Inteligencia artificial generativa, carga laboral y bienestar profesional en docentes universitarios en Ecuador

Sandra Elizabeth     Cevallos Suárez; Mayra Verónica    Lara Llumiquinga; Adriana Cecilia     Racines Orbe; Renato Matías     Torres Montaño

doi:10.47606/ACVEN/PH0576

Autores/as

Sandra Elizabeth Cevallos Suárez Universidad de las Américas, Quito, Ecuador https://orcid.org/0009-0003-0596-0254
Mayra Verónica Lara Llumiquinga Universidad de las Américas, Quito, Ecuador https://orcid.org/0009-0008-7025-1127
Adriana Cecilia Racines Orbe Universidad de las Américas, Quito, Ecuador https://orcid.org/0009-0007-4480-4763
Renato Matías Torres Montaño Hospital de Especialidades de Fuerzas Armadas https://orcid.org/0009-0006-3981-787X

DOI:

https://doi.org/10.47606/ACVEN/PH0576

Palabras clave:

inteligencia artificial generativa, carga laboral, bienestar profesional.

Resumen

La inteligencia artificial generativa (IAG) está transformando la educación superior, y aunque genera expectativas de reducción de carga laboral, también promueve nuevas demandas cognitivas y éticas. El estudio tuvo como objetivo analizar la relación entre el uso de herramientas de inteligencia artificial generativa y la carga laboral y el bienestar profesional en docentes universitarios de Quito, Ecuador. Mediante un diseño mixto secuencial explicativo con intervención formativa (CUAN₁?CUAL?CUAN₂), se aplicaron cuestionarios (NASA-TLX, UWES-9, MBI) y grupos focales a 280 docentes de tres tipos de universidad. Los resultados muestran que el uso de IAG predice mayor carga laboral, agotamiento emocional y menor vigor. La formación redujo significativamente la demanda mental (d=0.56) y el agotamiento (d=0.45). El análisis cualitativo reveló tres mecanismos clave: intensificación cognitiva, tensión ético-identitaria y brecha institucional. Se concluye que la IAG no reduce automáticamente la carga; su integración crítica y acompañada es indispensable para preservar el bienestar docente.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Aburto, E. A., Cruz, A. S., & Padrós, F. (2026). Fiabilidad de las respuestas de los docentes universitarios mexicanos. Caleidoscopio-Revista Semestral de Ciencias Sociales y Humanidades, 29(54), 41-60. https://doi.org/10.33064/54crscsh8613

Ayanwale, M. A., Sanusi, I. T., Adelana, O. P., Aruleba, K. D., & Oyelere, S. S. (2022). Teachers’ readiness and intention to teach artificial intelligence in schools. Computers and Education: Artificial Intelligence, 3(1), 100099. https://doi.org/10.1016/j.caeai.2022.100099

Batista, F. B., Cabral, B., Pinto, C. D., Braga, L. A., Comarú, M. W., & Lopes, R. M. (2026, June). The evolving role of higher education teachers in the age of artificial intelligence: a scoping review. Frontiers in Education, 11(1), Article 1813497. Frontiers Media SA. https://doi.org/10.3389/feduc.2026.1813497

Bernilla, E. B. (2024). Docentes ante la inteligencia artificial en una universidad pública del norte del Perú. Educación, 33(64), 8-28. https://doi.org/10.18800/educacion.202401.M001

Ding, N., Hu, L., Kim, K. T., & Chen, M. (2026). When generative artificial intelligence becomes a colleague: dual pathways of empowerment and depletion in university design teachers' work behaviors. Sustainability 18(4), 23-31. https://doi.org/10.3390/su18041775

Dishari, S. (2026). Teaching in the age of generative AI: A qualitative analysis of faculty identity, emotion, and assessment concerns. Journal of Artificial Intelligence and Technology, 6, 270-283. https://doi.org/10.37965/jait.2025.0941

Dúo, P., Gil, L. P., Marín, J. A., & Román, M. (2026). Alfabetización en inteligencia artificial generativa. Conocimiento, uso y descarga cognitiva en el profesorado. Revista de Educación a Distancia (RED), 26(84). https://doi.org/10.6018/red.684721

Hernández, N., & Rodríguez, M. J. (2024). Inteligencia artificial aplicada a la educación y la evaluación educativa en la Universidad: introducción de sistemas de tutorización inteligentes, sistemas de reconocimiento y otras tendencias futuras. RED. Revista de educación a distancia, 24(78), 1-31. http://dx.doi.org/10.6018/red.594651

Hernández-Sampieri, R. & Mendoza, C. (2018). Metodología de la investigación: las rutas cuantitativa, cualitativa y mixta. McGraw Hill. https://doi.org/10.22201/fesc.20072236e.2019.10.18.6

López, F. E., Angulo, M. R., & Sosa, D. I. (2025). Formación docente en IA Generativa: impacto ético y retos en educación superior. Alteridad. Revista de Educación, 20(2), 166-177. https://doi.org/10.17163/alt.v20n2.2025.01

Luckin, R., Cukurova, M., Kent, C., & Du Boulay, B. (2022). Empowering educators to be AI-ready. Computers and education: artificial intelligence, 3(1), 100076. https://doi.org/10.1016/j.caeai.2022.100076

Ortega, Á. S., Padilla, J. E., & Auris, J. S. (2025). Sobrecarga laboral e inteligencia artificial en docentes: revisión sistemática. Impulso, Revista de Administración, 5(10), 227-242. https://doi.org/10.59659/impulso.v.5i10.113

Ramírez, M., Lotero, D. F., Robayo, D. M., & Garrido, D. R. (2024). El papel del contexto institucional en la carga mental percibida en instituciones educativas. Revista San Gregorio, 1(58), 31-39. https://doi.org/10.36097/rsan.v1i58.2637

Sakr, H., & Imran, A. (2024). Intrusion of Generative AI in higher education and its impact on the educators’ well-being: A scoping review. https://aisel.aisnet.org/cgi/viewcontent.cgi?article=1155&context=acis2024

Su, F., Beh, W. F., & Cheah, K. S. (2026). Efficiency or intensification? A systematic review of generative AI and academic workload in higher education. Acta Psychologica, 268, 107353. https://doi.org/10.1016/j.actpsy.2026.107353

Wu, H., Luo, W., He, J., & Wu, T. (2026). Are university teachers ready for AI under anxiety? Self-efficacy mediation and gender moderation. Interactive Learning Environments, 1-16. https://doi.org/10.1080/10494820.2026.2643795