Validación de un instrumento para medir el uso académico de la IAGen en estudiantes universitarios [Validation of an instrument to measure the academic use of IAGen in university students]
PDF (Español)
PDF (English)
HTML (Español)
HTML (English)

Métricas alternativas

Palabras clave

Artificial intelligence
educational technology
higher education
measuring instrument
perception Inteligencia artificial
tecnología educativa
educación superior
instrumento de medida
percepción

Cómo citar

Trejo-Trejo, G. A., & Gordillo -Espinoza, E. (2026). Validación de un instrumento para medir el uso académico de la IAGen en estudiantes universitarios [Validation of an instrument to measure the academic use of IAGen in university students]. Pixel-Bit. Revista De Medios Y Educación, 75, Art. 7. https://doi.org/10.12795/pixelbit.117960

Resumen

Este estudio presenta el proceso de diseño, validación y análisis psicométrico de un cuestionario para medir el uso académico de la inteligencia artificial generativa (IAGen) en estudiantes de educación superior. La validez de contenido se estableció mediante el coeficiente V de Aiken con jueces expertos, lo que permitió ajustar y depurar ítems. Posteriormente, se aplicó el cuestionario a una muestra de 905 estudiantes universitarios. El Análisis Factorial Exploratorio (AFE) identificó una estructura de siete factores, en lugar de las nueve dimensiones iniciales, explicando el 64% de la variabilidad total. Las cargas factoriales oscilaron entre .44 y .96, con la proporción de varianza de cada ítem explicada por los factores entre .41 y .79. El Análisis Factorial Confirmatorio (AFC) mostró que el modelo de siete dimensiones se ajustó mejor a los datos (CFI = .90, TLI = .90, RMSEA = .06, SRMR = .04) que el modelo teórico de nueve. En conclusión, el instrumento constituye una herramienta válida, confiable y aplicable para evaluar percepciones estudiantiles sobre el uso académico de la IAGen en educación superior.

https://doi.org/10.12795/pixelbit.117960
PDF (Español)
PDF (English)
HTML (Español)
HTML (English)

Citas

Aiken, L. R. (1985). Three Coefficients for Analyzing the Reliability and Validity of Ratings. Educational and Psychological Measurement, 45(1), 131-142. https://doi.org/10.1177/0013164485451012 (Original work published 1985).

Álvarez-Rebolledo, A., Santos Carreto, M. y Barrios González, E. (2019). Propiedades psicométricas del cuestionario “Percepción de la inclusión educativa en nivel superior”. Sinectica 53, 1-21. https://doi.org/10.31391/S2007-7033(2019)0053-009

American Educational Research Association, American Psychological Association, y National Council on Measurement in Education. (2018). Estándares para pruebas educativas y psicológicas (M. Lieve, Trans.). American Educational Research Association. https://www.testingstandards.net/uploads/7/6/6/4/76643089/9780935302745_web.pdf

Ato, M., López-García, J., y Benavente, A. (2013). Un sistema de clasificación de los diseños de investigación en psicología. Anales de Psicología, 29(3), 1038-1059. https://doi.org/10.6018/analesps.29.3.178511

Bond, M., Khosravi, H., De Laat, M. et al. (2024). A meta systematic review of artificial intelligence in higher education: a call for increased ethics, collaboration, and rigour. Int J Educ Technol High Educ 21, 4. https://doi.org/10.1186/s41239-023-00436-z

Castaño Umaña, R. A. (2024). Impacto de la inteligencia artificial generativa en la educación superior: un estudio comparativo. Revista Compromiso Social, 7(12), 95–110. https://doi.org/10.5377/recoso.v7i12.19650

Chen, L., Chen, P. and Lin, Z. (2020)."Artificial Intelligence in Education: A Review," in IEEE Access, 8, 75264-75278. https://doi.org/10.1109/ACCESS.2020.2988510

Escobar-Pérez, J., & Cuervo-Martínez, A. (2008). Validez de contenido y juicio de expertos: una aproximación a su utilización. Avances en medición, 6(1), 27-36. https://www.humanas.unal.edu.co/lab_psicometria/application/files/9416/0463/3548/Vol_6._Articulo3_Juicio_de_expertos_27-36.pdf

Escurra Mayaute, L. M. (1988). Cuantificación de la validez de contenido por criterio de jueces. Revista De Psicología, 6(1-2), 103–111. https://doi.org/10.18800/psico.198801-02.008

Fan, L., Deng, K. y Liu, F. Impactos educativos de la inteligencia artificial generativa en el aprendizaje y el rendimiento de estudiantes de ingeniería en China. Sci Rep 15, 26521 (2025). https://doi.org/10.1038/s41598-025-06930-w

Francis N.J., Jones, S., & Smith, D.P. (2025) Generative AI in Higher Education: Balancing Innovation and Integrity. Br J Biomed Sci 81:14048. https://doi.org/10.3389/bjbs.2024.14048

Giannakos, M., Azevedo, R., Brusilovsky, P., Cukurova, M., Dimitriadis, Y., Hernandez-Leo, D., … Rienties, B. (2024). The promise and challenges of generative AI in education. Behaviour & Information Technology, 44(11), 2518–2544. https://doi.org/10.1080/0144929X.2024.2394886

Gil Iranzo, R., Gutiérrez-Ujaque, D., & Teixidó Cairol, M. (2024). De la ansiedad al empoderamiento: Impacto del uso de la inteligencia artificial en la percepción de los estudiantes en educación superior. REDU. Revista De Docencia Universitaria, 22(2), 85–104. https://doi.org/10.4995/redu.2024.22009

Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage.

Hu, L.-t. y Bentler, PM (1999). Criterios de corte para índices de ajuste en el análisis de la estructura de covarianza: Criterios convencionales frente a nuevas alternativas. Modelado de Ecuaciones Estructurales, 6 (1), 1–55. https://doi.org/10.1080/10705519909540118

Jovanović, M. and Campbell, M. (2022). "Generative Artificial Intelligence: Trends and Prospects," Computer, 55 (10),107-112. https://doi.org/10.1109/MC.2022.3192720

Lloret-Segura, S., Ferreres-Traver, A., Hernández-Baeza, A., & Tomás-Marco, I. (2014). Análisis factorial de ítems exploratorios: una guía práctica revisada y actualizada. Anales de Psicología / Annals of Psychology , 30 (3), 1151–1169. https://doi.org/10.6018/analesps.30.3.199361

Maldonado-Suárez, N., y Santoyo-Telles, F. (2024). Validez de contenido por juicio de expertos: Integración cuantitativa y cualitativa en la construcción de instrumentos de medición. REIRE Revista d’Innovació i Recerca en Educació, 17(2), 1-19. https://doi.org/10.1344/reire.46238

Martín-Romera, Ana, y Molina Ruiz, Enriqueta. (2017). El valor del conocimiento pedagógico para la docencia en secundaria: diseño y validación de un cuestionario. Estudios pedagógicos (Valdivia), 43(2), 195-220. https://dx.doi.org/10.4067/S0718-07052017000200011

Ng, S.-L., & Ho, C.-C. (2025). Generative AI in Education: Mapping the Research Landscape Through Bibliometric Analysis. Information, 16(8), 657. https://doi.org/10.3390/info16080657

Niño-Carrasco, S. A., Castellanos-Ramírez, J. C., Perezchica Vega, J. E., & Sepúlveda Rodríguez, J. A. (2025). Percepciones de estudiantes universitarios sobre los usos de inteligencia artificial en educación. Revista Fuentes, 27(1), 94–106. https://doi.org/10.12795/revistafuentes.2025.26356

Peres, R., Schreier, M., Schweidel, D. & Sorescu, A. (2023). On ChatGPT and beyond: How generative artificial intelligence may affect research, teaching, and practice. International Journal of Research in Marketing, 40 (2), 269-275, https://doi.org/10.1016/j.ijresmar.2023.03.001

Romeu Fontanillas, T., Romero Carbonell, M., Guitert Catasús, M., & Baztán Quemada, P. (2025). Desafíos de la Inteligencia Artificial generativa en educación superior: fomentando su uso crítico en el estudiantado. RIED-Revista Iberoamericana de Educación a Distancia, 28(2), 209–231. https://doi.org/10.5944/ried.28.2.43535

Russell, S.; Norvig, P. Artificial Intelligence: A Modern Approach, 4th ed.; Pearson: Hoboken, NJ, USA, 2021; pp. 1–1152.

Ruiz Mendoza, K. K., Miramontes Arteaga, M. A., & Reyna García, C. (2024). Percepciones y expectativas de estudiantes universitarios sobre la IAG. European Public & Social Innovation Review, 9, 1–21. https://doi.org/10.31637/epsir-2024-357

Saúde, S., Barros, JP, y Almeida, I. (2024). Impactos de la Inteligencia Artificial Generativa en la Educación Superior: Tendencias de Investigación y Percepciones de los Estudiantes. Ciencias Sociales, 13(8), 410. https://doi.org/10.3390/socsci13080410

Silgado-Tuñón, D. A., & López-Flores, J. I. (2025). Inteligencia Artificial Generativa en la Educación Superior: una Revisión Sistemática. UNIÓN - REVISTA IBEROAMERICANA DE EDUCACIÓN MATEMÁTICA, 21(73). https://revistaunion.org/index.php/UNION/article/view/1709

Ursavaş, Ö.F., Yalçın, Y., İslamoğlu, H. et al. (2025). Replanteando la importancia de las normas sociales en la adopción de la IA generativa: investigación sobre la aceptación y el uso de la IA generativa entre estudiantes de educación superior. Int J Educ Technol High Educ 22, 38. https://doi.org/10.1186/s41239-025-00535-z

Xia, Q.; Weng, X.; Ouyang, F.; Lin, T.J.; Chiu, T.K.F. (2024). A scoping review on how generative artificial intelligence transforms assessment in higher education. Int. J. Educ. Technol. High. Educ., 21, 40. https://doi.org/10.1186/s41239-024-00468-z

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Derechos de autor 2025 Pixel-Bit. Revista de Medios y Educación

Descargas

Los datos de descargas todavía no están disponibles.