Impacto del uso de inteligencia artificial en el rendimiento académico y el bienestar emocional de estudiantes universitarios en Lima metropolitana

Dory Raquel    Zapata-Coba; José Carlos     Coronel-Cáceres; Rubén Luis     Gómez-Diaz; Mariela Teresa     Pariona-Benavides; María del Rosario     Cerna-Rosales; Zoila Irene     González-Farroñay

doi:10.47606/ACVEN/PH0461

Autores/as

Dory Raquel Zapata-Coba Universidad Nacional Federico Villarreal Lima-Perú https://orcid.org/0000-0002-2477-193X
José Carlos Coronel-Cáceres Universidad Nacional Federico Villarreal Lima-Perú https://orcid.org/0000-0001-5821-1669
Rubén Luis Gómez-Diaz Universidad Nacional Federico Villarreal Lima-Perú https://orcid.org/0000-0003-4703-2475
Mariela Teresa Pariona-Benavides Universidad César Vallejo- Lima- Perú https://orcid.org/0000-0003-4279-0154
María del Rosario Cerna-Rosales Universidad Nacional Federico Villarreal Lima-Perú https://orcid.org/0009-0003-0946-2842
Zoila Irene González-Farroñay Universidad Nacional Federico Villarreal Lima-Perú https://orcid.org/0000-0003-1535-201X

DOI:

https://doi.org/10.47606/ACVEN/PH0461

Palabras clave:

Inteligencia artificial, educación superior, rendimiento académico, bienestar emocional, tecnología educativa

Resumen

El presente estudio tuvo como objetivo analizar el impacto del uso de herramientas de inteligencia artificial en el rendimiento académico y el bienestar emocional de estudiantes universitarios en Lima Metropolitana. La investigación se desarrolló bajo un enfoque cuantitativo, con un diseño no experimental de tipo transversal y alcance correlacional. La población estuvo conformada por estudiantes universitarios de diversas instituciones de educación superior de Lima Metropolitana, seleccionándose una muestra mediante un procedimiento de muestreo no probabilístico. Para la recolección de datos se aplicó un cuestionario estructurado que permitió evaluar el nivel de uso de herramientas de inteligencia artificial, así como su relación con el rendimiento académico y el bienestar emocional de los estudiantes. El instrumento fue sometido a un proceso de validación mediante juicio de expertos y se evaluó su confiabilidad mediante el coeficiente Alpha de Cronbach, obteniéndose un nivel adecuado de consistencia interna. Los resultados evidenciaron una relación significativa entre el uso de herramientas de inteligencia artificial y el rendimiento académico de los estudiantes, así como una percepción positiva respecto a su influencia en el bienestar emocional. Se concluye que la inteligencia artificial representa un recurso tecnológico con potencial para fortalecer los procesos de aprendizaje en la educación superior, siempre que su uso se realice de manera ética, crítica y complementaria al proceso educativo.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Arias, F. G. (2016). El proyecto de investigación: Introducción a la metodología científica (7.ª ed.). Episteme.

Bandura, A. (1986). Social foundations of thought and action: A social cognitive theory. Prentice Hall.

Broadbent, J., & Poon, W. L. (2015). Self-regulated learning strategies and academic achievement in online higher education learning environments: A systematic review. Internet and Higher Education, 29, 1–9. https://doi.org/10.1016/j.iheduc.2015.04.007 DOI: https://doi.org/10.1016/j.iheduc.2015.04.007

Cordero, M. (2024). Inteligencia artificial en el aula: Oportunidades y desafíos para la didáctica de la matemática y física universitaria. Revista Internacional de Pedagogía e Innovación Educativa, 4(1), 193–207. https://doi.org/10.51660/ripie.v4i1.154 DOI: https://doi.org/10.51660/ripie.v4i1.154

Diener, E. (2000). Subjective well-being: The science of happiness and a proposal for a national index. American Psychologist, 55(1), 34–43. https://doi.org/10.1037/0003-066X.55.1.34 DOI: https://doi.org/10.1037/0003-066X.55.1.34

Elliot, A. J., & McGregor, H. A. (2001). A 2 × 2 achievement goal framework. Journal of Personality and Social Psychology, 80(3), 501–519. https://doi.org/10.1037/0022-3514.80.3.501 DOI: https://doi.org/10.1037/0022-3514.80.3.501

Farrokhnia, M., Banihashem, S. K., Noroozi, O., & Wals, A. (2023). A SWOT analysis of ChatGPT: Implications for educational practice and research. Innovations in Education and Teaching International. https://doi.org/10.1080/14703297.2023.2195846 DOI: https://doi.org/10.1080/14703297.2023.2195846

Hanushek, E. A., & Woessmann, L. (2015). The knowledge capital of nations: Education and the economics of growth. MIT Press. DOI: https://doi.org/10.7551/mitpress/9780262029179.001.0001

Hernández-Sampieri, R., & Mendoza, C. (2018). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill.

Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.

Incio Flores, F. A., Capuñay Sánchez, D. L., Estela Urbina, R. O., Valles Coral, M. Á., Vergara Medrano, S. E., & Elera Gonzales, D. G. (2021). Inteligencia artificial en educación: Una revisión de la literatura en revistas científicas internacionales. Apuntes Universitarios, 12(1), 353–372. https://apuntesuniversitarios.upeu.edu.pe/index.php/revapuntes/article/view/974 DOI: https://doi.org/10.17162/au.v12i1.974

Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. (2016). Intelligence unleashed: An argument for AI in education. Pearson.

Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.

Saavedra, J., Cobo, C., Di Gropello, E., Molina, E., Rovner, H., & Twinomugisha, A. (2024). Educar para el presente y el futuro: Utilizar la inteligencia artificial para afrontar la crisis de aprendizajes. Banco Mundial.

Schleicher, A. (2018). World class: How to build a 21st-century school system. OECD Publishing. DOI: https://doi.org/10.1787/9789264300002-en

Suldo, S. M., Thalji, A., & Ferron, J. (2011). Longitudinal academic outcomes predicted by early adolescents’ subjective well-being, psychopathology, and mental health status. The Journal of Positive Psychology, 6(1), 17–30. https://doi.org/10.1080/17439760.2010.536774 DOI: https://doi.org/10.1080/17439760.2010.536774

Sun, G. H., & Hoelscher, S. (2023). The ChatGPT storm and what educators can do. Nurse Educator, 48(3), 119–124. https://doi.org/10.1097/NNE.0000000000001390 DOI: https://doi.org/10.1097/NNE.0000000000001390

Sullivan, M., Kelly, A., & McLaughlan, P. (2023). ChatGPT in higher education: Considerations for academic integrity and student learning. Journal of Applied Learning & Teaching, 6(1), 31–40. https://doi.org/10.37074/jalt.2023.6.1.17 DOI: https://doi.org/10.37074/jalt.2023.6.1.17

Terrones, A. L. (2022). Ética para la inteligencia artificial sostenible. Arbor, 198(806), a683. https://doi.org/10.3989/arbor.2022.806013 DOI: https://doi.org/10.3989/arbor.2022.806013

UNESCO. (2019). Beijing consensus on artificial intelligence and education. UNESCO. DOI: https://doi.org/10.18356/d94175df-en

UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO.

UNESCO. (2023). Artificial intelligence in education: Challenges and opportunities. UNESCO.

Zawacki-Richter, O., Marín, V., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education: Where are the educators? International Journal of Educational Technology in Higher Education, 16(39). https://doi.org/10.1186/s41239-019-0171-0 DOI: https://doi.org/10.1186/s41239-019-0171-0