Percepción estudiantil sobre el uso ético de la inteligencia artificial generativa en bachillerato: un estudio cuasi-experimental

Autores/as

DOI:

https://doi.org/10.69639/arandu.v13i2.2236

Palabras clave:

inteligencia artificial generativa, ética académica, percepción estudiantil, bachillerato, uso responsable

Resumen

La inteligencia artificial generativa (IAG) ha transformado el entorno educativo al ofrecer herramientas capaces de producir textos, explicaciones y soluciones automatizadas, lo que ha generado tensiones en torno a la integridad académica, especialmente en el nivel de bachillerato. El objetivo de este estudio fue describir la percepción de los estudiantes sobre el uso ético de la IAG en la asignatura de Pensamiento Computacional y evaluar el efecto de una intervención didáctica orientada al desarrollo de competencias de transparencia, verificación y autoría responsable. El estudio se desarrolló en tres fases. En la primera, se aplicó un pretest mediante un instrumento para diagnosticar prácticas iniciales, identificando conductas de riesgo como la delegación total de tareas y el ocultamiento del uso de la herramienta, así como prácticas protectoras relacionadas con la verificación de la información. En la segunda fase, se implementó una intervención pedagógica basada en alfabetización digital, análisis de casos y reflexión crítica. En la tercera fase, se aplicó un postest con el mismo instrumento para evaluar cambios en la percepción estudiantil. Los resultados evidenciaron una mejora significativa en el índice de uso ético en los estudiantes que participaron en la intervención, en comparación con aquellos que no recibieron orientación. Se concluye que el uso ético de la IAG puede desarrollarse como competencia mediante estrategias pedagógicas intencionadas, y que las instituciones educativas requieren políticas claras de trazabilidad, citación y evaluación auténtica para promover un aprendizaje profundo y responsable.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Chávez-Boza, B. M., & Erazo-Moreta, O. R. (204). Integración de la inteligencia artificial generativa para el aprendizaje de fundamentos de programación: una revisión sistemática de la literatura. Revista Mexicana de investigación e intervención educativa. Obtenido de https://pablolatapisarre.edu.mx/revista/index.php/rmiie/article/view/78/67

Cordero-Mendieta, L., Pachar-Laso, E., & Granados-Romero, J. (2025). La ética en la aplicación de la inteligencia artificial para la creación de trabajos académicos por estudiantes de tercer año de bachillerato. 593 Digital Publisher CEIT, 10(3), 302–312. https://doi.org/10.33386/593dp.2025.3.3150

Cortés, F. (2025). Ingeniería de Prompts La Guía Definitiva para Dominar la Interacción con la IA. Obtenido de https://www.google.com.ec/books/edition/Ingenier%C3%ADa_de_Prompts/ESk-EQAAQBAJ?hl=es&gbpv=0&kptab=overview

Del Prete, E. (2024). Small Compendium on Hypothesis Test, Experimental Design and Power Analysis (with Tips on Practical Cases). (Version 1.1) [PDF]. Telethon Institute of Genetics and Medicine. https://bioinformatics.tigem.it/materials/Statistical_Small_Compendium_ver1.1.pdf

Doval, E., Viladrich, C., & Angulo-Brunet, A. (2023). Coefficient Alpha: The Resistance of a Classic. Psicothema, 35(1), 5–20. https://doi.org/10.7334/psicothema2022.321

Goss-Sampson, M. A. (2025). Statistical Analysis in JASP: A guide for students (JASP 0.19.3) [PDF]. https://jasp-stats.org/wp-content/uploads/2025/07/Statistical-Analysis-in-JASP-A-guide-for-students-2025.pdf

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

Kennedy, I. (2022). Sample Size Determination in Test-Retest and Cronbach Alpha Reliability Estimates. British Journal of Contemporary Education, 2(1), 17–29. https://doi.org/10.52589/BJCE-FY266HK9

Perkins, M. (2023). Academic integrity considerations of AI large language models in the post-pandemic era: ChatGPT and beyond. Journal of University Teaching & Learning Practice, 20(2). https://doi.org/10.53761/1.20.02.07

UNESCO. (2023). Guidance for generative AI in education and research [PDF]. United Nations Educational, Scientific and Cultural Organization. https://unesdoc.unesco.org/ark:/48223/pf0000386693

UNESCO. (2024). Guía para el uso de IA generativa en educación e investigación. Francia. Obtenido de https://unesdoc.unesco.org/ark:/48223/pf0000389227

Zakariya, Y. F. (2022). Cronbach’s alpha in mathematics education research: Its appropriateness, overuse, and alternatives in estimating scale reliability. Frontiers in Psychology, 13, 1074430. https://doi.org/10.3389/fpsyg.2022.1074430

Descargas

Publicado

2026-06-03

Cómo citar

Yugsi Flores, C. M., Báuz Saravia, M. G., Rumbaut Rangel, D., & Cevallos Torres, L. (2026). Percepción estudiantil sobre el uso ético de la inteligencia artificial generativa en bachillerato: un estudio cuasi-experimental. Arandu UTIC, 13(2), 912–924. https://doi.org/10.69639/arandu.v13i2.2236

Número

Sección

Ciencias de la Educación

Deprecated: json_decode(): Passing null to parameter #1 ($json) of type string is deprecated in /var/www/revista/revista.ojs/plugins/generic/citations/CitationsPlugin.inc.php on line 49