Efectividad de la Inteligencia Artificial en la Enseñanza Universitaria
DOI:
https://doi.org/10.33595/2226-1478.17.1600Palabras clave:
inteligencia artificial, efectividad pedagógica, enseñanza universitaria, aprendizaje adaptativo, educación superiorResumen
El presente trabajo analiza la relación entre la efectividad de la enseñanza con Inteligencia Artificial (IA) (uso dirigido a fines pedagógicos y percepción docente de su impacto en el aprendizaje) y el proceso de enseñanza en una universidad privada de Lima (2025). Se empleó una metodología cuantitativa, no experimental, correlacional y transversal, con una población censal de 31 docentes de Ingeniería Industrial. Se aplicaron dos cuestionarios tipo Likert, validados por juicio de expertos y con altos índices de confiabilidad (α = 0,944 en enseñanza; α = 0,831 en efectividad de la IA). El análisis inferencial mediante el coeficiente Rho de Spearman arrojó una relación directa, positiva y significativa (ρ = 0,643; p < 0,001). Los resultados muestran que el profesorado valora la IA, pero la utiliza poco en clase: el indicador más bajo es personalización de actividades (media = 2,74), lo que evidencia una brecha entre conocer el potencial de la IA y aplicarlo en el aula. Tener acceso a la tecnología no garantiza una buena integración pedagógica. Se identifican tres condiciones que las universidades deberían atender: lineamientos institucionales sobre el uso de IA, formación docente continua y espacios de debate sobre sus límites éticos.
Descargas
Referencias
Akhmadieva, R. S., Kalmazova, N. A., Belova, T., Prokopyev, A., Molodozhnikova, N. M., y Spichak, V. Y. (2024). Research trends in the use of artificial intelligence in higher education. Frontiers in Education, 9, 1438715. https://doi.org/10.3389/feduc.2024.1438715
Bermúdez García, G. B., Coronel Coronel, R. A., Alvarado Vega, M. L., Espin Urrea, J. R., y Gómez Amaiquema, S. L. (2025). Estrategias de enseñanza basadas en inteligencia artificial y su impacto en el aprendizaje personalizado de los estudiantes. Ciencia Latina Revista Científica Multidisciplinar, 9(2), 6822-6836. https://doi.org/10.37811/cl_rcm.v9i2.17409
Bernilla Rodríguez, E. B. (2024). Docentes ante la inteligencia artificial en una universidad pública del norte del Perú. Educación, 33(64), 8-28. https://doi.org/10.18800/educacion.202401.M001
Celik, I. (2023). Towards intelligent-TPACK: An empirical study on teachers' professional knowledge to ethically integrate artificial intelligence (AI)-based tools into education. Computers in Human Behavior, 138, 107468. https://doi.org/10.1016/j.chb.2022.107468
Cornelio, O. M., Rodríguez, A., Solórzano Álava, W. L., Amén Mora, P. G., Santos Mera, L. M., y Pinargote Bravo, B. J. (2024). La inteligencia artificial: Desafíos para la educación. Editorial Internacional Alema. https://editorialalema.org/libros/index.php/alema/article/view/34
Chiu, T. K. F. (2025). Developing intelligent-TPACK (I-TPACK) framework from unpacking AI literacy and competency: Implementation strategies and future research direction. Interactive Learning Environments, 33(7), 4189-4192. https://doi.org/10.1080/10494820.2025.2545053
Du Plooy, E., Casteleijn, D. & Franzsen, D. (2024). Personalized adaptive learning in higher education: A scoping review of key characteristics and impact on academic performance and engagement. Heliyon, 10(21), e39630. https://doi.org/10.1016/j.heliyon.2024.e39630
Goodhue, D. L., & Thompson, R. L. (1995). Task-technology fit and individual performance. MIS Quarterly, 19(2), 213-236. https://doi.org/10.2307/249689
Guerrero López, C. A., y Guerrero Medina, C. A. (2024). Determinantes del uso de la inteligencia artificial en la enseñanza universitaria: Un enfoque cualitativo. Tierra Nuestra, 18(2). https://doi.org/10.21704/rtn.v18i2.2183
Heredia-Pérez, G., Benavides-Galvez, J. B., Rojas-Campos, E. y Sanchez-Bustamante, E. (2025). Inteligencia artificial y pedagogía: retos para la educación superior en el Perú. Revista InveCom, 6(2), 1-6. https://doi.org/10.5281/zenodo.16997148
Hernández-Sampieri, R., y Mendoza, C. P. (2018). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill Education.
Hinkle, D. E., Wiersma, W., & Jurs, S. G. (2003). Applied statistics for the behavioral sciences (5.a ed.). Houghton Mifflin.
Kalniņa, D., Nīmante, D., y Baranova, S. (2024). Artificial intelligence for higher education: Benefits and challenges for pre-service teachers. Frontiers in Education, 9, 1501819. https://doi.org/10.3389/feduc.2024.1501819
Lee, D., Arnold, M., Srivastava, A., Plastow, K., Strelan, P., Ploeckl, F., Lekkas, D., y Palmer, E. (2024). The impact of generative AI on higher education learning and teaching: A study of educators' perspectives. Computers and Education: Artificial Intelligence, 6, 100221. https://doi.org/10.1016/j.caeai.2024.100221
Ley N.° 29733. Ley de Protección de Datos Personales. (3 de julio de 2011). Diario Oficial El Peruano. https://www.gob.pe/institucion/congreso-de-la-republica/normas-legales/243470-29733
Martínez Rizo, F. (2021). Aprendizaje, enseñanza, conocimiento, tres acepciones del constructivismo. Implicaciones para la docencia. Perfiles Educativos, 43(174), 170-185. https://doi.org/10.22201/iisue.24486167e.2021.174.60208
Menacho, M. (2024). Inteligencia artificial y aprendizaje autónomo en estudiantes de educación superior, 2024 [Tesis de doctorado, Universidad Nacional Mayor de San Marcos]. https://cybertesis.unmsm.edu.pe/item/4df3b9ba-5510-4296-aae9-91428ed87981
Naseer, F., Khan, M. N., Tahir, M., Addas, A. & Aejaz, S. M. H. (2024). Integrating deep learning techniques for personalized learning pathways in higher education. Heliyon, 10(11), e32628. https://doi.org/10.1016/j.heliyon.2024.e32628
Ojeda, A. D., Solano-Barliza, A. D., Ortega Alvarez, D. y Boom Cárcamo, E. (2023). Análisis del impacto de la inteligencia artificial ChatGPT en los procesos de enseñanza y aprendizaje en la educación universitaria. Formación Universitaria, 16(6), 61-70. https://doi.org/10.4067/S0718-50062023000600061
Rao, G. T. & Suhasini, N. (2025). Integrating artificial intelligence in higher education to enhance teaching and learning. Computer Applications in Engineering Education, 33(2), e70085. https://doi.org/10.1002/cae.70085
Reina Marín, Y., Cruz Caro, O., Maicelo Rubio, Y. C., Alva Tuesta, J. N., Sánchez Bardales, E., Carrasco Rituay, A. M. & Chávez Santos, R. (2025). Artificial intelligence as a teaching tool in university education. Frontiers in Education, 10, 1578451. https://doi.org/10.3389/feduc.2025.1578451
Roco-Videla, Á., Flores, S. V., Olguin-Barraza, M. y Aguilera-Eguía, R. (2024). Consideraciones ante el uso de la prueba de Shapiro-Wilk cuando se trabaja con muestras pequeñas. Angiología, 76(1), 61-62. https://doi.org/10.20960/angiologia.00568
Salas-Pilco, S. Z. & Yang, Y. (2022). Artificial intelligence applications in Latin American higher education: A systematic review. International Journal of Educational Technology in Higher Education, 19(1), 21. https://doi.org/10.1186/s41239-022-00326-w
Strielkowski, W., Grebennikova, V., Lisovskiy, A., Rakhimova, G. & Vasileva, T. (2024). AI-driven adaptive learning for sustainable educational transformation. Sustainable Development, 33(2), 1921-1947. https://doi.org/10.1002/sd.3221
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes (M. Cole, V. John-Steiner, S. Scribner, & E. Souberman, Eds.). Harvard University Press.
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Janet Liliana Paz Campaña, Jose Antonio Arevalo Tuesta
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
