Validación de una escala basada en UTAUT para uso de IA en universitarios

Autores/as

DOI:

https://doi.org/10.32870/Ap.v17n2.2678

Palabras clave:

Inteligencia artificial, psicometría, educación, estudiantes universitarios

Resumen

El estudio tuvo como objetivo desarrollar y validar un instrumento psicométrico basado en el modelo UTAUT para medir la aceptación y uso de la inteligencia artificial (IA) en estudiantes universitarios mexicanos. Se trató de una investigación cuantitativa, transversal y de tipo instrumental, con una muestra no probabilística por conveniencia de 213 estudiantes de la Universidad de Sonora. Se realizaron análisis de confiabilidad (alfa de Cronbach), análisis factorial confirmatorio y modelo Rasch. Los resultados evidenciaron propiedades psicométricas adecuadas, con buenos niveles de consistencia interna, validez de constructo y ajuste de ítems. La mayoría de las dimensiones mostraron correlaciones significativas, especialmente entre la expectativa de funcionamiento, la actitud hacia la tecnología y la intención de uso. Las limitaciones incluyeron el muestreo por conveniencia y la representación limitada de estudiantes avanzados. El principal aporte fue la validación de una escala contextualizada al uso de IA en la educación superior mexicana. Se concluyó que el instrumento es confiable y útil para futuras investigaciones e intervenciones educativas que promuevan el uso ético y efectivo de la IA

Referencias

Castillo-Martínez, I., Flores-Bueno, D., Gómez-Puente, S., & Vite-León, V. (2024). AI in higher education: A systematic literature review. Frontiers in Education, 9, 1391485. https://doi.org/10.3389/feduc.2024.1391485

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.

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

Goel, A., & Joyner, D. (2017). Using AI to teach AI: Lessons from an online AI class. AI Magazine, 38(2), 48–59. https://doi.org/10.1609/aimag.v38i2.2732

Hernández, J., Espinosa, J., Peñaloza, M., Rodríguez, J., Chacón, J., Toloza, C., Arenas, M., Carrillo, S., & Bermúdez, V. (2018). Sobre el uso adecuado del coeficiente de correlación de Pearson: definición, propiedades y suposiciones. Archivos Venezolanos de Farmacología y Terapéutica, 37(5), 587–595. http://saber.ucv.ve/ojs/index.php/rev_aavft/article/view/16165

Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign. https://discovery.ucl.ac.uk/id/eprint/10139722/

Kasneci, E., Sessler, K., Gröschner, A., Chen, W., & Golla, D. (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

Kline, R. (2016). Principles and practice of structural equation modeling. Canadian Psychology, 40(3), 381.

Linacre, J. (2007). Winsteps® Rasch measurement computer program user’s guide (Version 3.61.2). Winsteps.com.

Luckin, R., & Holmes, W. (2016). Intelligence unleashed: An argument for AI in education. Pearson Education. https://discovery.ucl.ac.uk/id/eprint/1475756/

Marangunić, N., & Granić, A. (2015). Technology acceptance model: A literature review from 1986 to 2013. Universal Access in the Information Society, 14(1), 81–95. https://doi.org/10.1007/s10209-014-0348-1

Marchewka, J., Liu, C., & Kostiwa, K. (2007). An application of the UTAUT model for understanding student perceptions using course management software. Communications of the IIMA, 7(2), 93–104.

Marsh, H., Hau, K.-T., & Wen, Z. (2004). In search of golden rules: Comment on hypothesis-testing approaches to setting cutoff values for fit indexes and dangers in overgeneralizing Hu and

Bentler’s (1999) findings. Structural Equation Modeling: A Multidisciplinary Journal, 11(3), 320–341. https://doi.org/10.1207/s15328007sem1103_2

Michel, M., Torres, L., & Quevedo, L. (2012). Estudio de traducción y confiabilidad del instrumento de la Teoría Unificada de la Aceptación y Uso de la Tecnología (UTAUT). Apertura, 4(2), 96–105.

Oshlyansky, L., Cairns, P., & Thimbleby, H. (2007). Validating the Unified Theory of Acceptance and Use of Technology (UTAUT) tool cross-culturally. Proceedings of the 21st British HCI Group Annual Conference on People and Computers: HCI... but not as we know it. 2, 83–86. British Computer Society.

Selwyn, N. (2022). The future of AI and education: Some cautionary notes. European Journal of Education, 57, 620–631. https://doi.org/10.1111/ejed.12532

Susnjak, T. (2022). ChatGPT: The End of Online Exam Integrity?. ArXiv. DOI:

https://doi.org/10.48550/arXiv.2212.09292

UNESCO. (2021). Recommendation on the ethics of artificial intelligence. https://unesdoc.unesco.org/ark:/48223/pf0000381137

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

Venkatesh, V., Thong, J. Y. L., & Xu, X. (2012). Consumer acceptance and use of information technology: Extending the unified theory of acceptance and use of technology. MIS Quarterly, 36(1), 157–178. https://doi.org/10.2307/41410412

Woolf, B. (2010). Building intelligent interactive tutors: Student-centered strategies for revolutionizing e-learning. Morgan Kaufmann. https://dl.acm.org/doi/10.5555/2155693

Zawacki-Richter, O., Marín, V., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education–Where are the educators? International Journal of Educational Technology in Higher Education, 16(1), 1–27. https://doi.org/10.1186/s41239-019-0171-0

Descargas

Publicado

2025-09-30

Número

Vol. 17 Núm. 2 (2025): Inteligencia artificial y entornos digitales para el aprendizaje

Sección

Artículos de investigación

Licencia

Los derechos de autor (copyright) pertenecen a los autores del texto. En caso de que el manuscrito sea aceptado para la publicación, se autoriza al Sistema de Universidad Virtual de la Universidad de Guadalajara (UDGVirtual) que modifique el texto en la corrección de estilo, traduzca, fije, divulgue, reproduzca, publique y comercialice con este. Asimismo, se autoriza que la Universidad de Guadalajara realice lo antes descrito en conjunto o a través de posibles terceros. (Consulte la autorización a detalle en la carta de derechos de autor.)

Los autores garantizan a la revista Apertura el derecho de ser el primer medio de publicación del trabajo. Se autoriza la reproducción de los textos publicados en la revista Apertura, en forma total o parcial, siempre y cuando sea sin fines de lucro, se cite la fuente y no se modifique el contenido o diseño. Los autores podrán distribuir exclusivamente la versión final editorial o postimpresión (postprint) en cualquier medio y en cualquier momento.

Apertura, sus editores y UDGVirtual se deslindan de la información proporcionada por colaboradores o anunciantes. Los artículos de los colaboradores no representan necesariamente el punto de vista del editor o de UDGVirtual y el contenido de los anuncios publicitarios son responsabilidad exclusiva de los contratantes.

Apertura está registrada en el Instituto Nacional del Derecho de Autor con el número ISSN: 1665-6180 (versión impresa) y e-ISSN 2007-1094 (versión electrónica), y con el Certificado de Reserva de Derechos al Uso Exclusivo del Título: 04-2005-120212472000-102.

También está certificada por la Comisión Calificadora de Publicaciones y Revistas Ilustradas de la Secretaría de Gobernación con los Certificados de Licitud de Título número: 13449; y de Licitud de Contenido: 11022.