Predicción de la intención de integrar IA en la labor docente universitaria
Palabras clave:
Docencia, inteligencia artificial, tecnología educacional, actitud del docenteResumen
El propósito de la presente investigación fue, a partir de la Teoría de la Conducta Planificada (TCP), evaluar la capacidad predictiva que tienen las actitudes, la norma subjetiva y el control conductual percibido sobre la intención de los docentes al integrar la Inteligencia Artificial (IA) en los procesos de enseñanza universitaria. Para ello se encuestaron a 372 profesores de una universidad en Venezuela, donde el 58% eran hombres y el 42% mujeres con una media de edad de 51 años (D. E. = 13.3). Los resultados generales indican que las profesoras perciben mayor presión social que sus pares hombres por usar IA en clases. Por su parte, el mejor predictor de la intención son las actitudes positivas hacia la IA, en menor medida le siguen el control conductual y la norma subjetiva. Además, la norma subjetiva no es relevante para predecir la intención de usar IA docentes que ya usan este tipo de tecnología. Se concluye que la TCP puede predecir la intención de implementar IA en la gestión docente, sugiriendo que en intervenciones la variable más importante para aumentar la intención es la actitud de los docentes hacia la IA.
Citas
Adelana, O. P., Ayanwale, M. A., & Sanusi, I. T. (2024). Exploring pre-service biology teachers’ intention to teach genetics using an AI intelligent tutoring-based system. Cogent Education, 11(1), 2310976. https://doi.org/10.1080/2331186X.2024.2310976
Ajzen, I. (2005). Attitudes, Personality and Behavior. McGrawHill.
Ajzen, I. (2020). The theory of planned behavior: Frequently asked questions. Human Behavior and Emerging Technologies, 2(4), 314-324. https://doi.org/10.1002/hbe2.195
Ajzen, I., Fishbein, M., Lohmann, S. & Albarracín, D. (2018).The Influence of Attitudes on Behavior. D. Albarracín & B. T. Johnson (Eds.), The Handbook of attitudes Volume 1: Basic Principles (pp. 197 - 255). https://doi.org/10.4324/9781315178103
Alnasib, B. N. (2023). Factors affecting faculty members’ readiness to integrate artificial intelligence into their teaching practices: a study from the Saudi higher education context. International Journal of Learning, Teaching and Educational Research, 22(8), 465-491. https://doi.org/10.26803/ijlter.22.8.24
An, X., Chai, C. S., Li, Y., Zhou, Y., Shen, X., Zheng, C., & Chen, M. (2023). Modeling English teachers’ behavioral intention to use artificial intelligence in middle schools. Education and Information Technologies, 28(5), 5187-5208. https://doi.org/10.1007/s10639-022-11286-z
Ayanwale, M. A., Sanusi, I. T., Adelana, O. P., Aruleba, K. D., & Oyelere, S. S. (2022). Teachers’ readiness and intention to teach artificial intelligence in schools. Computers and Education: Artificial Intelligence, 3, 100099. https://doi.org/10.1016/j.caeai.2022.100099
Bosnjak, M., Ajzen, I., & Schmidt, P. (2020). The theory of planned behavior: Selected recent advances and applications. Europe's Journal of Psychology, 16(3), 352. https://doi.org/10.5964%2Fejop.v16i3.3107
Calderón, R., & Benavides González, L. (2022). La inteligencia artificial como herramienta en la docencia universitaria. Revista Académica Institucional, 3(2), 10–17. https://rai.usam.ac.cr/index.php/raiusam/article/view/59
Carbonell-García, C. E., Burgos-Goicochea, S., Calderón-de-los-Ríos, D. O., & Paredes-Fernández, O. W. (2023). La Inteligencia Artificial en el contexto de la formación educativa. Episteme Koinonía. Revista Electrónica de Ciencias de la Educación, Humanidades, Artes y Bellas Artes, 6(12), 152-166. https://doi.org/10.35381/e.k.v6i12.2547
Chatterjee, S., & Bhattacharjee, K. K. (2020). Adoption of artificial intelligence in higher education: A quantitative analysis using structural equation modelling. Education and Information Technologies, 25, 3443-3463. https://doi.org/10.1007/s10639-020-10159-7
Chen, L., Chen, P., & Lin, Z. (2020). Artificial intelligence in education: A review. Ieee Access, 8, 75264-75278. https://doi.org/10.1109/ACCESS.2020.2988510
Chocarro, R., Cortiñas, M., & Marcos-Matás, G. (2021). Teachers’ attitudes towards chatbots in education: a technology acceptance model approach considering the effect of social language, bot proactiveness, and users’ characteristics. Educational Studies, 49(2), 295-313. https://doi.org/10.1080/03055698.2020.1850426
Coolican, H. (2024). Research methods and statistics in Psychology. Routledge.
Cox, K. S. & Holcomb, Z. C. (2021). Interpreting Basic Statistics A Worbook Based of Excerpts from Journal Articles. New York: Routledge.
Czaja, S. J., Charness, N., Fisk, A. D., Hertzog, C., Nair, S. N., Rogers, W. A., & Sharit, J. (2006). Factors predicting the use of technology: Findings from the center for research and education on aging and technology enhancement (CREATE). Psychology and Aging, 21(2), 333–352. https://doi.org/10.1037/0882-7974.21.2.333
Davis, F. D. (1985). A technology acceptance model for empirically testing new end-user information systems: Theory and results [Tesis de Doctorado, Massachusetts Institute of Technology]. https://dspace.mit.edu/bitstream/handle/1721.1/15192/14927137-MIT.pdf
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quaterly 13(3), 319–340. https://doi.org/10.2307/ 249008
Fishbein, M. & Ajzen, I. (2010). Predicting and Changing Behavior The Reasoned Action Approach. Psychology Press.
Friemel, T. N. (2014). The digital divide has grown old: Determinants of a digital divide among seniors. New Media & Society, 18(2), 313–331. https://doi.org/10.1177/1461444814538648
Jiménez Linares, L. J., López-Gómez, J. A., Martín-Baos, J. Á., Romero, F. P., & Serrano Guerrero, J. (2023). ChatGPT: reflexiones sobre la irrupción de la inteligencia artificial generativa en la docencia universitaria. Actas de las Jornadas sobre la Enseñanza Universitaria de la Informática (JENUI), (8), 113-120. https://rua.ua.es/dspace/bitstream/10045/137019/1/JENUI_2023_014.pdf
Kim, K., & Kwon, K. (2023). Exploring the AI competencies of elementary school teachers in South Korea. Computers and Education: Artificial Intelligence, 4, 100137. https://doi.org/10.1016/j.caeai.2023.100137
Kohnke, L., Moorhouse, B. L., & Zou, D. (2023). Exploring generative artificial intelligence preparedness among university language instructors: A case study. Computers and Education: Artificial Intelligence, 5, 100156. https://doi.org/10.1016/j.caeai.2023.100156
Kelly, S., Kaye, S. A., & Oviedo-Trespalacios, O. (2023). What factors contribute to the acceptance of artificial intelligence? A systematic review. Telematics and Informatics, 77, 101925. https://doi.org/10.1016/j.tele.2022.101925
Lopez Martin, E. & Martín Gutierrez, S. (2023). Guía para integrar las tecnologías basadas en inteligencia artificial generativa en los procesos de enseñanza y aprendizaje. [Versión 1.0]. Universidad Nacional a Distancia.España.
Lovett, B. J. (2023). Practical Psychometrics a guide for test users. Guilford Press.
Park, J., Teo, T.W., Teo, A., Chang, J., Huang, J. S. & Koo, S. (2023). Integrating artificial intelligence into science lessons: teachers’ experiences and views. International Journal of STEM Education, 10, 61. https://doi.org/10.1186/s40594-023-00454-3
Sanusi, I. T., Ayanwale, M. A. & Chiu, T. K. F. (2024). Investigating the moderating effects of social good and confidence on teachers' intention to prepare school students for artificial intelligence education. Educ Inf Technol 29, 273–295. https://doi.org/10.1007/s10639-023-12250-1
UNESCO (2019). Conceso de Beijing sobre la inteligencia artificial y la educación. https://unesdoc.unesco.org/ark:/48223/pf0000368303
Usart Rodríguez, M. (2023). Tecnologías digitales e inteligencia artificial: evidencia de efectividad en educación. Innovaciones Educativas, 25, 7-12. https://doi.org/10.22458/ie.v25iEspecial.5084
Wang, Y. S., Wu, M. C., & Wang, H. Y. (2009). Investigating the determinants and age and gender differences in the acceptance of mobile learning. British Journal of Educational Technology, 40(1), 92–118. https://doi.org/10.1111/j.1467-8535.2007.00809.x
Wood, E. A., Ange, B. L., & Miller, D. D. (2021). Are We Ready to Integrate Artificial Intelligence Literacy into Medical School Curriculum: Students and Faculty Survey. Journal of Medical Education and Curricular Development, 8, 1-8. https://doi.org/10.1177/23821205211024078
Zhang, C., Schießl, J., Plößl, L., Hofmann, F., & Gläser-Zikuda, M. (2023). Acceptance of artificial intelligence among pre-service teachers: a multigroup analysis. International Journal of Educational Technology in Higher Education, 20(1), 49. https://doi.org/10.1186/s41239-023-00420-7
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Yolanda Cañoto R., María Graciela Fernández
Esta obra está bajo una licencia internacional Creative Commons Atribución-CompartirIgual 4.0.
Educab-Revista de Educación es una revista académica publicada por la Universidad Católica Andrés Bello, Venezuela. Es divulgada en formato cien por ciento, en acceso abierto, además de no realizar cargos por procesamiento de artículos, igualmente son inexistentes los cargos por envío de artículos.
Cada artículo se acompañará de una carta del autor principal, especificando que los materiales son inéditos y que no se presentarán a ningún otro medio antes de conocer la decisión del Comité Editorial. El autor debe de adjuntar una declaración firmada indicando que tipo de derecho presenta su artículo, recordando que la universidad sugiere utilizar el tipo de libre acceso, sin olvidar mencionar la fuente principal.
