Vol. 13/ Núm. 3 2026 pág. 3070
https://doi.org/10.69639/arandu.v13i3.2598
Confianza y juicio técnico frente a la inteligencia artificial en
la formación en Ingeniería en Alimentos
Trust and Technical Judgment Regarding Artificial Intelligence in Food Engineering
Education
Jonathan Alexis Tapia Chamba
jtapiac3@uteq.edu.ec
https://orcid.org/0009-0001-0121-9923
Universidad Técnica Estatal de Quevedo
Quevedo – Ecuador
Odalis Kassandra Gonzalez Duarte
ogonzalezd@uteq.edu.ec
https://orcid.org/0009-0002-6990-2689
Universidad Técnica Estatal de Quevedo
Quevedo – Ecuador
Jessica Lisbeth Parrales Cedeño
jparralesc4@uteq.edu.ec
https://orcid.org/0009-0004-9333-3687
Universidad Técnica Estatal de Quevedo
Quevedo – Ecuador
Bella Elena Chamba Palacios
bella.chamba@educacion.gob.ec
https://orcid.org/0009-0009-7623-3787
Escuela de Educación Básica “Destacamento Banderas”
Orellana – Ecuador
Artículo recibido: 10 agosto 2026- Aceptado para publicación:16 septiembre 2026
Conflictos de intereses: Ninguno que declarar.
RESUMEN
La posibilidad de evaluar las respuestas que la inteligencia artificial generativa entrega ante una
solicitud exige un examen de sus fundamentos y suficiencia mediante conocimientos disciplinares
que los estudiantes todavía están consolidando. En torno a lo anterior, el objetivo del presente
estudio fue analizar la asociación entre la capacidad autopercibida para evaluar estas respuestas y
el acierto al clasificarlas, en estudiantes de Ingeniería en Alimentos de la Universidad Técnica
Estatal de Quevedo, Ecuador. Se realizó un estudio cuantitativo, transversal y descriptivo-
correlacional, con muestreo no probabilístico por accesibilidad. Participaron 127 estudiantes de
cuarto a décimo semestre; el análisis principal incluyó 125 registros completos. El cuestionario,
administrado presencialmente mediante Google Forms, reunió cinco ítems de autopercepción,
cinco casos alimentarios y la primera acción declarada ante cada respuesta. El desempeño se
puntuó por coincidencia exacta con una clave técnica. La autopercepción media fue de 3,46 en
una escala de 1 a 5, y el desempeño medio fue de 1,07 aciertos de cinco. La correlación de
Vol. 13/ Núm. 3 2026 pág. 3071
Spearman fue positiva y débil (ρ = 0,138; IC del 95 %: −0,037 a 0,309), estimada con 5.000
remuestreos por estudiante. Consultar una fuente confiable o a un especialista fue la primera
acción más elegida en todos los casos. La asociación fue débil e incierta, por lo que la
autopercepción requiere examinarse junto con tareas de desempeño. Los resultados fundamentan
el interés de actividades que hagan explícitas las razones de la clasificación y permitan observar
la comprobación, sin establecer sobreconfianza ni conductas efectivas de verificación.
Palabras clave: inteligencia artificial generativa, autopercepción, juicio técnico, ingeniería
en alimentos, educación superior
ABSTRACT
The ability to evaluate the responses generated by generative artificial intelligence in response to
a prompt requires examining their underlying rationale and adequacy using disciplinary
knowledge that students are still in the process of consolidating. Against this background, the
objective of the present study was to analyze the association between students’ self-perceived
ability to evaluate these responses and their accuracy in classifying them among Food Engineering
students at the Universidad Técnica Estatal de Quevedo, Ecuador. A quantitative, cross-sectional,
descriptive-correlational study was conducted using non-probability convenience sampling.
Participants comprised 127 students in semesters four through ten; the primary analysis included
125 complete records. The questionnaire, administered in person through Google Forms, included
five self-perception items, five food-related cases, and the first action participants reported they
would take regarding each response. Performance was scored by exact agreement with a technical
answer key. Mean self-perception was 3.46 on a scale from 1 to 5, and mean performance was
1.07 correct classifications out of five. Spearman’s correlation was positive and weak (ρ = 0.138;
95% CI: −0.037 to 0.309), estimated using 5,000 student-level bootstrap resamples. Consulting a
reliable source or a specialist was the most frequently selected first action in every case. The
association was weak and uncertain, indicating that self-perception needs to be examined
alongside performance tasks. The findings support considering learning activities that elicit
reasons for classifications and allow verification processes to be observed, without establishing
overconfidence or actual verification behavior.
Keywords: generative artificial intelligence, self-perception, technical judgment, food
engineering, 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.
Spearman fue positiva y débil (ρ = 0,138; IC del 95 %: −0,037 a 0,309), estimada con 5.000
remuestreos por estudiante. Consultar una fuente confiable o a un especialista fue la primera
acción más elegida en todos los casos. La asociación fue débil e incierta, por lo que la
autopercepción requiere examinarse junto con tareas de desempeño. Los resultados fundamentan
el interés de actividades que hagan explícitas las razones de la clasificación y permitan observar
la comprobación, sin establecer sobreconfianza ni conductas efectivas de verificación.
Palabras clave: inteligencia artificial generativa, autopercepción, juicio técnico, ingeniería
en alimentos, educación superior
ABSTRACT
The ability to evaluate the responses generated by generative artificial intelligence in response to
a prompt requires examining their underlying rationale and adequacy using disciplinary
knowledge that students are still in the process of consolidating. Against this background, the
objective of the present study was to analyze the association between students’ self-perceived
ability to evaluate these responses and their accuracy in classifying them among Food Engineering
students at the Universidad Técnica Estatal de Quevedo, Ecuador. A quantitative, cross-sectional,
descriptive-correlational study was conducted using non-probability convenience sampling.
Participants comprised 127 students in semesters four through ten; the primary analysis included
125 complete records. The questionnaire, administered in person through Google Forms, included
five self-perception items, five food-related cases, and the first action participants reported they
would take regarding each response. Performance was scored by exact agreement with a technical
answer key. Mean self-perception was 3.46 on a scale from 1 to 5, and mean performance was
1.07 correct classifications out of five. Spearman’s correlation was positive and weak (ρ = 0.138;
95% CI: −0.037 to 0.309), estimated using 5,000 student-level bootstrap resamples. Consulting a
reliable source or a specialist was the most frequently selected first action in every case. The
association was weak and uncertain, indicating that self-perception needs to be examined
alongside performance tasks. The findings support considering learning activities that elicit
reasons for classifications and allow verification processes to be observed, without establishing
overconfidence or actual verification behavior.
Keywords: generative artificial intelligence, self-perception, technical judgment, food
engineering, 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. 13/ Núm. 3 2026 pág. 3072
INTRODUCCIÓN
Cuando un estudiante recibe una respuesta de inteligencia artificial generativa se
encuentra ante una solución que no ha construido cognitivamente. Esa circunstancia modifica el
punto desde el cual se aproxima al problema: dispone de una explicación en la que un sistema ya
ha seleccionado la información, relacionado los conceptos y establecido una conclusión. El
estudiante puede leer la respuesta y comprender lo que afirma e incluso reconocer en ella
contenidos estudiados durante su formación. Sin embargo, para decidir si esa respuesta puede
utilizarse, se requiere volver sobre un razonamiento que se le presenta al estudiante como dado y
externo a él, al mismo tiempo que necesita examinar las fundamentaciones que lo sostienen.
Por tanto, para decidir si la respuesta que da la inteligencia artificial generativa es correcta
y utilizable, el estudiante debe reconocer si los datos de la consulta fueron considerados, si los
conceptos se aplicaron bajo las condiciones pertinentes y si la conclusión conserva aquello que el
problema exigía resolver. La disponibilidad de la respuesta sitúa así al estudiante ante una
exigencia de evaluación cuyo cumplimiento depende, en parte, de los conocimientos que todavía
está aprendiendo a utilizar.
En Ingeniería en Alimentos, esta dificultad adquiere un contenido preciso. Juzgar una
explicación sobre un proceso, una propiedad de un alimento o un resultado microbiológico exige
comprender qué puede afirmarse a partir de la información disponible y bajo qué condiciones esa
afirmación resulta válida. El reconocimiento del vocabulario técnico ofrece un punto de entrada,
aunque puede dejar intacto el problema de su aplicación.
Un estudiante puede comprender las afirmaciones de una respuesta sin advertir que la
conclusión depende de una condición omitida; puede también recordar una regla y carecer todavía
de los recursos necesarios para reconocer sus límites. En ambos casos, la dificultad se encuentra
en la relación entre lo aprendido y lo que la situación demanda hacer con ese conocimiento.
Evaluar la respuesta obliga a establecer esa relación, a decidir qué aspecto merece revisión y a
reconocer cuándo la información resulta insuficiente para sostener una conclusión.
La necesidad de este examen puede apreciarse en la diversidad de aplicaciones de
inteligencia artificial (IA) en el campo alimentario. Pennells et al. (2025) identifican usos en
seguridad y calidad alimentaria, control y optimización de procesos, trazabilidad y evaluación
sensorial, entre otros ámbitos, y señalan que las respuestas de herramientas basadas en modelos
de lenguaje requieren evaluaciones estructuradas y específicas del dominio antes de apoyar
decisiones prácticas.
Esta exigencia permite precisar el problema educativo: si la validez de una respuesta debe
establecerse atendiendo al conocimiento del campo y a las condiciones de la tarea, aprender a
utilizar estas herramientas implica también aprender a reconocer qué tendría que comprobarse en
cada situación. La recomendación general de verificar una respuesta deja pendiente ese
INTRODUCCIÓN
Cuando un estudiante recibe una respuesta de inteligencia artificial generativa se
encuentra ante una solución que no ha construido cognitivamente. Esa circunstancia modifica el
punto desde el cual se aproxima al problema: dispone de una explicación en la que un sistema ya
ha seleccionado la información, relacionado los conceptos y establecido una conclusión. El
estudiante puede leer la respuesta y comprender lo que afirma e incluso reconocer en ella
contenidos estudiados durante su formación. Sin embargo, para decidir si esa respuesta puede
utilizarse, se requiere volver sobre un razonamiento que se le presenta al estudiante como dado y
externo a él, al mismo tiempo que necesita examinar las fundamentaciones que lo sostienen.
Por tanto, para decidir si la respuesta que da la inteligencia artificial generativa es correcta
y utilizable, el estudiante debe reconocer si los datos de la consulta fueron considerados, si los
conceptos se aplicaron bajo las condiciones pertinentes y si la conclusión conserva aquello que el
problema exigía resolver. La disponibilidad de la respuesta sitúa así al estudiante ante una
exigencia de evaluación cuyo cumplimiento depende, en parte, de los conocimientos que todavía
está aprendiendo a utilizar.
En Ingeniería en Alimentos, esta dificultad adquiere un contenido preciso. Juzgar una
explicación sobre un proceso, una propiedad de un alimento o un resultado microbiológico exige
comprender qué puede afirmarse a partir de la información disponible y bajo qué condiciones esa
afirmación resulta válida. El reconocimiento del vocabulario técnico ofrece un punto de entrada,
aunque puede dejar intacto el problema de su aplicación.
Un estudiante puede comprender las afirmaciones de una respuesta sin advertir que la
conclusión depende de una condición omitida; puede también recordar una regla y carecer todavía
de los recursos necesarios para reconocer sus límites. En ambos casos, la dificultad se encuentra
en la relación entre lo aprendido y lo que la situación demanda hacer con ese conocimiento.
Evaluar la respuesta obliga a establecer esa relación, a decidir qué aspecto merece revisión y a
reconocer cuándo la información resulta insuficiente para sostener una conclusión.
La necesidad de este examen puede apreciarse en la diversidad de aplicaciones de
inteligencia artificial (IA) en el campo alimentario. Pennells et al. (2025) identifican usos en
seguridad y calidad alimentaria, control y optimización de procesos, trazabilidad y evaluación
sensorial, entre otros ámbitos, y señalan que las respuestas de herramientas basadas en modelos
de lenguaje requieren evaluaciones estructuradas y específicas del dominio antes de apoyar
decisiones prácticas.
Esta exigencia permite precisar el problema educativo: si la validez de una respuesta debe
establecerse atendiendo al conocimiento del campo y a las condiciones de la tarea, aprender a
utilizar estas herramientas implica también aprender a reconocer qué tendría que comprobarse en
cada situación. La recomendación general de verificar una respuesta deja pendiente ese
Vol. 13/ Núm. 3 2026 pág. 3073
aprendizaje. Para llevarla a cabo, el estudiante necesita identificar dónde podría encontrarse una
insuficiencia y disponer de razones para decidir si afecta la solución.
Es en esta relación entre conocimiento disponible y exigencia de evaluación donde
situamos el juicio técnico en formación. Con esta expresión nos referimos a la valoración que el
estudiante realiza al confrontar una respuesta con los datos del caso y con los recursos
disciplinares que consigue movilizar. Nos interesa esa valoración porque permite interrogar cómo
participa el conocimiento en una decisión concreta: qué alcanza a distinguir quien evalúa y hasta
dónde puede sostener su elección.
El carácter formativo del juicio remite a esta condición de aprendizaje. El estudiante debe
pronunciarse sobre una explicación cuando su capacidad para reconocer errores, omisiones o
límites de aplicación puede encontrarse todavía en desarrollo. Por ello, el resultado de su
valoración requiere interpretarse en relación con las exigencias del caso y con el alcance de los
conocimientos que este demanda.
Evaluación crítica y conocimiento disciplinar
La alfabetización en IA ofrece un marco para examinar la capacidad de los estudiantes
para evaluar las respuestas entregadas por la IA generativa. Long y Magerko (2020) incluyen la
evaluación crítica entre las competencias necesarias para relacionarse con estas tecnologías, junto
con su utilización y la comunicación y colaboración con ellas. En el problema que nos ocupa, esa
evaluación crítica requiere adquirir una forma disciplinar: debe permitir examinar una afirmación
concreta, reconocer qué razones la sostienen y decidir si responde a la consulta.
Saber que un sistema puede equivocarse puede despertar cautela, pero la cautela necesita
encontrar un objeto y un procedimiento para convertirse en un examen crítico. Quien sospecha de
una respuesta todavía tiene que determinar qué revisará y con qué criterio lo hará. La formación
en IA y la formación disciplinar se encuentran, por tanto, en una tarea cuya resolución depende
de ambas, aunque el acierto obtenido no permita distinguir por separado cuánto ha contribuido
cada una.
Esta dificultad se hace visible cuando se considera qué tendría que hacer el estudiante
para comprobar una explicación. Por ejemplo, ante un cálculo, necesitaría examinar la relación
entre los datos, las unidades y el procedimiento empleado; ante una afirmación sobre
microorganismos o una inferencia acerca de un lote, tendría que reconocer qué permite concluir
la información presentada. En cada caso, la revisión supone identificar una exigencia particular
del problema.
El grado de manejo que el estudiante tenga sobre la herramienta de IA puede ayudarle a
formular consultas o a solicitar explicaciones adicionales, pero a pesar de esto, aún debe juzgar si
lo que recibe resuelve la cuestión que motivó esa consulta. Por eso, al estudiar como los
estudiantes clasifican sus propias respuestas, también observamos una actuación que demanda
aprendizaje. Para llevarla a cabo, el estudiante necesita identificar dónde podría encontrarse una
insuficiencia y disponer de razones para decidir si afecta la solución.
Es en esta relación entre conocimiento disponible y exigencia de evaluación donde
situamos el juicio técnico en formación. Con esta expresión nos referimos a la valoración que el
estudiante realiza al confrontar una respuesta con los datos del caso y con los recursos
disciplinares que consigue movilizar. Nos interesa esa valoración porque permite interrogar cómo
participa el conocimiento en una decisión concreta: qué alcanza a distinguir quien evalúa y hasta
dónde puede sostener su elección.
El carácter formativo del juicio remite a esta condición de aprendizaje. El estudiante debe
pronunciarse sobre una explicación cuando su capacidad para reconocer errores, omisiones o
límites de aplicación puede encontrarse todavía en desarrollo. Por ello, el resultado de su
valoración requiere interpretarse en relación con las exigencias del caso y con el alcance de los
conocimientos que este demanda.
Evaluación crítica y conocimiento disciplinar
La alfabetización en IA ofrece un marco para examinar la capacidad de los estudiantes
para evaluar las respuestas entregadas por la IA generativa. Long y Magerko (2020) incluyen la
evaluación crítica entre las competencias necesarias para relacionarse con estas tecnologías, junto
con su utilización y la comunicación y colaboración con ellas. En el problema que nos ocupa, esa
evaluación crítica requiere adquirir una forma disciplinar: debe permitir examinar una afirmación
concreta, reconocer qué razones la sostienen y decidir si responde a la consulta.
Saber que un sistema puede equivocarse puede despertar cautela, pero la cautela necesita
encontrar un objeto y un procedimiento para convertirse en un examen crítico. Quien sospecha de
una respuesta todavía tiene que determinar qué revisará y con qué criterio lo hará. La formación
en IA y la formación disciplinar se encuentran, por tanto, en una tarea cuya resolución depende
de ambas, aunque el acierto obtenido no permita distinguir por separado cuánto ha contribuido
cada una.
Esta dificultad se hace visible cuando se considera qué tendría que hacer el estudiante
para comprobar una explicación. Por ejemplo, ante un cálculo, necesitaría examinar la relación
entre los datos, las unidades y el procedimiento empleado; ante una afirmación sobre
microorganismos o una inferencia acerca de un lote, tendría que reconocer qué permite concluir
la información presentada. En cada caso, la revisión supone identificar una exigencia particular
del problema.
El grado de manejo que el estudiante tenga sobre la herramienta de IA puede ayudarle a
formular consultas o a solicitar explicaciones adicionales, pero a pesar de esto, aún debe juzgar si
lo que recibe resuelve la cuestión que motivó esa consulta. Por eso, al estudiar como los
estudiantes clasifican sus propias respuestas, también observamos una actuación que demanda
Vol. 13/ Núm. 3 2026 pág. 3074
conocimiento disciplinar. Un desacierto admite explicaciones relacionadas con ese conocimiento,
cuya contribución no puede aislarse mediante la clasificación por sí sola.
La amplitud del concepto de alfabetización en IA obliga a precisar dónde se sitúa esta
actuación. Ng et al. (2021) organizan el campo en torno al conocimiento y la comprensión, el uso,
la evaluación y las cuestiones éticas. Desde esa organización, examinar una respuesta técnica
corresponde a una dimensión evaluativa que tiene sentido dentro de una formación más amplia,
pero que no permite dar cuenta de todos sus componentes. La comprensión del funcionamiento
de los sistemas, la capacidad de crearlos y el análisis de sus implicaciones éticas plantean otro
tipo de exigencias cognitivas y formativas. Esta delimitación resulta necesaria para interpretar
una prueba: sus resultados adquieren significado por aquello que se pidió hacer y por los
conocimientos que esa tarea requirió, de modo que una puntuación obtenida al clasificar
respuestas no puede extenderse al conjunto de la alfabetización en IA.
El trabajo de Hornberger et al. (2023) permite apreciar la importancia de esas
condiciones, toda vez que en el desarrollo de una prueba objetiva de alfabetización en IA aplicada
a 1.286 estudiantes de seis universidades, estos autores observaron mejores resultados entre
quienes tenían formación técnica o experiencia previa con IA. Su instrumento examinó
conocimientos generales sobre estas tecnologías, por lo que el hallazgo no establece cómo
resolverían los participantes una tarea alimentaria. No obstante, lo que sí muestra es que los
antecedentes formativos merecen atención cuando se interpreta el desempeño. En nuestra
investigación, esa consideración conduce a especificar los contenidos de los casos y la trayectoria
académica de la población, sin asumir que el semestre cursado acredita el dominio individual de
los temas.
Los cinco casos seleccionados en esta investigación abordan humedad y actividad de
agua, congelación, pH y acidez titulable, análisis microbiológico de un lote y preparación de una
salmuera. Su diversidad permite plantear exigencias técnicas diferentes, a la vez que circunscribe
el alcance de lo observado: el desempeño corresponde al acierto en esas tareas.
Cada clasificación se contrasta con una clave, pero el formulario no recoge una
justificación abierta que permita reconstruir las razones de la elección. Podemos establecer si el
estudiante coincide con la clasificación técnica esperada; para comprender cómo llegó a ella
necesitaríamos examinar su razonamiento. Esta distancia entre el resultado de la valoración y sus
fundamentos introduce la pregunta por las razones que permiten conceder crédito a una respuesta.
La autoridad de la respuesta y la responsabilidad de juzgar
Cuando una respuesta se acepta como base para resolver un problema, sus afirmaciones,
procedimientos o información no se quedan pasivamente en la mente del estudiante, sino que
pasan a orientar una decisión. Y en ese movimiento, aparece la cuestión de la autoridad: interesa
comprender qué crédito se concede al contenido y sobre qué razones podría sostenerse. En este
artículo empleamos la expresión autoridad de la respuesta para examinar esa relación. Su alcance
conocimiento disciplinar. Un desacierto admite explicaciones relacionadas con ese conocimiento,
cuya contribución no puede aislarse mediante la clasificación por sí sola.
La amplitud del concepto de alfabetización en IA obliga a precisar dónde se sitúa esta
actuación. Ng et al. (2021) organizan el campo en torno al conocimiento y la comprensión, el uso,
la evaluación y las cuestiones éticas. Desde esa organización, examinar una respuesta técnica
corresponde a una dimensión evaluativa que tiene sentido dentro de una formación más amplia,
pero que no permite dar cuenta de todos sus componentes. La comprensión del funcionamiento
de los sistemas, la capacidad de crearlos y el análisis de sus implicaciones éticas plantean otro
tipo de exigencias cognitivas y formativas. Esta delimitación resulta necesaria para interpretar
una prueba: sus resultados adquieren significado por aquello que se pidió hacer y por los
conocimientos que esa tarea requirió, de modo que una puntuación obtenida al clasificar
respuestas no puede extenderse al conjunto de la alfabetización en IA.
El trabajo de Hornberger et al. (2023) permite apreciar la importancia de esas
condiciones, toda vez que en el desarrollo de una prueba objetiva de alfabetización en IA aplicada
a 1.286 estudiantes de seis universidades, estos autores observaron mejores resultados entre
quienes tenían formación técnica o experiencia previa con IA. Su instrumento examinó
conocimientos generales sobre estas tecnologías, por lo que el hallazgo no establece cómo
resolverían los participantes una tarea alimentaria. No obstante, lo que sí muestra es que los
antecedentes formativos merecen atención cuando se interpreta el desempeño. En nuestra
investigación, esa consideración conduce a especificar los contenidos de los casos y la trayectoria
académica de la población, sin asumir que el semestre cursado acredita el dominio individual de
los temas.
Los cinco casos seleccionados en esta investigación abordan humedad y actividad de
agua, congelación, pH y acidez titulable, análisis microbiológico de un lote y preparación de una
salmuera. Su diversidad permite plantear exigencias técnicas diferentes, a la vez que circunscribe
el alcance de lo observado: el desempeño corresponde al acierto en esas tareas.
Cada clasificación se contrasta con una clave, pero el formulario no recoge una
justificación abierta que permita reconstruir las razones de la elección. Podemos establecer si el
estudiante coincide con la clasificación técnica esperada; para comprender cómo llegó a ella
necesitaríamos examinar su razonamiento. Esta distancia entre el resultado de la valoración y sus
fundamentos introduce la pregunta por las razones que permiten conceder crédito a una respuesta.
La autoridad de la respuesta y la responsabilidad de juzgar
Cuando una respuesta se acepta como base para resolver un problema, sus afirmaciones,
procedimientos o información no se quedan pasivamente en la mente del estudiante, sino que
pasan a orientar una decisión. Y en ese movimiento, aparece la cuestión de la autoridad: interesa
comprender qué crédito se concede al contenido y sobre qué razones podría sostenerse. En este
artículo empleamos la expresión autoridad de la respuesta para examinar esa relación. Su alcance
Vol. 13/ Núm. 3 2026 pág. 3075
es interpretativo; no designa una variable medida directamente por el formulario ni presupone que
todos los estudiantes otorguen autoridad a la IA. Permite, más bien, formular una pregunta sobre
la aceptación de una explicación
Comprender un texto constituye una condición para examinarlo, aunque entre seguir una
explicación y establecer su validez todavía hay un trabajo por realizar. El estudiante puede
reconocer los conceptos y encontrar plausible el desarrollo de una conclusión sin haber
identificado los supuestos de los que depende. En esas condiciones, la respuesta podría recibir
crédito antes de que su adecuación al problema haya sido comprobada. También es posible que
su aceptación esté respaldada por conocimientos que el estudiante moviliza correctamente. El
interés epistemológico, por tanto, reside en distinguir estas posibilidades y en preguntar por las
razones de la decisión; una elección final, observada de manera aislada, deja abierta esa
diferencia. De ahí que el juicio no pueda reducirse a la impresión que produce el texto ni
reconstruirse por completo a partir de su aceptación o rechazo.
Para nuestro problema formativo, evaluar supone conservar la posibilidad de examinar
una respuesta, señalar una insuficiencia o suspender su aceptación cuando faltan razones para
utilizarla. Su desarrollo en el campo alimentario encuentra un criterio en la validación específica
del dominio señalada por Pennells et al. (2025): las afirmaciones deben confrontarse con las
condiciones del problema y con el conocimiento pertinente. La corrección se establece mediante
ese examen, cuya exigencia permanece incluso cuando la exposición resulta clara y ordenada.
Llamamos responsabilidad de juzgar a la exigencia de atender a las razones que
permitirían utilizar una respuesta o mantenerla pendiente de comprobación. El sentido de esta
responsabilidad es epistemológico y debe entenderse dentro de la situación de aprendizaje. El
estudiante puede realizar un examen y equivocarse porque desconoce un aspecto del contenido o
porque aplica de manera inadecuada un criterio que conoce. Atribuir el error a una renuncia al
juicio eliminaría precisamente el problema que interesa investigar: la dificultad de evaluar cuando
los recursos para hacerlo todavía se están formando. Por ello, la responsabilidad se refiere al
trabajo de valoración que la tarea exige, sin convertir cada desacierto en una atribución de culpa.
La dependencia apropiada estudiada por Schemmer et al. (2023) aporta un punto de
comparación para pensar esta relación. Los autores la conceptualizan mediante la aceptación de
consejos correctos y el mantenimiento del juicio propio ante consejos incorrectos, atendiendo a
decisiones anteriores y posteriores a recibir la recomendación. Este planteamiento permite
advertir por qué la corrección del consejo debe formar parte del examen: aceptar una
recomendación correcta y aceptar una incorrecta pueden compartir una conducta aparente, pero
tienen consecuencias distintas para la decisión. Nuestro estudio no registra aquella secuencia ni
el uso efectivo de las respuestas. La referencia ayuda a precisar el problema, mientras que el
instrumento ofrece un acceso más acotado a la clasificación y a la primera acción declarada.
es interpretativo; no designa una variable medida directamente por el formulario ni presupone que
todos los estudiantes otorguen autoridad a la IA. Permite, más bien, formular una pregunta sobre
la aceptación de una explicación
Comprender un texto constituye una condición para examinarlo, aunque entre seguir una
explicación y establecer su validez todavía hay un trabajo por realizar. El estudiante puede
reconocer los conceptos y encontrar plausible el desarrollo de una conclusión sin haber
identificado los supuestos de los que depende. En esas condiciones, la respuesta podría recibir
crédito antes de que su adecuación al problema haya sido comprobada. También es posible que
su aceptación esté respaldada por conocimientos que el estudiante moviliza correctamente. El
interés epistemológico, por tanto, reside en distinguir estas posibilidades y en preguntar por las
razones de la decisión; una elección final, observada de manera aislada, deja abierta esa
diferencia. De ahí que el juicio no pueda reducirse a la impresión que produce el texto ni
reconstruirse por completo a partir de su aceptación o rechazo.
Para nuestro problema formativo, evaluar supone conservar la posibilidad de examinar
una respuesta, señalar una insuficiencia o suspender su aceptación cuando faltan razones para
utilizarla. Su desarrollo en el campo alimentario encuentra un criterio en la validación específica
del dominio señalada por Pennells et al. (2025): las afirmaciones deben confrontarse con las
condiciones del problema y con el conocimiento pertinente. La corrección se establece mediante
ese examen, cuya exigencia permanece incluso cuando la exposición resulta clara y ordenada.
Llamamos responsabilidad de juzgar a la exigencia de atender a las razones que
permitirían utilizar una respuesta o mantenerla pendiente de comprobación. El sentido de esta
responsabilidad es epistemológico y debe entenderse dentro de la situación de aprendizaje. El
estudiante puede realizar un examen y equivocarse porque desconoce un aspecto del contenido o
porque aplica de manera inadecuada un criterio que conoce. Atribuir el error a una renuncia al
juicio eliminaría precisamente el problema que interesa investigar: la dificultad de evaluar cuando
los recursos para hacerlo todavía se están formando. Por ello, la responsabilidad se refiere al
trabajo de valoración que la tarea exige, sin convertir cada desacierto en una atribución de culpa.
La dependencia apropiada estudiada por Schemmer et al. (2023) aporta un punto de
comparación para pensar esta relación. Los autores la conceptualizan mediante la aceptación de
consejos correctos y el mantenimiento del juicio propio ante consejos incorrectos, atendiendo a
decisiones anteriores y posteriores a recibir la recomendación. Este planteamiento permite
advertir por qué la corrección del consejo debe formar parte del examen: aceptar una
recomendación correcta y aceptar una incorrecta pueden compartir una conducta aparente, pero
tienen consecuencias distintas para la decisión. Nuestro estudio no registra aquella secuencia ni
el uso efectivo de las respuestas. La referencia ayuda a precisar el problema, mientras que el
instrumento ofrece un acceso más acotado a la clasificación y a la primera acción declarada.
Vol. 13/ Núm. 3 2026 pág. 3076
Ese acceso obliga a mantener separadas las observaciones y sus posibles explicaciones.
Declarar que se contrastaría una respuesta indica una vía de acción, pero deja pendiente conocer
si la comprobación podría ejecutarse y qué criterio se emplearía para valorar su resultado. Del
mismo modo, utilizar directamente una respuesta correcta puede apoyarse en razones que el
formulario no registra. La confianza general tampoco permite reconstruir la autoridad concedida
a cada texto, pues se refiere a una expectativa sobre las herramientas.
Estas diferencias son necesarias para que la discusión sobre el juicio conserve su
contenido: si una clasificación acertada se interpretara de inmediato como autonomía intelectual,
o una desacertada como delegación en la IA, desaparecería la pregunta por los fundamentos de la
decisión. La relación entre lo que el estudiante cree poder evaluar y lo que efectivamente clasifica
ofrece una aproximación empírica a ese problema, siempre que se conserve el referente de cada
medida.
Autopercepción y desempeño
Considerarse capaz de evaluar una respuesta implica una valoración de los propios
recursos técnicos, teóricos y metodológicos de los que se dispone. El estudiante se pronuncia
sobre su posibilidad de detectar errores, advertir insuficiencias, revisar cálculos o reconocer
cuándo necesita una comprobación adicional. Esta valoración interesa porque permite conocer
cómo se sitúa ante la tarea, aunque no establece por sí misma qué logrará distinguir cuando deba
examinar un contenido concreto.
Para estudiar esa relación es necesario recoger ambos registros y preguntar si quienes se
atribuyen mayor capacidad también resuelven con mayor acierto las tareas propuestas. La
comparación adquiere sentido precisamente porque cada registro aporta información sobre un
aspecto diferente del problema.
El contenido de la autopercepción merece, por ello, una delimitación cuidadosa. Carolus
et al. (2023), al desarrollar la escala MAILS con datos de 300 adultos germanoparlantes,
distinguieron facetas de alfabetización percibida y componentes relacionados con autoeficacia y
autogestión. Esta diferenciación permite reconocer que una valoración favorable de la propia
capacidad de uso puede coexistir con apreciaciones distintas sobre otras capacidades. El antecede
de MAILS permite precisar el campo del autoinforme, mientras que el contenido concreto de
nuestros ítems delimita aquello sobre lo que se pide al estudiante que se valore.
La necesidad de comparar esa valoración con una tarea de desempeño encuentra un
antecedente en GLAT. Jin et al. (2025) desarrollaron una prueba de 20 ítems de alfabetización en
IA generativa con 355 participantes y examinaron su validez externa en otros 83 estudiantes. En
esta última evaluación, la prueba aportó capacidad predictiva sobre el rendimiento en tareas
apoyadas por IA generativa por encima de una medida de competencia autopercibida en
ChatGPT. El resultado muestra la utilidad de disponer de información sobre lo que las personas
resuelven bajo condiciones definidas, además de lo que afirman acerca de su capacidad.
Ese acceso obliga a mantener separadas las observaciones y sus posibles explicaciones.
Declarar que se contrastaría una respuesta indica una vía de acción, pero deja pendiente conocer
si la comprobación podría ejecutarse y qué criterio se emplearía para valorar su resultado. Del
mismo modo, utilizar directamente una respuesta correcta puede apoyarse en razones que el
formulario no registra. La confianza general tampoco permite reconstruir la autoridad concedida
a cada texto, pues se refiere a una expectativa sobre las herramientas.
Estas diferencias son necesarias para que la discusión sobre el juicio conserve su
contenido: si una clasificación acertada se interpretara de inmediato como autonomía intelectual,
o una desacertada como delegación en la IA, desaparecería la pregunta por los fundamentos de la
decisión. La relación entre lo que el estudiante cree poder evaluar y lo que efectivamente clasifica
ofrece una aproximación empírica a ese problema, siempre que se conserve el referente de cada
medida.
Autopercepción y desempeño
Considerarse capaz de evaluar una respuesta implica una valoración de los propios
recursos técnicos, teóricos y metodológicos de los que se dispone. El estudiante se pronuncia
sobre su posibilidad de detectar errores, advertir insuficiencias, revisar cálculos o reconocer
cuándo necesita una comprobación adicional. Esta valoración interesa porque permite conocer
cómo se sitúa ante la tarea, aunque no establece por sí misma qué logrará distinguir cuando deba
examinar un contenido concreto.
Para estudiar esa relación es necesario recoger ambos registros y preguntar si quienes se
atribuyen mayor capacidad también resuelven con mayor acierto las tareas propuestas. La
comparación adquiere sentido precisamente porque cada registro aporta información sobre un
aspecto diferente del problema.
El contenido de la autopercepción merece, por ello, una delimitación cuidadosa. Carolus
et al. (2023), al desarrollar la escala MAILS con datos de 300 adultos germanoparlantes,
distinguieron facetas de alfabetización percibida y componentes relacionados con autoeficacia y
autogestión. Esta diferenciación permite reconocer que una valoración favorable de la propia
capacidad de uso puede coexistir con apreciaciones distintas sobre otras capacidades. El antecede
de MAILS permite precisar el campo del autoinforme, mientras que el contenido concreto de
nuestros ítems delimita aquello sobre lo que se pide al estudiante que se valore.
La necesidad de comparar esa valoración con una tarea de desempeño encuentra un
antecedente en GLAT. Jin et al. (2025) desarrollaron una prueba de 20 ítems de alfabetización en
IA generativa con 355 participantes y examinaron su validez externa en otros 83 estudiantes. En
esta última evaluación, la prueba aportó capacidad predictiva sobre el rendimiento en tareas
apoyadas por IA generativa por encima de una medida de competencia autopercibida en
ChatGPT. El resultado muestra la utilidad de disponer de información sobre lo que las personas
resuelven bajo condiciones definidas, además de lo que afirman acerca de su capacidad.
Vol. 13/ Núm. 3 2026 pág. 3077
La comparación en nuestro estudio requiere atender a una diferencia de referencia. Los
ítems de autopercepción preguntan por una capacidad general para examinar respuestas, mientras
que el desempeño se obtiene mediante cinco casos seleccionados. Una persona puede valorarse a
partir de experiencias más amplias que las contenidas en esos casos, y cada caso exige
conocimientos particulares. Por esta razón, expresar ambas puntuaciones en un mismo rango
numérico no haría equivalentes sus contenidos. Su diferencia tampoco constituiría una medida
validada de sobreconfianza. Lo que puede examinarse es la asociación entre ambas: si las
posiciones relativas de los estudiantes en la capacidad que se atribuyen guardan relación con sus
posiciones en el acierto obtenido.
El interés pedagógico de esta asociación depende de conservar esas condiciones de
interpretación. Una correspondencia débil plantearía preguntas sobre la relación entre la
valoración de los propios recursos y las exigencias de las tareas, pero no identificaría por sí sola
el origen de esa relación. Habría que considerar los conocimientos movilizados, el contenido de
los ítems y las características de los estímulos. Una correspondencia positiva tampoco resolvería
la cuestión de los fundamentos del juicio, porque el acierto seguiría sin revelar las razones de cada
elección. Ambas posibilidades permiten discutir la formación del criterio desde un registro
empírico delimitado. Para situarlo mejor, conviene examinar también qué esperan los estudiantes
de las herramientas y cómo declaran que procederían ante las respuestas.
Confianza y primera acción declarada
La expectativa acerca de la capacidad de la herramienta de IA utilizada tiene un referente
distinto de la valoración de los propios recursos. Cuando un estudiante indica cuánto confía en la
corrección de las respuestas de IA, se pronuncia sobre la información que espera recibir; cuando
valora su capacidad para evaluarlas, se refiere a lo que cree poder hacer frente a esa información.
Distinguir ambos referentes permite estudiar su relación sin asumir que una confianza elevada
implica una capacidad autopercibida igualmente elevada, o que una baja confianza demuestra
habilidad para reconocer errores. Glikson y Woolley (2020) muestran que la confianza en IA
depende de aspectos como su representación, capacidad, transparencia y fiabilidad, y distinguen
componentes cognitivos y emocionales. El ítem general sobre corrección técnica utilizado aquí
recoge una parte de ese campo y debe interpretarse dentro de ese alcance.
También es necesario examinar qué relación guarda la confianza expresada con una
decisión concreta. Mehrotra et al. (2024) diferencian las creencias declaradas sobre la IA de la
confianza inferida a partir de la actuación. Esta distinción tiene consecuencias para la lectura de
un cuestionario: afirmar que se confía en una herramienta no permite establecer si se adoptará una
recomendación determinada.
Para conocer esa actuación sería necesario observarla en la situación correspondiente.
Algo semejante ocurre con la verificación. Un estudiante puede declarar que comprobaría una
respuesta, pero el formulario no muestra cómo desarrollaría el procedimiento, qué información
La comparación en nuestro estudio requiere atender a una diferencia de referencia. Los
ítems de autopercepción preguntan por una capacidad general para examinar respuestas, mientras
que el desempeño se obtiene mediante cinco casos seleccionados. Una persona puede valorarse a
partir de experiencias más amplias que las contenidas en esos casos, y cada caso exige
conocimientos particulares. Por esta razón, expresar ambas puntuaciones en un mismo rango
numérico no haría equivalentes sus contenidos. Su diferencia tampoco constituiría una medida
validada de sobreconfianza. Lo que puede examinarse es la asociación entre ambas: si las
posiciones relativas de los estudiantes en la capacidad que se atribuyen guardan relación con sus
posiciones en el acierto obtenido.
El interés pedagógico de esta asociación depende de conservar esas condiciones de
interpretación. Una correspondencia débil plantearía preguntas sobre la relación entre la
valoración de los propios recursos y las exigencias de las tareas, pero no identificaría por sí sola
el origen de esa relación. Habría que considerar los conocimientos movilizados, el contenido de
los ítems y las características de los estímulos. Una correspondencia positiva tampoco resolvería
la cuestión de los fundamentos del juicio, porque el acierto seguiría sin revelar las razones de cada
elección. Ambas posibilidades permiten discutir la formación del criterio desde un registro
empírico delimitado. Para situarlo mejor, conviene examinar también qué esperan los estudiantes
de las herramientas y cómo declaran que procederían ante las respuestas.
Confianza y primera acción declarada
La expectativa acerca de la capacidad de la herramienta de IA utilizada tiene un referente
distinto de la valoración de los propios recursos. Cuando un estudiante indica cuánto confía en la
corrección de las respuestas de IA, se pronuncia sobre la información que espera recibir; cuando
valora su capacidad para evaluarlas, se refiere a lo que cree poder hacer frente a esa información.
Distinguir ambos referentes permite estudiar su relación sin asumir que una confianza elevada
implica una capacidad autopercibida igualmente elevada, o que una baja confianza demuestra
habilidad para reconocer errores. Glikson y Woolley (2020) muestran que la confianza en IA
depende de aspectos como su representación, capacidad, transparencia y fiabilidad, y distinguen
componentes cognitivos y emocionales. El ítem general sobre corrección técnica utilizado aquí
recoge una parte de ese campo y debe interpretarse dentro de ese alcance.
También es necesario examinar qué relación guarda la confianza expresada con una
decisión concreta. Mehrotra et al. (2024) diferencian las creencias declaradas sobre la IA de la
confianza inferida a partir de la actuación. Esta distinción tiene consecuencias para la lectura de
un cuestionario: afirmar que se confía en una herramienta no permite establecer si se adoptará una
recomendación determinada.
Para conocer esa actuación sería necesario observarla en la situación correspondiente.
Algo semejante ocurre con la verificación. Un estudiante puede declarar que comprobaría una
respuesta, pero el formulario no muestra cómo desarrollaría el procedimiento, qué información
Vol. 13/ Núm. 3 2026 pág. 3078
encontraría ni por qué la consideraría suficiente. La declaración permite estudiar la vía elegida
sin atribuirle el alcance de una comprobación realizada.
En este marco, la primera acción declarada aproxima la pregunta al contenido de cada
caso. El estudiante debe indicar si utilizaría la respuesta tal como está, revisaría el razonamiento
con conocimientos o cálculos propios, consultaría a una IA, contrastaría el aspecto decisivo con
una fuente confiable o una persona especializada, o resolvería por otra vía. La elección informa
cómo afirma que comenzaría a proceder ante esa explicación.
Su pertinencia depende del problema y de los recursos disponibles: revisar un cálculo
propio puede ser adecuado para una formulación sencilla, mientras que una afirmación sobre
inocuidad puede requerir un respaldo específico. Incluso una misma opción admite
procedimientos de calidad distinta, que el cuestionario no permite reconstruir. Por ello, las
acciones se conservan como categorías nominales, sin ordenarlas en una escala universal de
calidad.
Al reunir la clasificación y la primera acción puede describirse qué vías declaran quienes aciertan
y quienes eligen otras categorías, manteniendo abierta la explicación de esas relaciones. Se trata
de información distinta de la secuencia de decisiones requerida para estudiar la dependencia
apropiada en los términos de Schemmer et al. (2023). Además, como no se solicita una
probabilidad de acierto para cada clasificación, tampoco es posible examinar calibración por caso.
La confianza general, la autopercepción y la acción declarada contribuyen así a contextualizar el
desempeño desde referentes diferentes. La literatura sobre educación en ingeniería permite
apreciar por qué esas diferencias resultan necesarias al interpretar la relación de los estudiantes
con la IA.
Antecedentes en educación en ingeniería
La incorporación de IA generativa a la formación en ingeniería ha dado lugar a
investigaciones sobre experiencias de uso, valoraciones de utilidad y prácticas de interacción. La
revisión de Álvarez Ariza et al. (2025), que reúne 146 estudios en educación en ingeniería y
computación, plantea la necesidad de articular la incorporación de estas herramientas con
prácticas reflexivas y con el currículo. Para el problema que aquí se examina, esa articulación
exige precisar qué se aprende cuando se utiliza una herramienta y qué evidencia permite
reconocerlo. El acceso a una respuesta puede formar parte de una actividad académica, pero la
frecuencia de uso, la utilidad que se le atribuye y el acierto al evaluarla informan sobre aspectos
distintos de esa experiencia.
La heterogeneidad del uso aparece en el estudio de Dai (2025) sobre un chatbot empleado
en proyectos de diseño con 403 estudiantes. El 59,8 % registró un uso sustancial y el 40,2 %
mostró un uso limitado o no documentado; las decisiones de utilización se relacionaron con
características de la tarea, del estudiante y del contexto. Estas diferencias muestran por qué la
disponibilidad de una herramienta no basta para describir la experiencia formativa que se
encontraría ni por qué la consideraría suficiente. La declaración permite estudiar la vía elegida
sin atribuirle el alcance de una comprobación realizada.
En este marco, la primera acción declarada aproxima la pregunta al contenido de cada
caso. El estudiante debe indicar si utilizaría la respuesta tal como está, revisaría el razonamiento
con conocimientos o cálculos propios, consultaría a una IA, contrastaría el aspecto decisivo con
una fuente confiable o una persona especializada, o resolvería por otra vía. La elección informa
cómo afirma que comenzaría a proceder ante esa explicación.
Su pertinencia depende del problema y de los recursos disponibles: revisar un cálculo
propio puede ser adecuado para una formulación sencilla, mientras que una afirmación sobre
inocuidad puede requerir un respaldo específico. Incluso una misma opción admite
procedimientos de calidad distinta, que el cuestionario no permite reconstruir. Por ello, las
acciones se conservan como categorías nominales, sin ordenarlas en una escala universal de
calidad.
Al reunir la clasificación y la primera acción puede describirse qué vías declaran quienes aciertan
y quienes eligen otras categorías, manteniendo abierta la explicación de esas relaciones. Se trata
de información distinta de la secuencia de decisiones requerida para estudiar la dependencia
apropiada en los términos de Schemmer et al. (2023). Además, como no se solicita una
probabilidad de acierto para cada clasificación, tampoco es posible examinar calibración por caso.
La confianza general, la autopercepción y la acción declarada contribuyen así a contextualizar el
desempeño desde referentes diferentes. La literatura sobre educación en ingeniería permite
apreciar por qué esas diferencias resultan necesarias al interpretar la relación de los estudiantes
con la IA.
Antecedentes en educación en ingeniería
La incorporación de IA generativa a la formación en ingeniería ha dado lugar a
investigaciones sobre experiencias de uso, valoraciones de utilidad y prácticas de interacción. La
revisión de Álvarez Ariza et al. (2025), que reúne 146 estudios en educación en ingeniería y
computación, plantea la necesidad de articular la incorporación de estas herramientas con
prácticas reflexivas y con el currículo. Para el problema que aquí se examina, esa articulación
exige precisar qué se aprende cuando se utiliza una herramienta y qué evidencia permite
reconocerlo. El acceso a una respuesta puede formar parte de una actividad académica, pero la
frecuencia de uso, la utilidad que se le atribuye y el acierto al evaluarla informan sobre aspectos
distintos de esa experiencia.
La heterogeneidad del uso aparece en el estudio de Dai (2025) sobre un chatbot empleado
en proyectos de diseño con 403 estudiantes. El 59,8 % registró un uso sustancial y el 40,2 %
mostró un uso limitado o no documentado; las decisiones de utilización se relacionaron con
características de la tarea, del estudiante y del contexto. Estas diferencias muestran por qué la
disponibilidad de una herramienta no basta para describir la experiencia formativa que se
Vol. 13/ Núm. 3 2026 pág. 3079
construye con ella. Alkabaa y Alamri (2025), mediante una encuesta a 403 estudiantes de siete
ramas de ingeniería, también identificaron diferencias entre especialidades en experiencias y
percepciones sobre IA generativa. Aunque sus medidas autoinformadas no permiten determinar
qué grupo reconoce objetivamente más errores, el estudio invita a precisar la población y los
contenidos cuando se interpretan resultados bajo la denominación general de estudiantes de
ingeniería.
La utilidad percibida añade una dificultad: una misma herramienta puede valorarse de
manera diferente según la función que se le atribuya. Mohammed et al. (2026) examinaron una
actividad de Ingeniería Mecánica mediante una encuesta a 56 estudiantes, de los cuales 47
declararon haber utilizado IA. La valoración de su ayuda para resolver problemas y aclarar
conceptos fue diferente de la valoración de su uso para validar cálculos y conceptos. La distinción
importa para comprender la evaluación de respuestas, porque encontrar apoyo para seguir una
explicación no resuelve necesariamente el examen de su corrección. El estudio recoge
percepciones en una asignatura y, desde ese registro, permite preguntar qué espera el estudiante
cuando considera útil una respuesta; la evidencia directa de aprendizaje requiere otras
observaciones.
La coexistencia de utilidad y limitaciones técnicas se aprecia en Shallari et al. (2026),
quienes compararon valoraciones estudiantiles con una evaluación docente de respuestas en dos
cursos de sistemas digitales, con 32 participantes de pregrado y 20 de posgrado. Los estudiantes
podían atribuir utilidad a contenidos en los que los docentes identificaban errores o la necesidad
de apoyo adicional.
Este resultado permite continuar la pregunta anterior: si una explicación puede ser
valorada favorablemente pese a contener dificultades técnicas, conviene observar qué distingue
el estudiante cuando se le pide juzgarla. El antecedente no aplicó a cada participante una prueba
equivalente a nuestros casos; su contribución consiste en mostrar por qué la utilidad percibida
deja abierta una pregunta sobre la valoración técnica que nuestro estudio aborda mediante
estímulos comunes.
Las investigaciones sobre formas de interacción ofrecen otra aproximación a esa
pregunta. Hou et al. (2025), con 808 respuestas posteriores a una actividad con IA generativa,
encontraron asociaciones entre pensamiento crítico y formas reflexivas, cautelosas y
colaborativas de uso; la confianza mostró su asociación más fuerte con el uso irreflexivo.
Amoozadeh et al. (2024), en una encuesta a 253 estudiantes de informática, identificaron también
heterogeneidad en la confianza en IA generativa. Al proceder de autoinformes, estas
observaciones permiten estudiar cómo se relacionan las valoraciones y las prácticas declaradas,
sin establecer una dirección causal ni demostrar conductas observadas. Para nuestra investigación,
sostienen el interés de registrar confianza y experiencia de uso conservando la diferencia entre
esos datos y el acierto en una tarea técnica.
construye con ella. Alkabaa y Alamri (2025), mediante una encuesta a 403 estudiantes de siete
ramas de ingeniería, también identificaron diferencias entre especialidades en experiencias y
percepciones sobre IA generativa. Aunque sus medidas autoinformadas no permiten determinar
qué grupo reconoce objetivamente más errores, el estudio invita a precisar la población y los
contenidos cuando se interpretan resultados bajo la denominación general de estudiantes de
ingeniería.
La utilidad percibida añade una dificultad: una misma herramienta puede valorarse de
manera diferente según la función que se le atribuya. Mohammed et al. (2026) examinaron una
actividad de Ingeniería Mecánica mediante una encuesta a 56 estudiantes, de los cuales 47
declararon haber utilizado IA. La valoración de su ayuda para resolver problemas y aclarar
conceptos fue diferente de la valoración de su uso para validar cálculos y conceptos. La distinción
importa para comprender la evaluación de respuestas, porque encontrar apoyo para seguir una
explicación no resuelve necesariamente el examen de su corrección. El estudio recoge
percepciones en una asignatura y, desde ese registro, permite preguntar qué espera el estudiante
cuando considera útil una respuesta; la evidencia directa de aprendizaje requiere otras
observaciones.
La coexistencia de utilidad y limitaciones técnicas se aprecia en Shallari et al. (2026),
quienes compararon valoraciones estudiantiles con una evaluación docente de respuestas en dos
cursos de sistemas digitales, con 32 participantes de pregrado y 20 de posgrado. Los estudiantes
podían atribuir utilidad a contenidos en los que los docentes identificaban errores o la necesidad
de apoyo adicional.
Este resultado permite continuar la pregunta anterior: si una explicación puede ser
valorada favorablemente pese a contener dificultades técnicas, conviene observar qué distingue
el estudiante cuando se le pide juzgarla. El antecedente no aplicó a cada participante una prueba
equivalente a nuestros casos; su contribución consiste en mostrar por qué la utilidad percibida
deja abierta una pregunta sobre la valoración técnica que nuestro estudio aborda mediante
estímulos comunes.
Las investigaciones sobre formas de interacción ofrecen otra aproximación a esa
pregunta. Hou et al. (2025), con 808 respuestas posteriores a una actividad con IA generativa,
encontraron asociaciones entre pensamiento crítico y formas reflexivas, cautelosas y
colaborativas de uso; la confianza mostró su asociación más fuerte con el uso irreflexivo.
Amoozadeh et al. (2024), en una encuesta a 253 estudiantes de informática, identificaron también
heterogeneidad en la confianza en IA generativa. Al proceder de autoinformes, estas
observaciones permiten estudiar cómo se relacionan las valoraciones y las prácticas declaradas,
sin establecer una dirección causal ni demostrar conductas observadas. Para nuestra investigación,
sostienen el interés de registrar confianza y experiencia de uso conservando la diferencia entre
esos datos y el acierto en una tarea técnica.
Vol. 13/ Núm. 3 2026 pág. 3080
El examen de la interacción requiere, además, atender a lo que se hace con las respuestas
durante la actividad. López-Vargas et al. (2026) estudiaron una tarea de depuración con 340
estudiantes y analizaron datos completos de interacción en 301 casos. El éxito declarado se
relacionó con la eficiencia de las consultas y con las prácticas de verificación; una mayor cantidad
de consultas no aseguró mejores resultados dentro del tiempo disponible. La ausencia de grupo
control y el carácter autodeclarado del éxito limitan la interpretación causal, pero la relación
observada permite precisar el objeto del examen: contar interacciones deja pendiente conocer si
contribuyeron a reconocer y resolver el problema.
La verificación plantea a su vez preguntas sobre aquello que se comprueba. Borowczak
y Borowczak (2026) describen, entre 147 estudiantes, frecuencias declaradas de verificación
diferentes para código y explicaciones técnicas. La distinción entre ambos contenidos permite
advertir que preguntar con qué frecuencia se verifica no agota el estudio de esa práctica. Para
comprenderla habría que conocer qué aspecto se examina y cómo se decide que la evidencia
obtenida es suficiente. Nuestro formulario recoge la primera vía de acción, de manera que
conserva una referencia al caso sin reconstruir el desarrollo de la estrategia. Esta delimitación
conduce de nuevo al problema disciplinar: el examen que una respuesta requiere depende de lo
que afirma y de las condiciones bajo las cuales se pretende utilizarla.
Antecedentes alimentarios y objetivo del estudio
En Ciencia de los Alimentos, Sabbione y Patrignani (2024) presentan una propuesta
didáctica que incorpora ChatGPT y solicita contrastar sus respuestas con libros y trabajos
científicos. La comprobación documental forma parte de la actividad, de modo que la información
recibida debe someterse a examen durante el aprendizaje. El trabajo describe una encuesta
docente y el desarrollo de la propuesta, sin presentar resultados posteriores de desempeño
estudiantil. Su aportación permite situar la revisión como una exigencia de enseñanza en la
disciplina y plantea una pregunta que requiere observación empírica: qué logran reconocer los
estudiantes cuando deben evaluar una explicación técnica.
La validación específica del dominio señalada por Pennells et al. (2025) ayuda a
comprender el alcance de esa pregunta. Una respuesta destinada a apoyar decisiones alimentarias
debe examinarse mediante conocimientos pertinentes; una actividad que incorpora ese examen
debe considerar cómo aprenden los estudiantes a utilizarlos. Entre ambas exigencias se encuentra
el juicio técnico en formación. El problema consiste en conocer qué valoración puede formular
quien debe decidir sobre una respuesta mientras todavía está consolidando los criterios para
hacerlo. Estudiar esa actuación requiere definir los contenidos, las condiciones de la tarea y
aquello que se considerará acierto, pues la pertinencia del problema educativo no garantiza por sí
misma la calidad de los estímulos seleccionados.
Los antecedentes revisados aportan pruebas de alfabetización, escalas de autopercepción
y estudios sobre uso, confianza y verificación. La diversidad de sus medidas permite reconocer
El examen de la interacción requiere, además, atender a lo que se hace con las respuestas
durante la actividad. López-Vargas et al. (2026) estudiaron una tarea de depuración con 340
estudiantes y analizaron datos completos de interacción en 301 casos. El éxito declarado se
relacionó con la eficiencia de las consultas y con las prácticas de verificación; una mayor cantidad
de consultas no aseguró mejores resultados dentro del tiempo disponible. La ausencia de grupo
control y el carácter autodeclarado del éxito limitan la interpretación causal, pero la relación
observada permite precisar el objeto del examen: contar interacciones deja pendiente conocer si
contribuyeron a reconocer y resolver el problema.
La verificación plantea a su vez preguntas sobre aquello que se comprueba. Borowczak
y Borowczak (2026) describen, entre 147 estudiantes, frecuencias declaradas de verificación
diferentes para código y explicaciones técnicas. La distinción entre ambos contenidos permite
advertir que preguntar con qué frecuencia se verifica no agota el estudio de esa práctica. Para
comprenderla habría que conocer qué aspecto se examina y cómo se decide que la evidencia
obtenida es suficiente. Nuestro formulario recoge la primera vía de acción, de manera que
conserva una referencia al caso sin reconstruir el desarrollo de la estrategia. Esta delimitación
conduce de nuevo al problema disciplinar: el examen que una respuesta requiere depende de lo
que afirma y de las condiciones bajo las cuales se pretende utilizarla.
Antecedentes alimentarios y objetivo del estudio
En Ciencia de los Alimentos, Sabbione y Patrignani (2024) presentan una propuesta
didáctica que incorpora ChatGPT y solicita contrastar sus respuestas con libros y trabajos
científicos. La comprobación documental forma parte de la actividad, de modo que la información
recibida debe someterse a examen durante el aprendizaje. El trabajo describe una encuesta
docente y el desarrollo de la propuesta, sin presentar resultados posteriores de desempeño
estudiantil. Su aportación permite situar la revisión como una exigencia de enseñanza en la
disciplina y plantea una pregunta que requiere observación empírica: qué logran reconocer los
estudiantes cuando deben evaluar una explicación técnica.
La validación específica del dominio señalada por Pennells et al. (2025) ayuda a
comprender el alcance de esa pregunta. Una respuesta destinada a apoyar decisiones alimentarias
debe examinarse mediante conocimientos pertinentes; una actividad que incorpora ese examen
debe considerar cómo aprenden los estudiantes a utilizarlos. Entre ambas exigencias se encuentra
el juicio técnico en formación. El problema consiste en conocer qué valoración puede formular
quien debe decidir sobre una respuesta mientras todavía está consolidando los criterios para
hacerlo. Estudiar esa actuación requiere definir los contenidos, las condiciones de la tarea y
aquello que se considerará acierto, pues la pertinencia del problema educativo no garantiza por sí
misma la calidad de los estímulos seleccionados.
Los antecedentes revisados aportan pruebas de alfabetización, escalas de autopercepción
y estudios sobre uso, confianza y verificación. La diversidad de sus medidas permite reconocer
Vol. 13/ Núm. 3 2026 pág. 3081
varias dimensiones de la relación con la IA, aunque también exige precisar cómo se conectan
cuando el objeto es una respuesta alimentaria. En el corpus temático de los trabajos utilizado para
fundamentar esta investigación no se identificó la misma combinación de estudiantes de
Ingeniería en Alimentos, autopercepción evaluativa, clasificación individual de cinco respuestas
técnicas adaptadas y primera acción declarada.
Esta observación se limita a los trabajos examinados: su selección no constituye una
revisión sistemática ni permite afirmar prioridad universal. El interés del estudio reside en
observar cómo se relaciona la capacidad que el estudiante se atribuye con su acierto ante tareas
que demandan conocimientos del campo, y en describir cómo afirma que procedería frente a esas
mismas respuestas.
La pregunta principal es qué asociación existe entre la capacidad autopercibida para
evaluar respuestas de IA y el acierto al clasificar cinco respuestas técnicas adaptadas en
estudiantes de Ingeniería en Alimentos de la Universidad Técnica Estatal de Quevedo. El objetivo
general es analizar esa asociación en estudiantes de cuarto a décimo semestre. No se establece
una hipótesis direccional, porque la relación se plantea sin presuponer concordancia o
discrepancia entre las medidas. De manera complementaria, se busca describir la experiencia de
uso, la formación previa, la verificación habitual y la confianza general; caracterizar las
clasificaciones y las primeras acciones declaradas ante cada caso; y explorar la relación del
desempeño con las variables formativas y de uso.
Esta aproximación permite discutir necesidades de enseñanza a partir de resultados de
valoración y de la capacidad que los estudiantes se atribuyen, conservando abierta la pregunta por
los fundamentos de sus elecciones. La discusión sobre autoridad y responsabilidad orienta esa
lectura sin convertir una asociación en prueba de autonomía intelectual o de cesión del juicio a la
IA. La interpretación depende de mantener vinculadas las medidas con las tareas de las que
proceden. Por ello, el diseño que se describe a continuación distingue la clasificación técnica, la
autopercepción y las acciones declaradas, y establece qué información aporta cada una al
problema de aprender a juzgar una respuesta disponible.
MATERIALES Y MÉTODOS
Diseño y participantes
Se realizó un estudio cuantitativo, no experimental y transversal, de alcance descriptivo-
correlacional, en estudiantes de Ingeniería en Alimentos de la Universidad Técnica Estatal de
Quevedo, Ecuador, durante el PPA 2026-2027. La convocatoria comprendió todos los paralelos
de cuarto a décimo semestre, mediante muestreo no probabilístico por accesibilidad y
participación voluntaria. Estos niveles se seleccionaron porque habían cursado contenidos
considerados necesarios para abordar los casos, sin asumir que el semestre acreditara su dominio
individual.
varias dimensiones de la relación con la IA, aunque también exige precisar cómo se conectan
cuando el objeto es una respuesta alimentaria. En el corpus temático de los trabajos utilizado para
fundamentar esta investigación no se identificó la misma combinación de estudiantes de
Ingeniería en Alimentos, autopercepción evaluativa, clasificación individual de cinco respuestas
técnicas adaptadas y primera acción declarada.
Esta observación se limita a los trabajos examinados: su selección no constituye una
revisión sistemática ni permite afirmar prioridad universal. El interés del estudio reside en
observar cómo se relaciona la capacidad que el estudiante se atribuye con su acierto ante tareas
que demandan conocimientos del campo, y en describir cómo afirma que procedería frente a esas
mismas respuestas.
La pregunta principal es qué asociación existe entre la capacidad autopercibida para
evaluar respuestas de IA y el acierto al clasificar cinco respuestas técnicas adaptadas en
estudiantes de Ingeniería en Alimentos de la Universidad Técnica Estatal de Quevedo. El objetivo
general es analizar esa asociación en estudiantes de cuarto a décimo semestre. No se establece
una hipótesis direccional, porque la relación se plantea sin presuponer concordancia o
discrepancia entre las medidas. De manera complementaria, se busca describir la experiencia de
uso, la formación previa, la verificación habitual y la confianza general; caracterizar las
clasificaciones y las primeras acciones declaradas ante cada caso; y explorar la relación del
desempeño con las variables formativas y de uso.
Esta aproximación permite discutir necesidades de enseñanza a partir de resultados de
valoración y de la capacidad que los estudiantes se atribuyen, conservando abierta la pregunta por
los fundamentos de sus elecciones. La discusión sobre autoridad y responsabilidad orienta esa
lectura sin convertir una asociación en prueba de autonomía intelectual o de cesión del juicio a la
IA. La interpretación depende de mantener vinculadas las medidas con las tareas de las que
proceden. Por ello, el diseño que se describe a continuación distingue la clasificación técnica, la
autopercepción y las acciones declaradas, y establece qué información aporta cada una al
problema de aprender a juzgar una respuesta disponible.
MATERIALES Y MÉTODOS
Diseño y participantes
Se realizó un estudio cuantitativo, no experimental y transversal, de alcance descriptivo-
correlacional, en estudiantes de Ingeniería en Alimentos de la Universidad Técnica Estatal de
Quevedo, Ecuador, durante el PPA 2026-2027. La convocatoria comprendió todos los paralelos
de cuarto a décimo semestre, mediante muestreo no probabilístico por accesibilidad y
participación voluntaria. Estos niveles se seleccionaron porque habían cursado contenidos
considerados necesarios para abordar los casos, sin asumir que el semestre acreditara su dominio
individual.
Vol. 13/ Núm. 3 2026 pág. 3082
Se estableció previamente una semana de vigencia de la encuesta. La exportación registra
envíos entre el 6 y el 11 de septiembre de 2026; el cierre se comunicó antes de examinar las
asociaciones. De 130 envíos, tres correspondieron a personas que no otorgaron consentimiento y
dejaron vacío el instrumento. Se incluyeron 127 estudiantes, todos con respuestas a los cinco
casos. Dos omitieron un ítem de autopercepción, por lo que el análisis principal comprendió 125
registros completos. Los tres participantes del piloto quedaron fuera de esta muestra. La unidad
de análisis fue el estudiante, conservando vinculadas sus respuestas a los cinco casos.
Instrumento y revisión
El formulario de Google incluyó consentimiento y tres bloques. El primero registró
semestre, frecuencias de uso académico y disciplinar de IA generativa, herramienta más utilizada,
formación previa para evaluar respuestas, verificación habitual y confianza general en su
corrección técnica. Las frecuencias y la confianza se trataron como ordinales; la herramienta y la
procedencia de la formación, como nominales.
El segundo bloque reunió cinco ítems propios del proyecto sobre capacidad autopercibida:
identificar errores técnicos, reconocer respuestas correctas pero insuficientes, detectar errores en
cálculos o explicaciones, distinguir una respuesta convincente de otra fundamentada y reconocer
cuándo se necesita comprobación adicional. Las respuestas variaron de 1, «totalmente en
desacuerdo», a 5, «totalmente de acuerdo», sin ítems inversos. El índice fue la media de los cinco
ítems.
El tercer bloque presentó cinco respuestas adaptadas de un banco de 20 consultas a
ChatGPT (versión gratuita), sobre humedad y actividad de agua, congelación y microorganismos,
pH y acidez titulable, análisis microbiológico de un lote y preparación de una salmuera. Fueron
estímulos seleccionados para evaluar clasificaciones técnicas, no una muestra aleatoria de
respuestas del sistema. Cada respuesta se clasificó como correcta y suficiente; correcta, pero
incompleta; contiene algún error técnico; incorrecta en lo esencial; o no puedo determinarlo. Una
guía explicó las diferencias entre categorías.
Después de cada clasificación se preguntó qué haría primero el estudiante: utilizar la
respuesta directamente, revisarla con conocimientos o cálculos propios, consultar a una IA,
contrastarla con una fuente confiable o especialista, o resolver por otra vía. Las acciones se
conservaron como categorías nominales, sin una jerarquía universal de calidad. No se recogieron
justificaciones abiertas, confianza por caso ni comprobaciones ejecutadas.
Dos revisores con doctorado en Ciencias de Alimentos examinaron los casos y sus claves.
Solicitaron precisiones o adiciones de términos, incorporadas antes de la encuesta principal, y
mantuvieron las clasificaciones previstas. Un piloto con tres estudiantes no registró dificultades
reportadas de comprensión o funcionamiento. Estas actividades correspondieron a revisión
técnica y comprobación de la aplicación, sin constituir una validación psicométrica integral.
Se estableció previamente una semana de vigencia de la encuesta. La exportación registra
envíos entre el 6 y el 11 de septiembre de 2026; el cierre se comunicó antes de examinar las
asociaciones. De 130 envíos, tres correspondieron a personas que no otorgaron consentimiento y
dejaron vacío el instrumento. Se incluyeron 127 estudiantes, todos con respuestas a los cinco
casos. Dos omitieron un ítem de autopercepción, por lo que el análisis principal comprendió 125
registros completos. Los tres participantes del piloto quedaron fuera de esta muestra. La unidad
de análisis fue el estudiante, conservando vinculadas sus respuestas a los cinco casos.
Instrumento y revisión
El formulario de Google incluyó consentimiento y tres bloques. El primero registró
semestre, frecuencias de uso académico y disciplinar de IA generativa, herramienta más utilizada,
formación previa para evaluar respuestas, verificación habitual y confianza general en su
corrección técnica. Las frecuencias y la confianza se trataron como ordinales; la herramienta y la
procedencia de la formación, como nominales.
El segundo bloque reunió cinco ítems propios del proyecto sobre capacidad autopercibida:
identificar errores técnicos, reconocer respuestas correctas pero insuficientes, detectar errores en
cálculos o explicaciones, distinguir una respuesta convincente de otra fundamentada y reconocer
cuándo se necesita comprobación adicional. Las respuestas variaron de 1, «totalmente en
desacuerdo», a 5, «totalmente de acuerdo», sin ítems inversos. El índice fue la media de los cinco
ítems.
El tercer bloque presentó cinco respuestas adaptadas de un banco de 20 consultas a
ChatGPT (versión gratuita), sobre humedad y actividad de agua, congelación y microorganismos,
pH y acidez titulable, análisis microbiológico de un lote y preparación de una salmuera. Fueron
estímulos seleccionados para evaluar clasificaciones técnicas, no una muestra aleatoria de
respuestas del sistema. Cada respuesta se clasificó como correcta y suficiente; correcta, pero
incompleta; contiene algún error técnico; incorrecta en lo esencial; o no puedo determinarlo. Una
guía explicó las diferencias entre categorías.
Después de cada clasificación se preguntó qué haría primero el estudiante: utilizar la
respuesta directamente, revisarla con conocimientos o cálculos propios, consultar a una IA,
contrastarla con una fuente confiable o especialista, o resolver por otra vía. Las acciones se
conservaron como categorías nominales, sin una jerarquía universal de calidad. No se recogieron
justificaciones abiertas, confianza por caso ni comprobaciones ejecutadas.
Dos revisores con doctorado en Ciencias de Alimentos examinaron los casos y sus claves.
Solicitaron precisiones o adiciones de términos, incorporadas antes de la encuesta principal, y
mantuvieron las clasificaciones previstas. Un piloto con tres estudiantes no registró dificultades
reportadas de comprensión o funcionamiento. Estas actividades correspondieron a revisión
técnica y comprobación de la aplicación, sin constituir una validación psicométrica integral.
Vol. 13/ Núm. 3 2026 pág. 3083
Aplicación y resguardo
La aplicación fue presencial, con autorización verbal de la facultad y la carrera y
asistencia de un colaborador que atendió dudas operativas sin interpretar los casos. Los
participantes recibieron información sobre voluntariedad, uso académico de los datos y ausencia
de consecuencias sobre sus calificaciones. El formulario no recogió información personal. Se
solicitó responder con conocimientos propios, sin consultar IA, internet, materiales u otras
personas. Los casos mantuvieron el mismo orden y no se reportaron incidencias. Se conservaron
la exportación original, una base de trabajo y una base analítica con identificadores secuenciales,
junto con el registro de depuración y el código. El investigador tiene acceso a la base, cuya
conservación será indefinida. No se eliminaron participaciones por baja puntuación o semejanza
de respuestas.
Puntuación y análisis
La clave para los casos 1 a 5 fue, respectivamente, correcta y suficiente; contiene algún
error técnico; correcta, pero incompleta; incorrecta en lo esencial; y correcta y suficiente. Cada
coincidencia exacta recibió un punto; las demás categorías, incluida la abstención, recibieron cero.
El rango posible del total fue de 0 a 5. La abstención se conservó además descriptivamente y las
omisiones se trataron como faltantes. Ambos índices requirieron sus cinco componentes, sin
imputación ni prorrateo; los registros incompletos contribuyeron a las variables disponibles.
Se calcularon frecuencias, porcentajes, mediana, rango intercuartílico, rango observado,
media y desviación estándar. Por caso se presentó la distribución de clasificaciones y el acierto
con intervalo de Wilson del 95 %. La consistencia interna de la autopercepción se examinó
mediante correlaciones entre ítems, ítem-total corregidas y alfa de Cronbach con intervalo
bootstrap, utilizando las puntuaciones originales y correlaciones de Pearson.
La asociación principal se estimó mediante Spearman, con intervalo del 95 % por
percentiles de 5.000 remuestreos de estudiantes completos. Se conservaron los empates mediante
rangos promedio y se utilizó la semilla 20260905. Exploratoriamente se relacionó el desempeño
con confianza, semestre, uso y verificación; la formación se comparó mediante Kruskal–Wallis y
tamaño del efecto. Los cruces entre acierto y acción se describieron con porcentajes y V de
Cramér. Los contrastes utilizaron 9.999 permutaciones; Benjamini–Hochberg se aplicó
separadamente a las cinco correlaciones ordinales y los cinco cruces. Kruskal–Wallis se informó
individualmente. La sensibilidad omitió sucesivamente cada caso, manteniendo como principal
la puntuación completa. El análisis utilizó Python 3.12.14, NumPy 2.3.5 y pandas 3.0.1. Las
inferencias se circunscriben a las asociaciones de esta muestra y estas tareas.
RESULTADOS
Participantes y características de la muestra
Se recibieron 130 envíos, de los cuales tres correspondieron a personas que no otorgaron
su consentimiento y no respondieron el resto del instrumento. La muestra estuvo conformada por
Aplicación y resguardo
La aplicación fue presencial, con autorización verbal de la facultad y la carrera y
asistencia de un colaborador que atendió dudas operativas sin interpretar los casos. Los
participantes recibieron información sobre voluntariedad, uso académico de los datos y ausencia
de consecuencias sobre sus calificaciones. El formulario no recogió información personal. Se
solicitó responder con conocimientos propios, sin consultar IA, internet, materiales u otras
personas. Los casos mantuvieron el mismo orden y no se reportaron incidencias. Se conservaron
la exportación original, una base de trabajo y una base analítica con identificadores secuenciales,
junto con el registro de depuración y el código. El investigador tiene acceso a la base, cuya
conservación será indefinida. No se eliminaron participaciones por baja puntuación o semejanza
de respuestas.
Puntuación y análisis
La clave para los casos 1 a 5 fue, respectivamente, correcta y suficiente; contiene algún
error técnico; correcta, pero incompleta; incorrecta en lo esencial; y correcta y suficiente. Cada
coincidencia exacta recibió un punto; las demás categorías, incluida la abstención, recibieron cero.
El rango posible del total fue de 0 a 5. La abstención se conservó además descriptivamente y las
omisiones se trataron como faltantes. Ambos índices requirieron sus cinco componentes, sin
imputación ni prorrateo; los registros incompletos contribuyeron a las variables disponibles.
Se calcularon frecuencias, porcentajes, mediana, rango intercuartílico, rango observado,
media y desviación estándar. Por caso se presentó la distribución de clasificaciones y el acierto
con intervalo de Wilson del 95 %. La consistencia interna de la autopercepción se examinó
mediante correlaciones entre ítems, ítem-total corregidas y alfa de Cronbach con intervalo
bootstrap, utilizando las puntuaciones originales y correlaciones de Pearson.
La asociación principal se estimó mediante Spearman, con intervalo del 95 % por
percentiles de 5.000 remuestreos de estudiantes completos. Se conservaron los empates mediante
rangos promedio y se utilizó la semilla 20260905. Exploratoriamente se relacionó el desempeño
con confianza, semestre, uso y verificación; la formación se comparó mediante Kruskal–Wallis y
tamaño del efecto. Los cruces entre acierto y acción se describieron con porcentajes y V de
Cramér. Los contrastes utilizaron 9.999 permutaciones; Benjamini–Hochberg se aplicó
separadamente a las cinco correlaciones ordinales y los cinco cruces. Kruskal–Wallis se informó
individualmente. La sensibilidad omitió sucesivamente cada caso, manteniendo como principal
la puntuación completa. El análisis utilizó Python 3.12.14, NumPy 2.3.5 y pandas 3.0.1. Las
inferencias se circunscriben a las asociaciones de esta muestra y estas tareas.
RESULTADOS
Participantes y características de la muestra
Se recibieron 130 envíos, de los cuales tres correspondieron a personas que no otorgaron
su consentimiento y no respondieron el resto del instrumento. La muestra estuvo conformada por
Vol. 13/ Núm. 3 2026 pág. 3084
127 estudiantes de cuarto a décimo semestre. Los tres participantes del piloto no formaron parte
de esta base y no se reportaron incidencias de uso de apoyos durante la aplicación. Todos los
participantes respondieron las cinco clasificaciones y las cinco preguntas de acción. Dos
omitieron el ítem 10 de autopercepción, por lo que el índice de cinco ítems y su asociación con el
desempeño se calcularon con 125 respuestas completas, sin imputación.
Tabla 1
Distribución de participantes por semestre
Semestre n %
4 9 7,1
5 10 7,9
6 4 3,1
7 40 31,5
8 16 12,6
9 26 20,5
10 22 17,3
Total 127 100,0
Séptimo semestre concentró la mayor proporción de participantes (31,5 %; tabla 1). El
uso académico de IA al menos una vez por semana fue declarado por 111 estudiantes (87,4 %), y
el uso con esa frecuencia para problemas de la carrera por 93 (73,2 %). Las herramientas más
utilizadas fueron ChatGPT (66; 52,0 %), Claude (31; 24,4 %) y Gemini (20; 15,7 %).
La formación para evaluar respuestas de IA fue personal en 49 estudiantes (38,6 %),
institucional en nueve (7,1 %) y ambas en 13 (10,2 %); 56 (44,1 %) no reportaron formación. La
verificación frecuente o constante fue declarada por 51 (40,2 %) y la confianza moderada por 98
(77,2 %).
Autopercepción y distribución del desempeño
El índice de autopercepción presentó una media de 3,46 (DE = 0,74), mediana de 3,40 y
cuartiles de 3,00 y 4,00, con un rango observado de 1 a 5 (n = 125). Las medias por ítem se
presentan en la tabla 2. El alfa de Cronbach fue 0,851 (IC del 95 %: 0,776–0,899), calculado con
los 125 registros completos. Las correlaciones ítem–total corregidas estuvieron entre 0,603 y
0,736.
Tabla 2
Autopercepción de la capacidad de evaluación técnica
Ítem abreviado n Media DE r ítem–total
8. Identificar errores técnicos 127 3,46 1,00 0,656
9. Reconocer información insuficiente 127 3,58 0,80 0,677
10. Detectar errores de cálculo o explicación 125 3,48 1,04 0,603
11. Distinguir persuasión y fundamento técnico 127 3,39 0,96 0,657
12. Determinar necesidad de comprobación 127 3,43 0,93 0,736
Nota. Respuestas de 1 a 5. Los descriptivos utilizan las respuestas disponibles por ítem; las correlaciones ítem–total
corregidas utilizan n = 125. IC del alfa: bootstrap percentil de 5.000 muestras de estudiantes.
127 estudiantes de cuarto a décimo semestre. Los tres participantes del piloto no formaron parte
de esta base y no se reportaron incidencias de uso de apoyos durante la aplicación. Todos los
participantes respondieron las cinco clasificaciones y las cinco preguntas de acción. Dos
omitieron el ítem 10 de autopercepción, por lo que el índice de cinco ítems y su asociación con el
desempeño se calcularon con 125 respuestas completas, sin imputación.
Tabla 1
Distribución de participantes por semestre
Semestre n %
4 9 7,1
5 10 7,9
6 4 3,1
7 40 31,5
8 16 12,6
9 26 20,5
10 22 17,3
Total 127 100,0
Séptimo semestre concentró la mayor proporción de participantes (31,5 %; tabla 1). El
uso académico de IA al menos una vez por semana fue declarado por 111 estudiantes (87,4 %), y
el uso con esa frecuencia para problemas de la carrera por 93 (73,2 %). Las herramientas más
utilizadas fueron ChatGPT (66; 52,0 %), Claude (31; 24,4 %) y Gemini (20; 15,7 %).
La formación para evaluar respuestas de IA fue personal en 49 estudiantes (38,6 %),
institucional en nueve (7,1 %) y ambas en 13 (10,2 %); 56 (44,1 %) no reportaron formación. La
verificación frecuente o constante fue declarada por 51 (40,2 %) y la confianza moderada por 98
(77,2 %).
Autopercepción y distribución del desempeño
El índice de autopercepción presentó una media de 3,46 (DE = 0,74), mediana de 3,40 y
cuartiles de 3,00 y 4,00, con un rango observado de 1 a 5 (n = 125). Las medias por ítem se
presentan en la tabla 2. El alfa de Cronbach fue 0,851 (IC del 95 %: 0,776–0,899), calculado con
los 125 registros completos. Las correlaciones ítem–total corregidas estuvieron entre 0,603 y
0,736.
Tabla 2
Autopercepción de la capacidad de evaluación técnica
Ítem abreviado n Media DE r ítem–total
8. Identificar errores técnicos 127 3,46 1,00 0,656
9. Reconocer información insuficiente 127 3,58 0,80 0,677
10. Detectar errores de cálculo o explicación 125 3,48 1,04 0,603
11. Distinguir persuasión y fundamento técnico 127 3,39 0,96 0,657
12. Determinar necesidad de comprobación 127 3,43 0,93 0,736
Nota. Respuestas de 1 a 5. Los descriptivos utilizan las respuestas disponibles por ítem; las correlaciones ítem–total
corregidas utilizan n = 125. IC del alfa: bootstrap percentil de 5.000 muestras de estudiantes.
Vol. 13/ Núm. 3 2026 pág. 3085
El desempeño medio fue de 1,07 aciertos de cinco (DE = 0,89), con mediana de 1 y
cuartiles de 0 y 2 (n = 127). Obtuvieron cero aciertos 35 estudiantes (27,6 %); uno, 56 (44,1 %);
dos, 31 (24,4 %); tres, dos (1,6 %); y cuatro, tres (2,4 %). Ninguno obtuvo cinco aciertos (figura
1).
Figura 1
Distribuciones de autopercepción y total de aciertos
Nota. Los porcentajes se calculan dentro de cada panel. La autopercepción se agrupa solo para visualizarla: [1,2), [2,3),
[3,4) y [4,5]. Los cálculos utilizan su valor original. Elaboración propia con la base del estudio.
Clasificación técnica de las respuestas
La proporción de coincidencias con la clave fue de 18,1 % en el caso 1, 29,9 % en el caso
2, 30,7 % en el caso 3, 6,3 % en el caso 4 y 22,0 % en el caso 5. La tabla 3 conserva todas las
categorías elegidas, incluida la respuesta «No puedo determinarlo».
Tabla 3
Clasificaciones elegidas y acierto exacto por caso
Caso y clave A B C D E Acierto %
[IC 95 %]
1 (A) 23 59 26 7 12 18,1
[12,4; 25,7]
2 (C) 28 40 38 14 7 29,9
[22,6; 38,4]
3 (B) 23 39 38 16 11 30,7
[23,4; 39,2]
4 (D) 18 39 46 8 16 6,3
[3,2; 11,9]
5 (A) 28 37 27 19 16 22,0
[15,7; 30,0]
Nota. n = 127 por caso. Las columnas A–E expresan frecuencias. A: correcta y suficiente; B: correcta, pero incompleta;
C: contiene algún error técnico; D: incorrecta en lo esencial; E: no puedo determinarlo. Clave preespecificada y
confirmada por el investigador: A–C–B–D–A. IC de Wilson del 95 %.
El desempeño medio fue de 1,07 aciertos de cinco (DE = 0,89), con mediana de 1 y
cuartiles de 0 y 2 (n = 127). Obtuvieron cero aciertos 35 estudiantes (27,6 %); uno, 56 (44,1 %);
dos, 31 (24,4 %); tres, dos (1,6 %); y cuatro, tres (2,4 %). Ninguno obtuvo cinco aciertos (figura
1).
Figura 1
Distribuciones de autopercepción y total de aciertos
Nota. Los porcentajes se calculan dentro de cada panel. La autopercepción se agrupa solo para visualizarla: [1,2), [2,3),
[3,4) y [4,5]. Los cálculos utilizan su valor original. Elaboración propia con la base del estudio.
Clasificación técnica de las respuestas
La proporción de coincidencias con la clave fue de 18,1 % en el caso 1, 29,9 % en el caso
2, 30,7 % en el caso 3, 6,3 % en el caso 4 y 22,0 % en el caso 5. La tabla 3 conserva todas las
categorías elegidas, incluida la respuesta «No puedo determinarlo».
Tabla 3
Clasificaciones elegidas y acierto exacto por caso
Caso y clave A B C D E Acierto %
[IC 95 %]
1 (A) 23 59 26 7 12 18,1
[12,4; 25,7]
2 (C) 28 40 38 14 7 29,9
[22,6; 38,4]
3 (B) 23 39 38 16 11 30,7
[23,4; 39,2]
4 (D) 18 39 46 8 16 6,3
[3,2; 11,9]
5 (A) 28 37 27 19 16 22,0
[15,7; 30,0]
Nota. n = 127 por caso. Las columnas A–E expresan frecuencias. A: correcta y suficiente; B: correcta, pero incompleta;
C: contiene algún error técnico; D: incorrecta en lo esencial; E: no puedo determinarlo. Clave preespecificada y
confirmada por el investigador: A–C–B–D–A. IC de Wilson del 95 %.
Vol. 13/ Núm. 3 2026 pág. 3086
En el caso 1, sobre humedad y actividad de agua, 59 estudiantes (46,5 %) eligieron
«correcta, pero incompleta», frente a 23 (18,1 %) que coincidieron con la clave «correcta y
suficiente». En el caso 2, sobre congelación y microorganismos, la categoría más frecuente fue
«correcta, pero incompleta» (40; 31,5 %), seguida de «contiene algún error técnico» (38; 29,9 %),
que correspondía a la clave.
En el caso 3, sobre pH y acidez titulable, las elecciones se concentraron en «correcta,
pero incompleta» (39; 30,7 %) y «contiene algún error técnico» (38; 29,9 %). En el caso 4, sobre
el análisis microbiológico de un lote, ocho estudiantes (6,3 %) eligieron «incorrecta en lo
esencial» y 46 (36,2 %) señalaron «contiene algún error técnico». En el caso 5, sobre preparación
de salmuera, 37 estudiantes (29,1 %) eligieron «correcta, pero incompleta» y 28 (22,0 %)
coincidieron con «correcta y suficiente».
La opción «No puedo determinarlo» fue seleccionada por 12, siete, 11, 16 y 16
estudiantes en los casos 1 a 5, respectivamente. Estas respuestas se conservaron como categoría
descriptiva y recibieron cero puntos conforme al criterio de acierto exacto.
Primera acción declarada ante las respuestas
La comprobación mediante una fuente confiable o consulta especializada fue la acción
más frecuente en los cinco casos (tabla 4). Su elección osciló entre 49 estudiantes (38,6 %) en el
caso 5 y 57 (44,9 %) en el caso 4. El uso directo sin otra comprobación fue elegido por seis a diez
estudiantes por caso.
Tabla 4
Primera acción declarada en cada caso
Cas
o
Uso directo Revisión
propia
Contraste con
IA
Fuente o
especialista
Otra vía
1 7
(5,5)
27
(21,3)
32
(25,2)
56
(44,1)
5
(3,9)
2 9
(7,1)
24
(18,9)
32
(25,2)
55
(43,3)
7
(5,5)
3 10
(7,9)
22
(17,3)
31
(24,4)
51
(40,2)
13
(10,2)
4 6
(4,7)
21
(16,5)
29
(22,8)
57
(44,9)
14
(11,0)
5 10
(7,9)
31
(24,4)
27
(21,3)
49
(38,6)
10
(7,9)
Nota. Frecuencias y porcentajes entre paréntesis; n = 127 por caso. Las acciones son categorías nominales y expresan
la primera acción declarada, no una conducta observada.
Los cruces entre acierto exacto y acción declarada se presentan en la tabla 5. En el caso
2, 19 de los 38 estudiantes con acierto (50,0 %) eligieron contrastar con IA, frente a 13 de los 89
En el caso 1, sobre humedad y actividad de agua, 59 estudiantes (46,5 %) eligieron
«correcta, pero incompleta», frente a 23 (18,1 %) que coincidieron con la clave «correcta y
suficiente». En el caso 2, sobre congelación y microorganismos, la categoría más frecuente fue
«correcta, pero incompleta» (40; 31,5 %), seguida de «contiene algún error técnico» (38; 29,9 %),
que correspondía a la clave.
En el caso 3, sobre pH y acidez titulable, las elecciones se concentraron en «correcta,
pero incompleta» (39; 30,7 %) y «contiene algún error técnico» (38; 29,9 %). En el caso 4, sobre
el análisis microbiológico de un lote, ocho estudiantes (6,3 %) eligieron «incorrecta en lo
esencial» y 46 (36,2 %) señalaron «contiene algún error técnico». En el caso 5, sobre preparación
de salmuera, 37 estudiantes (29,1 %) eligieron «correcta, pero incompleta» y 28 (22,0 %)
coincidieron con «correcta y suficiente».
La opción «No puedo determinarlo» fue seleccionada por 12, siete, 11, 16 y 16
estudiantes en los casos 1 a 5, respectivamente. Estas respuestas se conservaron como categoría
descriptiva y recibieron cero puntos conforme al criterio de acierto exacto.
Primera acción declarada ante las respuestas
La comprobación mediante una fuente confiable o consulta especializada fue la acción
más frecuente en los cinco casos (tabla 4). Su elección osciló entre 49 estudiantes (38,6 %) en el
caso 5 y 57 (44,9 %) en el caso 4. El uso directo sin otra comprobación fue elegido por seis a diez
estudiantes por caso.
Tabla 4
Primera acción declarada en cada caso
Cas
o
Uso directo Revisión
propia
Contraste con
IA
Fuente o
especialista
Otra vía
1 7
(5,5)
27
(21,3)
32
(25,2)
56
(44,1)
5
(3,9)
2 9
(7,1)
24
(18,9)
32
(25,2)
55
(43,3)
7
(5,5)
3 10
(7,9)
22
(17,3)
31
(24,4)
51
(40,2)
13
(10,2)
4 6
(4,7)
21
(16,5)
29
(22,8)
57
(44,9)
14
(11,0)
5 10
(7,9)
31
(24,4)
27
(21,3)
49
(38,6)
10
(7,9)
Nota. Frecuencias y porcentajes entre paréntesis; n = 127 por caso. Las acciones son categorías nominales y expresan
la primera acción declarada, no una conducta observada.
Los cruces entre acierto exacto y acción declarada se presentan en la tabla 5. En el caso
2, 19 de los 38 estudiantes con acierto (50,0 %) eligieron contrastar con IA, frente a 13 de los 89
Vol. 13/ Núm. 3 2026 pág. 3087
sin acierto exacto (14,6 %). En el caso 5, siete de los 28 estudiantes con acierto (25,0 %) eligieron
usar directamente la respuesta, frente a tres de los 99 sin acierto exacto (3,0 %).
Tabla 5
Asociación entre acierto exacto y primera acción declarada
Caso n V de Cramér p Monte Carlo p ajustado
1 127 0,114 0,8526 0,8526
2 127 0,419 0,0002 0,0010
3 127 0,194 0,3196 0,5327
4 127 0,139 0,6791 0,8489
5 127 0,354 0,0034 0,0085
Nota. Tablas de 2 × 5: acierto/no acierto exacto por acción. Se incluyó la abstención en no acierto. Pruebas de
independencia con estadístico chi-cuadrado de Pearson y 9.999 permutaciones de etiquetas, conservando los márgenes.
Ajuste Benjamini–Hochberg para la familia de cinco casos.
Asociación entre autopercepción y desempeño
La correlación de Spearman entre el índice de autopercepción y el total de aciertos fue de
0,138 (IC del 95 %: −0,037 a 0,309; n = 125). La estimación puntual fue positiva y de baja
magnitud; el intervalo incluyó el valor cero. La figura 2 muestra la frecuencia de las
combinaciones observadas de ambas puntuaciones.
Figura 2
Relación entre autopercepción y total de aciertos
Nota. Cada círculo representa una combinación de puntuaciones y su área es proporcional al número de estudiantes. La
leyenda indica frecuencias de referencia. Se conservaron los 125 registros con los cinco ítems de autopercepción
completos. Elaboración propia con la base del estudio.
El intervalo se estimó mediante 5.000 remuestreos de estudiantes completos y los
percentiles 2,5 y 97,5 de los coeficientes obtenidos. Se utilizó la semilla 20260905 y no se
registraron remuestreos con correlación no estimable.
sin acierto exacto (14,6 %). En el caso 5, siete de los 28 estudiantes con acierto (25,0 %) eligieron
usar directamente la respuesta, frente a tres de los 99 sin acierto exacto (3,0 %).
Tabla 5
Asociación entre acierto exacto y primera acción declarada
Caso n V de Cramér p Monte Carlo p ajustado
1 127 0,114 0,8526 0,8526
2 127 0,419 0,0002 0,0010
3 127 0,194 0,3196 0,5327
4 127 0,139 0,6791 0,8489
5 127 0,354 0,0034 0,0085
Nota. Tablas de 2 × 5: acierto/no acierto exacto por acción. Se incluyó la abstención en no acierto. Pruebas de
independencia con estadístico chi-cuadrado de Pearson y 9.999 permutaciones de etiquetas, conservando los márgenes.
Ajuste Benjamini–Hochberg para la familia de cinco casos.
Asociación entre autopercepción y desempeño
La correlación de Spearman entre el índice de autopercepción y el total de aciertos fue de
0,138 (IC del 95 %: −0,037 a 0,309; n = 125). La estimación puntual fue positiva y de baja
magnitud; el intervalo incluyó el valor cero. La figura 2 muestra la frecuencia de las
combinaciones observadas de ambas puntuaciones.
Figura 2
Relación entre autopercepción y total de aciertos
Nota. Cada círculo representa una combinación de puntuaciones y su área es proporcional al número de estudiantes. La
leyenda indica frecuencias de referencia. Se conservaron los 125 registros con los cinco ítems de autopercepción
completos. Elaboración propia con la base del estudio.
El intervalo se estimó mediante 5.000 remuestreos de estudiantes completos y los
percentiles 2,5 y 97,5 de los coeficientes obtenidos. Se utilizó la semilla 20260905 y no se
registraron remuestreos con correlación no estimable.
Vol. 13/ Núm. 3 2026 pág. 3088
Al omitir sucesivamente cada caso, la correlación fue de 0,020 sin el caso 1; 0,291 sin el
caso 2; 0,103 sin el caso 3; 0,107 sin el caso 4; y 0,014 sin el caso 5 (n = 125 en todas las
estimaciones). Se mantuvo como resultado principal el coeficiente calculado con los cinco casos.
Asociaciones exploratorias
Las asociaciones del desempeño con confianza general, semestre, frecuencia de uso
académico, frecuencia de uso disciplinar y verificación habitual se presentan en la tabla 6. La
mayor estimación positiva correspondió a la verificación habitual (rho = 0,206; p sin ajuste =
0,0197; p ajustado = 0,0985). Ninguna de las cinco asociaciones obtuvo un valor p ajustado
inferior a 0,05.
Tabla 6
Asociaciones exploratorias del desempeño con variables ordinales
Variable n rho p p ajustado
Confianza general 127 0,076 0,3932 0,4915
Semestre 127 -0,138 0,1199 0,2998
Uso académico de IA 127 -0,092 0,3089 0,4915
Uso disciplinar de IA 127 0,000 0,9987 0,9987
Verificación habitual 127 0,206 0,0197 0,0985
Nota. Correlaciones de Spearman. Valores p bilaterales calculados con 9.999 permutaciones y ajustados mediante
Benjamini–Hochberg en esta familia de cinco asociaciones. Los índices ordinales mantienen el orden de las opciones
del cuestionario.
La comparación del desempeño según formación previa produjo H de Kruskal–Wallis =
1,941 (p por permutación = 0,5987). El tamaño del efecto calculado como (H − k + 1)/(n − k),
truncado en cero, fue 0. Las medias de aciertos fueron 1,04 (DE = 0,87; n = 56) entre quienes no
reportaron formación; 1,00 (DE = 0,87; n = 49) entre quienes reportaron formación personal; 1,56
(DE = 1,24; n = 9) entre quienes reportaron formación institucional; y 1,15 (DE = 0,80; n = 13)
entre quienes reportaron ambas. La mediana fue de un acierto en los cuatro grupos. No se
realizaron comparaciones por pares.
DISCUSIÓN
Autopercepción y juicio técnico ante respuestas de IA
La relación entre la capacidad que los estudiantes se atribuyeron y su acierto al clasificar
respuestas técnicas fue positiva y débil: rho = 0,138, con un intervalo de confianza del 95 % de
−0,037 a 0,309 y 125 participantes en el análisis principal. Este resultado sitúa una dificultad en
la evaluación de la formación: conocer cómo se valora un estudiante ofrece información limitada
sobre la posición que ocupa frente a otros cuando debe examinar los casos propuestos. El
intervalo, sin embargo, admite desde una asociación ligeramente negativa hasta una positiva de
mayor magnitud que la estimación puntual. Por ello, la relación observada debe discutirse
atendiendo tanto a su debilidad en la muestra como a la incertidumbre que permanece acerca de
Al omitir sucesivamente cada caso, la correlación fue de 0,020 sin el caso 1; 0,291 sin el
caso 2; 0,103 sin el caso 3; 0,107 sin el caso 4; y 0,014 sin el caso 5 (n = 125 en todas las
estimaciones). Se mantuvo como resultado principal el coeficiente calculado con los cinco casos.
Asociaciones exploratorias
Las asociaciones del desempeño con confianza general, semestre, frecuencia de uso
académico, frecuencia de uso disciplinar y verificación habitual se presentan en la tabla 6. La
mayor estimación positiva correspondió a la verificación habitual (rho = 0,206; p sin ajuste =
0,0197; p ajustado = 0,0985). Ninguna de las cinco asociaciones obtuvo un valor p ajustado
inferior a 0,05.
Tabla 6
Asociaciones exploratorias del desempeño con variables ordinales
Variable n rho p p ajustado
Confianza general 127 0,076 0,3932 0,4915
Semestre 127 -0,138 0,1199 0,2998
Uso académico de IA 127 -0,092 0,3089 0,4915
Uso disciplinar de IA 127 0,000 0,9987 0,9987
Verificación habitual 127 0,206 0,0197 0,0985
Nota. Correlaciones de Spearman. Valores p bilaterales calculados con 9.999 permutaciones y ajustados mediante
Benjamini–Hochberg en esta familia de cinco asociaciones. Los índices ordinales mantienen el orden de las opciones
del cuestionario.
La comparación del desempeño según formación previa produjo H de Kruskal–Wallis =
1,941 (p por permutación = 0,5987). El tamaño del efecto calculado como (H − k + 1)/(n − k),
truncado en cero, fue 0. Las medias de aciertos fueron 1,04 (DE = 0,87; n = 56) entre quienes no
reportaron formación; 1,00 (DE = 0,87; n = 49) entre quienes reportaron formación personal; 1,56
(DE = 1,24; n = 9) entre quienes reportaron formación institucional; y 1,15 (DE = 0,80; n = 13)
entre quienes reportaron ambas. La mediana fue de un acierto en los cuatro grupos. No se
realizaron comparaciones por pares.
DISCUSIÓN
Autopercepción y juicio técnico ante respuestas de IA
La relación entre la capacidad que los estudiantes se atribuyeron y su acierto al clasificar
respuestas técnicas fue positiva y débil: rho = 0,138, con un intervalo de confianza del 95 % de
−0,037 a 0,309 y 125 participantes en el análisis principal. Este resultado sitúa una dificultad en
la evaluación de la formación: conocer cómo se valora un estudiante ofrece información limitada
sobre la posición que ocupa frente a otros cuando debe examinar los casos propuestos. El
intervalo, sin embargo, admite desde una asociación ligeramente negativa hasta una positiva de
mayor magnitud que la estimación puntual. Por ello, la relación observada debe discutirse
atendiendo tanto a su debilidad en la muestra como a la incertidumbre que permanece acerca de
Vol. 13/ Núm. 3 2026 pág. 3089
su magnitud. Los datos no establecen independencia entre las medidas y tampoco respaldan una
correspondencia estrecha entre ellas.
Para comprender qué significa esta relación conviene volver sobre aquello que se pidió a
los particiántes en cada momento. Al responder los ítems de autopercepción, el estudiante valoró
su capacidad general para reconocer errores e insuficiencias; al clasificar las respuestas, tuvo que
aplicar conocimientos a consultas específicas y elegir entre categorías próximas. El primer
registro permite conocer cómo se reconoce ante la exigencia de evaluar, mientras que el segundo
muestra el resultado de una tarea definida. Esta diferencia da sentido a la comparación con Jin et
al. (2025), quienes encontraron que una prueba de alfabetización en IA generativa aportaba
capacidad predictiva sobre el rendimiento en tareas asistidas por IA por encima de una medida de
competencia autopercibida en ChatGPT. Aunque los contenidos y las poblaciones impiden
comparar directamente las puntuaciones, ambos trabajos sostienen la necesidad de observar lo
que se resuelve además de preguntar por la capacidad que se cree poseer.
La media de autopercepción de 3,46 sobre 5 y el promedio de 1,07 aciertos sobre cinco
podrían invitar a describir el resultado como una sobrevaloración de la propia capacidad. Esa
lectura supondría, sin embargo, que las dos puntuaciones expresan una misma cantidad y pueden
restarse para establecer cuánto se equivocó el estudiante al valorarse. El acuerdo con una
afirmación general sobre la capacidad no expresa una probabilidad de acierto en cada caso, y el
total de clasificaciones correctas depende de los contenidos seleccionados. La diferencia numérica
entre ambas medias carece, por tanto, del significado que tendría una comparación entre confianza
y acierto referidos a una misma decisión. En consecuencia, nuestro hallazgo se encuentra en la
asociación entre las posiciones relativas de los participantes, sin que esa asociación permita
diagnosticar sobreconfianza.
La consistencia interna de los ítems, con un alfa de 0,851, tampoco elimina esta
diferencia. Una persona puede responder de forma coherente acerca de distintas capacidades que
se atribuye y encontrar dificultades cuando debe utilizarlas frente a un contenido determinado. El
coeficiente describe la relación entre los ítems de autopercepción; la pertinencia de esa medida
para comprender el juicio técnico requiere examinar, además, cómo se relaciona con la tarea. Del
lado del desempeño, la concentración de puntuaciones bajas y el reducido número de casos limitan
la diferenciación entre estudiantes. La correlación varió de 0,014 a 0,291 al omitir sucesivamente
cada caso, lo que muestra cuánto puede cambiar su estimación al modificar la composición de la
prueba. Interpretar la asociación exige entonces examinar qué reúne el total de aciertos y qué
diferencias quedan ocultas cuando se utiliza como única descripción del desempeño.
Qué expresa el desacierto en la clasificación
En el caso de análisis microbiológico, ocho estudiantes eligieron la categoría prevista,
«incorrecta en lo esencial», mientras que otros 46 indicaron que la respuesta contenía algún error
técnico. Las dos elecciones expresan valoraciones distintas del alcance del problema, aunque solo
su magnitud. Los datos no establecen independencia entre las medidas y tampoco respaldan una
correspondencia estrecha entre ellas.
Para comprender qué significa esta relación conviene volver sobre aquello que se pidió a
los particiántes en cada momento. Al responder los ítems de autopercepción, el estudiante valoró
su capacidad general para reconocer errores e insuficiencias; al clasificar las respuestas, tuvo que
aplicar conocimientos a consultas específicas y elegir entre categorías próximas. El primer
registro permite conocer cómo se reconoce ante la exigencia de evaluar, mientras que el segundo
muestra el resultado de una tarea definida. Esta diferencia da sentido a la comparación con Jin et
al. (2025), quienes encontraron que una prueba de alfabetización en IA generativa aportaba
capacidad predictiva sobre el rendimiento en tareas asistidas por IA por encima de una medida de
competencia autopercibida en ChatGPT. Aunque los contenidos y las poblaciones impiden
comparar directamente las puntuaciones, ambos trabajos sostienen la necesidad de observar lo
que se resuelve además de preguntar por la capacidad que se cree poseer.
La media de autopercepción de 3,46 sobre 5 y el promedio de 1,07 aciertos sobre cinco
podrían invitar a describir el resultado como una sobrevaloración de la propia capacidad. Esa
lectura supondría, sin embargo, que las dos puntuaciones expresan una misma cantidad y pueden
restarse para establecer cuánto se equivocó el estudiante al valorarse. El acuerdo con una
afirmación general sobre la capacidad no expresa una probabilidad de acierto en cada caso, y el
total de clasificaciones correctas depende de los contenidos seleccionados. La diferencia numérica
entre ambas medias carece, por tanto, del significado que tendría una comparación entre confianza
y acierto referidos a una misma decisión. En consecuencia, nuestro hallazgo se encuentra en la
asociación entre las posiciones relativas de los participantes, sin que esa asociación permita
diagnosticar sobreconfianza.
La consistencia interna de los ítems, con un alfa de 0,851, tampoco elimina esta
diferencia. Una persona puede responder de forma coherente acerca de distintas capacidades que
se atribuye y encontrar dificultades cuando debe utilizarlas frente a un contenido determinado. El
coeficiente describe la relación entre los ítems de autopercepción; la pertinencia de esa medida
para comprender el juicio técnico requiere examinar, además, cómo se relaciona con la tarea. Del
lado del desempeño, la concentración de puntuaciones bajas y el reducido número de casos limitan
la diferenciación entre estudiantes. La correlación varió de 0,014 a 0,291 al omitir sucesivamente
cada caso, lo que muestra cuánto puede cambiar su estimación al modificar la composición de la
prueba. Interpretar la asociación exige entonces examinar qué reúne el total de aciertos y qué
diferencias quedan ocultas cuando se utiliza como única descripción del desempeño.
Qué expresa el desacierto en la clasificación
En el caso de análisis microbiológico, ocho estudiantes eligieron la categoría prevista,
«incorrecta en lo esencial», mientras que otros 46 indicaron que la respuesta contenía algún error
técnico. Las dos elecciones expresan valoraciones distintas del alcance del problema, aunque solo
Vol. 13/ Núm. 3 2026 pág. 3090
la primera recibe un punto. Los 46 estudiantes no clasificaron el texto como plenamente correcto;
su elección reconoce la presencia de un error sin coincidir con la categoría que la clave asigna a
su gravedad. Si se leyera únicamente la puntuación, esta diferencia desaparecería y podría
atribuirse a todos los desaciertos una aceptación del contenido que las respuestas registradas no
sostienen. El examen por categorías permite precisar la dificultad: además de advertir un error, la
tarea exige determinar cuánto compromete el razonamiento o la conclusión.
La suficiencia plantea un problema relacionado desde otra dirección. En humedad y
actividad de agua y en preparación de una salmuera, ambas con clave «correcta y suficiente», la
opción más frecuente fue «correcta, pero incompleta». Estas elecciones sitúan la pregunta en los
límites de lo que una consulta requiere: qué información basta para responder y qué omisión
impide hacerlo. Es posible que algunos estudiantes hayan esperado una explicación más extensa,
considerado necesaria una condición adicional o interpretado de otra manera las categorías. El
instrumento no permite elegir entre esas explicaciones, porque no recogió justificaciones. Lo
observado es la frecuencia con la que se atribuyó insuficiencia a respuestas consideradas
suficientes en la clave; comprender las razones de esa valoración requiere escuchar o registrar el
razonamiento que la sostuvo.
La puntuación por coincidencia exacta conserva un criterio común y mantiene la clave
fijada antes del análisis. Al mismo tiempo, reúne bajo cero puntos elecciones cuyo contenido
puede ser diferente. Reconocer esta propiedad del instrumento permite utilizar el total para la
comparación prevista y acompañarlo de una lectura que preserve los matices de cada caso. La
distribución de categorías no autoriza a corregir retrospectivamente la puntuación para premiar
respuestas alternativas; permite identificar qué distinciones deberían examinarse con mayor
detalle en una nueva aplicación. La frontera entre información insuficiente, error localizado e
incorrección esencial forma parte de la tarea evaluativa y también exige comprobar cómo la
entienden los participantes.
Esta frontera adquiere sentido en relación con el problema alimentario que debe
resolverse. Pennells et al. (2025) señalan la necesidad de una evaluación estructurada y específica
del dominio de las respuestas de sistemas de lenguaje especializados en alimentos antes de
utilizarlas en decisiones prácticas. Desde esa exigencia, los resultados permiten formular una
necesidad de enseñanza: trabajar cómo se determina el alcance de una afirmación y su importancia
para la solución. Reconocer una expresión cuestionable constituye un paso; establecer si puede
corregirse sin alterar la conclusión, si deja información necesaria sin resolver o si compromete la
respuesta en lo esencial exige relacionarla con el conjunto del razonamiento. Los cinco casos
permiten observar resultados de esa valoración, cuya justificación continúa siendo el problema
central para comprender el juicio técnico en formación.
la primera recibe un punto. Los 46 estudiantes no clasificaron el texto como plenamente correcto;
su elección reconoce la presencia de un error sin coincidir con la categoría que la clave asigna a
su gravedad. Si se leyera únicamente la puntuación, esta diferencia desaparecería y podría
atribuirse a todos los desaciertos una aceptación del contenido que las respuestas registradas no
sostienen. El examen por categorías permite precisar la dificultad: además de advertir un error, la
tarea exige determinar cuánto compromete el razonamiento o la conclusión.
La suficiencia plantea un problema relacionado desde otra dirección. En humedad y
actividad de agua y en preparación de una salmuera, ambas con clave «correcta y suficiente», la
opción más frecuente fue «correcta, pero incompleta». Estas elecciones sitúan la pregunta en los
límites de lo que una consulta requiere: qué información basta para responder y qué omisión
impide hacerlo. Es posible que algunos estudiantes hayan esperado una explicación más extensa,
considerado necesaria una condición adicional o interpretado de otra manera las categorías. El
instrumento no permite elegir entre esas explicaciones, porque no recogió justificaciones. Lo
observado es la frecuencia con la que se atribuyó insuficiencia a respuestas consideradas
suficientes en la clave; comprender las razones de esa valoración requiere escuchar o registrar el
razonamiento que la sostuvo.
La puntuación por coincidencia exacta conserva un criterio común y mantiene la clave
fijada antes del análisis. Al mismo tiempo, reúne bajo cero puntos elecciones cuyo contenido
puede ser diferente. Reconocer esta propiedad del instrumento permite utilizar el total para la
comparación prevista y acompañarlo de una lectura que preserve los matices de cada caso. La
distribución de categorías no autoriza a corregir retrospectivamente la puntuación para premiar
respuestas alternativas; permite identificar qué distinciones deberían examinarse con mayor
detalle en una nueva aplicación. La frontera entre información insuficiente, error localizado e
incorrección esencial forma parte de la tarea evaluativa y también exige comprobar cómo la
entienden los participantes.
Esta frontera adquiere sentido en relación con el problema alimentario que debe
resolverse. Pennells et al. (2025) señalan la necesidad de una evaluación estructurada y específica
del dominio de las respuestas de sistemas de lenguaje especializados en alimentos antes de
utilizarlas en decisiones prácticas. Desde esa exigencia, los resultados permiten formular una
necesidad de enseñanza: trabajar cómo se determina el alcance de una afirmación y su importancia
para la solución. Reconocer una expresión cuestionable constituye un paso; establecer si puede
corregirse sin alterar la conclusión, si deja información necesaria sin resolver o si compromete la
respuesta en lo esencial exige relacionarla con el conjunto del razonamiento. Los cinco casos
permiten observar resultados de esa valoración, cuya justificación continúa siendo el problema
central para comprender el juicio técnico en formación.
Vol. 13/ Núm. 3 2026 pág. 3091
Autoridad de la respuesta y responsabilidad de juzgar
La pregunta por la autoridad de la respuesta surge al considerar qué razones permitirían
utilizarla después de evaluarla. La revisión de las categorías muestra que el examen puede exigir
tanto reconocer una explicación suficiente como precisar por qué otra necesita corrección.
Desconfiar de un contenido atribuido a IA no garantiza, por sí mismo, una valoración fundada:
señalar insuficiencia donde la clave establece suficiencia también requiere una justificación. La
evaluación crítica incluida por Long y Magerko (2020) entre las competencias de alfabetización
en IA adquiere aquí una exigencia concreta: disponer de criterios para decidir qué afirmaciones
merecen crédito y con qué límites pueden orientar una decisión.
Esta exigencia permite desarrollar la responsabilidad de juzgar como un problema de
formación. El estudiante debe aprender a reconocer qué relación necesita examinar, qué
conocimiento resulta pertinente y hasta dónde puede sostener su conclusión. Desde esta
perspectiva, el error interesa porque abre una pregunta por el modo en que se realizó la valoración.
Atribuirlo directamente a pasividad intelectual o a una cesión del juicio a la IA impediría examinar
otras posibilidades, como dificultades de conocimiento disciplinar, comprensión de la consulta o
interpretación de las opciones. El cuestionario no distingue esas explicaciones y tampoco compara
la actuación ante los mismos textos atribuidos a una fuente humana. La relación débil con la
autopercepción no aporta la evidencia que falta para identificar el origen de cada elección.
La contribución del marco epistemológico consiste en orientar la interpretación hacia las
razones que hacen defendible una decisión, conservando la diferencia entre esas razones y el
resultado registrado. Acertar en la clasificación informa una coincidencia con el criterio técnico;
conocer si el estudiante puede justificarla exige observar algo más. Por ello, la formación del
juicio plantea una tarea que continúa después de elegir una categoría: explicar qué permite aceptar
el contenido, qué debe corregirse o qué información falta para decidir. La primera acción
declarada ofrece una aproximación a cómo el estudiante afirma que proseguiría, aunque para
comprender ese paso es necesario atender al contenido de cada caso y al alcance de lo que
efectivamente se preguntó.
Comprobación declarada y condiciones de uso
La consulta a una fuente confiable o a una persona especializada fue la primera acción
más elegida en los cinco casos. Esta preferencia muestra que buscar respaldo externo ocupa un
lugar reconocible entre las vías que los estudiantes declaran ante una respuesta técnica. Su
elección deja abierto el trabajo necesario para convertir esa intención en una comprobación:
identificar la afirmación que debe revisarse, seleccionar una fuente pertinente y establecer qué
hacer si la información encontrada discrepa de la respuesta. El formulario registra la vía elegida,
pero no permite conocer cómo resolverían los participantes esas exigencias. Por tanto, la
frecuencia de esa opción debe leerse como una disposición declarada cuyo desarrollo requiere
observación adicional.
Autoridad de la respuesta y responsabilidad de juzgar
La pregunta por la autoridad de la respuesta surge al considerar qué razones permitirían
utilizarla después de evaluarla. La revisión de las categorías muestra que el examen puede exigir
tanto reconocer una explicación suficiente como precisar por qué otra necesita corrección.
Desconfiar de un contenido atribuido a IA no garantiza, por sí mismo, una valoración fundada:
señalar insuficiencia donde la clave establece suficiencia también requiere una justificación. La
evaluación crítica incluida por Long y Magerko (2020) entre las competencias de alfabetización
en IA adquiere aquí una exigencia concreta: disponer de criterios para decidir qué afirmaciones
merecen crédito y con qué límites pueden orientar una decisión.
Esta exigencia permite desarrollar la responsabilidad de juzgar como un problema de
formación. El estudiante debe aprender a reconocer qué relación necesita examinar, qué
conocimiento resulta pertinente y hasta dónde puede sostener su conclusión. Desde esta
perspectiva, el error interesa porque abre una pregunta por el modo en que se realizó la valoración.
Atribuirlo directamente a pasividad intelectual o a una cesión del juicio a la IA impediría examinar
otras posibilidades, como dificultades de conocimiento disciplinar, comprensión de la consulta o
interpretación de las opciones. El cuestionario no distingue esas explicaciones y tampoco compara
la actuación ante los mismos textos atribuidos a una fuente humana. La relación débil con la
autopercepción no aporta la evidencia que falta para identificar el origen de cada elección.
La contribución del marco epistemológico consiste en orientar la interpretación hacia las
razones que hacen defendible una decisión, conservando la diferencia entre esas razones y el
resultado registrado. Acertar en la clasificación informa una coincidencia con el criterio técnico;
conocer si el estudiante puede justificarla exige observar algo más. Por ello, la formación del
juicio plantea una tarea que continúa después de elegir una categoría: explicar qué permite aceptar
el contenido, qué debe corregirse o qué información falta para decidir. La primera acción
declarada ofrece una aproximación a cómo el estudiante afirma que proseguiría, aunque para
comprender ese paso es necesario atender al contenido de cada caso y al alcance de lo que
efectivamente se preguntó.
Comprobación declarada y condiciones de uso
La consulta a una fuente confiable o a una persona especializada fue la primera acción
más elegida en los cinco casos. Esta preferencia muestra que buscar respaldo externo ocupa un
lugar reconocible entre las vías que los estudiantes declaran ante una respuesta técnica. Su
elección deja abierto el trabajo necesario para convertir esa intención en una comprobación:
identificar la afirmación que debe revisarse, seleccionar una fuente pertinente y establecer qué
hacer si la información encontrada discrepa de la respuesta. El formulario registra la vía elegida,
pero no permite conocer cómo resolverían los participantes esas exigencias. Por tanto, la
frecuencia de esa opción debe leerse como una disposición declarada cuyo desarrollo requiere
observación adicional.
Vol. 13/ Núm. 3 2026 pág. 3092
Los cruces entre clasificación y acción permiten apreciar por qué las opciones deben
interpretarse dentro de cada tarea. En congelación, quienes coincidieron con la clave eligieron
con mayor frecuencia consultar a una IA; en la salmuera, el uso directo fue más frecuente entre
quienes clasificaron correctamente la respuesta. Los valores p ajustados de los cruces completos
fueron 0,0010 y 0,0085, respectivamente. Estas asociaciones describen cómo se distribuyeron las
intenciones después de clasificar y no establecen que las acciones hayan producido el acierto. Sí
muestran la dificultad de asignar una calidad universal a cada opción: utilizar una respuesta
correcta puede ser compatible con una valoración adecuada, mientras que solicitar otra respuesta
a una IA deja pendiente el examen de ese nuevo contenido. La categoría elegida adquiere
significado en relación con aquello que se pretende utilizar y con las razones, no recogidas aquí,
de quien la selecciona.
Schemmer et al. (2023) permiten precisar qué observaciones serían necesarias para
estudiar esa relación como dependencia apropiada. Su planteamiento considera el juicio inicial,
la corrección del consejo recibido y la decisión posterior. Así puede examinarse si una persona
adopta consejos correctos y mantiene su juicio frente a consejos incorrectos. Nuestro diseño
recoge una clasificación y una intención posterior, sin observar el uso efectivo ni una decisión
anterior al consejo. Las combinaciones encontradas no miden aquella dependencia, pero ofrecen
situaciones concretas para una investigación posterior: observar qué comprueba quien decide
consultar, qué razones sostiene quien utiliza directamente una respuesta y cómo se modifica la
decisión cuando aparece información adicional.
Las asociaciones con los antecedentes de uso también deben interpretarse según la
información que aportan esas variables. La verificación habitual presentó una asociación positiva
con el desempeño, aunque su valor p ajustado fue 0,0985; las frecuencias de uso académico y
disciplinar, la confianza general y el semestre tampoco mostraron evidencia estadística de
asociación tras el ajuste. Estos resultados no establecen que la experiencia o la formación carezcan
de importancia. La frecuencia indica cuánto se declara utilizar o comprobar, pero informa poco
sobre qué se hizo, con qué exigencia y mediante qué procedimientos. El semestre sitúa una
trayectoria curricular sin medir el dominio de los contenidos evaluados. La incertidumbre de las
asociaciones debe mantenerse junto con esta limitada descripción de la experiencia, evitando
convertirla en una explicación concluyente de los aciertos.
Implicaciones formativas y alcance del estudio
Una propuesta educativa derivada de estos resultados consistiría en hacer visible el
trabajo que la clasificación deja sin registrar. Ante respuestas correctas, insuficientes y erróneas,
el estudiante podría identificar la afirmación decisiva y explicar cómo se relaciona con la consulta.
En una respuesta correcta tendría que justificar por qué la información basta para resolverla; ante
un error, precisar qué parte del razonamiento compromete y qué cambiaría al corregirlo. La
utilidad de esta actividad estaría en someter a examen las razones de la elección, especialmente
Los cruces entre clasificación y acción permiten apreciar por qué las opciones deben
interpretarse dentro de cada tarea. En congelación, quienes coincidieron con la clave eligieron
con mayor frecuencia consultar a una IA; en la salmuera, el uso directo fue más frecuente entre
quienes clasificaron correctamente la respuesta. Los valores p ajustados de los cruces completos
fueron 0,0010 y 0,0085, respectivamente. Estas asociaciones describen cómo se distribuyeron las
intenciones después de clasificar y no establecen que las acciones hayan producido el acierto. Sí
muestran la dificultad de asignar una calidad universal a cada opción: utilizar una respuesta
correcta puede ser compatible con una valoración adecuada, mientras que solicitar otra respuesta
a una IA deja pendiente el examen de ese nuevo contenido. La categoría elegida adquiere
significado en relación con aquello que se pretende utilizar y con las razones, no recogidas aquí,
de quien la selecciona.
Schemmer et al. (2023) permiten precisar qué observaciones serían necesarias para
estudiar esa relación como dependencia apropiada. Su planteamiento considera el juicio inicial,
la corrección del consejo recibido y la decisión posterior. Así puede examinarse si una persona
adopta consejos correctos y mantiene su juicio frente a consejos incorrectos. Nuestro diseño
recoge una clasificación y una intención posterior, sin observar el uso efectivo ni una decisión
anterior al consejo. Las combinaciones encontradas no miden aquella dependencia, pero ofrecen
situaciones concretas para una investigación posterior: observar qué comprueba quien decide
consultar, qué razones sostiene quien utiliza directamente una respuesta y cómo se modifica la
decisión cuando aparece información adicional.
Las asociaciones con los antecedentes de uso también deben interpretarse según la
información que aportan esas variables. La verificación habitual presentó una asociación positiva
con el desempeño, aunque su valor p ajustado fue 0,0985; las frecuencias de uso académico y
disciplinar, la confianza general y el semestre tampoco mostraron evidencia estadística de
asociación tras el ajuste. Estos resultados no establecen que la experiencia o la formación carezcan
de importancia. La frecuencia indica cuánto se declara utilizar o comprobar, pero informa poco
sobre qué se hizo, con qué exigencia y mediante qué procedimientos. El semestre sitúa una
trayectoria curricular sin medir el dominio de los contenidos evaluados. La incertidumbre de las
asociaciones debe mantenerse junto con esta limitada descripción de la experiencia, evitando
convertirla en una explicación concluyente de los aciertos.
Implicaciones formativas y alcance del estudio
Una propuesta educativa derivada de estos resultados consistiría en hacer visible el
trabajo que la clasificación deja sin registrar. Ante respuestas correctas, insuficientes y erróneas,
el estudiante podría identificar la afirmación decisiva y explicar cómo se relaciona con la consulta.
En una respuesta correcta tendría que justificar por qué la información basta para resolverla; ante
un error, precisar qué parte del razonamiento compromete y qué cambiaría al corregirlo. La
utilidad de esta actividad estaría en someter a examen las razones de la elección, especialmente
Vol. 13/ Núm. 3 2026 pág. 3093
cuando dos estudiantes llegan a categorías distintas o coinciden en una categoría por motivos
diferentes. El estudio permite fundamentar la pertinencia de esa propuesta a partir de las
distinciones observadas, pero su eficacia requiere una intervención que la evalúe.
La comprobación podría incorporarse a la misma actividad como un procedimiento
ejecutado. Seleccionar una referencia, rehacer un cálculo o contrastar una afirmación permitiría
registrar qué evidencia utiliza el estudiante y si esta modifica su juicio inicial. Sabbione y
Patrignani (2024) ofrecen un antecedente disciplinar al proponer actividades de Ciencia de los
Alimentos en las que las respuestas de ChatGPT se comparan con libros y trabajos científicos.
Ese planteamiento permite situar la verificación dentro del aprendizaje y vincularla con la
justificación de una decisión. Su pertinencia didáctica no demuestra que una actividad equivalente
mejoraría las puntuaciones de esta muestra; ofrece una vía para estudiar cómo los conocimientos
intervienen cuando la revisión debe llevarse a cabo y explicarse.
CONCLUSIONES
La autopercepción de capacidad para evaluar respuestas de IA mostró una asociación
positiva débil con el acierto en cinco casos de Ingeniería en Alimentos. La incertidumbre de la
estimación impide establecer una correspondencia estrecha entre ambas medidas y tampoco
permite concluir que sean independientes. En esta muestra, la valoración personal aporta
información que necesita examinarse junto con tareas de desempeño, conservando el alcance
específico de cada registro.
La distribución de clasificaciones permitió reconocer diferencias que el total de aciertos
no expresa por sí solo. Algunos estudiantes señalaron errores sin coincidir con el alcance previsto
en la clave, mientras que otros consideraron incompletas respuestas clasificadas como suficientes.
Estas elecciones sitúan el interés formativo en cómo se distinguen corrección, suficiencia y
gravedad del error. La preferencia por consultar una fuente confiable o a un especialista añade
una intención de comprobación, cuyo desarrollo efectivo permanece desconocido.
En consecuencia, la formación del juicio técnico requiere hacer visibles las razones con
las que se acepta una respuesta, se propone corregirla o se mantiene pendiente de verificación.
Los resultados permiten fundamentar el interés de actividades que soliciten esas razones y
observen la comprobación, sin demostrar todavía su eficacia. Avanzar en esa dirección permitiría
estudiar cómo el conocimiento del estudiante sostiene sus decisiones, más allá de la clasificación
que finalmente elige.
cuando dos estudiantes llegan a categorías distintas o coinciden en una categoría por motivos
diferentes. El estudio permite fundamentar la pertinencia de esa propuesta a partir de las
distinciones observadas, pero su eficacia requiere una intervención que la evalúe.
La comprobación podría incorporarse a la misma actividad como un procedimiento
ejecutado. Seleccionar una referencia, rehacer un cálculo o contrastar una afirmación permitiría
registrar qué evidencia utiliza el estudiante y si esta modifica su juicio inicial. Sabbione y
Patrignani (2024) ofrecen un antecedente disciplinar al proponer actividades de Ciencia de los
Alimentos en las que las respuestas de ChatGPT se comparan con libros y trabajos científicos.
Ese planteamiento permite situar la verificación dentro del aprendizaje y vincularla con la
justificación de una decisión. Su pertinencia didáctica no demuestra que una actividad equivalente
mejoraría las puntuaciones de esta muestra; ofrece una vía para estudiar cómo los conocimientos
intervienen cuando la revisión debe llevarse a cabo y explicarse.
CONCLUSIONES
La autopercepción de capacidad para evaluar respuestas de IA mostró una asociación
positiva débil con el acierto en cinco casos de Ingeniería en Alimentos. La incertidumbre de la
estimación impide establecer una correspondencia estrecha entre ambas medidas y tampoco
permite concluir que sean independientes. En esta muestra, la valoración personal aporta
información que necesita examinarse junto con tareas de desempeño, conservando el alcance
específico de cada registro.
La distribución de clasificaciones permitió reconocer diferencias que el total de aciertos
no expresa por sí solo. Algunos estudiantes señalaron errores sin coincidir con el alcance previsto
en la clave, mientras que otros consideraron incompletas respuestas clasificadas como suficientes.
Estas elecciones sitúan el interés formativo en cómo se distinguen corrección, suficiencia y
gravedad del error. La preferencia por consultar una fuente confiable o a un especialista añade
una intención de comprobación, cuyo desarrollo efectivo permanece desconocido.
En consecuencia, la formación del juicio técnico requiere hacer visibles las razones con
las que se acepta una respuesta, se propone corregirla o se mantiene pendiente de verificación.
Los resultados permiten fundamentar el interés de actividades que soliciten esas razones y
observen la comprobación, sin demostrar todavía su eficacia. Avanzar en esa dirección permitiría
estudiar cómo el conocimiento del estudiante sostiene sus decisiones, más allá de la clasificación
que finalmente elige.
Vol. 13/ Núm. 3 2026 pág. 3094
REFERENCIAS
Alkabaa, A. S., & Alamri, N. M. (2025). Exploring the effectiveness of generative AI as a learning
tool in engineering education: An analysis of student experiences and perceptions.
Computer Applications in Engineering Education, 34, e70110.
https://doi.org/10.1002/cae.70110
Álvarez Ariza, J., Benítez Restrepo, M., & Hernández Hernández, C. (2025). Generative AI in
engineering and computing education: A scoping review of empirical studies and
educational practices. IEEE Access, 13, 30789–30810.
https://doi.org/10.1109/ACCESS.2025.3541424
Amoozadeh, M., Daniels, D., Nam, D., Kumar, A., Chen, S., Hilton, M., Ragavan, S. S., &
Alipour, M. A. (2024). Trust in generative AI among students: An exploratory study. En
Proceedings of the 55th ACM Technical Symposium on Computer Science Education V.
1. Association for Computing Machinery. https://doi.org/10.1145/3626252.3630842
Borowczak, M., & Borowczak, A. C.-B. (2026). Trust but verify: Engineering students' adoption
of generative AI and pedagogical implications across disciplines. Proceedings of the
American Society for Engineering Education Annual Conference & Exposition (Paper ID
49945).
Carolus, A., Koch, M. J., Straka, S., Latoschik, M. E., & Wienrich, C. (2023). MAILS - Meta AI
literacy scale: Development and testing of an AI literacy questionnaire based on well-
founded competency models and psychological change- and meta-competencies.
Computers in Human Behavior: Artificial Humans, 1, 100014.
https://doi.org/10.1016/j.chbah.2023.100014
Dai, Y. (2025). Why students use or not use generative AI: Student conceptions, concerns, and
implications for engineering education. Digital Engineering, 4, 100019.
https://doi.org/10.1016/j.dte.2024.100019
Glikson, E., & Woolley, A. W. (2020). Human trust in artificial intelligence: Review of empirical
research. Academy of Management Annals, 14(2), 627-660.
https://doi.org/10.5465/annals.2018.0057
Hornberger, M., Bewersdorff, A., & Nerdel, C. (2023). What do university students know about
artificial intelligence? Development and validation of an AI literacy test. Computers and
Education: Artificial Intelligence, 5, 100165.
https://doi.org/10.1016/j.caeai.2023.100165
Hou, C., Zhu, G., & Sudarshan, V. (2025). The role of critical thinking on undergraduates' reliance
behaviours on generative AI in problem-solving. British Journal of Educational
Technology, 56, 1919-1941. https://doi.org/10.1111/bjet.13613
REFERENCIAS
Alkabaa, A. S., & Alamri, N. M. (2025). Exploring the effectiveness of generative AI as a learning
tool in engineering education: An analysis of student experiences and perceptions.
Computer Applications in Engineering Education, 34, e70110.
https://doi.org/10.1002/cae.70110
Álvarez Ariza, J., Benítez Restrepo, M., & Hernández Hernández, C. (2025). Generative AI in
engineering and computing education: A scoping review of empirical studies and
educational practices. IEEE Access, 13, 30789–30810.
https://doi.org/10.1109/ACCESS.2025.3541424
Amoozadeh, M., Daniels, D., Nam, D., Kumar, A., Chen, S., Hilton, M., Ragavan, S. S., &
Alipour, M. A. (2024). Trust in generative AI among students: An exploratory study. En
Proceedings of the 55th ACM Technical Symposium on Computer Science Education V.
1. Association for Computing Machinery. https://doi.org/10.1145/3626252.3630842
Borowczak, M., & Borowczak, A. C.-B. (2026). Trust but verify: Engineering students' adoption
of generative AI and pedagogical implications across disciplines. Proceedings of the
American Society for Engineering Education Annual Conference & Exposition (Paper ID
49945).
Carolus, A., Koch, M. J., Straka, S., Latoschik, M. E., & Wienrich, C. (2023). MAILS - Meta AI
literacy scale: Development and testing of an AI literacy questionnaire based on well-
founded competency models and psychological change- and meta-competencies.
Computers in Human Behavior: Artificial Humans, 1, 100014.
https://doi.org/10.1016/j.chbah.2023.100014
Dai, Y. (2025). Why students use or not use generative AI: Student conceptions, concerns, and
implications for engineering education. Digital Engineering, 4, 100019.
https://doi.org/10.1016/j.dte.2024.100019
Glikson, E., & Woolley, A. W. (2020). Human trust in artificial intelligence: Review of empirical
research. Academy of Management Annals, 14(2), 627-660.
https://doi.org/10.5465/annals.2018.0057
Hornberger, M., Bewersdorff, A., & Nerdel, C. (2023). What do university students know about
artificial intelligence? Development and validation of an AI literacy test. Computers and
Education: Artificial Intelligence, 5, 100165.
https://doi.org/10.1016/j.caeai.2023.100165
Hou, C., Zhu, G., & Sudarshan, V. (2025). The role of critical thinking on undergraduates' reliance
behaviours on generative AI in problem-solving. British Journal of Educational
Technology, 56, 1919-1941. https://doi.org/10.1111/bjet.13613
Vol. 13/ Núm. 3 2026 pág. 3095
Jin, Y., Martinez-Maldonado, R., Gašević, D., & Yan, L. (2025). GLAT: The generative AI
literacy assessment test. Computers and Education: Artificial Intelligence, 9, 100436.
https://doi.org/10.1016/j.caeai.2025.100436
Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations.
En Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems
(pp. 1–16). Association for Computing Machinery.
https://doi.org/10.1145/3313831.3376727
López-Vargas, A., Rodríguez-Vidal, J., García-Beltrán, A., Vigara, P., & de León-Torres, L.
(2026). Performance, interaction, and ethical evaluation in the use of generative artificial
intelligence in engineering education. Education and Information Technologies.
https://doi.org/10.1007/s10639-026-14112-y
Mehrotra, S., Degachi, C., Vereschak, O., Jonker, C. M., & Tielman, M. L. (2024). A systematic
review on fostering appropriate trust in human-AI interaction: Trends, opportunities and
challenges. ACM Journal on Responsible Computing, 1(4), Article 26.
https://doi.org/10.1145/3696449
Mohammed, Y., Qandil, H., & Lund, B. (2026). Engineering student perceptions of generative
AI use in learning, trust, judgment and information seeking. Discover Artificial
Intelligence, 6, 1004. https://doi.org/10.1007/s44163-026-02086-2
Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). AI literacy: Definition,
teaching, evaluation and ethical issues. Proceedings of the Association for Information
Science and Technology, 58, 504-509. https://doi.org/10.1002/pra2.487
Pennells, J., Watkins, P., Bowler, A. L., Watson, N. J., & Knoerzer, K. (2025). Mapping the AI
landscape in food science and engineering: A bibliometric analysis enhanced with
interactive digital tools and company case studies. Food Engineering Reviews, 17, 465-
489. https://doi.org/10.1007/s12393-025-09413-w
Sabbione, A. C., & Patrignani, M. (2024). Usos de la IA en la enseñanza de la ciencia de los
alimentos: Potencialidades, limitaciones y su aplicación en el desarrollo de propuestas
didácticas. Revista Iberoamericana de Tecnología en Educación y Educación en
Tecnología, número especial 37, 110-116. https://doi.org/10.24215/18509959.37.e10
Schemmer, M., Kühl, N., Benz, C., Bartos, A., & Satzger, G. (2023). Appropriate reliance on AI
advice: Conceptualization and the effect of explanations. En Proceedings of the 28th
International Conference on Intelligent User Interfaces. Association for Computing
Machinery. https://doi.org/10.1145/3581641.3584066
Shallari, I., Gallo, V., Carratù, M., Hussain, M., Krapohl, D., & Mousavirad, S. J. (2026).
Perception-performance gap in generative AI: An exploratory study across two
engineering education contexts. Education Sciences, 16, 803.
https://doi.org/10.3390/educsci16050803
Jin, Y., Martinez-Maldonado, R., Gašević, D., & Yan, L. (2025). GLAT: The generative AI
literacy assessment test. Computers and Education: Artificial Intelligence, 9, 100436.
https://doi.org/10.1016/j.caeai.2025.100436
Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations.
En Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems
(pp. 1–16). Association for Computing Machinery.
https://doi.org/10.1145/3313831.3376727
López-Vargas, A., Rodríguez-Vidal, J., García-Beltrán, A., Vigara, P., & de León-Torres, L.
(2026). Performance, interaction, and ethical evaluation in the use of generative artificial
intelligence in engineering education. Education and Information Technologies.
https://doi.org/10.1007/s10639-026-14112-y
Mehrotra, S., Degachi, C., Vereschak, O., Jonker, C. M., & Tielman, M. L. (2024). A systematic
review on fostering appropriate trust in human-AI interaction: Trends, opportunities and
challenges. ACM Journal on Responsible Computing, 1(4), Article 26.
https://doi.org/10.1145/3696449
Mohammed, Y., Qandil, H., & Lund, B. (2026). Engineering student perceptions of generative
AI use in learning, trust, judgment and information seeking. Discover Artificial
Intelligence, 6, 1004. https://doi.org/10.1007/s44163-026-02086-2
Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). AI literacy: Definition,
teaching, evaluation and ethical issues. Proceedings of the Association for Information
Science and Technology, 58, 504-509. https://doi.org/10.1002/pra2.487
Pennells, J., Watkins, P., Bowler, A. L., Watson, N. J., & Knoerzer, K. (2025). Mapping the AI
landscape in food science and engineering: A bibliometric analysis enhanced with
interactive digital tools and company case studies. Food Engineering Reviews, 17, 465-
489. https://doi.org/10.1007/s12393-025-09413-w
Sabbione, A. C., & Patrignani, M. (2024). Usos de la IA en la enseñanza de la ciencia de los
alimentos: Potencialidades, limitaciones y su aplicación en el desarrollo de propuestas
didácticas. Revista Iberoamericana de Tecnología en Educación y Educación en
Tecnología, número especial 37, 110-116. https://doi.org/10.24215/18509959.37.e10
Schemmer, M., Kühl, N., Benz, C., Bartos, A., & Satzger, G. (2023). Appropriate reliance on AI
advice: Conceptualization and the effect of explanations. En Proceedings of the 28th
International Conference on Intelligent User Interfaces. Association for Computing
Machinery. https://doi.org/10.1145/3581641.3584066
Shallari, I., Gallo, V., Carratù, M., Hussain, M., Krapohl, D., & Mousavirad, S. J. (2026).
Perception-performance gap in generative AI: An exploratory study across two
engineering education contexts. Education Sciences, 16, 803.
https://doi.org/10.3390/educsci16050803