Impacto del uso de la inteligencia artifi=
cial
en la formación docente técnico profesional
Impact of the use of
artificial intelligence in technical vocational teacher training=
|
1 |
Freddy Teófilo García Durango |
|
https://orcid.org/0009-0005-9642-0791<= o:p> |
|
|
Universidad
Bolivariana del Ecuador Maestría
en Educación Mención Pedagogía en Entornos Digitales |
||
|
2 |
Andrea Estefanía Peralta Campuzano |
|
https://orcid.org/0009-0001-3597-0539<= o:p> |
|
|
Universidad
Bolivariana del Ecuador Maestría
en Educación Mención Pedagogía en Entornos Digitales |
||
|
3 |
Reigosa Lara Alejandro |
|
https://orcid.org/0000-0002-4323-6668<= o:p> |
|
|
Universidad
Bolivariana del Ecuador |
||
|
4 |
Galo
Wilfrido Tobar Farias |
|
https://orcid.org/0000-0002-2746-031X<= o:p> |
|
|
Universidad
Bolivariana del Ecuador |
|
|
Artículo de Investigación Científica y Tecnológica Enviado: 14/03/2025 Revisado: 10/04/2025 Aceptado: 18/05/2025 Publicado:20/06/2025 |
|||||||
|
|
|
|||||||
|
Cítese: |
|
García Durango=
, F.
T., Peralta Campuzano, A. E., Lara Alejandro, R., & Tobar Farias, G. =
W.
(2025). Impacto del uso de la inteligencia artificial en la formación doc=
ente
técnico profesional. Explorador Digital, 9(2), 82-106. https://doi=
.org/10.33262/exploradordigital.v9i2.3493
|
|
|||||
|
|
|
EXPLORADOR DIGITAL, es una Revista
electrónica, Trimestral, que se publicará en soporte electrónico t=
iene
como misión contribuir a la formación de profesionales
competentes con visión humanística y crítica que sean capaces de exponer =
sus
resultados investigativos y científicos en la misma medida que se promueva
mediante su intervención cambios positivos en la sociedad. La revista es
editada por la Editorial Ciencia Digital (Editorial de prestigio registra=
da
en la Cámara Ecuatoriana de Libro con No de Afiliación 663) www.celibro.org.ec |
|
|||||
|
|
|
Esta revista está protegida bajo una licencia Creative Commons en la 4.0 International. Copia de la licenc=
ia: =
http://creativecommons.org/licenses/by-nc-sa/4.0/ |
|
|||||
|
Palabras clave=
s: Inteligencia artificial; Formación docente; Educación
técnico-profesional; |
|
Res=
umen
|
|
|||||
|
Keywords: Teacher training; Artificial intelligence; Technical and professio=
nal
education; Educational technologies. |
|
Abs=
tract |
|
|||||
1. Introducción
En el siglo XXI la Inteligencia Artificial (=
IA)
ha emergido como un catalizador de cambio en diversos sectores, y la educac=
ión
no es una excepción. Su capacidad para analizar grandes volúmenes de datos,
personalizar experiencias de aprendizaje y automatizar tareas administrativ=
as
ha reconfigurado el panorama educativo a nivel global (Chiu et al., 2024; Diliberti et al., 2024). En este contexto, la formación docente
técnico-profesional, orientada a la capacitación de individuos para
desempeñarse en sectores productivos específicos, enfrenta retos y
oportunidades únicos al adoptar estas tecnologías avanzadas. Este estudio s=
e delimita
al Instituto Técnico Agropecuario Ciudad de Valencia, ubicado en la provinc=
ia
de Los Ríos, Ecuador, y se centra en las percepciones de 59 docentes acerca=
del
impacto del uso de la IA en su práctica educativa.
La preparación docente es un componente fundame=
ntal
para el éxito de cualquier institución educativa. Los profesores no solo de=
ben
tener dominio en sus áreas de especialización, sino también competencias
pedagógicas y tecnológicas que les permitan enfrentar los retos del siglo X=
XI.
En este escenario, la IA representa una oportunidad significativa para
transformar la formación docente, facilitando herramientas que apoyen la
personalización del aprendizaje, promuevan una evaluación continua y mejore=
n la
toma de decisiones en el aula. Sin embargo, la implementación de estas
tecnologías plantea desafíos, como la resistencia al cambio, la falta de
recursos tecnológicos y la necesidad de formación continua, elementos clave
para garantizar una adopción eficaz y sostenible (Chiu et al., 2024=
; Mbambo & du Plessis, 2024).
La formación técnico-profesional constituye un
pilar esencial para el desarrollo económico y social, ya que prepara a los
estudiantes para insertarse en un mercado laboral dinámico y competitivo (Forero & Negre, 2024). Sin embargo, el proceso de enseñanza en
este ámbito enfrenta desafíos significativos, como la necesidad de
actualización tecnológica constante, la escasez de recursos formativos mode=
rnos
y la falta de preparación docente para integrar herramientas basadas en IA =
(Wardat et al., 2024). Estas carencias dificultan la conexión
entre la oferta educativa y las demandas del mercado, limitando el potencia=
l de
los egresados para contribuir efectivamente al desarrollo económico local y
nacional.
El problema de esta investigación radica en la
insuficiente integración de la IA en la formación docente técnico-profesion=
al,
lo que se refleja en la limitada capacidad de los educadores para personali=
zar
la enseñanza, evaluar competencias de manera eficiente y optimizar la gesti=
ón
del aprendizaje (Aljemely, 2024)=
. Esto se atribuye, en gran medida, a la
falta de capacitación docente en tecnologías emergentes, así como a la ause=
ncia
de políticas institucionales que promuevan la innovación pedagógica (Kitcha=
roen
et al., 2024).
Las consecuencias de este problema incluyen una formación descontextualizad=
a de
las necesidades del sector productivo, estudiantes con competencias poco
alineadas a las demandas del mercado laboral y un rezago tecnológico que af=
ecta
la competitividad del sistema educativo técnico-profesional (Erduran & Levrini, 2024).
Las preguntas que se origina del planteamiento =
del
problema son ¿Cuál es el impacto del uso de la inteligencia artificial en la
formación docente técnico-profesional en el Instituto Técnico Agropecuario
Ciudad de Valencia, provincia de Los Ríos? ¿Cómo perciben los docentes del
Instituto Técnico Agropecuario Ciudad de Valencia el uso de herramientas de
inteligencia artificial en su práctica educativa? ¿Cuáles son las principal=
es
barreras y facilitadores identificados por los docentes para la implementac=
ión
de herramientas de inteligencia artificial en su formación y práctica
pedagógica? ¿Qué relación existe entre las percepciones de los docentes sob=
re
la inteligencia artificial y factores sociodemográficos como la edad, la
experiencia laboral y la formación previa en tecnologías digitales?
Desde una perspectiva teórica, la investigación
encuentra su justificación en el creciente cuerpo de literatura que destaca=
los
beneficios de la IA en la educación. Según estudios recientes (Dilzhan, 2024; Singh & Ram, 2024; Sperling
et al., 2024), la IA permite la personalización del
aprendizaje mediante algoritmos que ajustan contenidos a las necesidades
individuales de los estudiantes, mejora la gestión de procesos formativos a
través de análisis predictivos y fomenta el aprendizaje activo mediante
plataformas interactivas. Metodológicamente, la investigación se fundamenta=
en
un enfoque cuantitativo que combina la técnica de encuesta con el análisis
estadístico, utilizando el programa Jamovi para
garantizar la validez y confiabilidad de los resultados. Prácticamente, este
estudio busca ofrecer insights valiosos para el
diseño de programas de capacitación docente que integren la IA de manera
efectiva en contextos técnico-profesionales.
El objetivo general de esta investigación fue el
determinar el impacto del uso de la inteligencia artificial en la formación
docente técnico-profesional en el Instituto Técnico Agropecuario Ciudad de
Valencia, provincia de Los Ríos, con el propósito de identificar sus
beneficios, limitaciones y potenciales aplicaciones pedagógicas. Los objeti=
vos
trazados fueron: I. Identificar las
percepciones de los docentes del Instituto Técnico Agropecuario Ciudad de
Valencia sobre el uso de la inteligencia artificial en el ámbito educativo.
Este objetivo busca comprender cómo los docentes valoran y experimentan la
integración de herramientas de IA en su labor pedagógica, considerando tanto
sus expectativas como sus preocupaciones. II. Determinar las principales ba=
rreras
y facilitadores para la implementación de herramientas de inteligencia
artificial en la formación docente técnico-profesional. Este objetivo se
orienta a explorar los factores internos y externos que influyen en el éxit=
o o
fracaso de las iniciativas tecnológicas en el contexto educativo técnico. I=
II.
Evaluar la relación entre las percepciones docentes y las características
sociodemográficas y profesionales, como edad, experiencia laboral y formaci=
ón
previa en tecnologías digitales. Este objetivo busca establecer patrones
correlacionales que permitan entender mejor las dinámicas del uso de la IA =
en
la práctica educativa y su relación con las particularidades de los docente=
s.
Esta investigación no solo responde a una neces=
idad
urgente de modernización en la educación técnico-profesional, sino que tamb=
ién
busca contribuir al debate académico sobre el papel de la tecnología en la
formación docente. Los resultados permitirán elaborar estrategias específic=
as
para superar las barreras identificadas y aprovechar las oportunidades que
ofrece la inteligencia artificial, promoviendo así un cambio transformador =
en
el ámbito educativo técnico.
Finalmente, cabe destacar que la estructura
metodológica de esta investigación se basa en un diseño no experimental, lo=
que
permite estudiar las percepciones de los docentes sin intervenir en las
variables del contexto. A través de una encuesta con un cuestionario de esc=
ala
Likert, cuya confiabilidad ha sido comprobada con un alfa de Cronbach de 0.=
89,
se garantizará la validez de los datos recolectados. Este enfoque descripti=
vo y
correlacional proporcionará una visión integral de cómo la IA está siendo p=
ercibida
e integrada en el proceso formativo de los docentes técnico-profesionales,
sentando las bases para futuras investigaciones y aplicaciones en este camp=
o.
1.1.=
Revisión de Literatura
Inteligencia
Artificial. La inteligencia artificial (IA), entendida
como la emulación de habilidades cognitivas humanas mediante sistemas
computacionales, se presenta como una herramienta de amplio alcance en el
ámbito educativo (Yı=
lmaz,
2024). Sus aplicaciones van desde la
personalización del proceso de aprendizaje hasta la mejora de la gestión
administrativa, con el objetivo de modernizar la educación técnica <=
!--[if supportFields]> ADDIN ZOTERO_ITEM CSL_CITATION
{"citationID":"Ai5NPkVu","properties":{"=
formattedCitation":"(Yilmaz
et\\uc0\\u160{}al., 2024)","plainCitation":"(Yilmaz
et al.,
2024)","noteIndex":0},"citationItems":[{"id&q=
uot;:395,"uris":["http://zotero.org/users/local/gWEvpWfy/ite=
ms/QAU5JEUR"],"itemData":{"id":395,"type"=
;:"article-journal","container-title":"Scientific
Reports","issue":"1","note":"publis=
her:
Nature Publishing Group UK
London","page":"15130","source":"Go=
ogle
Scholar","title":"Real-Time multifaceted artificial int=
elligence
vs In-Person instruction in teaching surgical technical skills: a randomized
controlled trial","title-short":"Real-Time multifaceted
artificial intelligence vs In-Person instruction in teaching surgical techn=
ical
skills","volume":"14","author":[{"f=
amily":"Yilmaz","given":"Recai"},{"=
family":"Bakhaidar","given":"Mohamad"},{=
"family":"Alsayegh","given":"Ahmad"=
},{"family":"Abou
Hamdan","given":"Nour"},{"family":"=
Fazlollahi","given":"Ali
M."},{"family":"Tee","given":"Trish=
a"},{"family":"Langleben","given":"=
Ian"},{"family":"Winkler-Schwartz","given&quo=
t;:"Alexander"},{"family":"Laroche","giv=
en":"Denis"},{"family":"Santaguida",&quo=
t;given":"Carlo"}],"issued":{"date-parts"=
;:[["2024"]]}}}],"schema":"https://github.com/cita=
tion-style-language/schema/raw/master/csl-citation.json"}
(Yilmaz
et al., 2024). Sin embargo, para maximizar su potencial=
, es
esencial que los docentes desarrollen competencias específicas que les perm=
itan
utilizar estas tecnologías de manera adecuada. En este contexto, uno de los
principales retos identificados en la investigación radica en la necesidad
urgente de capacitar a los educadores en el manejo de herramientas de IA, asegurando su
integración efectiva en las prácticas pedagógicas bajo un marco ético (Aljemely, 2024; Ayanwale et al., 2024).
Competencia Tecnológica. La integración de la inteligencia artific=
ial
(IA) en el ámbito educativo ha destacado por su potencial para transformar =
los
procesos de enseñanza y aprendizaje, pero requiere que los docentes posean
competencias tecnológicas avanzadas para manejar estas herramientas de mane=
ra
efectiva (Yang et al., 2024=
). Según Aljemel=
y (2024)=
,
la adquisición de competencias en el manejo de IA es esencial para que los
educadores puedan adoptar estrategias pedagógicas innovadoras que faciliten=
el
aprendizaje personalizado y aumenten la eficiencia educativa. Asimismo, Ayanwale et al. (2024) desta=
can
que los programas de capacitación enfocados en IA han mostrado resultados
positivos en el desarrollo de habilidades tecnológicas en los docentes,
permitiéndoles comprender el funcionamiento y las aplicaciones prácticas de
estas herramientas.
La necesidad de competencias tecnológicas en el
contexto educativo técnico-profesional es particularmente evidente debido a=
la
creciente demanda de habilidades digitales en el mercado laboral <=
/span> ADDIN ZOTERO_ITEM CSL_CITATION
{"citationID":"guVW5FXx","properties":{"=
formattedCitation":"(Tan
et\\uc0\\u160{}al., 2024)","plainCitation":"(Tan et&nbs=
p;al.,
2024)","noteIndex":0},"citationItems":[{"id&q=
uot;:378,"uris":["http://zotero.org/users/local/gWEvpWfy/ite=
ms/R95I73KU"],"itemData":{"id":378,"type"=
;:"article-journal","container-title":"Medical
Teacher","DOI":"10.1080/0142159X.2023.2256961",&qu=
ot;ISSN":"0142-159X,
1466-187X","issue":"1","journalAbbreviation&q=
uot;:"Medical
Teacher","language":"en","page":"15=
1-152","source":"DOI.org
(Crossref)","title":"Response to: \"The next parad=
igm
shift? ChatGPT, artificial intelligence, and medical
education\"","title-short":"Response
to","volume":"46","author":[{"famil=
y":"Tan","given":"Li
Feng"},{"family":"Heng","given":"Jo=
nathan
Jun
Yi"},{"family":"Teo","given":"Desmo=
nd
B."}],"issued":{"date-parts":[["2024",1,=
2]]}}}],"schema":"https://github.com/citation-style-language=
/schema/raw/master/csl-citation.json"}
(Tan et al., 2024;=
<=
span
style=3D'color:windowtext;text-decoration:none;text-underline:none'>Chiu et al.=
, 2024),
argumentan que los educadores técnico-profesionales desempeñan un papel cla=
ve
en la preparación de estudiantes para un entorno laboral dinámico, y que su
falta de preparación tecnológica podría limitar la efectividad de la formac=
ión
impartida. Por ello, la competencia tecnológica no solo es una dimensión
crítica para la adopción de la IA, sino también una necesidad urgente para
garantizar la relevancia y sostenibilidad de los programas educativos.
Disponibilidad de Recursos.
En un estudio llevado a cabo por Fundi et al. (2024), se evidenció que la falta de acc=
eso a
recursos tecnológicos es uno de los principales obstáculos para la adopción=
de
IA en contextos educativos, particularmente en regiones con escasos recurso=
s.
Los autores argumentan que las instituciones deben priorizar la inversión en
infraestructura tecnológica y desarrollar alianzas estratégicas con empresas
tecnológicas para superar estas barreras. Sin embargo, la disponibilidad de
recursos no solo implica la presencia de dispositivos tecnológicos, sino
también el acceso a plataformas, software y materiales educativos basados e=
n IA
que sean relevantes y accesibles para los educadores.
Capacitación Recibida. La capacitación docente en tecnologías
emergentes es una condición esencial para la adopción efectiva de herramien=
tas
de IA en el aula. Du Plessis (2024) subraya que=
la
formación docente debe centrarse en proporcionar habilidades prácticas y
contextuales que permitan a los educadores integrar la IA en sus estrategias
pedagógicas de manera significativa. En este sentido, las capacitaciones de=
ben
estar diseñadas para abordar tanto los aspectos técnicos de la IA como su
aplicabilidad pedagógica, asegurando que los docentes puedan utilizar estas
herramientas para enriquecer la experiencia de aprendizaje de sus estudiant=
es.
Por otro lado Sperlin=
g et al.=
(2024)
identifican que los programas de capacitación a menudo son inadecuados en
términos de alcance y profundidad, lo que limita la capacidad de los docent=
es
para adoptar tecnologías de IA de forma sostenible. Estos autores sugieren =
que
las instituciones educativas deben colaborar con expertos en tecnología y
pedagogía para diseñar programas de formación integrales que aborden las
necesidades específicas de los educadores. Además, enfatizan la importancia=
de
fomentar una cultura de aprendizaje continuo entre los docentes, permitiénd=
oles
mantenerse actualizados en un campo en constante evolución.
Percepción de Eficiencia. La percepción de los docentes sobre la
efectividad de la IA en la mejora de los resultados educativos desempeña un
papel crucial en su disposición para adoptar estas tecnologías. Muchos doce=
ntes
perciben la IA como una herramienta valiosa para personalizar la enseñanza y
optimizar los procesos educativos, aunque también expresan preocupaciones
relacionadas con la complejidad de su implementación. En un estudio sobre la
percepción docente en España, encontraron que la mayoría de los educadores
consideraban que la IA tenía el potencial de mejorar la calidad de la
enseñanza, pero requería un enfoque estratégico para abordar los desafíos
asociados.
Se destaca que la percepción de eficiencia tamb=
ién
está influenciada por factores como el nivel de familiaridad con la tecnolo=
gía
y la experiencia previa en su uso. Los docentes que han tenido experiencias
positivas con herramientas de IA tienden a mostrar una actitud más favorable
hacia su adopción, mientras que aquellos con poca o ninguna experiencia a
menudo expresan escepticismo o resistencia. Este hallazgo sugiere que las
estrategias de implementación de IA deben incluir esfuerzos para aumentar la
exposición y el conocimiento de los docentes sobre estas tecnologías.
Formación Docen=
te. La formación
docente es un eje central en la consolidación de sistemas educativos efecti=
vos
y adaptados a las demandas contemporáneas. Más allá de la adquisición de
conocimientos disciplinares, implica el desarrollo de competencias pedagógi=
cas,
tecnológicas y socioemocionales que permitan a los educadores responder a l=
os
retos de un mundo en constante cambio. En el contexto técnico-profesional, =
esta
formación adquiere una relevancia especial al preparar a los docentes para
capacitar a estudiantes en áreas específicas del mercado laboral, muchas ve=
ces
vinculadas a sectores productivos clave. Según Erduran=
y
Levrini (2024),
una formación docente integral no solo debe centrarse en las metodologías
tradicionales, sino también incorporar herramientas innovadoras, como la
inteligencia artificial, que potencien la personalización del aprendizaje,
mejoren la evaluación de competencias y optimicen la toma de decisiones
pedagógicas. Sin embargo, la falta de preparación tecnológica, la resistenc=
ia
al cambio y la escasez de recursos representan barreras significativas que
deben ser abordadas a través de políticas educativas claras y programas de
capacitación continua. La formación docente, por tanto, no es un proceso
estático, sino una construcción dinámica que debe adaptarse a los avances
tecnológicos y a las necesidades sociales, con el fin de garantizar una
enseñanza de calidad y pertinente.
Competencia Pedagógica. La competencia pedagógica es un componente
central de la formación docente, particularmente en el contexto
técnico-profesional. Según Erduran=
y Levrini (2024), el uso de IA puede enrique=
cer
significativamente las prácticas pedagógicas al ofrecer herramientas que
permitan a los docentes personalizar la enseñanza y evaluar el progreso de =
los
estudiantes de manera más precisa. Estas capacidades son especialmente
relevantes en la formación técnico-profesional, donde los estudiantes a men=
udo
tienen necesidades educativas diversas y específicas.
En un estudio sobre el impacto de la IA en la
educación, Ayanwale et al.
(2024) argumentan que la integración de herramientas basadas en =
IA
puede ayudar a los docentes a identificar áreas de mejora en su enseñanza y
adaptar sus metodologías en consecuencia. Sin embargo, para que esto sea
posible, los educadores deben estar equipados con las habilidades pedagógic=
as
necesarias para utilizar la tecnología de manera efectiva. Este hallazgo
resalta la importancia de un enfoque equilibrado en la formación docente, q=
ue
combine el desarrollo de habilidades tecnológicas con una sólida base pedag=
ógica.
Motivación Docente. La motivación docente desempeña un papel
crítico en la adopción de nuevas tecnologías educativas, incluida la IA. Los
docentes que perciben la IA como una herramienta útil y accesible tienden a
estar más motivados para integrarla en su práctica pedagógica. Por el
contrario, aquellos que enfrentan barreras como la falta de capacitación o
recursos tecnológicos adecuados pueden experimentar una disminución en su
motivación para adoptar estas innovaciones.
Se destaca que la motivación docente también es=
tá
influenciada por el apoyo institucional y las políticas educativas. Los
docentes que sienten que sus instituciones valoran y promueven el uso de la=
IA
en la educación tienden a mostrar un mayor compromiso con su adopción. Este
hallazgo subraya la importancia de crear un entorno de apoyo que fomente la
experimentación y el aprendizaje continuo entre los educadores.
Adaptación al Cambio. La capacidad de adaptación al cambio es o=
tro
factor crucial en la formación docente, especialmente en un contexto marcado
por la rápida evolución tecnológica. Muchos docentes enfrentan dificultades
para adaptarse a las nuevas herramientas tecnológicas debido a la falta de
experiencia previa y el temor a cometer errores. Este fenómeno, conocido co=
mo
resistencia al cambio, puede limitar significativamente la efectividad de l=
as
iniciativas de adopción de IA en las instituciones educativas.
Sin embargo, estudios recientes sugieren que la
resistencia al cambio puede mitigarse mediante estrategias de capacitación =
que
se centren en construir confianza y competencia entre los docentes. Estas
estrategias incluyen talleres prácticos, oportunidades para el aprendizaje
colaborativo y el acceso a recursos de apoyo continuo.
Impacto en la Enseñanza. El impacto de la IA en la enseñanza ha si=
do
ampliamente documentado, con resultados que sugieren mejoras significativas=
en
la personalización del aprendizaje, la evaluación de competencias y la gest=
ión
del tiempo en el aula (Yılmaz, 2024). En un
estudio realizado en contextos de educación técnica,
Sin embargo, el impacto de la IA no es uniforme=
y
depende de factores como el nivel de preparación docente, la calidad de las
herramientas tecnológicas y el apoyo institucional. Por ello, los autores
argumentan que las instituciones deben adoptar un enfoque integral que
considere estos factores para maximizar los beneficios de la IA en la
enseñanza.
La literatura existente destaca el papel crucia=
l de
la IA en la transformación de la educación técnico-profesional y subraya la
necesidad de desarrollar competencias tecnológicas y pedagógicas entre los
docentes. Además, señala que la disponibilidad de recursos, la percepción de
eficiencia, la motivación docente y la capacidad de adaptación son factores
determinantes en la implementación exitosa de estas tecnologías. Basados en
ella, se puede entender que las variables de estudio divididas en dimension=
es
pueden ser clasificadas en una operacionalización que permita establecer con
ello las preguntas de investigación que aplicarán en las encuestas (tabla 1).
Tabla SEQ Tabla \* ARABIC =
1
Operacionalización de variables
|
Variable |
Dimensión |
Preguntas de la Encuesta |
|
Independiente: Inteligencia Artificial |
1. Competencia Tecnológica |
1.1. Me siento capacitado/a para utilizar
herramientas de inteligencia artificial en mi práctica docente. |
|
1.2. Conozco las aplicaciones prácticas de la
inteligencia artificial en la educación técnico-profesional. |
||
|
2. Disponibilidad de Recursos |
2.1. Mi institución proporciona los recursos
necesarios para implementar la inteligencia artificial en la enseñanza. |
|
|
2.2. Cuento con acceso a programas y platafor=
mas
basadas en inteligencia artificial. |
||
|
3. Capacitación Recibida |
3.1. He recibido formación específica sobre el
uso de inteligencia artificial en contextos educativos. |
|
|
3.2. Las capacitaciones sobre inteligencia
artificial han sido prácticas y aplicables a mi contexto laboral. |
||
|
4. Percepción de Eficiencia |
4.1. La inteligencia artificial mejora la cal=
idad
del proceso de enseñanza-aprendizaje en mi área de trabajo. |
|
|
4.2. Considero que la inteligencia artificial
contribuye a personalizar la enseñanza para mis estudiantes. |
||
|
Dependiente: Formación Docente |
1. Competencia Pedagógica |
1.1. Poseo habilidades pedagógicas para integ=
rar
herramientas tecnológicas en el aula. |
|
1.2. Soy capaz de planificar actividades educativas que incluyan herramientas basadas en inteligencia artificial.<= o:p> |
||
|
2. Motivación Docente |
2.1. Me siento motivado/a a
incorporar herramientas tecnológicas en mi labor docente. |
|
|
2.2. Creo que el uso de la inteligencia
artificial puede mejorar mis prácticas pedagógicas. |
Tabla 1
Operacionalización de variables (continuación)<= o:p>
|
Variable |
Dimensión |
Preguntas de la Encuesta |
|
3. Adaptación al Cambio |
3.1. Estoy dispuesto/a a=
aprender nuevas tecnologías para mejorar mi desempeño como docente. |
|
|
3.2. Encuentro fácil adaptarme a nuevas
herramientas y metodologías tecnológicas en mi práctica educativa. |
||
|
4. Impacto en la Enseñanza |
4.1. La integración de inteligencia artificia=
l ha
mejorado la interacción con mis estudiantes. |
|
|
4.2. El uso de estas tecnologías ha optimizad=
o la
evaluación de competencias en mis alumnos. |
2.&n=
bsp;
Metodología
En este estudio se realizará un análisis
cuantitativo de las percepciones de 59 docentes del Instituto Técnico
Agropecuario Ciudad de Valencia sobre el impacto de la inteligencia artific=
ial
en su formación y práctica educativa.
El diseño de esta investigación es no experimen=
tal,
dado que no se manipulan las variables de estudio, sino que se analizan las
percepciones de los docentes tal como ocurren en su entorno natural. Este
enfoque permite estudiar las interacciones entre la inteligencia artificial
(IA) y la formación docente técnico-profesional sin alterar las condiciones=
del
contexto. Según Yue
et al. (2024),
el diseño no experimental es especialmente útil en investigaciones educativ=
as
donde los fenómenos se observan y describen sin intervención directa.
El tipo de estudio es descriptivo y correlacion=
al,
ya que se busca, por un lado, describir las percepciones de los docentes
respecto al uso de herramientas de IA en su práctica pedagógica, y, por otr=
o,
analizar posibles relaciones entre estas percepciones y características
sociodemográficas, como edad, experiencia laboral y formación tecnológica. =
Este
enfoque permite identificar patrones y asociaciones significativas sin
establecer causalidad (Altinay et al., 2024<=
/a>).
El enfoque es cuantitativo, debido a que se emp=
lean
herramientas estadísticas para analizar los datos obtenidos mediante un
cuestionario estructurado con escala Likert. Este método proporciona result=
ados
objetivos y replicables, esenciales para fundamentar propuestas de mejora e=
n el
uso de la IA en la educación técnico-profesional (Diliberti et al., 2024).
La recogida de datos en esta investigación se
realizó mediante un cuestionario estructurado diseñado para captar las
percepciones de los docentes del Instituto Técnico Agropecuario Ciudad de
Valencia acerca del impacto de la inteligencia artificial en su formación
técnico-profesional. Este instrumento fue elaborado con preguntas formulada=
s en
escala Likert de cinco puntos (1 =3D Muy en desacuerdo, 5 =3D Muy de acuerd=
o), lo
que permitió cuantificar las opiniones y actitudes de manera sistemática y
estandarizada. Según Dilzhan
(2024),
el uso de este tipo de escalas facilita la medición de variables subjetivas,
como las percepciones y actitudes, garantizando una adecuada sensibilidad en
los resultados.
Tabla SEQ Tabla \* ARABIC =
2
Estadísticas de Fiabilidad de Elemento
|
Si se descarta el elemento |
|
|
|
Alfa de Cronbach |
|
Competencia Tecnológica 1 |
0.936 |
|
Competencia Tecnológica 2 |
0.934 |
|
Disponibilidad de Recursos 1 |
0.924 |
|
Disponibilidad de Recursos 2 |
0.923 |
|
Capacitación Recibida 1 |
0.922 |
|
Capacitación Recibida 2 |
0.921 |
|
Percepción de Eficiencia 1 |
0.927 |
|
Percepción de Eficiencia 2 |
0.922 |
|
Competencia Pedagógica 1 |
0.919 |
|
Competencia Pedagógica 2 |
0.918 |
|
Motivación Docente 1 |
0.924 |
|
Motivación Docente 2 |
0.918 |
|
Adaptación al Cambio 1 |
0.927 |
|
Adaptación al Cambio 2 |
0.917 |
|
Impacto en la Enseñanza 1 |
0.927 |
|
Impacto en la Enseñanza 2 |
0.918 |
Nota: el Alfa de Cronbach general resultó=
en
0.928 validando tanto para los ítems como al instrumento.
El cuestionario de la tabla 2 fue diseña=
do
para evaluar dimensiones clave de las variables de estudio, como la compete=
ncia
tecnológica, la disponibilidad de recursos, la capacitación recibida y la
percepción de eficiencia respecto a la inteligencia artificial, así como
aspectos relacionados con la formación docente, incluyendo la competencia
pedagógica, la motivación, la adaptación al cambio y el impacto en la
enseñanza. Antes de su aplicación, el instrumento fue sometido a una prueba
piloto para asegurar su claridad y validez, obteniendo un coeficiente Alfa =
de
Cronbach de 0.928 lo que indica una alta confiabilidad del cuestionario (Fakhri et al., 2024).
La administración del cuestionario se realizó de manera presencial e=
n un
ambiente controlado, garantizando la confidencialidad y anonimato de las
respuestas. Este enfoque permitió obtener una tasa de respuesta del 100%, ya
que todos los docentes seleccionados como muestra (59) participaron
activamente. Los datos recopilados fueron procesados y analizados con el
software estadístico Jamovi, lo que aseguró la
precisión en el análisis y la interpretación de los resultados (Tan et al., 2024). Este procedimiento sistemático proporciona una base sólida para
evaluar las percepciones docentes y explorar su relación con las variables
demográficas y profesionales.
3. Resultados
Este estudio se llevó a cabo con el propósito de analizar el impacto=
de
la inteligencia artificial (IA) en la formación docente técnico-profesional=
en
el Instituto Técnico Agropecuario Ciudad de Valencia, provincia de Los Ríos.
Para ello, se utilizó un diseño no experimental, descriptivo y correlaciona=
l,
ya que no se manipularon las variables, sino que se observaron las percepci=
ones
de los docentes en su contexto natural.
3.1. Resultados descriptivos
El análisis descriptivo de las dimensiones relacionadas con la
inteligencia artificial (IA) y la formación docente técnico-profesional de =
los
resultados tabulados de la tabla 3, revela percepciones moderadas a
altas entre los docentes encuestados. En cuanto a la competencia tecnológic=
a,
los resultados indican una media de 3.68 y una mediana de 4.00, sugiriendo =
que
los docentes tienen una percepción positiva sobre sus habilidades tecnológi=
cas,
aunque la desviación estándar de 1.292 refleja una considerable dispersión =
en
las respuestas. Esto implica que, si bien algunos docentes se sienten
preparados tecnológicamente, otros presentan limitaciones en esta área.
Respecto a la disponibilidad tecnológica, la media de 3.36 muestra una
percepción moderada, mientras que una mediana de 4.00 indica que una parte
significativa de los encuestados considera que cuentan con recursos adecuad=
os.
Sin embargo, la desviación estándar de 1.462 señala una alta variabilidad, =
lo
que sugiere desigualdades en el acceso a recursos tecnológicos entre los
docentes.
En cuanto a la capacitación recibida, la media de 3.32 y la mediana =
de
4.00 revelan percepciones moderadas, con algunos docentes reconociendo
carencias en la formación recibida. La desviación estándar de 1.319 refleja=
una
dispersión considerable en las respuestas, lo que pone de manifiesto la
necesidad de programas de capacitación más consistentes. La percepción de
eficiencia tiene una media de 3.61 y una mediana de 4.00, lo que indica que=
los
docentes valoran positivamente el potencial de la IA para mejorar la enseña=
nza.
Con una desviación estándar de 1.071, esta dimensión presenta menor dispers=
ión,
lo que sugiere un consenso más amplio en torno a los beneficios percibidos =
de
la IA.
En términos de competencia pedagógica, los resultados muestran una m=
edia
de 3.94 y una mediana de 4.00, lo que indica que los docentes confían en sus
habilidades pedagógicas. La desviación estándar de 1.095 sugiere una disper=
sión
moderada, destacando que la mayoría considera que sus competencias pedagógi=
cas
son adecuadas para integrar tecnologías innovadoras. La dimensión de motiva=
ción
docente destaca con la media más alta de 4.16 y una mediana de 4.50, reflej=
ando
una alta motivación de los docentes para incorporar herramientas de IA en s=
us
prácticas educativas. La baja desviación estándar de 0.971 sugiere consenso=
en
esta percepción, lo que es un indicio positivo para la adopción de la
tecnología.
La adaptación al cambio tiene una media de 3.91 y una mediana de 4.5=
0,
lo que evidencia que los docentes están bien predispuestos a adaptarse a nu=
evos
escenarios tecnológicos. La desviación estándar de 1.124 indica que, aunque=
la
mayoría está dispuesta a aceptar cambios, algunos enfrentan retos en este
aspecto. Finalmente, en la dimensión de impacto en la enseñanza, la media de
3.97 y la mediana de 4.50 reflejan que los docentes perciben un impacto
positivo de la IA en los procesos de enseñanza. La desviación estándar de
0.960, la más baja entre las dimensiones, indica un amplio consenso en esta
percepción.
En general, los resultados de la tabla 3=
,
sugieren que los docentes tienen percepciones positivas hacia la IA,
especialmente en términos de su impacto en la enseñanza, la motivación y la
competencia pedagógica. Sin embargo, persisten desafíos significativos en
cuanto a la disponibilidad tecnológica y la capacitación recibida, áreas que
presentan mayor dispersión y, por ende, desigualdades entre los encuestados.
Estos hallazgos destacan la necesidad de mejorar la infraestructura tecnoló=
gica
y ofrecer programas de formación más consistentes para maximizar el impacto=
de
la IA en la formación docente técnico-profesional.
Tabla SEQ Tabla \* ARABIC =
3
Descriptivas
|
Dimensiones |
N |
Media |
Mediana |
DE |
Mínimo |
Máximo |
|
Competencia tecnológica |
59 |
3.68 |
4.00 |
1.292 |
1.00 |
5.00 |
Tabla 3
Descriptivas (continuación)
|
Dimensiones |
N |
Media |
Mediana |
DE |
Mínimo |
Máximo |
|
Disponibilidad tecnológica |
59 |
3.36 |
4.00 |
1.462 |
1.00 |
5.00 |
|
Capacitación recibida |
59 |
3.32 |
4.00 |
1.319 |
1.00 |
5.00 |
|
Percepción de eficiencia |
59 |
3.61 |
4.00 |
1.071 |
1.50 |
5.00 |
|
Competencia pedagógica |
59 |
3.94 |
4.00 |
1.095 |
1.00 |
5.00 |
|
Motivación docente |
59 |
4.16 |
4.50 |
0.971 |
1.50 |
5.00 |
|
Adaptación al cambio |
59 |
3.91 |
4.50 |
1.124 |
1.50 |
5.00 |
|
Impacto en la enseñanza |
59 |
3.97 |
4.50 |
0.960 |
1.50 |
5.00 |
Nota: Tomado de los datos tabulados en Ja=
movi
3.2. Resultado de la correlación de variables
La Tabla 4: Matriz de Correlaciones y=
la Figura 1: Gráfica de Dispersión ofrecen información cl=
ave
sobre la relación entre las variables de estudio: inteligencia artificial y
formación docente.
La tabla 4 muestra un coeficiente de
correlación de 0.763 entre las variables inteligencia artificial y formación
docente. Este valor, que se encuentra en el rango de correlación positiva a=
lta
(según las convenciones estadísticas), indica que existe una relación direc=
ta y
fuerte entre ambas variables. En términos prácticos, esto sugiere que, a me=
dida
que aumenta la percepción o implementación de herramientas de inteligencia
artificial, también mejora la formación docente, incluyendo aspectos como la
motivación, la competencia pedagógica y la adaptación al cambio. Este resul=
tado
respalda la hipótesis de que la integración de la inteligencia artificial t=
iene
un impacto significativo en la formación de los docentes, posiblemente al
facilitar procesos como la personalización del aprendizaje, la evaluación
continua y la optimización de las estrategias pedagógicas.
La figura 1 de Dispersión visualiza la
relación entre las dos variables. En la figura, los puntos tienden a agrupa=
rse
en una dirección ascendente, lo que confirma una correlación positiva. Esto
indica que, a medida que los valores de inteligencia artificial (eje X) aum=
entan,
también lo hacen los valores de formación docente (eje Y). La alineación de=
los
puntos en un patrón coherente sugiere que la relación es consistente y fuer=
te,
lo que refuerza los resultados observados en la tabla 4=
de correlaciones.
El coeficiente de correlación positivo alto (0.763) y la disposición
ascendente de los puntos en la gráfica de dispersión muestran que la
implementación de inteligencia artificial está estrechamente vinculada con
mejoras en la formación docente. Estos resultados destacan la relevancia de=
la
IA como un recurso valioso para fortalecer la enseñanza, siempre que los
docentes cuenten con la capacitación y recursos adecuados para aprovechar su
potencial. Sin embargo, los puntos dispersos en menor medida sugieren que
factores contextuales, como la disponibilidad de recursos tecnológicos o las
diferencias individuales en la capacitación, podrían moderar esta relación,=
y
sería necesario profundizar en estudios adicionales para analizar estos
factores.
Tabla SEQ Tabla \* ARABIC =
4
Matriz de Correlaciones
|
|
Inteligencia artificial |
Formación Docente |
|
Inteligencia artificial |
— |
|
|
Formación Docente |
0.763 |
— |
Figura <=
!--[if supportFields]>=
SEQ Figura \* ARABIC =
1
Gráfica de dispersión
3.3. Resultados
de los análisis factoriales
Los resultados proporcionan las cargas factoriales y unicidades
Los resultados del análisis factorial muestran =
que
las dimensiones evaluadas se agrupan en tres factores principales, que expl=
ican
distintos aspectos relacionados con el impacto de la inteligencia artificia=
l en
la formación docente técnico-profesional. El factor 1 está compuesto por
elementos vinculados a la competencia pedagógica, la motivación docente, la
adaptación al cambio y el impacto en la enseñanza. Las cargas más altas,
correspondientes a las dimensiones de competencia pedagógica (0.959 y 0.864=
), destacan
la relevancia de las habilidades pedagógicas como núcleo de este factor.
Además, elementos como la motivación docente y la disposición al cambio tam=
bién
están fuertemente representados, con cargas de 0.864 y 0.793, respectivamen=
te.
Las bajas unicidades de estos ítems (por ejemplo, 0.1199 para Competencia
Pedagógica 1) indican que este factor explica una gran parte de la varianza=
, lo
que sugiere que las percepciones docentes sobre sus habilidades pedagógicas=
y
su disposición al cambio son elementos clave en la integración de la
inteligencia artificial.
El factor 2 agrupa las dimensiones relacionadas=
con
la capacitación recibida y la percepción de eficiencia. Las cargas más alta=
s,
correspondientes a la capacitación recibida (0.987 y 0.917), reflejan que e=
ste
factor se centra predominantemente en la preparación de los docentes para
integrar herramientas de IA en su práctica pedagógica. Además, la percepció=
n de
eficiencia también tiene una representación moderada (0.690), lo que indica=
una
conexión entre la formación recibida y la percepción de que la IA puede mej=
orar
los procesos educativos. Las unicidades bajas, como en el caso de Capacitac=
ión
Recibida 1 (0.0374), sugieren que este factor explica casi toda la varianza
relacionada con la formación, lo que refuerza la importancia de la capacita=
ción
como un componente esencial en las percepciones docentes sobre la inteligen=
cia
artificial.
Por su parte, el factor 3 está compuesto
exclusivamente por dimensiones de competencia tecnológica. Las cargas más a=
ltas
(0.978 y 0.825) reflejan que este factor mide de manera precisa las habilid=
ades
tecnológicas de los docentes. La unicidad extremadamente baja en el caso de
Competencia Tecnológica 2 (−0.0118) indica que este factor explica ca=
si
toda la varianza de este ítem, lo que resalta la importancia de evaluar de
manera independiente las habilidades tecnológicas para comprender su papel =
en
la formación docente.
Tabla 5=
|
Cargas de los Factores |
||||
|
Factor |
||||
| |
1 |
2 |
3 |
Unicidad |
|
Competencia Pedagógica 1 |
0.959 |
0.1199 |
||
|
Competencia Pedagógica 2 |
0.864 |
0.1143 |
||
|
Motivación Docente 2 |
0.864 |
0.1143 |
||
|
Adaptación al Cambio 2 |
0.793 |
0.1737 |
||
|
Impacto en la Enseñanza 2 |
0.785 |
0.2511 |
||
|
Motivación Docente 1 |
0.728 |
0.4804 |
||
|
Impacto en la Enseñanza 1 |
0.706 |
0.5179 |
||
|
Adaptación al Cambio 1 |
0.634 |
0.6168 |
||
|
Disponibilidad de Recursos 2 |
0.627 |
-0.359 |
0.2892 |
|
|
Disponibilidad de Recursos 1 |
0.615 |
-0.363 |
0.3272 |
|
|
Percepción de Eficiencia 1 |
0.396 |
0.6949 |
||
|
Capacitación Recibida 1 |
0.987 |
0.0374 |
||
|
Capacitación Recibida 2 |
0.917 |
0.0624 |
||
|
Percepción de Eficiencia 2 |
0.690 |
0.2996 |
||
|
Competencia Tecnológica 2 |
0.978 |
-0.0118 |
||
|
Competencia Tecnológica 1 |
0.825 |
0.3265 |
||
|
Nota. El método de extracción ‘Residuo mínimo’ se usó en combinaci=
ón
con una rotación ‘oblimin’ |
Figura 2=
Gráfica de Sedimentación
En general, los factores identificados (Tabla 5 y Figura 2) reflejan=
la
complejidad de las interacciones entre las dimensiones estudiadas. Aunque la
competencia pedagógica y la motivación docente están fuertemente relacionad=
as
con las actitudes y disposiciones hacia la IA, la capacitación recibida jue=
ga
un papel central en la percepción de eficiencia y la disposición para integ=
rar
estas herramientas. Por otro lado, las competencias tecnológicas se present=
an
como un componente independiente pero esencial, que influye de manera indir=
ecta
en la formación docente. Estos hallazgos refuerzan la importancia de abordar
tanto las competencias pedagógicas como las tecnológicas en los programas d=
e formación,
así como de garantizar una capacitación adecuada para maximizar el impacto =
de
la inteligencia artificial en el ámbito educativo técnico-profesional.
4. Discusión
El aná=
lisis
realizado sobre el impacto de la Inteligencia Artificial (IA) en la
formación docente técnico-profesional en el Instituto Técnico Agropecuario
Ciudad de Valencia permite destacar conclusiones significativas que abordan=
los
objetivos específicos planteados en el estudio. Estas conclusiones no solo
reflejan las percepciones y actitudes de los docentes, sino también las
principales barreras y facilitadores que influyen en la implementación efec=
tiva
de herramientas de IA en el contexto educativo técnico-profesional.
En relación con el primer objetivo específico,
centrado en identificar las percepciones de los docentes sobre el uso de la
inteligencia artificial en su práctica educativa, los resultados muestran q=
ue
las opiniones de los docentes son en general positivas. Dimensiones como la
percepción de eficiencia y el impacto en la enseñanza tienen medias altas, =
lo
que indica que los docentes valoran los beneficios potenciales de la IA en
términos de personalización del aprendizaje, mejora de la evaluación y opti=
mización
de los procesos pedagógicos. Este hallazgo coincide con estudios previos que
destacan la capacidad de la IA para transformar las prácticas educativas
mediante el uso de algoritmos adaptativos y herramientas interactivas (Chiu et al., 2024). Sin embargo,
también se observaron variaciones significativas en las respuestas,
especialmente en relación con la competencia tecnológica y la capacitación
recibida, lo que refleja desigualdades en el acceso a recursos y formación =
que
afectan la percepción general sobre estas herramientas. Este contraste resa=
lta
la importancia de proporcionar un acceso equitativo a las tecnologías de IA=
y
de fortalecer las estrategias de capacitación docente.
El segundo objetivo específico buscó identificar
las principales barreras y facilitadores para la implementación de la IA en=
la
formación técnico-profesional. En este sentido, el estudio destaca que las
barreras más relevantes incluyen la falta de formación específica, la limit=
ada
disponibilidad tecnológica y la resistencia inicial al cambio, aspectos que=
han
sido señalados en investigaciones previas como limitantes clave para la
adopción de tecnologías emergentes en el ámbito educativo (Fundi
et al., 2024; Mbambo & du Ple=
ssis,
2024). Por ejemplo,
aunque los docentes muestran una disposición moderada a alta hacia la
adaptación al cambio, algunos participantes aún enfrentan retos para integr=
ar
estas herramientas debido a su falta de familiaridad con las mismas. Esto
refuerza la necesidad de políticas institucionales que promuevan un entorno=
de
apoyo continuo, que incluya tanto el acceso a recursos tecnológicos como la
oportunidad de participar en programas de capacitación especializados. Entre
los facilitadores, destaca la motivación docente como una de las dimensiones
mejor valoradas, lo que indica que existe una disposición generalizada para=
incorporar
innovaciones pedagógicas si se brindan las condiciones adecuadas. Este
resultado coincide con investigaciones que subrayan la importancia de la
motivación intrínseca de los docentes como un factor crítico para superar l=
as
barreras iniciales a la adopción tecnológica.
En cuanto al tercer objetivo específico, enfoca=
do
en explorar la relación entre las percepciones docentes y características
sociodemográficas o profesionales, los análisis muestran que variables como=
la
experiencia laboral y la formación previa en tecnologías tienen un impacto
significativo en la disposición y capacidad para adoptar herramientas de IA.
Los docentes con mayor experiencia reportaron una menor confianza en su
competencia tecnológica, lo que sugiere la necesidad de estrategias
diferenciadas de formación que consideren las trayectorias profesionales y
niveles de familiaridad con la tecnología de cada grupo. Por otro lado,
aquellos que han recibido capacitación previa muestran una percepción más
favorable hacia la eficiencia de la IA, lo que subraya la importancia de los
programas de formación específicos como un elemento determinante para mejor=
ar
la adopción de estas herramientas. Estos hallazgos se alinean con estudios =
que
destacan la relación entre la experiencia previa y la percepción de autoefi=
cacia
tecnológica en contextos educativos (Aljemel=
y, 2024<=
/span>;
Ayanwale et al., 2024).
En general, los resultados del estudio destacan=
la
relevancia de abordar tanto las competencias tecnológicas como las pedagógi=
cas
en los programas de formación docente para maximizar el impacto de la IA en=
el
ámbito educativo técnico-profesional. Además, refuerzan la importancia de la
capacitación como un eje central para promover la integración efectiva de e=
stas
herramientas, especialmente en instituciones que enfrentan limitaciones
tecnológicas o presupuestarias. La IA ofrece oportunidades significativas p=
ara
mejorar la personalización del aprendizaje y optimizar los procesos
pedagógicos, pero su implementación exitosa depende de un enfoque integral =
que
incluya no solo el acceso a recursos tecnológicos, sino también el desarrol=
lo
de habilidades específicas y la generación de una cultura institucional que
valore la innovación educativa (
Finalmente, esta investigación resalta la neces=
idad
de realizar estudios futuros que profundicen en las dinámicas entre la
motivación docente, la percepción de eficiencia de la IA y la disponibilida=
d de
recursos, considerando el papel de factores contextuales e institucionales =
en
la adopción tecnológica. Además, sería pertinente explorar cómo las
experiencias positivas en el uso de la IA pueden generar un efecto
multiplicador entre los docentes, fomentando una mayor aceptación y disposi=
ción
hacia estas herramientas en el ámbito técnico-profesional. En suma, este
estudio contribuye al entendimiento de las dinámicas entre la inteligencia
artificial y la formación docente, proporcionando una base sólida para el
diseño de estrategias que promuevan el uso efectivo y ético de estas
tecnologías en contextos educativos.
5. Conclusiones
· =
El
uso de la inteligencia artificial (IA) en la formación docente
técnico-profesional mejora la enseñanza al personalizar la capacitación y
optimizar la retroalimentación, fortaleciendo las competencias pedagógicas.=
· =
Sin
embargo, su adopción plantea desafíos como la necesidad de formación
específica, la dependencia tecnológica y dilemas éticos sobre privacidad y
autonomía docente.
· =
Es
crucial combinar la IA con enfoques pedagógicos sólidos para potenciar su i=
mpacto
sin reemplazar al educador, promoviendo su uso responsable en la educación
técnico-profesional.
6. Conflicto de intereses
Los autores declaran que no existe conflicto de
intereses en relación con el artículo presentado.
7.&n=
bsp;
Declaración de
contribución de los autores
Todos autores contribuyeron significativamente en =
la
elaboración del artículo.
8. Costos de
financiamiento
La presente investigación fue financiada en su
totalidad con fondos propios de los autores.
9. Referencias Bibliográficas
Aljemely=
, Y. (2024). Challenges=
and
best practices in training teachers to utilize artificial intelligence: A
systematic review. Frontiers in Education, 9, 1470853. https:=
//www.frontiersin.org/journals/education/articles/10.3389/feduc.2024.147085=
3/full
Altinay, Z., Altinay, F., Sharma, R. C., Dagli, G., Shadiev<=
/span>, R., Yikici,
B., & Altinay, M. (2024). Capacity building for student teachers in
learning, teaching artificial intelligence for quality of education. Soc=
ieties,
14(8), 148. https://www.mdpi.com/2075-4698/14/8/148<=
/span>
Ayanwale=
, M. A., Frimpong, E. K=
., Opesemowo, O. A. G., & Sanusi, I. T. (2024). Expl=
oring
Factors That Support Pre-service Teachers’ Engagement in Learning Artificial
Intelligence. Journal for STEM Education Research.
Chiu, T. K., Ahmad, Z., Ismailov, M., & Sanusi, I. T. (2024). Wh=
at is
artificial intelligence, literacy and competency? A comprehensive framework=
to
support them. Computers and Education Open, 6, 100171.
Diliberti, M., Schwartz, H. L., Doan, S., Shapiro, A. K., Rainey, L.,
& Lake, R. J. (2024). Using Artificial Intelligence Tools in K-12
Classrooms. RAND. https:=
//www.rand.org/content/dam/rand/pubs/research_reports/RRA900/RRA956-21/RAND=
_RRA956-21.pdf
Dilzhan<=
/span>, B. (2024). Teaching
English and Artificial Intelligence: EFL Teachers’ Perceptions and Use of
ChatGPT [Thesis of Master, SDU University, Kasajis=
tán].
Mbambo, G., & du Plessis, E. (2024). The impact of artificial
intelligence on teacher training in open distance and electronic learning. =
ScienceOpen Preprints. https:=
//www.scienceopen.com/hosted-document?doi=3D10.14293/PR2199.000731.v1
Erduran<=
/span>, S., & Levrini, O. (2024). The impact of artificial intellig=
ence
on scientific practices: An emergent area of research for science education=
. International
Journal of Science Education, 46(18), 1982-1989. https://doi.org/10.1080=
/09500693.2024.2306604
Fakhri, M. M., Isma, A., Hidayat, W., Ahmar, A. S., & Surianto=
, D. F. (2024). Digital
Literacy Training and Introduction to Artificial Intelligence Ethics to Rea=
lize
Digital Literate Teachers: Pelatihan Literasi Digital dan Pengenalan<=
/span>
Etika Kecerdasan Buatan untuk Mewujudkan Guru
Forero Corba, W., & Negre Bennasar, F. N. (2024)=
. Técnicas y aplicaciones=
del
Machine Learning e Inteligencia Artificial en
educación: Una revisión sistemática. RIED-Revista Iberoamericana De
Educación a Distancia, 27(1), 1-35. https:=
//www.redalyc.org/journal/3314/331475280017/331475280017.pdf<=
/a>
Singh, V., & Ram, S. (2024). Impact of
Artificial Intelligence on Teacher Education. Shodh Sari-An Internafional Mulfidisciplinary<=
/span>
Journal, 3(1), 243-266. https:=
//icertpublication.com/wp-content/uploads/2024/01/125.-Impact-of-Artificial=
-Intelligence-on-Teacher-Education.pdf
Sperling, K., Stenberg, C.-J., McGrath, C=
., Åkerfeldt
Tan, L. F., Heng, J. J. Y., & Teo, D.=
B.
(2024). Response to: The next paradigm shift? ChatGPT, artificial intellige=
nce,
and medical education. Medical Teacher, 46(1), 151-152. <=
span
style=3D'mso-bookmark:ref14'>https://doi.org/10.1080=
/0142159X.2023.2256961
Yang, W., Hu, X., Yeter, I. H., Su, J., Yang, Y., &a=
mp;
Lee, J. C. (2024). Artificial intelligence education for young children: A case study of
technology‐enhanced embodied learning. Journal of Computer Assisted
Learning, 40(2), 465-477. https://doi.org/10.1111/jcal.12892
Yilmaz, R., Bakhaidar=
, M., Alsayegh,
A., Abou Hamdan, N., Fazlollahi, A. M., Tee, T.=
, Langleben, I., Winkler-Schwartz, A., Laroche, D.,
Santaguida, C., & Del Maestro, R. (2024). Real-Time multifaceted artifi=
cial
intelligence vs In-Person instruction in teaching surgical technical skills=
: A
randomized controlled trial. Scientific Reports, 14(15130). <=
/span>https:=
//www.nature.com/articles/s41598-024-65716-8#citeas
Yılmaz, Ö. (2024). Personalised=
learning and artificial intelligence in science education: Current
state and future perspectives. Educational Technology Quarterly,
2024(3), 255-274. https:=
//acnsci.org/journal/index.php/etq/article/view/744
Yue, M., Jong, M. S.-Y., & Ng, D. T. =
K.
(2024). Understanding K–12 teachers’ technological pedagogical content
knowledge readiness and attitudes toward artificial intelligence education.=
Education
and Information Technologies, 29(15), 19505-19536. https://doi.org/10.1007=
/s10639-024-12621-2
El
artículo que se publica es de exclusiva responsabilidad de los autores y no
necesariamente reflejan el pensamiento de la Revista Explorador Digital.
El artículo queda en
propiedad de la revista y, por tanto, su publicación parcial y/o total en o=
tro
medio tiene que ser autorizado por el director de la Revista Explorador Digital.
www=
.exploradordigital.org
Esta revista está protegida b=
ajo
una licencia Creative Commons en la 4.0
International. Copia de la licencia: http://creativecommons.org/licenses/by-nc-sa/4.0/=