Percepción docente sobre inteligencia artificial generativa en educación superior: análisis de confianza, utilidad y adopción pedagógica tras una intervención formativa

Víctor Alejandro Bosquez Barcenes; Isabel Patricia Bedoya Cadena; Mónica Viviana Mora Calero; Marithza Maribel Martínez Cabascango

Percepción docente sobre inteligencia artificial generativa en educación superior: análisis de confianza, utilidad y adopción pedagógica tras una intervención formativa

Autores/as

Víctor Alejandro Bosquez Barcenes Universidad Estatal de Bolívar
Isabel Patricia Bedoya Cadena Universidad Estatal de Bolívar
Mónica Viviana Mora Calero Universidad Estatal de Bolívar
Marithza Maribel Martínez Cabascango Universidad Estatal de Bolívar

Palabras clave:

inteligencia artificial generativa, ChatGPT, Gemini, Claude, confianza algorítmica, utilidad percibida, adopción tecnológica docente, educación superior, Ecuador

Resumen

La integración de la inteligencia artificial generativa en la educación superior ecuatoriana enfrenta resistencias significativas derivadas de temores epistemológicos, éticos y prácticos del profesorado. Este estudio examina la percepción docente sobre herramientas de IA generativa (ChatGPT, Gemini y Claude) tras una intervención formativa institucional, analizando específicamente la confianza algorítmica, utilidad percibida e intención de uso pedagógico. Se implementó un diseño descriptivo-correlacional con 55 docentes de la Universidad Estatal de Bolívar, Ecuador, quienes completaron un cuestionario estructurado posterior a un programa de capacitación desarrollado durante el año 2025. Los instrumentos de medición incluyeron tres escalas validadas: Confianza Algorítmica (α=0.87), Utilidad Percibida (α=0.91) y Adopción Pedagógica (α=0.89). Los resultados revelan niveles moderados de confianza algorítmica (M=3.45, DE=0.68) y utilidad percibida (M=3.72, DE=0.59), con una intención de uso futuro relativamente favorable (M=3.58, DE=0.71). El análisis de regresión múltiple jerárquica demostró que la confianza algorítmica (β=0.45, p<.001) y la utilidad percibida (β=0.38, p<.001) predicen conjuntamente el 64% de la varianza en la intención de adopción pedagógica (R²=0.64, F(5,49)=17.82, p<.001). Paradójicamente, la experiencia docente previa se correlacionó negativamente con la intención de uso (β=-0.21, p<.05), sugiriendo mayor resistencia en docentes con mayor antigüedad. Los hallazgos evidencian que, si bien la capacitación reduce temores iniciales, persisten barreras estructurales vinculadas a la comprensión de los mecanismos algorítmicos, preocupaciones sobre plagio estudiantil y ambigüedad en la interpretabilidad de las recomendaciones generadas. Se discuten implicaciones para el diseño de programas formativos contextualizados y políticas institucionales que aborden no solo competencias técnicas, también dimensiones epistemológicas y éticas de IA educativa.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Arrieta, A. B., Díaz-Rodríguez, N., Del Ser, J., Bennetot, A., Tabik, S., Barbado, A., Garcia, S., Gil-Lopez, S., Molina, D., Benjamins, R., Chatila, R., & Herrera, F. (2020). Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI. Information Fusion, 58, 82-115. https://doi.org/10.1016/j.inffus.2019.12.012

Arkes, H. R., & Blumer, C. (1985). The psychology of sunk cost. Organizational Behavior and Human Decision Processes, 35(1), 124-140.

Baidoo-Anu, D., & Ansah, L. O. (2023). Education in the era of generative artificial intelligence (AI): Understanding the potential benefits of ChatGPT in promoting teaching and learning. Journal of AI, 7(1), 52-62. https://doi.org/10.61969/jai.1337500

Borji, A. (2023). A categorical archive of ChatGPT failures. arXiv preprint arXiv:2302.03494.

Cai, Z., Fan, X., & Du, J. (2017). Gender and attitudes toward technology use: A meta-analysis. Computers & Education, 105, 1-13.

Chan, C. K. Y., & Hu, W. (2023). Students' voices on generative AI: Perceptions, benefits, and challenges in higher education. International Journal of Educational Technology in Higher Education, 20(1), 43. https://doi.org/10.1186/s41239-023-00411-8

Chiu, T. K. F. (2024). The impact of Generative AI (GenAI) on practices, policies and research direction in education: A case of ChatGPT and Midjourney. Interactive Learning Environments, 32(3), 1143-1162.

Chiu, T. K. F., & Chai, C. S. (2020). Sustainable curriculum planning for artificial intelligence education: A self-determination theory perspective. Sustainability, 12(14), 5568.

Choi, S., Jang, Y., & Kim, H. (2022). Influence of pedagogical beliefs and perceived trust on teachers' acceptance of educational artificial intelligence tools. International Journal of Human–Computer Interaction, 39(4), 910-922.

Czaja, S. J., Charness, N., Fisk, A. D., Hertzog, C., Nair, S. N., Rogers, W. A., & Sharit, J. (2006). Factors predicting the use of technology: Findings from the Center for Research and Education on Aging and Technology Enhancement (CREATE). Psychology and Aging, 21(2), 333-352.

Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340. https://doi.org/10.2307/249008

Dwivedi, Y. K., Kshetri, N., Hughes, L., Slade, E. L., Jeyaraj, A., Kar, A. K., Baabdullah, A. M., Koohang, A., Raghavan, V., Ahuja, M., Albanna, H., Albashrawi, M. A., Al-Busaidi, A. S., Balakrishnan, J., Barlette, Y., Basu, S., Bose, I., Brooks, L., Buhalis, D., ... Wright, R. (2023). Opinion Paper: "So what if ChatGPT wrote it?" Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management, 71, 102642. https://doi.org/10.1016/j.ijinfomgt.2023.102642

Gefen, D., Karahanna, E., & Straub, D. W. (2003). Trust and TAM in online shopping: An integrated model. MIS Quarterly, 27(1), 51-90.

Holstein, K., McLaren, B. M., & Aleven, V. (2019). Co-designing a real-time classroom orchestration tool to support teacher–AI complementarity. Journal of Learning Analytics, 6(2), 27-52.

Jacovi, A., Marasović, A., Miller, T., & Goldberg, Y. (2021). Formalizing trust in artificial intelligence: Prerequisites, causes and goals of human trust in AI. Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, 624-635. https://doi.org/10.1145/3442188.3445923

Kasneci, E., Seßler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., ... Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274

McKnight, D. H., Carter, M., Thatcher, J. B., & Clay, P. F. (2011). Trust in a specific technology: An investigation of its components and measures. ACM Transactions on Management Information Systems, 2(2), 12. https://doi.org/10.1145/1985347.1985353

Mollick, E. (2023). Co-Intelligence: Living and working with AI. Portfolio/Penguin.

Pasquale, F. (2015). The black box society: The secret algorithms that control money and information. Harvard University Press.

Rogers, E. M. (2003). Diffusion of innovations (5th ed.). Free Press.

Scherer, R., Siddiq, F., & Tondeur, J. (2019). The technology acceptance model (TAM): A meta-analytic structural equation modeling approach to explaining teachers' adoption of digital technology in education. Computers & Education, 128, 13-35. https://doi.org/10.1016/j.compedu.2018.09.009

SENESCYT. (2024). Boletín analítico de educación superior, ciencia, tecnología e innovación. Secretaría de Educación Superior, Ciencia, Tecnología e Innovación.

Shin, D. (2021). The effects of explainability and causability on perception, trust, and acceptance: Implications for explainable AI. International Journal of Human-Computer Studies, 146, 102551. https://doi.org/10.1016/j.ijhcs.2020.102551

Teo, T. (2011). Factors influencing teachers' intention to use technology: Model development and test. Computers & Education, 57(4), 2432-2440.

Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425-478. https://doi.org/10.2307/30036540

Zawacki-Richter, O., Marín, V. I., 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(1), 39. https://doi.org/10.1186/s41239-019-0171-0