La inteligencia artificial: un recurso educativo para mejorar el rendimiento académico de los estudiantes universitarios
DOI:
https://doi.org/10.37117/s.v26i1.1155Keywords:
Educación superior, Inteligencia Artificial, Rendimiento académico, Tecnología educativaAbstract
La Inteligencia Artificial (IA) ha revolucionado los procesos educativos al ofrecer herramientas que optimizan el aprendizaje y facilitan el desarrollo de competencias en los estudiantes. Este estudio tuvo como objetivo evaluar el impacto de la IA en el rendimiento académico de los estudiantes de la Facultad de Ciencias Administrativas y Económicas (FCAE) de la Universidad Técnica de Manabí(UTM), considerando su uso como recurso educativo. Se llevó a cabo una investigación de enfoque cuantitativo, utilizando encuestas estructuradas para recolectar datos numéricos y un análisis de contingencia para determinar la relación entre el uso de IA y las dimensiones del rendimiento académico según el modelo RAU (Rendimiento Académico Universitario). Los resultados mostraron que el 73.02% de los estudiantes utiliza regularmente herramientas de IA, destacando ChatGPT como la más empleada (64.29%). Sin embargo, la adopción de otras herramientas resultó limitada, evidenciando la necesidad de una capacitación tecnológica más diversa. Asimismo, se identificó una correlación estadísticamente significativa entre el uso de IA y las dimensiones de "Aportación a las actividades académicas" y "Dedicación al estudio", mientras que la dimensión "Falta de organización de recursos académicos" no presentó una relación significativa. Estos hallazgos subrayan tanto el impacto positivo de la IA como la importancia de fortalecer las habilidades organizativas en los estudiantes. Se concluye que la IA es un recurso efectivo para mejorar el rendimiento académico, aunque su implementación debe ir acompañada de estrategias pedagógicas que promuevan su uso ético y diversificado.
Downloads
References
Albán, J., & Calero, J. (2017). El rendimiento académico: aproximación necesaria a un problema pedagógico actual. Conrado, 13(58), 213-220.
Coppola, M. (2024). Tipos de inteligencia artificial que puedes usar este 2024. Innovación Tecnológica en Educación, 12(1), 33-50.
Fajardo, R., Pérez, J., & Luna, A. (2023). Aplicaciones de la inteligencia artificial en la educación superior. Educación Hoy, 15(6), 89-102.
Garcés, P., & Villavicencio, R. (2024). Personalización del aprendizaje mediante IA. Revista de Innovación Educativa, 9(3), 76-85.
Granda, C., & Pacheco, E. (2023). Ética en el uso de la inteligencia artificial en educación. Ética y Tecnología, 7(2), 115-127.
Guacán, R., & Morales, S. (2023). Brechas tecnológicas en el acceso a la IA educativa. Educación Inclusiva, 4(3), 59-68.
Lozada, J., & Campos, T. (2023). Riesgos de la dependencia tecnológica en estudiantes universitarios. Revista Psicoeducativa, 10(1), 102-118.
Macías, J., & Ramos, L. (2023). Análisis predictivo en la educación: impacto de la IA. Tecnología y Educación, 8(4), 147-160.
Nuñez, A., & García, M. (2024). Evaluación continua mediante herramientas de inteligencia artificial. Investigación y Docencia, 11(5), 221-236.
Pardiñas, F. (2021). Conceptos fundamentales de la inteligencia artificial. Revista Científica, 14(2), 43-57.
Payrumani, D. (2023). Algoritmos de aprendizaje automático aplicados a la educación. Tecnología en la Enseñanza, 6(3), 33-49.
Preciado, E., Vargas, J., & Sánchez, P. (2021). Modelo RAU: Evaluación integral del rendimiento académico. Investigación Universitaria, 10(2), 98-114.
Reyes, A. (2023). Rendimiento académico: más allá de las calificaciones. Progreso Educativo, 12(7), 88-99.
Segarra, V., & Ortiz, R. (2024). Automatización y personalización del aprendizaje con IA. Tendencias Educativas, 5(6), 55-70.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Pamela Elizabeth Hernández Castro , Marcos Fernando Pazmiño Campuzano
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
El Copyright posee el propósito de proteger tanto la propiedad intelectual de los autores como sus resultados. El comité editorial de la Revista Sinapsis se compromete con los autores a proteger, defender y preservar tanto su trabajo como su reputación, y toma muy en serio las acusaciones de infracción, plagio, disputas éticas y fraude. Si un autor se da cuenta de un posible plagio, copia de resultados, fraude o infracción, le rogamos que se comunique con la mayor brevedad posible con el comité editorial de la revista Sinapsis.
CC BY-NC-ND: esta licencia permite a los reutilizadores copiar y distribuir el material en cualquier medio o formato solo sin adaptarlo, solo con fines no comerciales y siempre que se le atribuya al creador.
Términos de Licencia:
Reconocimiento: debe otorgar el crédito correspondiente, proporcionar un enlace a la licencia e indicar si se realizaron cambios. Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial: no puede utilizar el material con fines comerciales.
No Derivada: si remezcla, transforma o construye sobre el material, no puede distribuir el material modificado.
Sin restricciones adicionales: no puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros de hacer cualquier cosa que permita la licencia.
El autor esta en la obligación de seguir las exigencias según lo instruido en la licencia ubicada en el enlace: https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
