Afecto y Cognición: Modelando la Conducta Estudiantil hacia la Inteligencia Artificial en Maestrías.

Autores/as

DOI:

https://doi.org/10.29105/vtga10.6-1057

Palabras clave:

Inteligencia Artificial, Educación, habilidades cognitivas, habilidades afectivas, Cognición estudiantil.

Resumen

La presente investigación explora la relación entre las dimensiones cognitivas y afectivas de estudiantes de maestría hacia la inteligencia artificial (IA) y su conducta en entornos educativos. Mediante un enfoque cuantitativo explicativo y diseño transversal, se aplicó un cuestionario estructurado basado en Sevilla y Barrios (2024) a una muestra de 102 estudiantes de maestría en una universidad del norte de México, buscando medir sus actitudes en dimensiones cognitiva, afectiva y conductual. Se utilizo un análisis de regresión múltiple para poder mostrar la relación de ambas variables con la conducta de los estudiantes hacia la IA en las clases. Los resultados indican que ambas variables independientes tienen un efecto significativo sobre la conducta. El factor afectivo mostró una influencia ligeramente superior, explicando un 61.1% de la variabilidad conductual. Esto sugiere que las emociones asociadas a la IA pueden desempeñar un papel más determinante en la adopción de esta tecnología en contextos educativos avanzados. Las implicaciones de estos hallazgos son discutidas en relación con la integración de la IA en programas de maestría, resaltando la importancia de atender las necesidades emocionales y cognitivas de los estudiantes para fomentar un uso efectivo de estas tecnologías.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179-211. http://dx.doi.org/10.1016/0749-5978(91)90020-T DOI: https://doi.org/10.1016/0749-5978(91)90020-T

Aragón, R. (2023, 1 septiembre). Inteligencia artificial en la educación: ¿Cómo mejora el aprendizaje? – recabado de Observatorioeducacion.es: https://observatorioeducacion.es/lineas-investigacion/inteligencia-artificial-en-la-educacion/

Bernate, J. y Vargas, J. (2020). Desafíos y tendencias del siglo XXI en la educación superior. Revista de Ciencias Sociales (Ve), 26(Número especial 2), 141-154. https://doi.org/10.31876/rcs.v26i0.34119 DOI: https://doi.org/10.31876/rcs.v26i0.34119

Chan, C.K.Y., Hu, W. (2023). Students’ voices on generative AI: perceptions, benefits, and challenges in higher education. Int J Educ Technol High Educ 20. https://doi.org/10.1186/s41239-023-00411-8 DOI: https://doi.org/10.1186/s41239-023-00411-8

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 DOI: https://doi.org/10.1007/s10639-020-10159-7

Crompton, H., & Song, D. (2021). The Potential of Artificial Intelligence in Higher Education. Revista Virtual Universidad Católica del Norte, (62), 1-4. https://doi.org/10.35575/rvucn.n62a1 DOI: https://doi.org/10.35575/rvucn.n62a1

Cuevas Villa, R. N., Alcántara Ramírez, S. M., & Martínez Hernández, B. L. (2024). Transformando la Educación en México: La Inteligencia Artificial como Motor para el Desarrollo de Competencias. Desarrollo Sustentable, Negocios, Emprendimiento Y Educación, 6(52), 1–10. https://doi.org/10.51896/rilcods.v6i52.435 DOI: https://doi.org/10.51896/rilcods.v6i52.435

Field, A. (2013). Discovering statistics using IBM SPSS statistics (4th ed.). SAGE Publications.

Fundación LAB. (2024) Inteligencia artificial en educación: claves, usos y ventajas - https://www.fundacionlab.es/inteligencia-artificial-en-educacion-claves-usos-y-ventajas/

Jourdan, L., Thomson, S., Ansoms, A., & Murison, J. (2013). Emotional and Ethical Challenges for Field Research in Africa. (2013). Emotional and Ethical Challenges for Field Research in Africa. Palgrave macMillan. DOI: https://doi.org/10.1057/9781137263759

Kim, N. J., & Kim, M. K. (2022). Teacher’s perceptions of using an artificial intelligence-based educational tool for scientific writing. Frontiers in Education (7). https://doi.org/10.3389/feduc.2022.755914 DOI: https://doi.org/10.3389/feduc.2022.755914

Krejcie, R. V., & Morgan, D. W. (1970). Determining sample size for research activities. Educational and psychological measurement, 30(3), 607-610. DOI: https://doi.org/10.1177/001316447003000308

Mallik, S., & Gangopadhyay, A. (2023). Proactive and reactive engagement of artificial intelligence methods for education: a review. Frontiers in artificial intelligence, 6, 1151391. https://doi.org/10.3389/frai.2023.1151391 DOI: https://doi.org/10.3389/frai.2023.1151391

Marrone R, Taddeo V, Hill G. (2022). Creativity and Artificial Intelligence—A Student Perspective. Journal of Intelligence; 10(3):65. https://doi.org/10.3390/jintelligence10030065 DOI: https://doi.org/10.3390/jintelligence10030065

Pekrun, R., & Linnenbrink-Garcia, L. (2014). International handbook of emotions in education. Routledge. DOI: https://doi.org/10.4324/9780203148211

Pérez-Martínez, K. S., Rodríguez-Patiño, I., & Luna-Mosqueda, S. S. (2019). Nivel de conocimiento de las Tecnologías Disruptivas en Educación Superior en estudiantes de la Universidad Autónoma de Nuevo León. Vinculatégica EFAN, 5(1), 527–536. https://doi.org/10.29105/vtga5.1-941 DOI: https://doi.org/10.29105/vtga5.1-941

Profuturo. (2022a). Educación para el siglo XXI: prosperar, competir e innovar en la era digital - https://profuturo.education/observatorio/competencias-xxi/educacion-para-el-siglo-xxi-prosperar-competir-e-innovar-en-la-era-digital/

Profuturo. (2022b). Las habilidades del siglo XXI y los currículos escolares en América Latina. https://profuturo.education/observatorio/competencias-xxi/las-habilidades-del-siglo-xxi-y-los-curriculos-escolares-en-america-latina/

Sevilla Muñoz, T. C. & Barrios Aquise, M. (2024). Actitudes de los estudiantes de educación básica hacia la inteligencia artificial: Una adaptación. Revista InveCom, 4(2), 1–16. https://doi.org/10.5281/zenodo.10612162

Smith, E. E., & Kosslyn, S. M. (2008). Procesos cognitivos: modelos y bases neurales (Vol. 16). Madrid: Pearson Educación.

Terán-Cázares, M. M., Rodríguez-Garza, B. N., & García De la Peña, M. E. (2019). Análisis de la brecha generacional en las tendencias de capacitación docente digital universitaria, afrontando la realidad Centennial. Vinculatégica EFAN, 5(1), 349–361. https://doi.org/10.29105/vtga5.1-902 DOI: https://doi.org/10.29105/vtga5.1-902

Yilmaz, K. (2011). The Cognitive Perspective on Learning: Its Theoretical Underpinnings and Implications for Classroom Practices. The Clearing House: A Journal of Educational Strategies, Issues and Ideas, 84(5), 204–212. https://doi.org/10.1080/00098655.2011.568989 DOI: https://doi.org/10.1080/00098655.2011.568989

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 DOI: https://doi.org/10.1186/s41239-023-00420-7

Descargas

Publicado

30-11-2024

Cómo citar

Brosig-Rodriguez, M. E., Ábrego-Almazán, D., & Niño-Rodríguez, C. I. (2024). Afecto y Cognición: Modelando la Conducta Estudiantil hacia la Inteligencia Artificial en Maestrías. Vinculatégica EFAN, 10(6), 141–157. https://doi.org/10.29105/vtga10.6-1057