Entre la eficiencia y la dependencia: Patrones observacionales sobre el uso de la inteligencia artificial generativa en estudiantes universitarios
Barra lateral del artículo
Contenido principal del artículo
Resumen
La rápida inserción de la Inteligencia Artificial Generativa (IAG) en la educación superior ha transformado las dinámicas de aprendizaje y producción académica. El presente estudio tuvo como propósito analizar cualitativamente los patrones de uso de herramientas de IAG en estudiantes universitarios de ingeniería en una institución privada de Montería, Colombia, identificando sus implicaciones en el pensamiento crítico, la autonomía académica y la integridad académica. Se empleó un diseño exploratorio-descriptivo cualitativo basado en la observación directa no participante en aula durante un periodo académico (2026-I), registrando las interacciones de 45 estudiantes en asignaturas cuantitativas y de gestión de proyectos. Los datos se recolectaron mediante diarios de campo y se analizaron mediante análisis temático de contenido. Los resultados revelaron tres patrones dominantes: sustitución del esfuerzo procedimental en tareas cuantitativas, estandarización y homogeneización de las producciones escritas, y prácticas emergentes de disimulo metodológico mediante prompts orientados a emular imprecisiones humanas para evadir la detección. Se concluye que, si bien la IAG optimiza tiempos de procesamiento, su uso acrítico se asocia con patrones de dependencia operativa que podrían debilitar el esfuerzo cognitivo, lo que sugiere la necesidad de estrategias de evaluación auténtica y alfabetización algorítmica.
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Todos los textos publicados en esta revista se distribuyen bajo una Licencia Creative Commons «Reconocimiento-No Comercial-Compartir igual» desde 2020.
Citas
[1] UNESCO, “Guidance for generative AI in education and research”, UNESCO Publishing, Paris, France, 2023. [En línea]. Disponible en: https://unesdoc.unesco.org/ark:/48223/pf0000386694
[2] E. Kasneci et al., “ChatGPT for good? On opportunities and challenges of large language models for education,” Learn. Individ. Differ., vol. 103, p. 102274, 2023, doi: 10.1016/j.lindif.2023.102274.
[3] M. Sharples, “Automated Essay Writing: An AI Challenge to Higher Education”, Postdigital Sci. Educ., vol. 4, n.º 3, pp. 708–715, 2022, doi: 10.1007/s42438-022-00322-2.
[4] X. Zhai, S. Wibowo, y L. Li, “The Effects of Over-Reliance on AI Dialogue Systems on Students’ Cognitive Abilities”, Smart Learn. Environ., vol. 11, n.º 1, p. 28, 2024, doi: 10.1186/s40561-024-00316-7.
[5] M. Alier, J. Pereira, F. J. García-Peñalvo, M. J. Casañ, y J. Cabré, “LAMB: An open-source software framework to create artificial intelligence assistants deployed and integrated into learning management systems”, Comput. Stand. Interfaces, vol. 92, p. 103940, 2025, doi: 10.1016/j.csi.2024.103940.
[6] IESALC-UNESCO, “Hacia una gobernanza responsable de la inteligencia artificial en la educación superior latinoamericana”, Educ. Super. Soc. ESS, vol. 37, n.º 2, pp. 15–42, 2024.
[7] F. Costa, J. A. Mónaco, A. Covello, I. Novidelsky, X. Zabala, y P. Rodríguez, “Desafíos de la Inteligencia Artificial generativa. Tres escalas y dos enfoques transversales”, Question/Cuestión, vol. 3, n.º 76, 2023, doi: 10.24215/16696581e844.
[8] M. Goyanes y C. Lopezosa, “ChatGPT en Ciencias Sociales: revisión de la literatura sobre el uso de inteligencia artificial (IA) de OpenAI en investigación cualitativa y cuantitativa”, Anu. ThinkEPI, vol. 18, p. e18a04, 2024, doi: 10.3145/thinkepi.2024.e18a04.
[9] J. Lodge, S. de Barba, y J. Broadbent, “Learning, artificial intelligence and critical thinking: Towards a holistic framework for higher education”, Australas. J. Educ. Technol., vol. 39, n.º 5, pp. 1–12, 2023, doi: 10.14742/ajet.8912.
[10] Ministerio de Salud de Colombia, “Resolución Número 8430 de 1993: Por la cual se establecen las normas científicas, técnicas y administrativas para la investigación en salud”. Santa Fe de Bogotá, Colombia, 1993.
[11] F. M. van der Niessen, “Critical thinking and self-regulation in digital learning environments with AI support”, Comput. Educ., vol. 194, p. 104680, 2023.
[12] D. Baidoo-Ananu y L. O. Owusu, “Education in the era of Generative Artificial Intelligence (AI): Understanding the potential benefits of ChatGPT in teaching and learning”, J. AI, vol. 7, n.º 1, pp. 52–62, 2023.
[13] F. J. García-Peñalvo, “Generative artificial intelligence and education: An analysis from multiple perspectives”, Educ. Knowl. Soc. EKS, vol. 25, p. e31942, 2024, doi: 10.14201/eks.31942.
[14] M. Perkins et al., “Simple techniques to bypass GenAI text detectors: implications for inclusive education”, Int. J. Educ. Technol. High. Educ., vol. 21, n.º 1, p. 53, 2024, doi: 10.1186/s41239-024-00487-w.
[15] N. Selwyn, Should Robots Replace Teachers? AI and the Future of Education. Polity Press, 2019. [En línea]. Disponible en: https://politybooks.com/bookdetail/?isbn=9781509528391
[16] W. Holmes, M. Bialik, y C. Fadel, Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Boston, MA: Center for Curriculum Redesign, 2019.
[17] O. Zawacki-Richter, V. I. Marín, M. Bond, y F. Gouverneur, “Systematic review of research on artificial intelligence applications in higher education – Where are the educators?”, Int. J. Educ. Technol. High. Educ., vol. 16, n.º 1, p. 39, 2019, doi: 10.1186/s41239-019-0171-0.
[18] C. K. Y. Chan, “A comprehensive AI policy framework for higher education: Balancing academic integrity, pedagogical innovation, and ethical considerations”, Int. J. Educ. Technol. High. Educ., vol. 20, n.º 1, p. 54, 2023, doi: 10.1186/s41239-023-00423-0.
[19] A. T. Gokce, A. D. Topal, A. K. Geçer, y C. D. Eren, “Investigating the level of artificial intelligence literacy of university students using decision trees”, Educ. Inf. Technol., 2024, doi: 10.1007/s10639-024-13081-4.