implementar y elegir las estrategias adecuadas y evaluar los
resultados de su propio aprendizaje (p. 42).
Tanto el método individualizado como el autodirigido, se enfocan en ajustar el proceso de
enseñanza-aprendizaje a las necesidades del estudiante. Sin embargo, para el presente estudio nos
concentraremos en el enfoque autodirigido, debido a que éste busca que el estudiante tome la
iniciativa, establezca metas y sea causante de su propia formación, según sus requerimientos
personales, con la participación de un educador que tiene únicamente el rol de orientador y
brindará soporte cuando sea necesario.
En el panorama actual, este enfoque autodirigido puede fortalecerse con las herramientas
tecnológicas. Al respecto, Gilbert et al. (2023) afirman que “la IA puede potenciar el proceso de
enseñanza-aprendizaje y mejorar la eficiencia en la investigación científica, pero requiere de una
implementación cuidadosa, ética y responsable” (p. 60). En otras palabras, la IA permite fomentar
habilidades como el pensamiento crítico, la resolución de problemas y la autogestión, factores del
aprendizaje autodirigido, pero es importante efectuar su uso de manera metódica con el apoyo del
docente, ya que existe un gran número de estudiantes que depende totalmente de estos
mecanismos, lo que ha provocado un descenso notable en la autonomía de su educación. “La
inteligencia artificial tiene un gran potencial para enriquecer la educación superior cuando se
INTRODUCCIÓN
En la actualidad, la educación se encuentra altamente influenciada por la tercera revolución
industrial o llamada usualmente revolución digital, debido a que presenta herramientas
innovadoras como la inteligencia artificial (IA). Estos instrumentos aseguran transformar los
procedimientos educativos tradicionales, a través de la aplicación de enfoques más
individualizados y autodirigidos de aprendizaje. Ocaña et al, (2019) mencionan que:
Desde los niveles más tempranos como lo es el nivel de los infantes hasta los más
elevados estándares del posgrado, uno de los mecanismos clave por los que la IA
impactará en la educación, será por medio de aplicaciones relacionadas al aprendizaje de
tipo individualizado. (p. 538)
Este método permite a cada estudiante progresar a su ritmo, con la guía, recursos y técnicas
que ofrece el docente, a través de la personalización que es definida como “una práctica educativa
que se centra en ajustar el material de enseñanza según las necesidades, intereses y habilidades
únicas de cada estudiante, con el propósito de mejorar su aprendizaje y rendimiento académico”
(Bolaño y Duarte, 2024, p. 52).
Por otro lado, tenemos el aprendizaje autodirigido, que según Márquez et al. (2014):
Ha sido referido como un proceso de aprendizaje de carácter estratégico y autoreflexivo,
en el cual el alumno toma la iniciativa, con o sin la ayuda de otros, para diagnosticar sus
necesidades de aprendizaje, formular sus metas, identificar materiales y recursos
humanos para aprender, implementar y elegir las estrategias adecuadas y evaluar los
resultados de su propio aprendizaje (p. 42).
Tanto el método individualizado como el autodirigido, se enfocan en ajustar el proceso de
enseñanza-aprendizaje a las necesidades del estudiante. Sin embargo, para el presente estudio nos
concentraremos en el enfoque autodirigido, debido a que éste busca que el estudiante tome la
iniciativa, establezca metas y sea causante de su propia formación, según sus requerimientos
personales, con la participación de un educador que tiene únicamente el rol de orientador y
brindará soporte cuando sea necesario.
En el panorama actual, este enfoque autodirigido puede fortalecerse con las herramientas
tecnológicas. Al respecto, Gilbert et al. (2023) afirman que “la IA puede potenciar el proceso de
enseñanza-aprendizaje y mejorar la eficiencia en la investigación científica, pero requiere de una
implementación cuidadosa, ética y responsable” (p. 60). En otras palabras, la IA permite fomentar
habilidades como el pensamiento crítico, la resolución de problemas y la autogestión, factores del
aprendizaje autodirigido, pero es importante efectuar su uso de manera metódica con el apoyo del
docente, ya que existe un gran número de estudiantes que depende totalmente de estos
mecanismos, lo que ha provocado un descenso notable en la autonomía de su educación. “La
inteligencia artificial tiene un gran potencial para enriquecer la educación superior cuando se
Vol. 12/ Núm. 1 2025 pág. 135
implementa de forma ética e integrada inteligentemente con la inteligencia humana” (Menacho et
al., 2024, p. 6).
Además, Gilbert et al. (2023), declaran que “su aplicación plantea desafíos en cuanto a la
adopción de nuevos modelos educativos, la inversión necesaria para su implementación y la
capacitación de los usuarios” (p. 61). Es decir, que a pesar de que vivimos en una era digital,
existe un enorme reto en adaptar la Inteligencia Artificial con enfoques de aprendizaje
autodirigido en la educación superior que promuevan la autorreflexión, la participación activa y
el ajuste de los currículos en las diversas asignaturas.
No obstante, existen autores que visualizan avances en la implementación de la tecnología,
afirmando que en los próximos años “se explorarán posibilidades de integración de la IA en las
aulas, mediante prácticas pedagógicas que orienten al alumnado en su correcta utilización, y
permitan al profesorado buscar nuevos enfoques educativos” (Gallent, et al., 2023, p. 1). “Entre
los beneficios más destacados se encuentra la capacidad de la IA para personalizar los métodos
de enseñanza, adaptándolos a las necesidades individuales de los estudiantes, lo que conduce a
un mejor rendimiento académico” (Supelano, 2024, p. 19).
En muchos países, la instauración de la IA en la educación aún se halla en etapas iniciales.
Las instituciones de educación superior afrontan barreras significativas que incluyen restricciones
en la infraestructura tecnológica, escasez en capacitaciones específicas para los docentes en
herramientas técnicas, insuficientes metodologías innovadoras y un enfoque pedagógico que
generalmente se centra en un modelo de enseñanza arcaico. Esto ha generado una diferencia entre
las ventajas que presentan la tecnología y la capacidad de los establecimientos de educación
superior para adecuarse a los requerimientos del presente siglo.
En Ecuador, según Pérez, et al. (2024) manifiestan que “se han identificado desafíos
importantes, como la disparidad en el acceso y la equidad educativa, así como preocupaciones
legales, éticas y de privacidad en la implementación de la IA” (p. 823). Todo esto ha provocado
que el profesorado desconozca cómo integrar la tecnología al proceso educativo de sus
estudiantes.
En las instituciones de educación superior en el Ecuador, la activación de la IA se ha
implementado mesuradamente y se utiliza de forma habitual. No obstante, existen personas que
han desarrollado cierta filiación a la tecnología, causando una pérdida significativa en sus
conocimientos, habilidades, destrezas y actitudes. Aguilera et al. (2024), confirman que la
“dependencia de la IA predice negativamente el rendimiento académico, subrayando el
compromiso del aprendizaje autónomo y la pérdida de habilidades de investigación” (p. 2368).
Dicho de otra forma, al confiar en exceso en la tecnología, los estudiantes están delimitando sus
habilidades críticas y reduciendo su desarrollo integral que incluye su crecimiento emocional,
cultural, social y ético.
implementa de forma ética e integrada inteligentemente con la inteligencia humana” (Menacho et
al., 2024, p. 6).
Además, Gilbert et al. (2023), declaran que “su aplicación plantea desafíos en cuanto a la
adopción de nuevos modelos educativos, la inversión necesaria para su implementación y la
capacitación de los usuarios” (p. 61). Es decir, que a pesar de que vivimos en una era digital,
existe un enorme reto en adaptar la Inteligencia Artificial con enfoques de aprendizaje
autodirigido en la educación superior que promuevan la autorreflexión, la participación activa y
el ajuste de los currículos en las diversas asignaturas.
No obstante, existen autores que visualizan avances en la implementación de la tecnología,
afirmando que en los próximos años “se explorarán posibilidades de integración de la IA en las
aulas, mediante prácticas pedagógicas que orienten al alumnado en su correcta utilización, y
permitan al profesorado buscar nuevos enfoques educativos” (Gallent, et al., 2023, p. 1). “Entre
los beneficios más destacados se encuentra la capacidad de la IA para personalizar los métodos
de enseñanza, adaptándolos a las necesidades individuales de los estudiantes, lo que conduce a
un mejor rendimiento académico” (Supelano, 2024, p. 19).
En muchos países, la instauración de la IA en la educación aún se halla en etapas iniciales.
Las instituciones de educación superior afrontan barreras significativas que incluyen restricciones
en la infraestructura tecnológica, escasez en capacitaciones específicas para los docentes en
herramientas técnicas, insuficientes metodologías innovadoras y un enfoque pedagógico que
generalmente se centra en un modelo de enseñanza arcaico. Esto ha generado una diferencia entre
las ventajas que presentan la tecnología y la capacidad de los establecimientos de educación
superior para adecuarse a los requerimientos del presente siglo.
En Ecuador, según Pérez, et al. (2024) manifiestan que “se han identificado desafíos
importantes, como la disparidad en el acceso y la equidad educativa, así como preocupaciones
legales, éticas y de privacidad en la implementación de la IA” (p. 823). Todo esto ha provocado
que el profesorado desconozca cómo integrar la tecnología al proceso educativo de sus
estudiantes.
En las instituciones de educación superior en el Ecuador, la activación de la IA se ha
implementado mesuradamente y se utiliza de forma habitual. No obstante, existen personas que
han desarrollado cierta filiación a la tecnología, causando una pérdida significativa en sus
conocimientos, habilidades, destrezas y actitudes. Aguilera et al. (2024), confirman que la
“dependencia de la IA predice negativamente el rendimiento académico, subrayando el
compromiso del aprendizaje autónomo y la pérdida de habilidades de investigación” (p. 2368).
Dicho de otra forma, al confiar en exceso en la tecnología, los estudiantes están delimitando sus
habilidades críticas y reduciendo su desarrollo integral que incluye su crecimiento emocional,
cultural, social y ético.
Vol. 12/ Núm. 1 2025 pág. 136
Por eso es importante la creación de tácticas transformadoras que permitan llegar a la
autorreflexión de los estudiantes. Saavedra et al. (2024) aluden que:
Dentro del marco de la innovación educativa en todos los niveles, y la demanda del uso
de la tecnología en el sistema de educación superior, es fundamental crear estrategias
innovadoras para fomentar el aprendizaje adaptativo e identificar oportunamente
falencias en el proceso de enseñanza-aprendizaje por parte del profesorado y sus
estudiantes con el uso de IA (p. 175).
Por tanto, según todo lo planteado anteriormente, el problema científico de esta
investigación se basa en entender como la aplicación de herramientas de inteligencia artificial
superan o no los retos pedagógicos y si se promueve efectivamente un aprendizaje autodirigido.
Además, de enfocarse en como la dependencia a estas herramientas perjudican el proceso de
enseñanza-aprendizaje e influyen de forma negativa en la toma de decisiones de los estudiantes
para autogestionar su proceso educativo. Para ello, se ha aplicado un cuestionario a los docentes
de la Facultad de Ciencias Químicas de la Universidad Central del Ecuador, con el fin de
comprender, a mayor profundidad, la influencia de la IA en el proceso de aprendizaje autodirigido
de los estudiantes en la educación superior.
METODOLOGÍA
El enfoque de la presente investigación se enmarca en un diseño metodológico mixto
(Cuali-Cuantitativo), en virtud de que este combina procedimientos cualitativos y cuantitativos
que permitieron indagar objetivamente las experiencias y percepciones de los docentes sobre el
rendimiento académico y otras métricas del aprendizaje autodirigido de los estudiantes de la
Facultad de Ciencias Químicas de la Universidad Central del Ecuador, en la ciudad de Quito.
El estudio es de tipo descriptivo, debido a que tiene como meta principal observar, describir
y evidenciar características de un fenómeno o situación tal como se presentan en la realidad, sin
intentar manipular o modificar las variables que lo componen. Es decir, la investigación se centró
en describir cómo las herramientas de IA se han aplicado y cómo han influido en el aprendizaje
autodirigido de los estudiantes de la Facultad de Ciencias Químicas de la UCE. Se recolectó datos
sobre el uso de IA, la percepción de los docentes y los cambios observados en el aprendizaje
autodirigido, rendimiento académico y experiencia educativa de los estudiantes.
Además, es importante mencionar que la investigación es de nivel empírico porque se basa
en la observación y recolección de datos directos de la realidad. Según Cobas, et al. (2010), “los
métodos empíricos revelan y explican las características fenomenológicas del objeto”. (p. 6)
Finalmente, cabe recalcar que el diseño de la investigación es de tipo correlacional, debido
a que se exploraron las relaciones entre el uso de herramientas de IA y su influencia en el
aprendizaje autodirigido de los estudiantes en la educación superior.
Por eso es importante la creación de tácticas transformadoras que permitan llegar a la
autorreflexión de los estudiantes. Saavedra et al. (2024) aluden que:
Dentro del marco de la innovación educativa en todos los niveles, y la demanda del uso
de la tecnología en el sistema de educación superior, es fundamental crear estrategias
innovadoras para fomentar el aprendizaje adaptativo e identificar oportunamente
falencias en el proceso de enseñanza-aprendizaje por parte del profesorado y sus
estudiantes con el uso de IA (p. 175).
Por tanto, según todo lo planteado anteriormente, el problema científico de esta
investigación se basa en entender como la aplicación de herramientas de inteligencia artificial
superan o no los retos pedagógicos y si se promueve efectivamente un aprendizaje autodirigido.
Además, de enfocarse en como la dependencia a estas herramientas perjudican el proceso de
enseñanza-aprendizaje e influyen de forma negativa en la toma de decisiones de los estudiantes
para autogestionar su proceso educativo. Para ello, se ha aplicado un cuestionario a los docentes
de la Facultad de Ciencias Químicas de la Universidad Central del Ecuador, con el fin de
comprender, a mayor profundidad, la influencia de la IA en el proceso de aprendizaje autodirigido
de los estudiantes en la educación superior.
METODOLOGÍA
El enfoque de la presente investigación se enmarca en un diseño metodológico mixto
(Cuali-Cuantitativo), en virtud de que este combina procedimientos cualitativos y cuantitativos
que permitieron indagar objetivamente las experiencias y percepciones de los docentes sobre el
rendimiento académico y otras métricas del aprendizaje autodirigido de los estudiantes de la
Facultad de Ciencias Químicas de la Universidad Central del Ecuador, en la ciudad de Quito.
El estudio es de tipo descriptivo, debido a que tiene como meta principal observar, describir
y evidenciar características de un fenómeno o situación tal como se presentan en la realidad, sin
intentar manipular o modificar las variables que lo componen. Es decir, la investigación se centró
en describir cómo las herramientas de IA se han aplicado y cómo han influido en el aprendizaje
autodirigido de los estudiantes de la Facultad de Ciencias Químicas de la UCE. Se recolectó datos
sobre el uso de IA, la percepción de los docentes y los cambios observados en el aprendizaje
autodirigido, rendimiento académico y experiencia educativa de los estudiantes.
Además, es importante mencionar que la investigación es de nivel empírico porque se basa
en la observación y recolección de datos directos de la realidad. Según Cobas, et al. (2010), “los
métodos empíricos revelan y explican las características fenomenológicas del objeto”. (p. 6)
Finalmente, cabe recalcar que el diseño de la investigación es de tipo correlacional, debido
a que se exploraron las relaciones entre el uso de herramientas de IA y su influencia en el
aprendizaje autodirigido de los estudiantes en la educación superior.
Vol. 12/ Núm. 1 2025 pág. 137
La encuesta es el instrumento que se utilizó para recopilar los respectivos datos sobre las
percepciones y experiencias de los docentes respecto al uso de herramientas de IA y su influencia
en el aprendizaje autodirigido de los estudiantes, a través de un cuestionario que se realizó en
Google Forms.
El actual instrumento, de autoría propia, está conformado por 25 preguntas cerradas, donde
el participante eligió una opción, acorde a una escala de calificación (Likert), correspondiente a
2 variables y cada variable compuesta por 6 dimensiones:
Variable 1: Herramientas de Inteligencia Artificial
Dimensiones: Tipos de herramientas de IA, accesibilidad y nivel de uso.
Variable 2: Aprendizaje Autodirigido
Dimensiones: Motivación intrínseca, gestión del tiempo y autonomía en el aprendizaje.
Este cuestionario fue validado por cinco expertos en la educación con los siguientes títulos:
1. Magíster en Educación mención en Gestión del Aprendizaje Mediado por TIC.
2. Magíster en Pedagogía.
3. Máster Universitario en Neuropsicología y Educación.
4. Magíster en Psicopedagogía.
5. Máster Universitario en Atención a la Diversidad en una Educación Inclusiva.
Para la aprobación del instrumento por parte de los profesionales, se elaboró y se aplicó
una escala de valoración para apreciar la claridad, coherencia, relevancia y comprensión de las
preguntas que fueron aplicadas a la población de este estudio.
Población y muestra
Para el presente estudio, se eligió a la Universidad Central del Ecuador, debido a que fue
uno de los primeros establecimientos de educación superior en Latinoamérica y es considerada
una de las instituciones públicas más importantes del país, caracterizada por su enfoque en varias
áreas del conocimiento y la investigación, su compromiso social y el fortalecimiento integral de
sus estudiantes.
Entre las facultades que conforman esta institución, la Facultad de Ciencias Químicas, fue
favorecida para el tema de investigación, en virtud de la respuesta positiva por parte de las
autoridades y el interés que emerge de los docentes por conocer los resultados de la investigación
para establecer planes de mejora continua en cada una de sus asignaturas.
La muestra es de tipo no probabilística, ya que está integrada por 25 docentes de la Facultad
de Ciencias Químicas de la UCE-Quito. Esta población es relativamente pequeña, lo que permite
considerar la posibilidad de envolver a todos los integrantes en el estudio, evitando así el proceso
de selección de muestra y aumentando la precisión de los resultados específicos para este grupo.
La edad de los docentes oscila entre los 30 a los 60 años. No se excluye a ningún profesional
a menos que por motivos voluntarios resuelvan no participar o si preexisten criterios específicos
La encuesta es el instrumento que se utilizó para recopilar los respectivos datos sobre las
percepciones y experiencias de los docentes respecto al uso de herramientas de IA y su influencia
en el aprendizaje autodirigido de los estudiantes, a través de un cuestionario que se realizó en
Google Forms.
El actual instrumento, de autoría propia, está conformado por 25 preguntas cerradas, donde
el participante eligió una opción, acorde a una escala de calificación (Likert), correspondiente a
2 variables y cada variable compuesta por 6 dimensiones:
Variable 1: Herramientas de Inteligencia Artificial
Dimensiones: Tipos de herramientas de IA, accesibilidad y nivel de uso.
Variable 2: Aprendizaje Autodirigido
Dimensiones: Motivación intrínseca, gestión del tiempo y autonomía en el aprendizaje.
Este cuestionario fue validado por cinco expertos en la educación con los siguientes títulos:
1. Magíster en Educación mención en Gestión del Aprendizaje Mediado por TIC.
2. Magíster en Pedagogía.
3. Máster Universitario en Neuropsicología y Educación.
4. Magíster en Psicopedagogía.
5. Máster Universitario en Atención a la Diversidad en una Educación Inclusiva.
Para la aprobación del instrumento por parte de los profesionales, se elaboró y se aplicó
una escala de valoración para apreciar la claridad, coherencia, relevancia y comprensión de las
preguntas que fueron aplicadas a la población de este estudio.
Población y muestra
Para el presente estudio, se eligió a la Universidad Central del Ecuador, debido a que fue
uno de los primeros establecimientos de educación superior en Latinoamérica y es considerada
una de las instituciones públicas más importantes del país, caracterizada por su enfoque en varias
áreas del conocimiento y la investigación, su compromiso social y el fortalecimiento integral de
sus estudiantes.
Entre las facultades que conforman esta institución, la Facultad de Ciencias Químicas, fue
favorecida para el tema de investigación, en virtud de la respuesta positiva por parte de las
autoridades y el interés que emerge de los docentes por conocer los resultados de la investigación
para establecer planes de mejora continua en cada una de sus asignaturas.
La muestra es de tipo no probabilística, ya que está integrada por 25 docentes de la Facultad
de Ciencias Químicas de la UCE-Quito. Esta población es relativamente pequeña, lo que permite
considerar la posibilidad de envolver a todos los integrantes en el estudio, evitando así el proceso
de selección de muestra y aumentando la precisión de los resultados específicos para este grupo.
La edad de los docentes oscila entre los 30 a los 60 años. No se excluye a ningún profesional
a menos que por motivos voluntarios resuelvan no participar o si preexisten criterios específicos
Vol. 12/ Núm. 1 2025 pág. 138
relacionados con el estudio que impidan su participación (por ejemplo, estar de vacaciones o tener
licencias prolongadas durante el periodo de estudio, etc.).
Tabla 1
Operacionalización de las variables de investigación
Variable Definición Dimensiones Concepto Indicadores Ítem
Herramienta
s de
Inteligencia
Artificial
La
Inteligencia
Artificial es
parte de la
tecnología que
se enfoca en la
creación de
sistemas
informáticos
que simulan la
inteligencia
humana.
1. Tipos de
herramientas
de IA
Instrumentos
que facilitan
la resolución
de problemas:
plataformas
de
aprendizaje,
redes
neuronales
artificiales,
Deep
learning,
chatbots
educativos,
etc.
Nivel de
satisfacción de
docentes y
estudiantes en
el uso de IA.
1
Impacto en el
rendimiento
académico de
los estudiantes.
2
Frecuencia en
el uso de
Chatbots u
otras
herramientas
de IA.
3
2. Accesibilida
d
Nivel en el
que las
herramientas
de IA son
accesibles
para los
estudiantes de
Educación
Superior.
Facilidad de
uso.
4, 5,
6
Acceso de
herramientas
de IA fuera del
Instituto o
Universidad.
7
Periodicidad
o frecuencia
de uso de
herramientas
de IA por
parte de los
estudiantes.
Esta
dimensión
evalúa como
la IA está
integrada al
proceso de
enseñanza-
aprendizaje
de manera
diaria
Frecuencia de
uso diario.
Dependencia en
la realización
de tareas,
actividades,
evaluaciones y
resolución de
problemas.
8
3. Nivel de uso
9
Actualización
de
competencias
tecnológicas en
el uso de
herramientas de
IA.
10
relacionados con el estudio que impidan su participación (por ejemplo, estar de vacaciones o tener
licencias prolongadas durante el periodo de estudio, etc.).
Tabla 1
Operacionalización de las variables de investigación
Variable Definición Dimensiones Concepto Indicadores Ítem
Herramienta
s de
Inteligencia
Artificial
La
Inteligencia
Artificial es
parte de la
tecnología que
se enfoca en la
creación de
sistemas
informáticos
que simulan la
inteligencia
humana.
1. Tipos de
herramientas
de IA
Instrumentos
que facilitan
la resolución
de problemas:
plataformas
de
aprendizaje,
redes
neuronales
artificiales,
Deep
learning,
chatbots
educativos,
etc.
Nivel de
satisfacción de
docentes y
estudiantes en
el uso de IA.
1
Impacto en el
rendimiento
académico de
los estudiantes.
2
Frecuencia en
el uso de
Chatbots u
otras
herramientas
de IA.
3
2. Accesibilida
d
Nivel en el
que las
herramientas
de IA son
accesibles
para los
estudiantes de
Educación
Superior.
Facilidad de
uso.
4, 5,
6
Acceso de
herramientas
de IA fuera del
Instituto o
Universidad.
7
Periodicidad
o frecuencia
de uso de
herramientas
de IA por
parte de los
estudiantes.
Esta
dimensión
evalúa como
la IA está
integrada al
proceso de
enseñanza-
aprendizaje
de manera
diaria
Frecuencia de
uso diario.
Dependencia en
la realización
de tareas,
actividades,
evaluaciones y
resolución de
problemas.
8
3. Nivel de uso
9
Actualización
de
competencias
tecnológicas en
el uso de
herramientas de
IA.
10
Vol. 12/ Núm. 1 2025 pág. 139
Grado de
combinación de
la IA con el
currículo
11
Variable Definición Dimensiones Concepto Indicadores
Aprendizaje
Autodirigido
en la
Educación
Superior
El aprendizaje
autodirigido es
un proceso de
autorreflexión
, donde el
estudiante
diagnostica
sus
necesidades,
establece
objetivos y
evalúa su
propia
instrucción.
4. Motivación
intrínseca
Motivación
que nace de la
persona
(interna) para
aprender y
buscar
conocimiento.
Grado de
autonomía en la
gestión de
recursos.
12,
13
Autodisciplina. 14,
15
Autoevaluación
de resultados. 16
5. Gestión del
tiempo
Forma en que
los
estudiantes
gestionan su
tiempo de
manera
efectiva.
Planificación
de actividades.
17,
18
Eficiencia en la
gestión del
tiempo.
19
Cumplimiento
de plazos. 20
6. Autonomía
en el
aprendizaje
Nivel en que
los
estudiantes
aprenden de
manera
independiente
y toman
decisiones.
Toma de
decisiones. 21
Habilidad de
búsqueda de
información.
22,
23
Resolución de
problemas.
24,
25
Nota: Variables Herramientas de Inteligencia Artificial y aprendizaje autodirigido en la educación superior con sus
respectivas dimensiones e indicadores.
RESULTADOS Y DISCUSIÓN
La Inteligencia Artificial es un campo de la informática que permite desarrollar programas
y sistemas capaces de realizar actividades que requieren inteligencia humana. Esta serie de
algoritmos facilita la generación, clasificación y la realización de tareas, aumentando el
rendimiento de las personas, a través de nuevas experiencias y oportunidades de mejora.
Por otro lado, el aprendizaje autodirigido es un proceso de autogestión en el que los
estudiantes identifican sus necesidades de aprendizaje y asumen la responsabilidad de los recursos
y métodos de su autoevaluación. En otras palabras, el estudiante asume el rol activo en la
adquisición y fortalecimiento de competencias (conocimientos, habilidades, actitudes).
A través del entendimiento de las variables, el fin de la presente investigación es
comprender el impacto de la IA en el aprendizaje autodirigido de los estudiantes en la educación
superior. Para tal efecto, se analizaron las respuestas de 25 docentes que conforman la Facultad
de Ciencias Químicas de la Universidad Central del Ecuador. Esta población está conformada por
el 72% hombres y 28% mujeres, con títulos de maestría, doctorado y posdoctorado. Los datos
Grado de
combinación de
la IA con el
currículo
11
Variable Definición Dimensiones Concepto Indicadores
Aprendizaje
Autodirigido
en la
Educación
Superior
El aprendizaje
autodirigido es
un proceso de
autorreflexión
, donde el
estudiante
diagnostica
sus
necesidades,
establece
objetivos y
evalúa su
propia
instrucción.
4. Motivación
intrínseca
Motivación
que nace de la
persona
(interna) para
aprender y
buscar
conocimiento.
Grado de
autonomía en la
gestión de
recursos.
12,
13
Autodisciplina. 14,
15
Autoevaluación
de resultados. 16
5. Gestión del
tiempo
Forma en que
los
estudiantes
gestionan su
tiempo de
manera
efectiva.
Planificación
de actividades.
17,
18
Eficiencia en la
gestión del
tiempo.
19
Cumplimiento
de plazos. 20
6. Autonomía
en el
aprendizaje
Nivel en que
los
estudiantes
aprenden de
manera
independiente
y toman
decisiones.
Toma de
decisiones. 21
Habilidad de
búsqueda de
información.
22,
23
Resolución de
problemas.
24,
25
Nota: Variables Herramientas de Inteligencia Artificial y aprendizaje autodirigido en la educación superior con sus
respectivas dimensiones e indicadores.
RESULTADOS Y DISCUSIÓN
La Inteligencia Artificial es un campo de la informática que permite desarrollar programas
y sistemas capaces de realizar actividades que requieren inteligencia humana. Esta serie de
algoritmos facilita la generación, clasificación y la realización de tareas, aumentando el
rendimiento de las personas, a través de nuevas experiencias y oportunidades de mejora.
Por otro lado, el aprendizaje autodirigido es un proceso de autogestión en el que los
estudiantes identifican sus necesidades de aprendizaje y asumen la responsabilidad de los recursos
y métodos de su autoevaluación. En otras palabras, el estudiante asume el rol activo en la
adquisición y fortalecimiento de competencias (conocimientos, habilidades, actitudes).
A través del entendimiento de las variables, el fin de la presente investigación es
comprender el impacto de la IA en el aprendizaje autodirigido de los estudiantes en la educación
superior. Para tal efecto, se analizaron las respuestas de 25 docentes que conforman la Facultad
de Ciencias Químicas de la Universidad Central del Ecuador. Esta población está conformada por
el 72% hombres y 28% mujeres, con títulos de maestría, doctorado y posdoctorado. Los datos
Vol. 12/ Núm. 1 2025 pág. 140
recopilados fueron sujetos a análisis estadísticos, correlacionales y descriptivos entre variables,
dimensiones e indicadores (preguntas). Además, se realizó una prueba de la varianza ANOVA
para conocer los resultados basados en datos demográficos como edad, género, años de
experiencia en la educación superior y nivel educativo.
El cuestionario aplicado tiene un total de 25 preguntas cerradas, correspondientes a 2
variables y cada variable compuesta por 6 dimensiones, donde el docente eligió una respuesta
acorde a la siguiente escala valorativa:
Tabla 2
Escala de calificación
ESCALA DE CALIFICACIÓN
Totalmente de
acuerdo
De acuerdo Ni de acuerdo ni
en desacuerdo
En desacuerdo Totalmente en
desacuerdo
5 4 3 2 1
Nota: Escala de valoración basada en Likert
Los datos obtenidos se examinaron tomando en cuenta las medias, desviación estándar y
el índice de correlación entre las 6 dimensiones. En los resultados conseguidos, las medias por
dimensión se acercaron a una escala promedio, reflejando que los participantes notan una relación
tangible entre la inteligencia artificial y el aprendizaje autodirigido. Sin embargo, esta analogía
muestra que la tecnología afecta negativamente el desarrollo formativo de los estudiantes. En la
figura 1 se muestran los resultados por cada pregunta, ya que existieron respuestas que no
alcanzaron la media y es necesario aclararlas.
Figura 1
Media o promedio por pregunta
Nota. En el primer gráfico, se puede visualizar la media por cada pregunta (indicadores), lo que permite realizar
aclaraciones por dimensión.
A continuación, se presenta la figura 2, que refleja la media por las 6 dimensiones, lo que
permite obtener una visión global y proporciona un valor central de los datos.
4,003,753,904,454,40
2,904,05 4,054,35
2,401,85
4,004,25
2,80
4,25
2,702,853,652,903,85
2,752,903,002,603,30
0,00
2,00
4,00
6,00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
ESCALA DE LIKERT
PREGUNTAS
PROMEDIO POR INDICADOR (PREGUNTA)
recopilados fueron sujetos a análisis estadísticos, correlacionales y descriptivos entre variables,
dimensiones e indicadores (preguntas). Además, se realizó una prueba de la varianza ANOVA
para conocer los resultados basados en datos demográficos como edad, género, años de
experiencia en la educación superior y nivel educativo.
El cuestionario aplicado tiene un total de 25 preguntas cerradas, correspondientes a 2
variables y cada variable compuesta por 6 dimensiones, donde el docente eligió una respuesta
acorde a la siguiente escala valorativa:
Tabla 2
Escala de calificación
ESCALA DE CALIFICACIÓN
Totalmente de
acuerdo
De acuerdo Ni de acuerdo ni
en desacuerdo
En desacuerdo Totalmente en
desacuerdo
5 4 3 2 1
Nota: Escala de valoración basada en Likert
Los datos obtenidos se examinaron tomando en cuenta las medias, desviación estándar y
el índice de correlación entre las 6 dimensiones. En los resultados conseguidos, las medias por
dimensión se acercaron a una escala promedio, reflejando que los participantes notan una relación
tangible entre la inteligencia artificial y el aprendizaje autodirigido. Sin embargo, esta analogía
muestra que la tecnología afecta negativamente el desarrollo formativo de los estudiantes. En la
figura 1 se muestran los resultados por cada pregunta, ya que existieron respuestas que no
alcanzaron la media y es necesario aclararlas.
Figura 1
Media o promedio por pregunta
Nota. En el primer gráfico, se puede visualizar la media por cada pregunta (indicadores), lo que permite realizar
aclaraciones por dimensión.
A continuación, se presenta la figura 2, que refleja la media por las 6 dimensiones, lo que
permite obtener una visión global y proporciona un valor central de los datos.
4,003,753,904,454,40
2,904,05 4,054,35
2,401,85
4,004,25
2,80
4,25
2,702,853,652,903,85
2,752,903,002,603,30
0,00
2,00
4,00
6,00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
ESCALA DE LIKERT
PREGUNTAS
PROMEDIO POR INDICADOR (PREGUNTA)
Vol. 12/ Núm. 1 2025 pág. 141
Figura 2
Media o promedio por dimensión
Nota. El gráfico representa los valores de las medias obtenidas por cada dimensión.
En el gráfico 2 se puede visualizar la percepción de los docentes con respecto a las 6
dimensiones y la relación de las variables: inteligencia artificial y aprendizaje autodirigido.
En el caso de la primera dimensión, alcanzó una media de 3,88; lo que sugiere que los
docentes entienden que las herramientas de IA tienen un impacto en el proceso de enseñanza-
aprendizaje de los estudiantes y que son utilizados con frecuencia para la realización de
actividades y/o tareas.
La accesibilidad es la media más alta con 3,96; lo que muestra que las herramientas de IA
han alcanzado un alto nivel de disponibilidad para los estudiantes, tanto dentro como fuera del
entorno educativo. Esto se puede apreciar en la figura 1, preguntas 4 y 5, donde se especifica que
la IA es la primera opción para los estudiantes en la resolución de problemas.
Este resultado compagina con lo dicho por Chávez et al. (2024), “en la actualidad, el uso
de la inteligencia artificial en la educación está en constante crecimiento y se espera que siga
expandiéndose en el futuro” (p. 73), puesto a que se ha convertido en una herramienta de apoyo
y fácil acceso, que ofrece un proceso educativo más personalizado y autodirigido, adaptándose a
las necesidades y requerimientos de los estudiantes.
El nivel de uso obtuvo una puntuación de 3,16 lo que revela el uso frecuente de
herramientas de IA. En esta dimensión, en las preguntas 8 y 9 se hace alusión a la dependencia y
frecuencia en su empleo diario, dando como resultado un promedio de 4,2/5; lo que significa que
los docentes perciben cierta filiación por parte de los estudiantes a la IA. Además, en esta
dimensión, se expone su uso cotidiano en la realización de actividades académicas y la escasa
formación y capacitación en el correcto manejo de estos instrumentos.
Cabe recalcar, dentro de este análisis, que la IA no está integrada de manera efectiva en el
currículo de las asignaturas que se imparten en la facultad, lo que ocasiona una carencia de
oportunidades para que los docentes y estudiantes adquieran las competencias digitales esenciales
en el proceso de enseñanza-aprendizaje.
En cuanto a las dimensiones de la siguiente variable, aprendizaje autodirigido, se
obtuvieron los siguientes resultados:
TIPOS IA ACCESIBILID
AD
NIVEL DE
USO
MOTIVACIÓ
N
INTRÍNSECA
GESTIÓN
DEL TIEMPO
AUTONOMÍA
EN EL
APRENDIZ…
Series1 3,88 3,95 3,16 3,60 3,31 2,91
0,00
2,00
4,00
6,00
PROMEDIO POR DIMENSIÓN (MEDIA)
Figura 2
Media o promedio por dimensión
Nota. El gráfico representa los valores de las medias obtenidas por cada dimensión.
En el gráfico 2 se puede visualizar la percepción de los docentes con respecto a las 6
dimensiones y la relación de las variables: inteligencia artificial y aprendizaje autodirigido.
En el caso de la primera dimensión, alcanzó una media de 3,88; lo que sugiere que los
docentes entienden que las herramientas de IA tienen un impacto en el proceso de enseñanza-
aprendizaje de los estudiantes y que son utilizados con frecuencia para la realización de
actividades y/o tareas.
La accesibilidad es la media más alta con 3,96; lo que muestra que las herramientas de IA
han alcanzado un alto nivel de disponibilidad para los estudiantes, tanto dentro como fuera del
entorno educativo. Esto se puede apreciar en la figura 1, preguntas 4 y 5, donde se especifica que
la IA es la primera opción para los estudiantes en la resolución de problemas.
Este resultado compagina con lo dicho por Chávez et al. (2024), “en la actualidad, el uso
de la inteligencia artificial en la educación está en constante crecimiento y se espera que siga
expandiéndose en el futuro” (p. 73), puesto a que se ha convertido en una herramienta de apoyo
y fácil acceso, que ofrece un proceso educativo más personalizado y autodirigido, adaptándose a
las necesidades y requerimientos de los estudiantes.
El nivel de uso obtuvo una puntuación de 3,16 lo que revela el uso frecuente de
herramientas de IA. En esta dimensión, en las preguntas 8 y 9 se hace alusión a la dependencia y
frecuencia en su empleo diario, dando como resultado un promedio de 4,2/5; lo que significa que
los docentes perciben cierta filiación por parte de los estudiantes a la IA. Además, en esta
dimensión, se expone su uso cotidiano en la realización de actividades académicas y la escasa
formación y capacitación en el correcto manejo de estos instrumentos.
Cabe recalcar, dentro de este análisis, que la IA no está integrada de manera efectiva en el
currículo de las asignaturas que se imparten en la facultad, lo que ocasiona una carencia de
oportunidades para que los docentes y estudiantes adquieran las competencias digitales esenciales
en el proceso de enseñanza-aprendizaje.
En cuanto a las dimensiones de la siguiente variable, aprendizaje autodirigido, se
obtuvieron los siguientes resultados:
TIPOS IA ACCESIBILID
AD
NIVEL DE
USO
MOTIVACIÓ
N
INTRÍNSECA
GESTIÓN
DEL TIEMPO
AUTONOMÍA
EN EL
APRENDIZ…
Series1 3,88 3,95 3,16 3,60 3,31 2,91
0,00
2,00
4,00
6,00
PROMEDIO POR DIMENSIÓN (MEDIA)
Vol. 12/ Núm. 1 2025 pág. 142
Con una media de 3,60 se observa que la motivación intrínseca se asocia a la iniciativa que
tienen los estudiantes por explorar los recursos ofrecidos por la IA. Sin embargo, al existir estas
herramientas tecnológicas, los estudiantes se sienten más seguros pero menos involucrados en su
proceso de aprendizaje y autoformación, lo que reduce la identificación de sus fortalezas y áreas
de mejora.
La media de 3,31 en la gestión del tiempo indica que los docentes perciben que las
herramientas de IA ayudan a los estudiantes a entregar las actividades a tiempo, cumpliendo los
plazos establecidos, pero no han mejorado o potencializado habilidades como la planificación, la
organización y la ejecución eficiente.
La autonomía en el aprendizaje presenta el promedio más bajo, 2,91; lo que sugiere que los
docentes visualizan un impacto mesurado en la capacidad de los estudiantes para tomar decisiones
y autogestionar su aprendizaje mediante el uso de herramientas de IA. Además, los profesores
perciben que los estudiantes no desarrollan habilidades para la resolución de problemas sin
depender de otros o de la tecnología.
Con respecto a la desviación estándar, como medida que muestra la consistencia de los
participantes al responder las preguntas, se pudo analizar la variabilidad en las percepciones de
los docentes por cada dimensión. Una desviación alta representa que las respuestas están distantes
de la media, es decir, los datos están dispersos. Una desviación baja indica que los resultados
están más consensuados, agrupados alrededor de la media. A continuación, se muestra el gráfico
donde se describen los respectivos hallazgos:
Figura 3
Desviación estándar por las seis dimensiones
Nota. Gráfico que muestra la desviación estándar por cada dimensión.
La desviación estándar revela que las percepciones de los docentes son consistentes en casi
todas las dimensiones como la accesibilidad y la motivación intrínseca. Esto indica que no hay
dispersión y existe un consenso por parte de los educadores en casi todas las respuestas. En el
caso de la variable, autonomía del aprendizaje, se refleja un gran nivel de variabilidad en las
opiniones, lo que significa que los docentes difieren en que las herramientas de IA fomentan la
autonomía en el aprendizaje.
0,62 0,60 0,61 0,57 0,62
0,91
0,00
0,50
1,00
TIPOS IA ACCESIBILIDAD NIVEL DE USO MOTIVACIÓN
INTRÍNSECA
GESTIÓN DEL
TIEMPO
AUTONOMÍA EN
EL
APRENDIZAJE
Dispersión
Dimensiones
DESVIACIÓN ESTÁNDAR POR DIMENSIÓN
Con una media de 3,60 se observa que la motivación intrínseca se asocia a la iniciativa que
tienen los estudiantes por explorar los recursos ofrecidos por la IA. Sin embargo, al existir estas
herramientas tecnológicas, los estudiantes se sienten más seguros pero menos involucrados en su
proceso de aprendizaje y autoformación, lo que reduce la identificación de sus fortalezas y áreas
de mejora.
La media de 3,31 en la gestión del tiempo indica que los docentes perciben que las
herramientas de IA ayudan a los estudiantes a entregar las actividades a tiempo, cumpliendo los
plazos establecidos, pero no han mejorado o potencializado habilidades como la planificación, la
organización y la ejecución eficiente.
La autonomía en el aprendizaje presenta el promedio más bajo, 2,91; lo que sugiere que los
docentes visualizan un impacto mesurado en la capacidad de los estudiantes para tomar decisiones
y autogestionar su aprendizaje mediante el uso de herramientas de IA. Además, los profesores
perciben que los estudiantes no desarrollan habilidades para la resolución de problemas sin
depender de otros o de la tecnología.
Con respecto a la desviación estándar, como medida que muestra la consistencia de los
participantes al responder las preguntas, se pudo analizar la variabilidad en las percepciones de
los docentes por cada dimensión. Una desviación alta representa que las respuestas están distantes
de la media, es decir, los datos están dispersos. Una desviación baja indica que los resultados
están más consensuados, agrupados alrededor de la media. A continuación, se muestra el gráfico
donde se describen los respectivos hallazgos:
Figura 3
Desviación estándar por las seis dimensiones
Nota. Gráfico que muestra la desviación estándar por cada dimensión.
La desviación estándar revela que las percepciones de los docentes son consistentes en casi
todas las dimensiones como la accesibilidad y la motivación intrínseca. Esto indica que no hay
dispersión y existe un consenso por parte de los educadores en casi todas las respuestas. En el
caso de la variable, autonomía del aprendizaje, se refleja un gran nivel de variabilidad en las
opiniones, lo que significa que los docentes difieren en que las herramientas de IA fomentan la
autonomía en el aprendizaje.
0,62 0,60 0,61 0,57 0,62
0,91
0,00
0,50
1,00
TIPOS IA ACCESIBILIDAD NIVEL DE USO MOTIVACIÓN
INTRÍNSECA
GESTIÓN DEL
TIEMPO
AUTONOMÍA EN
EL
APRENDIZAJE
Dispersión
Dimensiones
DESVIACIÓN ESTÁNDAR POR DIMENSIÓN
Vol. 12/ Núm. 1 2025 pág. 143
En la dimensión 1, tipos de herramientas de IA, la desviación estándar de 0,62 indica una
consistencia en las percepciones de los docentes. Esto sugiere que existe cierto grado de acuerdo
entre los participantes sobre el uso de las herramientas de IA y su relación con el proceso de
aprendizaje.
En la accesibilidad, con una desviación estándar de 0,60; se observa una variabilidad
parecida a la de la primera dimensión. Esto indica una percepción uniforme en los docentes sobre
la facilidad de acceso que los estudiantes tienen a las herramientas de IA, aunque existen algunas
discrepancias entre las respuestas.
La desviación estándar de 0,61 en el nivel de uso, al igual que en las dimensiones 1 y 2,
refleja que los docentes perciben una relativa homogeneidad sobre la frecuencia o el nivel de uso
de las herramientas de IA por parte de los estudiantes pero no están exentos a cierta dispersión.
Por otro lado, la dimensión motivación intrínseca, presenta una desviación estándar de 0,57
lo que muestra que los docentes presentan opiniones similares respecto a que la IA influye en la
motivación del estudiantado.
La dimensión 5, gestión del tiempo, tiene una desviación estándar de 0,62; lo que
representa que los docentes perciben una relación moderada entre la las herramientas de IA y la
organización y uso efectivo del tiempo.
Finalmente, la autonomía en el aprendizaje, con la desviación estándar más alta de 0,91;
muestra la mayor dispersión en las respuestas. Esto podría estar relacionado con experiencias
variadas de los docentes, diferentes metodologías de enseñanza y factores individuales entre los
estudiantes. Como consecuencia, el profesorado percibe que la tecnología no está asociada a la
autogestión del proceso de aprendizaje por parte de los educandos.
Índice de correlación
Para la presente investigación, se utilizó la prueba de correlación Pearson, que mide la
relación lineal entre variables continuas. Este coeficiente oscila entre -1 y +1, es decir que un
valor menor que 0 indica una correlación negativa (una variable aumenta y la otra se reduce),
mientras que un valor mayor a 0 revela una correlación positiva (las dos variables aumentan). Si
el resultado es 0 significa que no hay relación entre variables.
En el estudio se realizaron todas las correlaciones entre dimensiones y se obtuvieron los
siguientes resultados:
En la dimensión 1, tipos de herramientas de IA, la desviación estándar de 0,62 indica una
consistencia en las percepciones de los docentes. Esto sugiere que existe cierto grado de acuerdo
entre los participantes sobre el uso de las herramientas de IA y su relación con el proceso de
aprendizaje.
En la accesibilidad, con una desviación estándar de 0,60; se observa una variabilidad
parecida a la de la primera dimensión. Esto indica una percepción uniforme en los docentes sobre
la facilidad de acceso que los estudiantes tienen a las herramientas de IA, aunque existen algunas
discrepancias entre las respuestas.
La desviación estándar de 0,61 en el nivel de uso, al igual que en las dimensiones 1 y 2,
refleja que los docentes perciben una relativa homogeneidad sobre la frecuencia o el nivel de uso
de las herramientas de IA por parte de los estudiantes pero no están exentos a cierta dispersión.
Por otro lado, la dimensión motivación intrínseca, presenta una desviación estándar de 0,57
lo que muestra que los docentes presentan opiniones similares respecto a que la IA influye en la
motivación del estudiantado.
La dimensión 5, gestión del tiempo, tiene una desviación estándar de 0,62; lo que
representa que los docentes perciben una relación moderada entre la las herramientas de IA y la
organización y uso efectivo del tiempo.
Finalmente, la autonomía en el aprendizaje, con la desviación estándar más alta de 0,91;
muestra la mayor dispersión en las respuestas. Esto podría estar relacionado con experiencias
variadas de los docentes, diferentes metodologías de enseñanza y factores individuales entre los
estudiantes. Como consecuencia, el profesorado percibe que la tecnología no está asociada a la
autogestión del proceso de aprendizaje por parte de los educandos.
Índice de correlación
Para la presente investigación, se utilizó la prueba de correlación Pearson, que mide la
relación lineal entre variables continuas. Este coeficiente oscila entre -1 y +1, es decir que un
valor menor que 0 indica una correlación negativa (una variable aumenta y la otra se reduce),
mientras que un valor mayor a 0 revela una correlación positiva (las dos variables aumentan). Si
el resultado es 0 significa que no hay relación entre variables.
En el estudio se realizaron todas las correlaciones entre dimensiones y se obtuvieron los
siguientes resultados:
Vol. 12/ Núm. 1 2025 pág. 144
Tabla 3
Posibles correlaciones entre dimensiones de las variables: Herramientas de IA y Aprendizaje
Autodirigido
Nro. DIMENSIONES CORRELACIÓN DESCRIPCIÓN
1 1 y 4 0,58 Tipos de IA y motivación intrínseca
2 1 y 5 0,39 Tipos de IA y gestión del tiempo
3 1 y 6 0,06 Tipos de IA y autonomía en el aprendizaje
4 2 y 4 0,44 Accesibilidad y motivación intrínseca
5 2 y 5 0,39 Accesibilidad y gestión del tiempo
6 2 y 6 0,29 Accesibilidad y autonomía en el aprendizaje
7 3 y 4 0,48 Nivel de uso y motivación intrínseca
8 3 y 6 0,01 Nivel de uso y gestión del tiempo
9 3 y 5 0,47 Nivel de uso y autonomía en el aprendizaje
Nota. Tabla donde se muestran las 9 posibles correlaciones entre dimensiones, a través de la fórmula de coeficiente de
Pearson.
Los coeficientes de correlación obtenidos reflejan la relación entre las diferentes
dimensiones evaluadas. A continuación, se presenta la interpretación de los resultados (altos y
bajos):
Figura 5
Correlación entre la primera dimensión de la variable independiente y las tres dimensiones de la
variable dependiente
Nota. Gráfica que muestra el índice de dispersión entre tipos de IA, la motivación intrínseca, gestión del tiempo y la
autonomía en el aprendizaje (dimensiones de la variable, aprendizaje autodirigido).
La correlación de 0,58 entre la dimensión 1 y la 4 muestra una relación positiva, lo que
indica que las herramientas de IA están asociadas al aumento de la motivación intrínseca de los
estudiantes, probablemente incentivando su interés y responsabilidad. En contraste, la dimensión
5, gestión del tiempo, representa una correlación baja positiva con una puntuación de 0,39; lo que
revela una relación débil entre la variedad de herramientas de IA y la gestión del tiempo. En
resumen, los estudiantes no han logrado planificar y organizar su tiempo de manera eficiente a
pesar de la existencia y los avances de la tecnología.
Finalmente, la dimensión 6, autonomía del aprendizaje tiene una correlación nula, con un
valor de 0,06; lo que figura que a pesar de la efectividad y variedad de herramientas de IA, los
0
2
4
6
0 2 4 6
MOTIVACIÓN INTRÍNSECA
TIPOS DE IA
RELACIÓN ENTRE LA
DIMENSIÓN 1 Y 4
0
1
2
3
4
5
6
0 2 4 6
GESTIÓN DEL TIEMPO
TIPOS DE IA
RELACIÓN ENTRE LA
DIMENSIÓN 1 Y 5
0
1
2
3
4
5
6
0 2 4 6
AUTONOMÍA
TIPOS DE IA
RELACIÓN ENTRE LA
DIMENSIÓN 1 Y 6
Tabla 3
Posibles correlaciones entre dimensiones de las variables: Herramientas de IA y Aprendizaje
Autodirigido
Nro. DIMENSIONES CORRELACIÓN DESCRIPCIÓN
1 1 y 4 0,58 Tipos de IA y motivación intrínseca
2 1 y 5 0,39 Tipos de IA y gestión del tiempo
3 1 y 6 0,06 Tipos de IA y autonomía en el aprendizaje
4 2 y 4 0,44 Accesibilidad y motivación intrínseca
5 2 y 5 0,39 Accesibilidad y gestión del tiempo
6 2 y 6 0,29 Accesibilidad y autonomía en el aprendizaje
7 3 y 4 0,48 Nivel de uso y motivación intrínseca
8 3 y 6 0,01 Nivel de uso y gestión del tiempo
9 3 y 5 0,47 Nivel de uso y autonomía en el aprendizaje
Nota. Tabla donde se muestran las 9 posibles correlaciones entre dimensiones, a través de la fórmula de coeficiente de
Pearson.
Los coeficientes de correlación obtenidos reflejan la relación entre las diferentes
dimensiones evaluadas. A continuación, se presenta la interpretación de los resultados (altos y
bajos):
Figura 5
Correlación entre la primera dimensión de la variable independiente y las tres dimensiones de la
variable dependiente
Nota. Gráfica que muestra el índice de dispersión entre tipos de IA, la motivación intrínseca, gestión del tiempo y la
autonomía en el aprendizaje (dimensiones de la variable, aprendizaje autodirigido).
La correlación de 0,58 entre la dimensión 1 y la 4 muestra una relación positiva, lo que
indica que las herramientas de IA están asociadas al aumento de la motivación intrínseca de los
estudiantes, probablemente incentivando su interés y responsabilidad. En contraste, la dimensión
5, gestión del tiempo, representa una correlación baja positiva con una puntuación de 0,39; lo que
revela una relación débil entre la variedad de herramientas de IA y la gestión del tiempo. En
resumen, los estudiantes no han logrado planificar y organizar su tiempo de manera eficiente a
pesar de la existencia y los avances de la tecnología.
Finalmente, la dimensión 6, autonomía del aprendizaje tiene una correlación nula, con un
valor de 0,06; lo que figura que a pesar de la efectividad y variedad de herramientas de IA, los
0
2
4
6
0 2 4 6
MOTIVACIÓN INTRÍNSECA
TIPOS DE IA
RELACIÓN ENTRE LA
DIMENSIÓN 1 Y 4
0
1
2
3
4
5
6
0 2 4 6
GESTIÓN DEL TIEMPO
TIPOS DE IA
RELACIÓN ENTRE LA
DIMENSIÓN 1 Y 5
0
1
2
3
4
5
6
0 2 4 6
AUTONOMÍA
TIPOS DE IA
RELACIÓN ENTRE LA
DIMENSIÓN 1 Y 6
Vol. 12/ Núm. 1 2025 pág. 145
estudiantes no han desarrollado habilidades como la toma de decisiones, la reflexión crítica y la
resolución de problemas.
Figura 6
Correlación entre la segunda dimensión de la variable independiente y las tres dimensiones de
la variable dependiente
Nota. Gráfica que muestra el índice de dispersión entre la accesibilidad, la motivación intrínseca, gestión del tiempo y
la autonomía en el aprendizaje (dimensiones de la variable, aprendizaje autodirigido).
La correlación de 0,44 entre la dimensión 2 y 4 muestra una relación moderada positiva, lo
que indica que la accesibilidad a las herramientas de IA está asociada al aumento de la motivación
intrínseca de los estudiantes, eso significa que a mayor facilidad en el acceso, mayor es el interés
hacia el aprendizaje.
En el caso de la dimensión 5, gestión del tiempo, se evidencia una correlación baja positiva
con una puntuación de 0,39; lo que refleja una limitación entre la accesibilidad, la organización y
optimización de recursos, en este caso, el tiempo. Por otro lado, la dimensión 6, autonomía del
aprendizaje tiene una correlación baja, con un promedio de 0,29; lo que señala que a pesar de la
débil relación, la accesibilidad paulatina a la IA podría contribuir de forma ligera a la autonomía
del aprendizaje, probablemente con una correcta formación e interacción a la tecnología, los
estudiantes podrían fortalecer esta dimensión.
0
1
2
3
4
5
0 2 4 6
MOTIVACIÓN INTRÍNSECA
ACCESIBILIDAD
RELACIÓN ENTRE LA
DIMENSIÓN 2 Y 4
0
1
2
3
4
5
0 2 4 6
GESTIÓN DEL TIEMPO
ACCESIBILIDAD
RELACIÓN ENTRE LA
DIMENSIÓN 2 Y 5
0
1
2
3
4
5
6
0 2 4 6
AUTONOMÍA
ACCESIBILIDAD
RELACIÓN ENTRE
LA DIMENSIÓN 2 Y 6
estudiantes no han desarrollado habilidades como la toma de decisiones, la reflexión crítica y la
resolución de problemas.
Figura 6
Correlación entre la segunda dimensión de la variable independiente y las tres dimensiones de
la variable dependiente
Nota. Gráfica que muestra el índice de dispersión entre la accesibilidad, la motivación intrínseca, gestión del tiempo y
la autonomía en el aprendizaje (dimensiones de la variable, aprendizaje autodirigido).
La correlación de 0,44 entre la dimensión 2 y 4 muestra una relación moderada positiva, lo
que indica que la accesibilidad a las herramientas de IA está asociada al aumento de la motivación
intrínseca de los estudiantes, eso significa que a mayor facilidad en el acceso, mayor es el interés
hacia el aprendizaje.
En el caso de la dimensión 5, gestión del tiempo, se evidencia una correlación baja positiva
con una puntuación de 0,39; lo que refleja una limitación entre la accesibilidad, la organización y
optimización de recursos, en este caso, el tiempo. Por otro lado, la dimensión 6, autonomía del
aprendizaje tiene una correlación baja, con un promedio de 0,29; lo que señala que a pesar de la
débil relación, la accesibilidad paulatina a la IA podría contribuir de forma ligera a la autonomía
del aprendizaje, probablemente con una correcta formación e interacción a la tecnología, los
estudiantes podrían fortalecer esta dimensión.
0
1
2
3
4
5
0 2 4 6
MOTIVACIÓN INTRÍNSECA
ACCESIBILIDAD
RELACIÓN ENTRE LA
DIMENSIÓN 2 Y 4
0
1
2
3
4
5
0 2 4 6
GESTIÓN DEL TIEMPO
ACCESIBILIDAD
RELACIÓN ENTRE LA
DIMENSIÓN 2 Y 5
0
1
2
3
4
5
6
0 2 4 6
AUTONOMÍA
ACCESIBILIDAD
RELACIÓN ENTRE
LA DIMENSIÓN 2 Y 6
Vol. 12/ Núm. 1 2025 pág. 146
Figura 7
Correlación entre la tercera dimensión de la variable independiente y las tres dimensiones de la
variable dependiente
Nota. Gráfica que muestra el índice de dispersión entre el nivel de uso, la motivación intrínseca, gestión del tiempo y
la autonomía en el aprendizaje (dimensiones de la variable, aprendizaje autodirigido).
En cuanto a la varianza ANOVA, se realizó una comparación entre las respuestas de
hombres y mujeres, donde se tuvieron los siguientes resultados:
La correlación de 0,48 entre la dimensión 3 y 4 refleja una relación moderada positiva, es
decir, un aumento en el nivel de uso de herramientas de IA, incrementa la motivación intrínseca
de los estudiantes, lo que sugiere que la frecuencia en el uso puede fomentar un alto nivel de
responsabilidad en el proceso de aprendizaje.
También, en el caso de la dimensión 5, gestión del tiempo, se evidencia una correlación
moderada positiva con una puntuación de 0,47; lo que explica que a mayor uso de instrumentos
de IA, mayor es la administración positiva del tiempo, lo que resulta en una mejor planificación,
organización y cumplimiento de plazos en la entrega de actividades académicas por parte de los
estudiantes.
Por el contrario, la dimensión 6, autonomía del aprendizaje mantiene una correlación
inexistente, con un valor de 0,01; lo que significa que el nivel de uso de la IA no tiene un impacto
significativo con la capacidad del estudiantado para aprender de forma independiente, lo que
podría indicar que el aprendizaje autodirigido se ve afectado por la escasa formación de los
estudiantes con respecto al uso de la IA.
Para finalizar, dentro del estudio, se aplicó el test ANOVA que permite la comparación
entre variables según grupos y subgrupos. En este caso, se analizaron datos, según el género y los
años de experiencia de los docentes en la educación superior, con el fin de conocer la posible
existencia de diferencias entre respuestas de los grupos categóricos elegidos.
0
1
2
3
4
5
0 2 4 6
MOTIVACIÓN INTRÍNSECA
NIVEL DE USO
RELACIÓN ENTRE LA
DIMENSIÓN 3 Y 4
0
1
2
3
4
5
6
0 2 4 6
GESTIÓN DEL TIEMPO
NIVEL DE USO
RELACIÓN ENTRE LA
DIMENSIÓN 3 Y 5
0
1
2
3
4
5
6
0 2 4 6
AUTONOMÍA APRENDIZAJE
NIVEL DE USO
RELACIÓN ENTRE LA
DIMENSIÓN 3 Y 6
Figura 7
Correlación entre la tercera dimensión de la variable independiente y las tres dimensiones de la
variable dependiente
Nota. Gráfica que muestra el índice de dispersión entre el nivel de uso, la motivación intrínseca, gestión del tiempo y
la autonomía en el aprendizaje (dimensiones de la variable, aprendizaje autodirigido).
En cuanto a la varianza ANOVA, se realizó una comparación entre las respuestas de
hombres y mujeres, donde se tuvieron los siguientes resultados:
La correlación de 0,48 entre la dimensión 3 y 4 refleja una relación moderada positiva, es
decir, un aumento en el nivel de uso de herramientas de IA, incrementa la motivación intrínseca
de los estudiantes, lo que sugiere que la frecuencia en el uso puede fomentar un alto nivel de
responsabilidad en el proceso de aprendizaje.
También, en el caso de la dimensión 5, gestión del tiempo, se evidencia una correlación
moderada positiva con una puntuación de 0,47; lo que explica que a mayor uso de instrumentos
de IA, mayor es la administración positiva del tiempo, lo que resulta en una mejor planificación,
organización y cumplimiento de plazos en la entrega de actividades académicas por parte de los
estudiantes.
Por el contrario, la dimensión 6, autonomía del aprendizaje mantiene una correlación
inexistente, con un valor de 0,01; lo que significa que el nivel de uso de la IA no tiene un impacto
significativo con la capacidad del estudiantado para aprender de forma independiente, lo que
podría indicar que el aprendizaje autodirigido se ve afectado por la escasa formación de los
estudiantes con respecto al uso de la IA.
Para finalizar, dentro del estudio, se aplicó el test ANOVA que permite la comparación
entre variables según grupos y subgrupos. En este caso, se analizaron datos, según el género y los
años de experiencia de los docentes en la educación superior, con el fin de conocer la posible
existencia de diferencias entre respuestas de los grupos categóricos elegidos.
0
1
2
3
4
5
0 2 4 6
MOTIVACIÓN INTRÍNSECA
NIVEL DE USO
RELACIÓN ENTRE LA
DIMENSIÓN 3 Y 4
0
1
2
3
4
5
6
0 2 4 6
GESTIÓN DEL TIEMPO
NIVEL DE USO
RELACIÓN ENTRE LA
DIMENSIÓN 3 Y 5
0
1
2
3
4
5
6
0 2 4 6
AUTONOMÍA APRENDIZAJE
NIVEL DE USO
RELACIÓN ENTRE LA
DIMENSIÓN 3 Y 6
Vol. 12/ Núm. 1 2025 pág. 147
Tabla 4
Análisis de varianza ANOVA de un factor por género (variable herramientas de IA)
RESUMEN
Grupos Cuenta Suma Promedio
Varia
nza
FEMENINO 7 25 3,57 0,51
MASCULINO 18 72,67 4,04 0,33
ANÁLISIS DE VARIANZA
Origen de las
variaciones
Suma de
cuadrados
Grados de
libertad
Promedio de los
cuadrados F Probabi
lidad
Valor crítico
para F
Entre grupos 1,09 1 1,09 2,93 0,10 4,28
Dentro de los
grupos 8,58 23 0,37
Total 9,67 24
Nota. La tabla demuestra que no hay diferencias estadísticamente significativas entre las respuestas de hombres y
mujeres en la variable de herramientas de IA.
Los resultados del ANOVA, muestran que las percepciones de los hombres (4,04) sobre
el uso de IA son levemente mayores que el de las mujeres (3,57). En el caso de la varianza es más
alta en el grupo femenino (0,51) que en el masculino (0,33), lo que representa mayor dispersión
en las respuestas. El valor F obtenido (2,93) es menor que el valor crítico de F (4,28), y el p-valor
(0,10) es mayor que 0,05. Todo esto significa que no hay diferencias estadísticamente
significativas en las respuestas entre hombres y mujeres en esta variable.
Tabla 5
Análisis de varianza ANOVA de un factor por género (variable aprendizaje autodirigido)
RESUMEN
Grupos Cuenta Suma Promedio
Varia
nza
FEMENINO 7 21,4 3,06 0,28
MASCULINO 18 59,68 3,32 0,29
ANÁLISIS DE VARIANZA
Origen de las
variaciones
Suma de
cuadrados
Grados de
libertad
Promedio de los
cuadrados F Probabi
lidad
Valor crítico
para F
Entre grupos 0,34 1 0,34 1,17 0,29 4,28
Dentro grupos 6,63 23 0,29
Total 6,97 24
Nota. La tabla demuestra que no hay diferencias estadísticamente significativas entre las respuestas de hombres y
mujeres en la variable de aprendizaje autodirigido.
Los resultados del ANOVA, muestran que las percepciones de los hombres (3,32) sobre el
aprendizaje autodirigido son levemente mayores que el de las mujeres (3,06). Al igual, que la
varianza es sutilmente más alta en el grupo masculino (0,29) que en el femenino (0,28), lo que
representa menor dispersión en las respuestas. El valor F obtenido (1,17) es menor que el valor
crítico de F (4,28), y el p-valor (0,25) es superior al 0,05. Todo esto significa que no hay
Tabla 4
Análisis de varianza ANOVA de un factor por género (variable herramientas de IA)
RESUMEN
Grupos Cuenta Suma Promedio
Varia
nza
FEMENINO 7 25 3,57 0,51
MASCULINO 18 72,67 4,04 0,33
ANÁLISIS DE VARIANZA
Origen de las
variaciones
Suma de
cuadrados
Grados de
libertad
Promedio de los
cuadrados F Probabi
lidad
Valor crítico
para F
Entre grupos 1,09 1 1,09 2,93 0,10 4,28
Dentro de los
grupos 8,58 23 0,37
Total 9,67 24
Nota. La tabla demuestra que no hay diferencias estadísticamente significativas entre las respuestas de hombres y
mujeres en la variable de herramientas de IA.
Los resultados del ANOVA, muestran que las percepciones de los hombres (4,04) sobre
el uso de IA son levemente mayores que el de las mujeres (3,57). En el caso de la varianza es más
alta en el grupo femenino (0,51) que en el masculino (0,33), lo que representa mayor dispersión
en las respuestas. El valor F obtenido (2,93) es menor que el valor crítico de F (4,28), y el p-valor
(0,10) es mayor que 0,05. Todo esto significa que no hay diferencias estadísticamente
significativas en las respuestas entre hombres y mujeres en esta variable.
Tabla 5
Análisis de varianza ANOVA de un factor por género (variable aprendizaje autodirigido)
RESUMEN
Grupos Cuenta Suma Promedio
Varia
nza
FEMENINO 7 21,4 3,06 0,28
MASCULINO 18 59,68 3,32 0,29
ANÁLISIS DE VARIANZA
Origen de las
variaciones
Suma de
cuadrados
Grados de
libertad
Promedio de los
cuadrados F Probabi
lidad
Valor crítico
para F
Entre grupos 0,34 1 0,34 1,17 0,29 4,28
Dentro grupos 6,63 23 0,29
Total 6,97 24
Nota. La tabla demuestra que no hay diferencias estadísticamente significativas entre las respuestas de hombres y
mujeres en la variable de aprendizaje autodirigido.
Los resultados del ANOVA, muestran que las percepciones de los hombres (3,32) sobre el
aprendizaje autodirigido son levemente mayores que el de las mujeres (3,06). Al igual, que la
varianza es sutilmente más alta en el grupo masculino (0,29) que en el femenino (0,28), lo que
representa menor dispersión en las respuestas. El valor F obtenido (1,17) es menor que el valor
crítico de F (4,28), y el p-valor (0,25) es superior al 0,05. Todo esto significa que no hay
Vol. 12/ Núm. 1 2025 pág. 148
diferencias entre las percepciones de hombres y mujeres en esta variable y las respuestas son
consistentes según género.
Tabla 6
Análisis de varianza ANOVA de un factor por años de experiencia (variable herramientas de IA)
RESUMEN
Grupos Cuenta Suma Promedio Varianza
DE 5 A 10 AÑOS 6 20,53 3,42 0,31
DE 10 A 15 9 34,47 3,83 0,29
20 AÑOS Y MÁS 10 36,14 3,61 0,34
ANÁLISIS DE VARIANZA
Origen de las
variaciones
Suma de
cuadrados
Grados de
libertad
Promedio de
los cuadrados F Probabilidad Valor crítico
para F
Entre grupos 0,62 2 0,31 0,98 0,39 3,44
Dentro de grupos 6,91 22 0,31
Total 7,53 24
Nota. La tabla demuestra que no hay diferencias estadísticamente significativas con respecto a los años de experiencia
en la educación superior (variable de herramientas de IA).
Los resultados del ANOVA, muestran que los docentes de 5 a 10 años de experiencia tienen
un promedio de 3,42; los docentes con 20 años y más alcanzaron un promedio de 3,61 y aquellos
de 10 a 15 años presentan el promedio más elevado con 3,83; lo que revela que existe por parte
de este grupo, una percepción levemente más positiva respecto a la variable independiente,
herramientas de IA.
Además, la varianza es más alta (mayor dispersión) en el grupo de 20 años en adelante
(0,34) que en los otros grupos que demuestran mayor consistencia en sus percepciones. El valor
F obtenido (0,98) es menor que el valor crítico de F (3,44), y el p-valor (0,39) es superior al nivel
habitual de 0,05. Esto implica que las diferencias observadas en los tres grupos no son
estadísticamente significativas. En conclusión, la experiencia de los docentes en la educación
superior no es un factor determinante en esta variable. Los resultados coinciden y hay una sutil
variabilidad en los datos.
diferencias entre las percepciones de hombres y mujeres en esta variable y las respuestas son
consistentes según género.
Tabla 6
Análisis de varianza ANOVA de un factor por años de experiencia (variable herramientas de IA)
RESUMEN
Grupos Cuenta Suma Promedio Varianza
DE 5 A 10 AÑOS 6 20,53 3,42 0,31
DE 10 A 15 9 34,47 3,83 0,29
20 AÑOS Y MÁS 10 36,14 3,61 0,34
ANÁLISIS DE VARIANZA
Origen de las
variaciones
Suma de
cuadrados
Grados de
libertad
Promedio de
los cuadrados F Probabilidad Valor crítico
para F
Entre grupos 0,62 2 0,31 0,98 0,39 3,44
Dentro de grupos 6,91 22 0,31
Total 7,53 24
Nota. La tabla demuestra que no hay diferencias estadísticamente significativas con respecto a los años de experiencia
en la educación superior (variable de herramientas de IA).
Los resultados del ANOVA, muestran que los docentes de 5 a 10 años de experiencia tienen
un promedio de 3,42; los docentes con 20 años y más alcanzaron un promedio de 3,61 y aquellos
de 10 a 15 años presentan el promedio más elevado con 3,83; lo que revela que existe por parte
de este grupo, una percepción levemente más positiva respecto a la variable independiente,
herramientas de IA.
Además, la varianza es más alta (mayor dispersión) en el grupo de 20 años en adelante
(0,34) que en los otros grupos que demuestran mayor consistencia en sus percepciones. El valor
F obtenido (0,98) es menor que el valor crítico de F (3,44), y el p-valor (0,39) es superior al nivel
habitual de 0,05. Esto implica que las diferencias observadas en los tres grupos no son
estadísticamente significativas. En conclusión, la experiencia de los docentes en la educación
superior no es un factor determinante en esta variable. Los resultados coinciden y hay una sutil
variabilidad en los datos.
Vol. 12/ Núm. 1 2025 pág. 149
Tabla 7
Análisis de varianza ANOVA de un factor por experiencia (variable aprendizaje autodirigido)
RESUMEN
Grupos Cuenta Suma Promedio
Vari
anza
DE 5 A 10 AÑOS 6 19,58 3,26 0,28
DE 10 A 15 9 29,9 3,32 0,30
DE 20 AÑOS EN
ADELANTE
10 31,6 3,16 0,34
ANÁLISIS DE VARIANZA
Origen de las
variaciones
Suma de
cuadrados
Grados de
libertad
Promedio de los
cuadrados
F
Probab
ilidad
Valor
crítico para
F
Entre grupos 0,13 2 0,06 0,21 0,82 3,44
Dentro de los
grupos
6,84 22 0,31
Total 6,97 24
Nota. La tabla demuestra que no hay diferencias estadísticamente significativas entre las respuestas de los docentes por
años de experiencia (variable de aprendizaje autodirigido).
Los resultados del ANOVA, muestran que los docentes de 5 a 10 años de experiencia tienen
un promedio de 3,26; los docentes de 10 a 15 alcanzaron un promedio de 3,32 y aquellos con 20
años y más presentan un promedio de 3,16; esto indica que existe una tendencia bastante estable
en las percepciones de los docentes en esta variable. Cabe recalcar que el grupo de 10 a 15 años
mostró un ligero aumento en la percepción positiva sobre el aprendizaje autodirigido. Además, la
varianza es más alta (mayor dispersión) en el grupo de 20 años en adelante (0,34) que en los otros
grupos que demuestran mayor consistencia en sus percepciones.
El valor F obtenido (0,21) es mucho menor que el valor crítico de F (3,44), y el p-valor
(0,82) es muy superior al nivel de significancia estándar de 0,05. Esto implica que las diferencias
observadas en los tres grupos no son estadísticamente significativas. En conclusión, los años de
experiencia de los docentes no influyen en las percepciones sobre el aprendizaje autodirigido.
Tabla 7
Análisis de varianza ANOVA de un factor por experiencia (variable aprendizaje autodirigido)
RESUMEN
Grupos Cuenta Suma Promedio
Vari
anza
DE 5 A 10 AÑOS 6 19,58 3,26 0,28
DE 10 A 15 9 29,9 3,32 0,30
DE 20 AÑOS EN
ADELANTE
10 31,6 3,16 0,34
ANÁLISIS DE VARIANZA
Origen de las
variaciones
Suma de
cuadrados
Grados de
libertad
Promedio de los
cuadrados
F
Probab
ilidad
Valor
crítico para
F
Entre grupos 0,13 2 0,06 0,21 0,82 3,44
Dentro de los
grupos
6,84 22 0,31
Total 6,97 24
Nota. La tabla demuestra que no hay diferencias estadísticamente significativas entre las respuestas de los docentes por
años de experiencia (variable de aprendizaje autodirigido).
Los resultados del ANOVA, muestran que los docentes de 5 a 10 años de experiencia tienen
un promedio de 3,26; los docentes de 10 a 15 alcanzaron un promedio de 3,32 y aquellos con 20
años y más presentan un promedio de 3,16; esto indica que existe una tendencia bastante estable
en las percepciones de los docentes en esta variable. Cabe recalcar que el grupo de 10 a 15 años
mostró un ligero aumento en la percepción positiva sobre el aprendizaje autodirigido. Además, la
varianza es más alta (mayor dispersión) en el grupo de 20 años en adelante (0,34) que en los otros
grupos que demuestran mayor consistencia en sus percepciones.
El valor F obtenido (0,21) es mucho menor que el valor crítico de F (3,44), y el p-valor
(0,82) es muy superior al nivel de significancia estándar de 0,05. Esto implica que las diferencias
observadas en los tres grupos no son estadísticamente significativas. En conclusión, los años de
experiencia de los docentes no influyen en las percepciones sobre el aprendizaje autodirigido.
Vol. 12/ Núm. 1 2025 pág. 150
CONCLUSIONES
La investigación demuestra que los docentes de la Facultad de Ciencias Químicas de la
Universidad Central del Ecuador perciben un impacto heterogéneo en el uso de herramientas de
inteligencia artificial y su relación con el aprendizaje autodirigido de los estudiantes en la
educación superior.
En primer lugar, es importante mencionar que se aplicó el test ANOVA, cuyo análisis
aclaró que no existen contradicciones estadísticamente relevantes en las respuestas según género
y años de experiencia de los docentes.
La exploración de la media por cada una de las seis dimensiones revela que, aunque las
herramientas de IA han alcanzado un alto nivel de accesibilidad (3,95), un uso más frecuente
(3,16) y motivan a los estudiantes a la búsqueda de nuevos recursos tecnológicos (3,60), este
impulso no se ha convertido en una responsabilidad efectiva con su proceso de autoaprendizaje.
Dicho de otra manera, a pesar de que la tecnología constituye parte del entorno educativo
en la era actual, que facilita la entrega de actividades académicas, el proceso de aprendizaje y el
cumplimiento de plazos establecidos (3,31), al no estar integrada en el currículo en muchos
establecimientos de educación superior. Se ha evidenciado como resultado un enorme desplome
en el avance de prácticas como la planificación y organización, demostrando que la tecnología no
está potenciando la autogestión en el aprendizaje de los estudiantes, lo que ha llevado a una
dependencia a estas herramientas y a una delimitación en la autonomía y la capacidad para
desarrollar habilidades críticas (2,91).
En cuanto a la desviación estándar, los valores en las cinco primeras dimensiones oscilan
entre 0,57 y 0,62; lo que refleja homogeneidad y una variabilidad baja-moderada en las
percepciones de los docentes con respecto a cada pregunta. Sin embargo, la última dimensión,
autonomía en el aprendizaje (0,91), muestra mayor dispersión, indicando una percepción más
diversa entre los docentes sobre el impacto de las herramientas de IA en este aspecto.
Esto sugiere que la efectividad de la tecnología en la autonomía del aprendizaje puede
depender de elementos individuales de cada persona, como la experiencia previa, factores internos
(habilidades individuales, disciplina, confianza, motivación) y externos (entorno educativo o
laboral, disponibilidad de recursos) o las estrategias pedagógicas empleadas por los docentes.
Esto alude a intervenciones personalizadas y capacitaciones continuas para reducir brechas y
lograr un aprendizaje autodirigido en los estudiantes.
Con respecto a la correlación, herramienta estadística para comprender relaciones entre
variables, se pudo evidenciar que existe una correlación fuerte positiva entre la dimensión 1 (tipos
de herramientas de IA) y dimensión 4 (motivación intrínseca), con un total de 0,58; lo que indica
que la diversidad de instrumentos de IA fomenta la automotivación, el interés y el compromiso
de los estudiantes hacia el aprendizaje.
CONCLUSIONES
La investigación demuestra que los docentes de la Facultad de Ciencias Químicas de la
Universidad Central del Ecuador perciben un impacto heterogéneo en el uso de herramientas de
inteligencia artificial y su relación con el aprendizaje autodirigido de los estudiantes en la
educación superior.
En primer lugar, es importante mencionar que se aplicó el test ANOVA, cuyo análisis
aclaró que no existen contradicciones estadísticamente relevantes en las respuestas según género
y años de experiencia de los docentes.
La exploración de la media por cada una de las seis dimensiones revela que, aunque las
herramientas de IA han alcanzado un alto nivel de accesibilidad (3,95), un uso más frecuente
(3,16) y motivan a los estudiantes a la búsqueda de nuevos recursos tecnológicos (3,60), este
impulso no se ha convertido en una responsabilidad efectiva con su proceso de autoaprendizaje.
Dicho de otra manera, a pesar de que la tecnología constituye parte del entorno educativo
en la era actual, que facilita la entrega de actividades académicas, el proceso de aprendizaje y el
cumplimiento de plazos establecidos (3,31), al no estar integrada en el currículo en muchos
establecimientos de educación superior. Se ha evidenciado como resultado un enorme desplome
en el avance de prácticas como la planificación y organización, demostrando que la tecnología no
está potenciando la autogestión en el aprendizaje de los estudiantes, lo que ha llevado a una
dependencia a estas herramientas y a una delimitación en la autonomía y la capacidad para
desarrollar habilidades críticas (2,91).
En cuanto a la desviación estándar, los valores en las cinco primeras dimensiones oscilan
entre 0,57 y 0,62; lo que refleja homogeneidad y una variabilidad baja-moderada en las
percepciones de los docentes con respecto a cada pregunta. Sin embargo, la última dimensión,
autonomía en el aprendizaje (0,91), muestra mayor dispersión, indicando una percepción más
diversa entre los docentes sobre el impacto de las herramientas de IA en este aspecto.
Esto sugiere que la efectividad de la tecnología en la autonomía del aprendizaje puede
depender de elementos individuales de cada persona, como la experiencia previa, factores internos
(habilidades individuales, disciplina, confianza, motivación) y externos (entorno educativo o
laboral, disponibilidad de recursos) o las estrategias pedagógicas empleadas por los docentes.
Esto alude a intervenciones personalizadas y capacitaciones continuas para reducir brechas y
lograr un aprendizaje autodirigido en los estudiantes.
Con respecto a la correlación, herramienta estadística para comprender relaciones entre
variables, se pudo evidenciar que existe una correlación fuerte positiva entre la dimensión 1 (tipos
de herramientas de IA) y dimensión 4 (motivación intrínseca), con un total de 0,58; lo que indica
que la diversidad de instrumentos de IA fomenta la automotivación, el interés y el compromiso
de los estudiantes hacia el aprendizaje.
Vol. 12/ Núm. 1 2025 pág. 151
Sin embargo, también se visualiza una correlación inexistente entre el nivel de uso y la
gestión del tiempo (0,01), y se demuestra que el empleo habitual de las herramientas de IA mejora
aspectos logísticos del aprendizaje, pero no influye en el manejo pleno del tiempo, la organización
y planificación académica.
Asimismo, existe una relación nula entre los tipos de IA y autonomía en el aprendizaje
(0,06); lo que evidencia que la disponibilidad y el uso de herramientas de IA no tienen un impacto
positivo en la capacidad del estudiantado para aprender de forma independiente.
Por tanto, aunque la IA se ha convertido en un instrumento de fácil acceso y suministra
algunos elementos del aprendizaje, como la entrega puntual de actividades y la motivación
interna, su impacto es bastante limitado en el aprendizaje autodirigido y no garantiza la autonomía
y el fortalecimiento de habilidades críticas en los estudiantes.
En definitiva, los resultados en este estudio, demuestran la necesidad de integrar las
herramientas de IA para que se fomente un verdadero aprendizaje autodirigido, a través de un
plan bien estructurado, que incluya capacitación adecuada a estudiantes y docentes, la selección
de herramientas oportunas y una sostenibilidad a largo plazo. Además, de la disposición
tecnológica de la institución, el compromiso de los directivos y educadores, la disponibilidad de
recursos financieros y el ajuste curricular en cada asignatura.
Mero et al. (2024), confirman que “la inteligencia artificial puede ajustar el currículo y los
materiales de estudio basándose en las fortalezas y debilidades de cada estudiante, garantizando
que se le presente contenido relevante y desafiante a su nivel de competencia” (p. 123).
Todo esto, con el fin de que las herramientas de IA puedan aumentar su potencial como
soporte pedagógico y se conviertan en un elemento transformador que favorezca el desarrollo
integral de los estudiantes y permita a los profesores, un proceso de enseñanza efectivo.
Sin embargo, también se visualiza una correlación inexistente entre el nivel de uso y la
gestión del tiempo (0,01), y se demuestra que el empleo habitual de las herramientas de IA mejora
aspectos logísticos del aprendizaje, pero no influye en el manejo pleno del tiempo, la organización
y planificación académica.
Asimismo, existe una relación nula entre los tipos de IA y autonomía en el aprendizaje
(0,06); lo que evidencia que la disponibilidad y el uso de herramientas de IA no tienen un impacto
positivo en la capacidad del estudiantado para aprender de forma independiente.
Por tanto, aunque la IA se ha convertido en un instrumento de fácil acceso y suministra
algunos elementos del aprendizaje, como la entrega puntual de actividades y la motivación
interna, su impacto es bastante limitado en el aprendizaje autodirigido y no garantiza la autonomía
y el fortalecimiento de habilidades críticas en los estudiantes.
En definitiva, los resultados en este estudio, demuestran la necesidad de integrar las
herramientas de IA para que se fomente un verdadero aprendizaje autodirigido, a través de un
plan bien estructurado, que incluya capacitación adecuada a estudiantes y docentes, la selección
de herramientas oportunas y una sostenibilidad a largo plazo. Además, de la disposición
tecnológica de la institución, el compromiso de los directivos y educadores, la disponibilidad de
recursos financieros y el ajuste curricular en cada asignatura.
Mero et al. (2024), confirman que “la inteligencia artificial puede ajustar el currículo y los
materiales de estudio basándose en las fortalezas y debilidades de cada estudiante, garantizando
que se le presente contenido relevante y desafiante a su nivel de competencia” (p. 123).
Todo esto, con el fin de que las herramientas de IA puedan aumentar su potencial como
soporte pedagógico y se conviertan en un elemento transformador que favorezca el desarrollo
integral de los estudiantes y permita a los profesores, un proceso de enseñanza efectivo.
Vol. 12/ Núm. 1 2025 pág. 152
REFERENCIAS
Bolaño, M. y Duarte N. (2023). Una revisión sistemática del uso de la inteligencia artificial en la
educación. Revista Colombiana de Cirugía, 39(1), 51-63.
https://doi.org/10.18800/educacion.202201.001
Castillejos, B. (2022). Inteligencia artificial y entornos personales de aprendizaje: atentos al uso
adecuado de los recursos tecnológicos de los estudiantes universitarios. Sistema de
Información Científica Redalyc, 31(60), 9-24.
https://doi.org/10.18800/educacion.202201.001
Chávez, G. P., Castro, J. K., Ibarra M. A. y Tobar Y. F. (2024). La inteligencia artificial en la
educación superior: oportunidades y amenazas. RECIAMUC, 8(1), 71-79.
https://doi.org/10.26820/reciamuc/8.(1).ene.2024.71-79
Cobas J. L., Macías Y. y Romeu A. (2010). La Investigación Científica como componente del
Proceso Formativo del Licenciado en Cultura Física. Ciencia e innovación tecnológica en
el deporte. 11, 1-10.
Gallent C., Zapata, A. y Ortego, J.L. (2023). El impacto de la inteligencia artificial generativa en
educación superior: una mirada desde la ética y la integridad académica. RELIEVE, 29(2),
art. M5. http://doi.org/10.30827/relieve.v29i2.29134
Gilbert R. P., Gorina, A., Reyes, N. C., Tapia, E. V. y Siza S. F. (2023). Educación 4.0: Enfoque
innovador apoyado en la inteligencia artificial para la educación superior. Revista
Universidad y Sociedad, 15(6), 60-74. http://dx.doi.org/10.13140/RG.2.2.10059.72480
Loján, M. C., Aguilera, D. S., Romero, A. Y. y Romero, J. A. (2024). Consecuencias de la
Dependencia de la Inteligencia Artificial en Habilidades Críticas y Aprendizaje Autónomo
en los Estudiantes. Ciencia Latina, 8(2), 2368-2382.
https://doi.org/10.37811/cl_rcm.v8i2.10678
Márquez, C., Fasce, E., Pérez, C., Ortega, J., Parra, P., Ortiz, L., Matus, O. e Ibáñez, P. (2014).
Aprendizaje autodirigido y su relación con los estilos y estrategias de aprendizaje en
estudiantes de medicina. Revista Médica de Chile, 142(11), 1422–1430.
https://doi.org/10.4067/S0034-98872014001100009
Menacho, M. R., Pizarro, L. M., Osorio J. A., Osorio, J. A. y León, B. L. (2024). Inteligencia
artificial como herramienta en el aprendizaje autónomo de los estudiantes de educación
superior. INVECOM, 4(2), 1–10. https://doi.org/10.5281/zenodo.10693945
Mero, E. D., Ordóñez, E. V., Villalba P. J. e Intriago, V. E. (2024). Implementación de la
inteligencia artificial y el aprendizaje autónomo en la Educación para personalizar la
enseñanza. Imaginario Social, 7(3), 121–131. https://doi.org/10.59155/is.v7i3.209
Ocaña, Y., Garro, L. y Valenzuela, L. (2019). Inteligencia artificial y sus implicaciones en la
educación superior. Propósitos y Representaciones, 7(2), 536-568.
http://dx.doi.org/10.20511/pyr2019.v7n2.274
REFERENCIAS
Bolaño, M. y Duarte N. (2023). Una revisión sistemática del uso de la inteligencia artificial en la
educación. Revista Colombiana de Cirugía, 39(1), 51-63.
https://doi.org/10.18800/educacion.202201.001
Castillejos, B. (2022). Inteligencia artificial y entornos personales de aprendizaje: atentos al uso
adecuado de los recursos tecnológicos de los estudiantes universitarios. Sistema de
Información Científica Redalyc, 31(60), 9-24.
https://doi.org/10.18800/educacion.202201.001
Chávez, G. P., Castro, J. K., Ibarra M. A. y Tobar Y. F. (2024). La inteligencia artificial en la
educación superior: oportunidades y amenazas. RECIAMUC, 8(1), 71-79.
https://doi.org/10.26820/reciamuc/8.(1).ene.2024.71-79
Cobas J. L., Macías Y. y Romeu A. (2010). La Investigación Científica como componente del
Proceso Formativo del Licenciado en Cultura Física. Ciencia e innovación tecnológica en
el deporte. 11, 1-10.
Gallent C., Zapata, A. y Ortego, J.L. (2023). El impacto de la inteligencia artificial generativa en
educación superior: una mirada desde la ética y la integridad académica. RELIEVE, 29(2),
art. M5. http://doi.org/10.30827/relieve.v29i2.29134
Gilbert R. P., Gorina, A., Reyes, N. C., Tapia, E. V. y Siza S. F. (2023). Educación 4.0: Enfoque
innovador apoyado en la inteligencia artificial para la educación superior. Revista
Universidad y Sociedad, 15(6), 60-74. http://dx.doi.org/10.13140/RG.2.2.10059.72480
Loján, M. C., Aguilera, D. S., Romero, A. Y. y Romero, J. A. (2024). Consecuencias de la
Dependencia de la Inteligencia Artificial en Habilidades Críticas y Aprendizaje Autónomo
en los Estudiantes. Ciencia Latina, 8(2), 2368-2382.
https://doi.org/10.37811/cl_rcm.v8i2.10678
Márquez, C., Fasce, E., Pérez, C., Ortega, J., Parra, P., Ortiz, L., Matus, O. e Ibáñez, P. (2014).
Aprendizaje autodirigido y su relación con los estilos y estrategias de aprendizaje en
estudiantes de medicina. Revista Médica de Chile, 142(11), 1422–1430.
https://doi.org/10.4067/S0034-98872014001100009
Menacho, M. R., Pizarro, L. M., Osorio J. A., Osorio, J. A. y León, B. L. (2024). Inteligencia
artificial como herramienta en el aprendizaje autónomo de los estudiantes de educación
superior. INVECOM, 4(2), 1–10. https://doi.org/10.5281/zenodo.10693945
Mero, E. D., Ordóñez, E. V., Villalba P. J. e Intriago, V. E. (2024). Implementación de la
inteligencia artificial y el aprendizaje autónomo en la Educación para personalizar la
enseñanza. Imaginario Social, 7(3), 121–131. https://doi.org/10.59155/is.v7i3.209
Ocaña, Y., Garro, L. y Valenzuela, L. (2019). Inteligencia artificial y sus implicaciones en la
educación superior. Propósitos y Representaciones, 7(2), 536-568.
http://dx.doi.org/10.20511/pyr2019.v7n2.274
Vol. 12/ Núm. 1 2025 pág. 153
Parra, J. S. (2023). Potencialidades de la Inteligencia Artificial en Educación Superior: Un
Enfoque desde la Personalización. Revista Docentes 2.0, 14(1),
https://doi.org/10.37843/rted.v14i1.296
Pérez, F. J., Morales, N. J. y Bajaña, J. X. (2024). La incidencia de la inteligencia artificial en la
educación superior del Ecuador. Polo del conocimiento, 9(5), 822-836.
https://doi.org/10.23857/pc.v9i5.7158
Saavedra, L. C., Plúa, A. J., Salazar M. L., Guadalupe, K. W. y Cedeño P. A. (2024). Una
estrategia innovadora para personalizar el aprendizaje con el uso de inteligencia artificial
(IA). Revista latinoamericana de Ciencias Sociales y Humanidades, 5(4), 175-186.
https://doi.org/10.56712/latam.v5i4.2238
Supelano, M. L. (2024). Incidencia de la inteligencia artificial en el aprendizaje de los estudiantes
universitarios. Plumilla educativa, 33(2), 1-16. https://doi.org/10.30554/pe.33.2.5153.2024
Parra, J. S. (2023). Potencialidades de la Inteligencia Artificial en Educación Superior: Un
Enfoque desde la Personalización. Revista Docentes 2.0, 14(1),
https://doi.org/10.37843/rted.v14i1.296
Pérez, F. J., Morales, N. J. y Bajaña, J. X. (2024). La incidencia de la inteligencia artificial en la
educación superior del Ecuador. Polo del conocimiento, 9(5), 822-836.
https://doi.org/10.23857/pc.v9i5.7158
Saavedra, L. C., Plúa, A. J., Salazar M. L., Guadalupe, K. W. y Cedeño P. A. (2024). Una
estrategia innovadora para personalizar el aprendizaje con el uso de inteligencia artificial
(IA). Revista latinoamericana de Ciencias Sociales y Humanidades, 5(4), 175-186.
https://doi.org/10.56712/latam.v5i4.2238
Supelano, M. L. (2024). Incidencia de la inteligencia artificial en el aprendizaje de los estudiantes
universitarios. Plumilla educativa, 33(2), 1-16. https://doi.org/10.30554/pe.33.2.5153.2024