324
Percepción de Estudiantes Universitarios sobre el Uso de Inteligencias Artificiales en
su Educación
University Students’ Perception of the Use of Artificial Intelligence in their Education
La inteligencia artificial (IA) se ha consolidado como una de las disciplinas más transformadoras de
las últimas décadas, redefiniendo sectores clave de la sociedad, incluida la educación. Esta
investigación tuvo como objetivo explorar la percepción de sentimientos de los estudiantes de la
Universidad Tecnológica de Nezahualcóyotl (UTN) sobre el uso de herramientas de IA en su
aprendizaje. Se realizó una investigación que se enmarcó en el paradigma positivista, bajo el método
hipotético-deductivo, enfoque cuantitativo, diseño no experimental, de tipo descriptivo y de corte
transversal. Se aplicó un instrumento en escala Likert con preguntas cerradas a 2282 estudiantes con
edades de 17 a 30 años de diferentes áreas del conocimiento de la universidad. Los resultados
revelaron que independientemente de si los estudiantes usan la IA o no, el 3.86 % de la población
mostraron posturas negativas, en comparación con el 61.26% de percepciones positivas hacia ella
(p=0.0002), siendo la División de Ciencias Básicas y de Ingeniería su menor representante en
sentimientos positivos (p= 0.002). La percepción de sentimientos positivos por género no mostró
diferencias significativas, sin embargo, el rango de edad que mejor acepta la IA es de 26-30 años.
Por otro lado, el 34.88% de la población mostró sentimientos neutros, estos hallazgos sugieren la
necesidad de capacitar a los estudiantes en un uso ético y crítico de la IA en diversas áreas de estudio,
fomentando su integración responsable como una herramienta cotidiana permitiendo aprovechar las
tecnologías para enfrentar desafíos profesionales del futuro, consolidando su potencial como un
recurso educativo transformador.
Palabras clave: Inteligencia Artificial, Nativos Digitales, Sentimientos, Estudiantes Universitarios.
¹Universidad La Salle
²Universidad de la Salud
³Instituto Politécnico Nacional
⁴Universidad Autónoma Metropolitana
¹https://orcid.org/0000-0001-7549-3274
²https://orcid.org/0009-0006-7555-4085
³https://orcid.org/0000-0002-8432-4672
⁴https://orcid.org/0000-0002-6638-0451
¹México
²México
³México
⁴México
¹hiramoreno@gmail.com
²maria.miranda[email protected].gob.mx
³mimorenom@ipn.mx
⁴[email protected]am.mx
Moreno-Montiel, C., Miranda-Pérez, M.,
Moreno-Montiel, M. & Moreno-Montiel, B.
(2025). Percepción de Estudiantes
Universitarios sobre el Uso de Inteligencias
Artificiales en su Educación. Revista
Tecnológica-Educativa Docentes 2.0,
18(2), 324-336.
https://doi.org/10.37843/rted.v18i2.723
C. Moreno-Montiel, M. Miranda-Pérez, M.
Moreno-Montiel y B. Moreno-Montiel,
"Percepción de Estudiantes Universitarios
sobre el Uso de Inteligencias Artificiales en
su Educación", RTED, vol. 18, n.°2, pp.
324-336, nov. 2025.
https://doi.org/10.37843/rted.v18i2.723
Carlos Hiram Moreno-Montiel¹, María Elizabeth Miranda-Pérez², Miriam Noemi Moreno-Montiel³ y
Benjamín Moreno-Montiel⁴
29/noviembre/2025
Artificial intelligence (AI) has established itself as one of the most transformative disciplines in recent
decades, redefining key sectors of society, including education. This research aimed to explore the
perceptions and feelings of students at the Technological University of Nezahualcóyotl (UTN)
regarding the use of AI tools in their learning. The research was conducted within the positivist
paradigm, employing the hypothetical-deductive method, a quantitative approach, and a non-
experimental, descriptive, cross-sectional design. A Likert-scale instrument with closed-ended
questions was administered to 2,282 students aged 17 to 30 years from different areas of knowledge
at the university. The results revealed that regardless of whether students use AI, 3.86% of the
population showed negative attitudes, compared to 61.26% with positive perceptions (p = 0.0002).
The Division of Basic Sciences and Engineering had the lowest representation in positive feelings (p
= 0.002). The perception of positive feelings by gender showed no significant differences; however,
the age group most accepting of AI is 26-30 years. On the other hand, 34.88% of the population
showed neutral feelings. These findings suggest the need to train students in the ethical and critical
use of AI across various areas of study. This approach promotes its responsible integration as an
everyday tool, enabling them to leverage technologies to address future professional challenges and
consolidate its potential as a transformative educational resource.
Keywords: Artificial intelligence, feelings, university students.
2/julio/2025
3/noviembre/2025
desde 324-336
Percepción de Estudiantes Universitarios sobre el Uso de
Inteligencias Artificiales en su Educación.
Moreno-Montiel, C., Miranda-Pérez, M., Moreno-Montiel, M. & Moreno-Montiel, B. (2025). Percepción de Estudiantes Universitarios sobre el Uso de Inteligencias
Artificiales en su Educación. Revista Tecnológica-Educativa Docentes 2.0, 18(2), 324-336. https://doi.org/10.37843/rted.v18i2.723
325
325
Introducción
La inteligencia artificial (IA) se ha
consolidado como una de las disciplinas más
transformadoras de las últimas décadas,
redefiniendo sectores clave de la sociedad,
incluida la educación. En la década de 1950, se
buscaba emular procesos cognitivos humanos y
realizar tareas de razonamiento lógico, donde la
IA experimentó una evolución notable. La
introducción del aprendizaje automático en las
décadas de 1980 y 1990 permitió a las máquinas
identificar patrones y mejorar su rendimiento sin
programación explícita (Cheng, 2022). El
aprendizaje profundo genera avances
significativos, con modelos para reconocer
imágenes, traducir idiomas y producir contenido
original (Gao et al., 2020). También se integra la
IA en la vida cotidiana, así como en áreas de la
medicina, la industria y la educación innovando
métodos y técnicas de aprendizaje (Huang et al.,
2021).
A partir del año 2022, en el ámbito
educativo, los universitarios utilizan la IA en
mayor medida para la resolución de tareas,
debido a que tienen recursos adaptados a sus
necesidades individuales y a métodos
innovadores que eran impensables en entornos
educativos tradicionales (Orji & Vassileva,
2022). Los chatbots educativos y las
simulaciones avanzadas fomentan un enfoque
más experimental y creativo, transformando la
relación de los estudiantes con el conocimiento
(Chan & Hu, 2023). Sin embargo, estas
innovaciones también plantean desafíos, como la
dependencia tecnológica, el posible
desplazamiento de los docentes y las
implicaciones éticas asociadas a datos no
corroborados cientificamente en plataformas de
esta índole. En este contexto, la IA no debe
considerarse un reemplazo de la educación
tradicional, sino una herramienta
complementaria del aprendizaje y sobre todo
buscar una legislación adecuada enfocada hacia
la IA en las herramientas digitales (Huerta &
Zavala, 2023).
Estudios recientes han identificado una
amplia gama de opiniones: mientras algunos
estudiantes valoran la personalización, la
retroalimentación inmediata y el acceso a
conocimientos avanzados, otros expresan
preocupaciones sobre los riesgos de una
dependencia excesiva (Chan & Hu, 2021).
Comprender cómo los estudiantes perciben la
utilidad, los beneficios, efectividad y
limitaciones de estas herramientas es esencial
para diseñar estrategias pedagógicas que
aprovechen al máximo su potencial (Martínez,
2025) mientras abordan sus desafíos (Wang,
2024). El análisis de sentimientos (AS) identifica
y extrae información subjetiva de textos,
clasificando los sentimientos expresados como
positivos, negativos o neutros (Liu, 2012). El AS
ofrece una herramienta poderosa para identificar
actitudes estudiantiles hacia la IA, pero requiere
de supervisión humana para interpretaciones
precisas (Cambria et al., 2013).
Esta investigación tiene como objetivo
explorar la percepción de sentimientos de los
estudiantes de la Universidad Tecnológica de
Nezahualcóyotl (UTN) sobre el uso de
herramientas de IA en su aprendizaje. Esto
permite una evaluación detallada de su
aceptación y percepción de estas tecnologías. Por
lo tanto, la pregunta de investigación de este
estudio es ¿cómo los estudiantes de licenciatura
de la UTN perciben el uso de IA en su educación?
La relevancia de este estudio radica en su
contribución al entendimiento de cómo la IA
puede consolidarse como un pilar del progreso
educativo en una institución pública situada en
límites territoriales donde existen problemas
socioeconómicos.
Metodología
Para responder al objetivo planteado se
realizó una investigación enmarcada en el
paradigma positivista debido a que busca la
obtención de conocimiento a través de métodos
cuantitativos para garantizar la objetividad y
confiabilidad de los resultados. Bernal (2010)
bajo el método hipotético-deductivo en el que
existe un supuesto que va a responder una
pregunta de investigación (Popper, 2019).
Utilizando un enfoque cuantitativo por el análisis
numérico que se realizará sobre la percepción de
los estudiantes y un diseño no experimental de
tipo descriptivo, es decir, una metodología que se
caracteriza por observar y describir fenómenos
en su contexto natural (Arias, 2021).
Moreno-Montiel, C., Miranda-Pérez, M., Moreno-Montiel, M. & Moreno-Montiel, B. (2025). Percepción de Estudiantes Universitarios sobre el Uso de Inteligencias
Artificiales en su Educación. Revista Tecnológica-Educativa Docentes 2.0, 18(2), 324-336. https://doi.org/10.37843/rted.v18i2.723
326
Percepción de Estudiantes Universitarios sobre el Uso de
Inteligencias Artificiales en su Educación.
326
Adicionalmente, el estudio tiene un corte
transversal, dado que los datos se recopilaron en
un momento específico. (Hernández, &
Mendoza, 2018).
La población para la realización del
estudio se conformó por 2350 alumnos que
cursan carreras pertenecientes a cinco áreas de
conocimiento de la UTN. La División de
Ciencias de la Salud, Ciencias Básicas y de
Ingeniería, Ciencias Informáticas y de
Computación, Ciencias Ambientales y Ciencias
Sociales y Administrativas, pertenecientes al
Estado de México (EdoMex). Incluyendo
alumnos de diferentes edades que se encuentran
inscritos en estas carreras y de ambos géneros la
población final se describe en los criterios de
inclusión y exclusión.
La técnica para la obtención de datos
consistió en proporcionar el instrumento a un
grupo de alumnos donde se impartían clases. A
este grupo se les indicó que apliquen el
instrumento a otros estudiantes de la misma casa
de estudio. Esta técnica es conocida como bola
de nieve en estadística, de esta manera se puede
acceder a un número de estudiantes más amplio
y a poblaciones de estudiantes a los cuales los
investigadores tienen poco acceso (Kirchherr &
Charles, 2018), (Naderifar, 2017).
Adicionalmente, se solicitó a los profesores de
diversas áreas que usaran la misma técnica para
la recolección de datos. Asimismo, se instruye a
los estudiantes a que realicen el cuestionario de
manera cómoda, sin prisas y con el tiempo
necesario para contestar el instrumento de
recolección de datos. Éste se aplicó después de
qué se realizaron los exámenes para no alterar la
objetividad en las respuestas debido a estrés.
En este estudio se utilizó un cuestionario
como instrumento de investigación para
obtención de información, diseñado para
cuantificarla y universalizarla, (Arribas, 2004),
diseñado para evaluar las percepciones de los
estudiantes sobre el uso de la IA en la educación,
asegurando que las preguntas no revelaran
explícitamente el sentimiento investigado para
evitar sesgos en las respuestas (Suh & Ahn,
2022). Las preguntas se formularon con tres
opciones de respuesta como se utiliza en escala
Likert (Likert, 1932) (1. Positivo, 2. Neutro, 3.
Negativo), lo que permitió obtener respuestas
homogéneas por ítem y capturar de manera
equilibrada las actitudes de los participantes
hacia la IA.
El instrumento fue validado mediante un
proceso riguroso en dos etapas, en la primera se
realizó la revisión del instrumento por expertos
de la materia y en la segunda se hizo su
validación y confiabilidad. La primera etapa: se
sometió a la revisión de cinco expertos con grado
de doctorado y experiencia en diseño de
instrumentos de evaluación (González, 2022).
Estos expertos evaluaron si los ítems que están
en el instrumento son claros, precisos, relevantes,
coherentes, la redacción, el estilo y exhaustivos
(López, 2019) de las preguntas en relación con el
tema de la IA en la educación, así como su
capacidad para capturar los sentimientos de los
estudiantes. La validación se realizó a través de
una aplicación web que facilitó la recolección de
retroalimentaciones, con ajustes basados en las
recomendaciones, para garantizar su calidad y
relevancia.
Se realizaron 2 cuestionarios, uno para los
usuarios que han utilizado IA y el otro para los
que no han utilizado. Ambos constan de 10
preguntas cuidadosamente formuladas para
capturar actitudes sin revelar explícitamente el
sentimiento investigado, minimizando sesgos en
las respuestas. Cada pregunta ofrece las tres
opciones de respuesta mencionadas,
acompañadas de descripciones que clarifican el
significado de cada opción, asegurando que los
estudiantes comprendan y seleccionen la
respuesta que mejor refleja su perspectiva. A
continuación, se muestra el cuestionario, con las
preguntas y las descripciones asociadas, (en el
cuestionario no aparecen Positivo, Neutro ni
negativo) proporcionando una representación
clara del instrumento utilizado.
Los criterios de inclusión para aplicar el
instrumento son los siguientes: Se incluyeron
estudiantes activos matriculados en las carreras
de UTN en el EdoMex durante el primer
cuatrimestre de 2025, con edades comprendidas
entre 17 a 30 años quienes proporcionaron
consentimiento informado para participar.
Inicialmente se consideró una población de 2350
estudiantes, para la validación inicial de este
método se seleccionó una submuestra de 92
participantes que cumplen con los mismos
criterios, con el fin de realizar una prueba piloto.
Los criterios de exclusión son los siguientes: Se
Moreno-Montiel, C., Miranda-Pérez, M., Moreno-Montiel, M. & Moreno-Montiel, B. (2025). Percepción de Estudiantes Universitarios sobre el Uso de Inteligencias
Artificiales en su Educación. Revista Tecnológica-Educativa Docentes 2.0, 18(2), 324-336. https://doi.org/10.37843/rted.v18i2.723
327
Percepción de Estudiantes Universitarios sobre el Uso de
Inteligencias Artificiales en su Educación.
327
excluyeron estudiantes que no estaban activos en
el periodo de recolección de datos, aquellos fuera
de rango de edad establecido, quienes no
otorgaron su consentimiento informado y los que
decidieron no participar, lo que resultó en la
exclusión de 68 estudiantes de la población
inicial.
1. ¿Consideras que las inteligencias artificiales son
útiles para el desarrollo de tus tareas?
a. Positivo: Considero que son muy útiles.
b. Neutro: Algunas veces son útiles, pero
no siempre.
c. Negativo: No considero que sean útiles.
2. ¿Crees que las inteligencias artificiales solo te
sirven para entregar tareas, sin aportar valor
adicional?
a. Positivo: Estoy de acuerdo, solo me
ayudan a entregar.
b. Neutro: A veces me sirven para entregar,
pero también me aportan valor.
c. Negativo: No, me aportan mucho más
que solo para entregar tareas.
3. ¿Consideras que las inteligencias artificiales
limitan tu aprendizaje al proporcionar
información automáticamente?
a. Positivo: Sí, siento que limitan mi
aprendizaje.
b. Neutro: A veces limitan mi aprendizaje,
pero no siempre.
c. Negativo: No, no considero que limiten
mi aprendizaje.
4. ¿Confías plenamente en las respuestas de las
inteligencias artificiales o las cuestionas?
a. Positivo: Confío plenamente en sus
respuestas.
b. Neutro: Depende de la situación, a veces
confío y a veces cuestiono.
c. Negativo: Siempre cuestiono las
respuestas de la inteligencia artificial.
5. ¿Las inteligencias artificiales te proporcionan los
recursos detallados que necesitas para tus tareas?
a. Positivo: Sí, siempre me proporcionan
los recursos detallados.
b. Neutro: A veces me proporcionan los
recursos detallados.
c. Negativo: No, no me proporcionan los
recursos detallados.
6. ¿Repasas el contenido proporcionado por la
inteligencia artificial para mejorar tu
comprensión, o solo lo aceptas cómo está?
a. Positivo: Siempre repaso y pido más
explicaciones para entender mejor.
b. Neutro: A veces repaso el contenido,
pero no siempre.
c. Negativo: No repaso el contenido, lo
acepto como está.
7. ¿Consideras que la inteligencia artificial resuelve
las tareas complejas en el primer intento?
a. Positivo: Sí, normalmente lo resuelve en
el primer intento.
b. Neutro: A veces lo resuelve al primer
intento, pero no siempre.
c. Negativo: No, casi nunca lo resuelve al
primer intento.
8. ¿Crees que necesitas una preparación previa para
utilizar inteligencias artificiales de manera
efectiva?
a. Positivo: Sí, considero que es necesario
prepararse previamente.
b. Neutro: Depende de la situación, a veces
es necesario prepararse.
c. Negativo: No, no creo que necesite
preparación previa.
9. ¿Recomendarías el uso de inteligencias
artificiales a personas cercanas para mejorar sus
competencias educativas?
a. Positivo: Sí, las recomendaría.
b. Neutro: Tal vez las recomendaría,
depende de la persona.
c. Negativo: No, no las recomendaría.
10. ¿Crees que las inteligencias artificiales son una
buena alternativa para el desarrollo tecnológico,
social y cultural de la humanidad?
a. Positivo: Sí, definitivamente creo que
son una buena alternativa.
b. Neutro: A veces sí, pero tengo algunas
dudas.
c. Negativo: No, no considero que sean una
buena alternativa.
Este diseño del cuestionario permite
capturar una amplia gama de percepciones
estudiantiles, desde la utilidad y confianza en la
IA hasta su impacto en el aprendizaje y su
relevancia social. La estructura de las preguntas
y las opciones de respuesta con tres ítems facilita
el AS, alineándose con los objetivos del estudio
de informar estrategias para la integración
efectiva de la IA en la educación superior.
En la segunda etapa: para el análisis
estadístico se llevó a cabo una prueba piloto para
evaluar la confiabilidad y validez estadística del
cuestionario. La muestra piloto (García, 2013) se
determinó utilizando la fórmula de muestreo para
poblaciones finitas:
Donde:
• N = 2350 (tamaño de la población),
• Z = 1.96 (valor Z para un nivel de
confianza del 95 %)
Moreno-Montiel, C., Miranda-Pérez, M., Moreno-Montiel, M. & Moreno-Montiel, B. (2025). Percepción de Estudiantes Universitarios sobre el Uso de Inteligencias
Artificiales en su Educación. Revista Tecnológica-Educativa Docentes 2.0, 18(2), 324-336. https://doi.org/10.37843/rted.v18i2.723
328
Percepción de Estudiantes Universitarios sobre el Uso de
Inteligencias Artificiales en su Educación.
328
• p = 0.5 (proporción esperada, asumiendo
máxima variabilidad),
• E = 0.1 (margen de error del 10 %,
adecuado para pruebas piloto).
Sustituyendo los valores:
Por lo tanto, se seleccionaron 92
estudiantes de nivel licenciatura para la prueba
piloto, un tamaño adecuado para pruebas
psicométricas de un instrumento de 10 ítems,
representando la población de 2350 estudiantes.
Para evaluar la confiabilidad del cuestionario
utilizado en el estudio, las respuestas de la
submuestra de 92 participantes se organizaron en
una matriz de datos de 92 filas (participantes) y
10 columnas (ítems), correspondientes a las
preguntas de la escala Likert de tres puntos (1 =
Positivo, 2 = Neutro, 3 = Negativo) sobre las
actitudes hacia la inteligencia artificial (IA). Se
calcularon las varianzas de cada ítem para
determinar la dispersión de las respuestas
individuales y las covarianzas entre todos los
pares de ítems para evaluar la consistencia de las
respuestas entre las preguntas (Aiken, 2003). A
partir de estos valores, se obtuvo el promedio de
las covarianzas y se aplicó la fórmula del Alfa de
Cronbach, que mide la consistencia interna del
instrumento (Cronbach, 1951).
El resultado fue un valor de 0.83,
indicando una alta confiabilidad según criterios
estándar, donde valores superiores a 0.7 son
considerados aceptables en investigaciones
educativas (Ventura, 2017). Este valor valida la
idoneidad del cuestionario para determinación de
factores, debido a que refleja una fuerte
correlación entre los ítems, asegurando que
miden de manera coherente el constructo de
actitudes hacia la IA. La alta confiabilidad
permite confiar en la estabilidad de los datos para
identificar factores subyacentes, como
percepciones positivas o negativas, que
contribuyen al análisis descriptivo del estudio
(Arias & Covinos, 2021).
Para evaluar la fiabilidad del cuestionario
de 10 ítems, se empleó el método de mitades
equivalentes, dividiendo los ítems en dos
subgrupos equivalentes: ítems impares
(Statologos, 2022) (1, 3, 5, 7, 9) y pares (2, 4, 6,
8, 10). Se calculó la correlación de Pearson entre
las puntuaciones de ambas mitades en una
muestra de 2350 estudiantes, obteniendo un
coeficiente de (r12 = 0.75), lo que indica una
buena consistencia interna inicial. Este resultado
valida la coherencia de los ítems para medir el
constructo de actitudes hacia la IA, asegurando
que el cuestionario es confiable para la
determinación de factores en el análisis
descriptivo, en línea con el diseño no
experimental de corte transversal (Arias &
Covinos, 2021). El AS aplicado en este estudio
se diseñó para clasificar las percepciones de los
estudiantes sobre el uso de IA en su formación
académica, la clasificación de los sentimientos se
realizó según los siguientes criterios:
• Sentimiento Positivo: Se asignó a
estudiantes que respondieron Positivo en
todos los ítems (puntuación total = 30) o
cuya suma de respuestas estuvo en el
rango de 21 a 30. Este rango refleja una
percepción altamente favorable hacia la
IA, indicando utilidad, confianza o
impacto positivo en el aprendizaje.
• Sentimiento Neutro: Se asignó a
estudiantes con una puntuación total
entre 13 y 20, reflejando percepciones
mixtas o moderadas sobre la utilidad y
efectividad de la IA (Liu, 2012).
• Sentimiento Negativo: Se asignó a
estudiantes con una puntuación total
entre 10 y 12, indicando una percepción
predominantemente desfavorable hacia la
IA.
Moreno-Montiel, C., Miranda-Pérez, M., Moreno-Montiel, M. & Moreno-Montiel, B. (2025). Percepción de Estudiantes Universitarios sobre el Uso de Inteligencias
Artificiales en su Educación. Revista Tecnológica-Educativa Docentes 2.0, 18(2), 324-336. https://doi.org/10.37843/rted.v18i2.723
329
Percepción de Estudiantes Universitarios sobre el Uso de
Inteligencias Artificiales en su Educación.
329
Para manejar casos de empate en los rangos
limítrofes (por ejemplo, una puntuación de 13,
que puede clasificarse como neutro o negativo, o
de 20, que puede ser neutro o positivo), se
estableció un criterio basado en la prevalencia de
respuestas por individuo. Específicamente, se
analizó la distribución de respuestas (Positivo,
Neutro, Negativo) para determinar el sentimiento
dominante. Por ejemplo, un estudiante con una
puntuación total de 13, obtenida con 1 respuesta
Positivo (1×3 = 3), 2 Neutro (2×2 = 4) y 7
Negativo (7×1 = 7), totalizando 3 + 4 + 7 = 13,
se clasificaría como negativo debido a la
predominancia de respuestas Negativo, lo que
sugiere una percepción desfavorable. En
contraste, un estudiante con 0 Positivo, 5 Neutro
(5×2 = 10) y 5 Negativo (5×1 = 5), totalizando
10 + 5 = 13, se clasificaría como neutro por la
mezcla equilibrada de Neutro y Negativo,
reflejando una percepción moderada. Si la
distribución incluyera más respuestas Positivo
(por ejemplo, 5 Positivo, 5 Neutro, 0 Negativo =
5×3 + 5×2 = 15 + 10 = 25), la puntuación caería
en el rango positivo, indicando una percepción
favorable.
El cuestionario evaluó las percepciones de
los estudiantes sobre la utilidad, efectividad y
confianza en la IA, utilizando tres opciones de
respuesta por ítem: Positivo, Neutro y Negativo.
Las respuestas se almacenan de manera
autónoma en una base de datos en tiempo real de
Firebase (Realtime Database), seleccionada por
su capacidad para gestionar datos de forma
segura y eficiente. Cada respuesta se registró de
forma individual con un identificador anónimo,
protegiendo la privacidad de los participantes en
cumplimiento con los principios éticos de la
investigación.
La aplicación web integró el algoritmo que
calculaba de manera autónoma las puntuaciones
totales de cada estudiante y clasificaba sus
percepciones como positivas, neutras o
negativas, según los criterios establecidos en la
sección de AS. Estas clasificaciones, junto con
las respuestas individuales que se almacenan
directamente en la base de datos, permitiendo un
procesamiento inmediato y facilitando el análisis
estadístico posterior. Este enfoque automatizado
optimizó la recolección de datos y aseguró la
consistencia en la categorización de las
percepciones, contribuyendo a los objetivos del
estudio de informar de las percepciones de los
estudiantes del uso de las IA en la educación
superior.
Para la realización de los análisis
estadísticos, se utilizó el programa GraphPad
Prism 9, con el que se analizaron las diferencias
de los sentimientos positivos, negativos y neutros
de todos los encuestados, respecto a los factores
de edad, género y áreas del conocimiento,
mediante un análisis de varianza de una sola vía
(ANOVA) seguido de una prueba
complementaria (post hoc) Tukey Kramer. Para
determinar las diferencias significativas entre las
áreas de conocimiento y las percepciones de sus
sentimientos.
Resultados
Se determinó el análisis global de las
percepciones de los estudiantes de la UTN hacia
la IA en la educación mediante un ANOVA que
resultó significativa (F= 186.8; gl= 2/2279; p=
0.0002) seguido de post hoc Tukey Kramer
(diferencia de medias= 0.4; p= 0.0001) en la
muestra total de 2,282 alumnos. Se demostró una
tendencia predominante hacia actitudes positivas
comparado con los sentimientos negativos y
neutros Tabla 1. Es decir, un 61.26 % (1,398
estudiantes) expresó sentimientos favorables
hacia la IA, superando el 34.88 % (796
estudiantes) que adoptó posturas neutrales y el
3.85 % (88 estudiantes) que manifestó visiones
negativas.
Tabla 1
Porcentaje de Sentimientos Generales
Determinados en el Estudio.
Sentimiento
Cantidad
Porcentaje (%)
negativo
88
3.86
neutro
796
34.88
positivo
1398
*61.26
Nota. Percepción de sentimientos determinados como
positivos, negativos y neutros. *Existen diferencias
significativas de las percepciones positivas en
comparación con las negativas respecto a la IA, ANOVA
post hoc Tukey Kramer, p=0.0001, elaboración propia
(2025).
Moreno-Montiel, C., Miranda-Pérez, M., Moreno-Montiel, M. & Moreno-Montiel, B. (2025). Percepción de Estudiantes Universitarios sobre el Uso de Inteligencias
Artificiales en su Educación. Revista Tecnológica-Educativa Docentes 2.0, 18(2), 324-336. https://doi.org/10.37843/rted.v18i2.723
330
Percepción de Estudiantes Universitarios sobre el Uso de
Inteligencias Artificiales en su Educación.
330
AS por Género
En el análisis de los sentimientos
manifestados por los estudiantes según su género
sobre la (IA) en el ámbito educativo Tabla 2
muestra que los resultados obtenidos entre ambos
géneros en cuanto a actitudes negativas (4.03 %
en hombres vs. 3.67% en mujeres), neutrales
(35.94 % vs. 33.73 %) y las actitudes positivas
(62.60 % vs. 60.03 %) no presenta diferencias
significativas (p 0.05).
Tabla 2
Porcentaje de Sentimientos Determinados por Género.
Género
Sentimientos Negativos (%)
Sentimientos Neutros (%)
Sentimientos Positivos (%)
masculino
4.03
35.94
60.03
femenino
3.67
33.73
62.60
Nota. Porcentaje de la percepción de sentimientos positivos, negativos y neutros dependiendo del género, elaboración
propia (2025).
AS según Uso de IA
La evaluación de los sentimientos
expresados por los estudiantes en función de su
experiencia con la IA Tabla 3, donde se muestra
que los alumnos que han utilizado IA, el 60.94 %
mostró percepciones positivas, superando el
35.53 % de opiniones neutrales y el 3.53 % de
sentimientos negativos. Por otro lado, entre los
estudiantes que no han empleado IA, el 63.03 %
expresó actitudes positivas, mientras que el 31.37
% mostró opiniones neutrales y el 5.60 %
sentimientos negativos. No se encontraron
diferencias estadísticamente significativas (p
0.005) respecto a las percepciones del grupo de
estudiantes que utiliza la IA, en comparación con
el grupo de estudiantes que no la ha utilizado.
Tabla 3
Porcentaje de Sentimientos Determinados por el Uso de IA.
Uso de IA
Sentimientos Negativos
(%)
Sentimientos Neutros (%)
Sentimientos Positivos
(%)
si
3.53
35.53
60.94
no
5.60
31.37
63.03
Nota. Porcentaje de la percepción de los sentimientos positivos, negativos y neutros sobre los estudiantes que utilizan IA
y los que no la utilizan, elaboración propia (2025).
AS por Rango de Edad
El ANOVA resultó significativa (F= 18;
gl= 13/2268; p= 0.0004) en la exploración de los
sentimientos manifestados por los estudiantes
entre su rango de edades, esto pone en evidencia
que existen variaciones notables en su aprecio
por la IA en el entorno educativo. Para conocer
en qué grupo de edades existían las diferencias,
se realizó un post hoc Tukey Kramer (diferencia
de medias= 0.04; p= 0.022) que determinó
diferencias significativas entre estudiantes de 17
años comparando un 43.90 % de actitudes
positivas contra un 4.88 % de percepción de
sentimientos negativos. En el caso de las posturas
neutras (51.22 %) no se encontraron diferencias
significativas Tabla 4.
Tabla 4
Porcentaje de Sentimientos Determinados en Diferentes Grupos de Edades.
Rango de Edad
Sentimientos Negativos
(%)
Sentimientos Neutros
(%)
Sentimientos Positivos
(%)
17
4.88
51.22
43.90*
18-25
3.82
35.19
61.00*
26-30
4.24
23.73
72.03*
Nota. *p0.05 Comparando los sentimientos positivos respecto a la percepción de sentimientos neutros y negativos en
los grupos de edades, con una prueba de ANOVA post hoc Tukey Kramer, elaboración propia (2025).
Moreno-Montiel, C., Miranda-Pérez, M., Moreno-Montiel, M. & Moreno-Montiel, B. (2025). Percepción de Estudiantes Universitarios sobre el Uso de Inteligencias
Artificiales en su Educación. Revista Tecnológica-Educativa Docentes 2.0, 18(2), 324-336. https://doi.org/10.37843/rted.v18i2.723
331
Percepción de Estudiantes Universitarios sobre el Uso de
Inteligencias Artificiales en su Educación.
331
En el grupo de 18 a 25 años, la Tukey
kramer resultó significativa (diferencia de
medias= 0.035; p= 0.025) en donde el 61.00 %
expresó actitudes positivas, superando el 35.19
% de opiniones neutrales y el 3.82 % de
sentimientos negativos. Por su parte, la Tukey
kramer resultó significativa (diferencia de
medias= 0.036; p= 0.014) para la comparación de
los estudiantes de 26 a 30 años que mostraron la
proporción más alta de actitudes positivas, con
un 72.03 %, frente a un 23.73 % de posturas
neutrales y un 4.24 % de sentimientos negativos,
sugiriendo una percepción cada vez más
favorable a medida que aumenta la edad Tabla 4.
AS por División Académica
La revisión de los sentimientos expresados
por los estudiantes según su División académica
Tabla 5 pone de manifiesto diferencias marcadas
en su valoración de la IA dependiendo de su área
de estudio. El ANOVA resultó significativo (F=
4.12; gl= 2/2279; p= 0.0035), post hoc Tukey
Kramer (diferencia de medias= 7; p= 0.00001)
demuestra que en la División de Ciencias de la
Salud de 39 estudiantes encuestados, 31 (79.49
%) manifestaron actitudes positivas, superando
los 6 (15.38 %) que adoptaron posturas neutrales
y comparado también con los 2 (5.13 %) que
expresaron visiones negativas. Adicionalmente,
en esta División se observaron la menor cantidad
de percepciones neutras comparado con las
demás áreas del conocimiento.
El post hoc Tukey Kramer resultó
significativo (diferencia de medias= 6.33;
p=0.00001) para la comparación de sentimientos
positivos respecto a negativos en la División de
Ciencias Básicas y de Ingeniería. De los 328
estudiantes evaluados, 161 (49.09 %) exhibieron
actitudes positivas superando a los 14 (4.27 %)
que expresaron visiones negativas. Por otro lado,
las posturas neutrales (153;46.65 %) no
presentaron diferencias significativas respecto a
las posturas positivas. Por otro lado, en esta
División se observa la menor cantidad de
percepciones positivas comparado con las demás
áreas del conocimiento.
El post hoc Tukey Kramer fue significativo
(diferencia de medias= 7.54; p= 0.00001) para la
comparación de los sentimientos positivos
respecto a los negativos y neutros en la División
de Ciencias Informáticas y Computación. El
62.84 % expresó actitudes positivas, superando
el 33.41 % de opiniones neutrales y el 3.75 % de
sentimientos negativos, destacando una
aceptación amplia en el área donde la IA es
central.
Para la División de Ciencias Ambientales,
el post hoc Tukey Kramer mostró significancia
(diferencia de medias= 15.53; p= 0.00002) para
la comparación de los sentimientos positivos
respecto a los negativos y neutros. La percepción
de sentimientos positivos de los estudiantes es de
un 63.48 %, (299 participantes), siendo superior
a los sentimientos neutros con un 32.27 % y
también con los sentimientos negativos con un
4.25% (20 participantes).
Por último, para la División de Ciencias
Sociales y Administrativas el post hoc Tukey
Kramer mostró significancia (diferencia de
medias= 16.27; p= 0.00002) en el que se
demostró que la percepción positiva con un 62.77
% (357 estudiantes) es mayor en comparación a
su percepción de sentimientos neutros de un
33.87 % (191 participantes) y percepciones
negativas que indica un 3.37 %. Es importante
mencionar que, no hay diferencias significativas
(p 0.005) en las percepciones de sentimientos
negativos comparándolos con todas las
Divisiones.
Tabla 5
Porcentaje de Sentimientos Determinados por Área de Conocimiento.
División
Negativos
(%) /cantidad
Neutros (%)
/cantidad
Positivos
(%) /cantidad
División de Ciencias de la Salud
5.13/2
+15.38/6
79.49/31
División de Ciencias Básicas y de
Ingeniería
4.27/14
46.65/153
49.09/161*
División de Ciencias Informáticas y
Computación
3.75/33
33.41/294
62.84/553
Moreno-Montiel, C., Miranda-Pérez, M., Moreno-Montiel, M. & Moreno-Montiel, B. (2025). Percepción de Estudiantes Universitarios sobre el Uso de Inteligencias
Artificiales en su Educación. Revista Tecnológica-Educativa Docentes 2.0, 18(2), 324-336. https://doi.org/10.37843/rted.v18i2.723
332
Percepción de Estudiantes Universitarios sobre el Uso de
Inteligencias Artificiales en su Educación.
332
División de Ciencias Ambientales
4.25/20
32.27/152
63.48/299
División de Ciencias Sociales y
Administrativas
3.37/19
33.87/191
62.77/357
Nota. + p 0.005, comparando únicamente los sentimientos positivos, negativos y neutros, respecto a la percepción de
otras áreas del conocimiento. * p 0.005, comparando únicamente los sentimientos positivos, respecto a la percepción
de sentimientos negativos y neutros en cada una de las áreas del conocimiento. Prueba de ANOVA post hoc Tukey
Kramer, elaboración propia (2025).
Discusiones
En respuesta a la pregunta de investigación
de este trabajo, los estudiantes de licenciatura de
la UTN perciben el uso de IA adecuado para su
uso en la educación destacando tendencias
significativas según las divisiones académicas,
no obstante, a pesar de que en cuatro Divisiones
académicas convergen en las percepciones
positivas con un amplio rango de más del 28 %
de sentimientos positivos en comparación de los
neutros, la División de Ciencias Básicas y de
Ingeniería parece que es la que menos aprecia la
IA en su educación, posiblemente porque aún
desconocen las aplicaciones en sus áreas
específicas. En cuanto al género, el rango de edad
y el uso previo o no, de IA todos convergen en
sentimientos positivos para el uso de estas
tecnologías.
Un aspecto sobresaliente es la variación en
las percepciones según las áreas de
conocimiento. La División de Ciencias de la
Salud mostró la proporción más alta de actitudes
positivas (79.49 %, con 31 de 39 estudiantes),
probablemente impulsada por aplicaciones
específicas de la IA en la salud. Por ejemplo, el
uso de sistemas de apoyo para las decisiones de
diagnóstico y tratamientos en ataques cardiacos
y cáncer apoyados por la IA, por mencionar
algunas enfermedades (Dzobo et al., 2019),
(Aragonés et al., 2017). Adicionalmente, la
reciente creación de la asignatura llamada
Informática biomédica introducida en el plan de
estudios de la carrera de medicina.
En cuanto a los resultados obtenidos en
esta investigación donde se menciona que tanto
usuarios que no utilizan IA, como los usuarios
que lo hacen, el 79 % de ellos consideran que la
IA podría ser útil o extremadamente útil en su
campo de trabajo lo que sugiere un sentimiento
positivo hacia la IA, estos resultados coinciden
con lo descrito por Castagno & Khalifa (2020).
En este estudio se menciona que un 10 % no está
de acuerdo con estas herramientas, siendo la
minoría como en la investigación mostrada en
este trabajo, en donde el 5.13 % de personas de
esta área coinciden con el sentimiento negativo.
En otro estudio desarrollado por Alowais et al.,
(2023) se menciona que en el área de la salud se
tienen buenas percepciones y aceptación en la
práctica clínica sobre todo para las aplicaciones
médicas, lo que concuerda con los resultados del
estudio realizado.
En Divisiones como Ciencias Informáticas
y Computación (62.84 % positivos) y Ciencias
Ambientales (63.48 % positivos), los estudiantes
probablemente se benefician de un contacto
directo con herramientas de IA durante su
formación, ya sea mediante algoritmos de
programación o análisis de datos ambientales. En
estudios desarrollados por Tóala et al., (2024) se
reporta que los estudiantes de segundo nivel de
las carreras de comunicaciones y telemáticas
perciben en un 80% de la IA como apoyo directo
con la resolución de problemas y con la
aplicación de herramientas orientadas a resolver
problemas matemáticos.
Lo anterior demuestra que la exposición
práctica podría explicar su alta aceptación,
reforzada por un currículo que integra
tecnologías emergentes, un aspecto que contrasta
con la neutralidad más pronunciada en Ciencias
Básicas e Ingeniería, donde la aplicación de la IA
podría requerir mayor especialización técnica. La
familiaridad tecnológica parece actuar como un
puente hacia la confianza, alineándose con
estudios que vinculan la experiencia práctica con
actitudes positivas hacia la innovación
(Clemente, 2024).
En contraste, la División de Ciencias
Básicas y de Ingeniería exhibió una distribución
más equilibrada, con un 49.09 % de actitudes
positivas y un 46.65 % de posturas neutrales. En
investigaciones desarrolladas por Carguacundo
et al., (2024) se menciona que en la educación
media superior y superior, se están explorando
las implicaciones filosóficas, los beneficios para
el aprendizaje y los desafíos futuros que se
Moreno-Montiel, C., Miranda-Pérez, M., Moreno-Montiel, M. & Moreno-Montiel, B. (2025). Percepción de Estudiantes Universitarios sobre el Uso de Inteligencias
Artificiales en su Educación. Revista Tecnológica-Educativa Docentes 2.0, 18(2), 324-336. https://doi.org/10.37843/rted.v18i2.723
333
Percepción de Estudiantes Universitarios sobre el Uso de
Inteligencias Artificiales en su Educación.
333
presentan. La IA como herramienta para las
Ciencias Básicas e Ingeniería tiene el potencial
de transformar la educación, la investigación
actual se ha centrado principalmente en áreas de
ingeniería, como el desarrollo de nuevos
algoritmos y la mejora de técnicas de aprendizaje
automático y profundo lo que podría indicar una
reserva derivada de la complejidad técnica de la
IA en este campo y el probable desconocimiento.
En esta investigación, la distribución de
actitudes hacia la IA entre los 564 estudiantes de
la División de Ciencias Sociales y
Administrativas en Nezahualcóyotl revela una
aceptación significativa, con un 62.77 % (354
estudiantes), parecido a las investigaciones
reportadas por Niño et al. (2025). Aquí
demuestran una tendencia pronunciada hacia el
aprecio por la IA en el contexto educativo,
posiblemente influenciada por la creciente
integración de herramientas de IA, como
chatbots, plataformas de aprendizaje adaptativo,
y sistemas de análisis de datos, en disciplinas
como la administración, el derecho y las ciencias
sociales. Este resultado también se percibe en el
estudio desarrollado en el presente artículo
mostrando una aceptación alta hacia las
herramientas de IA.
Estas herramientas facilitan tareas
académicas clave, como la redacción de
informes, el análisis de políticas sociales y la
toma de decisiones estratégicas, lo que podría
explicar la alta aceptación observada. En el
contexto de Nezahualcóyotl, una zona con
limitaciones socioeconómicas, la percepción
positiva de la IA sugiere que los estudiantes ven
estas tecnologías como una oportunidad para
superar barreras educativas, como el acceso
limitado a recursos o la falta de tutorías
personalizadas, potenciando su autonomía y
motivación en el aprendizaje. Esta aseveración
coincide con el trabajo desarrollado por Ahmad,
(2023) quién reportó qué estas herramientas
facilitan las actividades de los estudiantes, sin
embargo, esto provoca que se vuelvan perezosos
y pierdan las capacidades de toma decisiones en
algunas actividades y tareas relacionadas con las
áreas de Ciencias Sociales.
Sin embargo, la presencia de un 33.87 % de
posturas neutrales indica una aceptación no
unánime, posiblemente por desconocimiento
influenciado por preocupaciones éticas como la
privacidad de datos, el riesgo de plagio, o la
dependencia excesiva de la IA, así como por
limitaciones de infraestructura tecnológica en la
región. Lo que es muy similar a los reportados en
los artículos de Ahmad, (2023) sobre disciplinas
sociales y administrativas, donde el diálogo
crítico y las habilidades interpersonales son
fundamentales, la IA puede fomentar el
aprendizaje autodirigido al ofrecer
retroalimentación inmediata y recursos
personalizados, pero debe equilibrarse con la
interacción humana para preservar el
pensamiento crítico y las competencias sociales.
En cuanto al rango de edad, los estudiantes
de 26 a 30 años mostraron la mayor proporción
de actitudes positivas (72.03 %), comparados con
el 43.90 % de los menores de 18 años, sugiriendo
que la madurez y la experiencia educativa
fortalecen una percepción favorable,
posiblemente debido a una mayor interacción
con tecnologías avanzadas a lo largo de su
trayectoria académica. Estos resultados son
similares al estudio realizado por Musa, (2024)
en donde se indica que en las edades de 26 a 30
años las personas tienen un amplio conocimiento
de las herramientas tecnológicas y de las
herramientas de IA, ya que en ese rango de
edades la digitalización es de manera directa
porque son nativos digitales (Foadi et al., 2022).
Lo anterior, también coincide con el
resultado de mayor aceptación de la IA
comparadas con la prevalencia de posturas
neutrales, especialmente alta en Ciencias Básicas
e Ingeniería (46.65%) y entre los menores de 18
años (51.22 %), reportadas en la presente
investigación lo que apunta a una prudencia que
podría estar ligada a la falta de capacitación o a
inquietudes éticas, temas que requieren
exploración adicional.
Respecto al género, las alumnas
presentaron un 62.60 % de actitudes positivas
frente a los alumnos masculinos (60.03 %) que
no mostró diferencias significativas sugiriendo
que el género tiene un impacto limitado, tantos
los hombres y mujeres perciben de igual forma la
IA. Esto coincide con lo reportado por Chen,
(2020) en donde describe que la adaptación de las
tecnologías de inteligencia artificial y de
herramientas con las cuales se genera
aprendizaje, desarrollo, prácticas e
implementaciones de manera autónoma e similar
Moreno-Montiel, C., Miranda-Pérez, M., Moreno-Montiel, M. & Moreno-Montiel, B. (2025). Percepción de Estudiantes Universitarios sobre el Uso de Inteligencias
Artificiales en su Educación. Revista Tecnológica-Educativa Docentes 2.0, 18(2), 324-336. https://doi.org/10.37843/rted.v18i2.723
334
Percepción de Estudiantes Universitarios sobre el Uso de
Inteligencias Artificiales en su Educación.
334
entre géneros. Del mismo modo, el uso previo de
IA no mostró diferencias en ambos grupos (60.94
% para usuarios y 63.03% para no usuarios), lo
que coincide con lo descrito por Zawacki et al.
(2019) donde describe que ambos individuos que
usen IA y los que no la usen, la perciben como
una herramienta de mejora de apoyo y de
resolución de problemas actualmente.
La elevada proporción de actitudes
positivas (61.27 %) sugiere que los estudiantes
perciben la IA como un recurso valioso para
apoyar su aprendizaje y desarrollo profesional,
coincidiendo con los reportes de Zawacki et al.
(2019), Chen, (2020), un aspecto que podría estar
influenciado por su exposición a tecnologías
emergentes en sus respectivas Divisiones. La
presencia notable de posturas neutrales (34.88 %)
indica una cautela considerable, posiblemente
relacionada con la necesidad de mayor
familiaridad o capacitación práctica con la IA,
mientras que la baja incidencia de sentimientos
negativos (3.85 %) refuerza la idea de una
recepción generalmente favorable, con escasos
niveles de escepticismo en el conjunto de la
población estudiantil.
Los resultados obtenidos en este estudio
sugieren que la aplicación del instrumento es
recomendable para que se realice sobre rangos de
edades no mayores a una década. Debido a que la
percepción cambia con la edad de los alumnos,
principalmente por la toma de decisiones que
presentan los individuos que nacieron con las
tecnologías y aquellos que no hicieron. Sin
embargo, en cuanto al uso de IA, se debe
procurar que no se haga uso en entornos
educativos sin validar autenticidad de los
resultados que se obtienen principalmente en la
realización de tareas.
Las limitaciones del estudio se presentaron
el número no equitativo de estudiantes por
división debido a que no existe una gran
demanda estudiantes en divisiones como ciencias
de la salud. Otro aspecto es el acceso a internet,
que en esta institución no es abierto para todos
los estudiantes debido a su infraestructura
interna. A pesar de ello los resultados muestran
una alta aceptación positiva para la IA.
Esta investigación se puede aplicar en otros
niveles educativos para identificar las
percepciones de la IA en edades más tempranas
a las realizadas en este estudio. También se puede
modificar el instrumento para detectar posibles
puntos de interés donde se podría utilizar, ya sea
para resolución de problemas, tareas, trabajos o
presentaciones y motivar a una integración ética
sin exceder la utilización para la mayoría de las
obligaciones escolares de los estudiantes y
priorizar el razonamiento de la información
obtenida por la IA para su mejor
aprovechamiento.
Conclusiones
Este estudio revela que los estudiantes de
la UTN perciben la IA en la educación de manera
predominantemente positiva, con actitudes
favorables en todos los análisis reportados, lo que
concuerda con la literatura internacional sobre la
creciente aceptación de la IA en la enseñanza
superior. Esta inclinación refleja un
reconocimiento amplio de su potencial para
enriquecer el aprendizaje y las oportunidades
profesionales, un aspecto consistente con
investigaciones que destacan la integración de la
IA como un impulsor de la innovación educativa.
Dentro del campo educativo la integración de la
IA es útil para ahorrar un tiempo importante al
momento de buscar conocimiento, resolver
dudas puntuales, gracias a la velocidad de
búsqueda que tienen las plataformas, generando
una mayor adopción tecnológica
De acuerdo con los objetivos de la
investigación, este trabajo puede resultar valioso
para otras investigaciones ya que la percepción
de sentimientos de los estudiantes universitarios
es positiva teniendo en cuenta el uso de
herramientas de IA en su aprendizaje. En
consecuencia, se podría proponer una asignatura
que enseñe el aprovechamiento de la IA de
manera más efectiva motivando a los estudiantes
para tener una mayor conciencia de su uso
profesional y ético a largo plazo. También con
estos estudios se podría adoptar más fácilmente
su uso para los docentes y optimizar el
rendimiento académico en todas las áreas del
conocimiento
En cuanto a las recomendaciones para
investigaciones futuras de este estudio, se debería
profundizar en las diferentes estrategias
pedagógicas que se han desarrollado con el uso
de IA. Otro elemento que se puede tomar en
consideración dentro de esta investigación es la
Moreno-Montiel, C., Miranda-Pérez, M., Moreno-Montiel, M. & Moreno-Montiel, B. (2025). Percepción de Estudiantes Universitarios sobre el Uso de Inteligencias
Artificiales en su Educación. Revista Tecnológica-Educativa Docentes 2.0, 18(2), 324-336. https://doi.org/10.37843/rted.v18i2.723
335
Percepción de Estudiantes Universitarios sobre el Uso de
Inteligencias Artificiales en su Educación.
335
relacionada con los factores socioeconómicos
culturales y geográficos, ya que la utilización de
IA requiere de acceso a Internet y equipos que
puedan permitir búsquedas adecuadas y rápidas
de información y esto no ocurre en zonas donde
no se tiene tecnología adecuada.
Agradecimientos
Expresamos nuestro más sincero
agradecimiento a la Universidad Tecnológica de
Nezahualcoyotl por su valiosa participación y
apoyo en el desarrollo de esta investigación. Su
compromiso y su colaboración han sido
fundamentales para el éxito de este proyecto.
Asimismo, extendemos nuestra gratitud a
los doctores que, con su experiencia y
dedicación, validaron el instrumento aplicado en
esta investigación. Su expertise y aportaciones
fueron esenciales para garantizar la calidad y
rigor del estudio.
Declaración de Conflictos de Intereses
Los autores declaran que no existe ningún
conflicto de interés que pudiera afectar la
realización de este estudio. Ninguno de los
autores ha recibido financiación ni mantiene
relaciones personales o profesionales que puedan
influir o condicionar los resultados obtenidos o
su interpretación. La totalidad del trabajo fue
llevado a cabo de manera independiente,
garantizando la imparcialidad y rigor científico
en cada una de las etapas del proceso
investigativo.
Referencias
Arias Gonzáles, J. L., & Covinos Gallardo, M. (2021). Diseño y
metodología de la investigación (1ra ed.). Enfoques
Consulting. https://n9.cl/blxng
Ahmad, S., Han, H., Alam, M., Rehmat, M., Irshad, M., Arraño,
M., & Ariza, A. (2023). Impact of artificial intelligence
on human loss in decision making, laziness and safety in
education. Humanities and Social Sciences
Communications, 10, 1-
14, https://doi.org/10.1057/s41599-023-01787-8
Aiken, L. (2003). Confiabilidad y validez. Tests psicológicos y
evaluación. Pearson Educación, 85-107.
https://n9.cl/yfl7o
Alowais, S., Alghamdi, S., Alsuhebany, N., Alqahtani, T.,
Alshaya, A., Almohareb, S., Aldairem, A., Alrashed, M.,
Bin Saleh, K., Badreldin, H., Al Yami, M., Harbi, S.,
Albekairy, A. (2023). Revolutionizing healthcare: the
role of artificial intelligence in clinical practice. BMC
Med Educ. 23(1), 689. https://doi.org/10.1186/s12909-
023-04698-z
Aragonés, E., Piñol, L., Caballero, A., Salvador, L., & López, G.
(2017). A computerised clinical decision-support system
for the management of depression in Primary Care.
Atención Primaria, 49(6), 359–367.
https://doi.org/10.1016/j.aprim.2016.09.011
Arribas, M. (2004). Diseño y validación de Cuestionarios.
Matronas Profesión, 5(17), 23-29. https://n9.cl/cn647
Bernal, C. (2010). Metodología de la investigación:
Administración, economía, humanidades y ciencias
sociales. Pearson Educación. https://n9.cl/jooqi
Cambria, E., Schuller, B., Xia, Y., & Havasi, C. (2013). New
Avenues in Opinion Mining and Sentiment Analysis.
IEEE Intelligent Systems, 28(2), 15-21.
http://dx.doi.org/10.1109/MIS.2013.30
Carguacundo, F., García, K., Urgiles, D., Chica, R., Suin, A.,
Andrade, M. (2024). Integración de la IA en el desarrollo
del material educativo y didáctico para docentes del
subnivel educación general básica media en la asignatura
de ciencias naturales. Ciencia Latina Revista Científica
Mutidisciplinar, 8(2), 1152-1163.
https://doi.org/10.37811/cl_rcm.v8i2.10557
Castagno, S., Khalifa, M. (2020). Perceptions of Artificial
Intelligence Among Healthcare Staff: A Qualitative
Survey Study. Front Artif Intell, 21(3),
https://doi.org/10.3389/frai.2020.578983
Chan, C., & Hu, W. (2023). Students’ voices on generative AI:
Perceptions, benefits, and challenges in higher education.
International Journal of Educational Technology in
Higher Education, 20(1), 43.
https://doi.org/10.1186/s41239-023-00411-8
Chen, L., Chen, P., Lin, Z. (2020). Artificial intelligence in
education: a review. IEEE Access, 8, 64–78.
https://doi.org/10.1109/ACCESS.2020.2988510.
Cheng, Y. (2022). Improving Students' Academic Performance
with AI and Semantic Technologies. arXiv.
https://doi.org/10.48550/arXiv.2206.03213.
Clemente-Suárez, V. J. (2024). Innovación Educativa y Desafíos
Actuales: Una Mirada a la Investigación
Reciente. Cultura Educación Y Sociedad, 15(1),
e03355727. https://n9.cl/yco6k
Cronbach, L. J. (1951). Coefficient alpha and the internal
structure of tests. Psychometrika, 16(3), 297–334.
https://doi.org/10.1007/BF02310555
Dzobo, K., Adotey, S., Thomford, N., Dzobo, T. (2019).
Integrating Artificial and Human Intelligence: A
Partnership for Responsible Innovation in Biomedical
Engineering and Medicine. OMICS, 24(5), 247-263.
https://doi.org/10.1089/omi.2019.0038
Foadi, N., & Varghese, J. (2022). Digital competence - A key
competence for today’s and future physicians. Journal of
European CME, 11(1), Article e2015200.
https://doi.org/10.1080/21614083.2021.2015200
Moreno-Montiel, C., Miranda-Pérez, M., Moreno-Montiel, M. & Moreno-Montiel, B. (2025). Percepción de Estudiantes Universitarios sobre el Uso de Inteligencias
Artificiales en su Educación. Revista Tecnológica-Educativa Docentes 2.0, 18(2), 324-336. https://doi.org/10.37843/rted.v18i2.723
336
Percepción de Estudiantes Universitarios sobre el Uso de
Inteligencias Artificiales en su Educación.
336
Gao, J., Li, P., Chen, Z., Zhang, J. (2020). A survey on deep
learning for multimodal data fusion. Neural
Computation, 32(5), 829–864.
https://doi.org/10.1162/neco_a_01273.
García, J., & Bernal, A., López, J. (2013). Cálculo del tamaño de
la muestra en investigación en educación médica.
Investigación en Educación Médica, 2(8), 217-224.
https://doi.org/10.1016/S2007-5057(13)72715-7
González, M., Barroso, O., & Gómez, M. (2022). Validación de
instrumentos como garantía de la credibilidad en las
investigaciones científicas. Revista Cubana de Medicina
Militar, 48(2), 441-450. https://n9.cl/591bc
Hernández, R., & Mendoza, C. (2018). Metodología de la
investigación. Las rutas cuantitativa, cualitativa y mixta
(6ta ed.). McGraw Hil
Huang, J., Saleh, S., & Liu, Y. (2021). A review on artificial
intelligence in education. Academic Journal of
Interdisciplinary Studies, 10(3), 206–216.
https://doi.org/10.36941/ajis-2021-0077
Huerta-Presa, S. & Zavala-Ramírez, J. (2023). La Inteligencia
Artificial y el Contexto de la Docencia en México.
Revista Tecnológica-Educativa Docentes 2.0, 16(1), 49-
56. https://doi.org/10.37843/rted.v16i1.336
Kirchherr, J., & Charles, K. (2018). Enhancing the sample
diversity of snowball samples: Recommendations from a
research project on anti-dam movements in Southeast
Asia. PLoS ONE, 13(8), e0201710.
https://doi.org/10.1371/journal.pone.0201710
Likert, R. (1932). A technique for the measurement of attitudes.
Archives of Psychology, 22, 5–55. https://n9.cl/u40g3
Liu, B. (2012). Sentiment Analysis and Opinion Mining.
Synthesis Lectures on Human Language Technologies,
5(1), 1-167.
https://doi.org/10.2200/S00416ED1V01Y201204HLT01
6
López, R, Avello, R, Palmero, D, Sánchez, S, & Quintana, M.
(2019). Validación de instrumentos como garantía de la
credibilidad en las investigaciones científicas. Revista
Cubana de Medicina Militar, 48(1). https://n9.cl/591bc
Martínez-Márquez, M. (2025). Inteligencia Artificial y
Educación. Revista Tecnológica-Educativa Docentes
2.0,18(1), 245-257.
https://doi.org/10.37843/rted.v18i1.614
Musa, A., Owolabi, P., Rethabile, R., Olalekan, A., & Adebayo,
M. (2024). Examining artificial intelligence literacy
among pre-service teachers for future classrooms.
Computers and Education Open, 6, 1-15,
https://doi.org/10.1016/j.caeo.2024.100179
Naderifar, M., Goli, H., & Ghaljaie, F. (2017). Snowball
sampling: A purposeful method of sampling in qualitative
research. Strides in Development of Medical Education,
14(3), e67670. https://doi.org/10.5812/sdme.67670
Niño, S., Castellanos, J. C., Perezchica, J., & Sepúlveda, J.
(2025). Percepciones de estudiantes universitarios sobre
los usos de inteligencia artificial en educación. Revista
Fuentes, 27(1), 94–106.
https://doi.org/10.12795/revistafuentes.2025.26356
Orji, F. A., & Vassileva, J. (2022). Machine learning approach for
predicting students academic performance and study
strategies based on their motivation. arXiv.
https://doi.org/10.48550/arXiv.2210.08186
Popper, K. R. (2019). The logic of scientific discovery (Routledge
Classics ed.). Routledge.
Statologos. (2022). Confiabilidad dividida por la mitad:
definición, pasos. Statologos. https://n9.cl/l3fpn
Suh, W., & Ahn, S. (2022). Development and Validation of a
Scale Measuring Student Attitudes Toward Artificial
Intelligence. SAGE Open, 12(2),
https://doi.org/10.1177/21582440221100463
Tóala, M., Giler, J., & Gutiérrez, J. (2024). Las matemáticas y el
uso de la inteligencia artificial (IA), Revista Unesum-
ciencias, 8(3), 16-23, https://doi.org/10.47230/unesum-
ciencias.v8.n3.2024.16-23
Ventura, J. (2017) ¿Validez de constructo o validez basada en el
constructo?, Revista de Psiquiatría y Salud Mental, 10(4),
221. https://doi.org/10.1016/j.rpsm.2017.05.003
Wang, C. (2024). Exploring Students’ Generative AI-Assisted
Writing Processes: Perceptions and Experiences from
Native and Nonnative English Speakers. Technology,
Knowledge and Learning, 30, 1825–1846.
https://doi.org/10.1007/s10758-024-09744-3
Zawacki, O., Marn, V., Bond, M., Gouverneur, F. (2019).
Systematic review of research on artificial intelligence
applications in higher education – where are the
educators?, Int J Educ Technol High Educ,16(1),
https://doi.org/10.1186/s41239-019-0171-0
