Artículo
original
Uso de inteligencia artificial
generativa en contextos académicos: percepción de estudiantes universitarios
Use of Generative Artificial Intelligence in Academic
Contexts: Perception of University Students
https://orcid.org/0000-0003-0750-6322
Jesús Arias Escobar[2]
https://orcid.org/0000-0001-9422-1653
Mateo Quispe Capajaña[3]
https://orcid.org/0000-0002-7193-4471
Recibido:
02/05/2025
Aceptado:
03/06/2025
Publicado:
18/06/2025
Resumen
El avance de la inteligencia artificial
generativa (IAG) ha transformado diversos ámbitos, incluido el educativo,
generando debates sobre su impacto en el aprendizaje. En este contexto, el
presente estudio tuvo como objetivo analizar la percepción del uso académico de
IAG entre estudiantes universitarios de seis universidades del sur del Perú. Se
aplicó un cuestionario estructurado de 16 ítems a 280 estudiantes de diversas
carreras, evaluando tres dimensiones: asistencia en escritura académica,
soporte en tareas académicas y valoración crítica, mediante una escala Likert
de cinco puntos. Los datos fueron analizados utilizando
estadística descriptiva e inferencial. Los resultados mostraron una amplia
adopción de IAG, con ChatGPT como la herramienta más utilizada (74,8 %),
usándolo principalmente para generar ideas, superar bloqueos de escritura y
recibir retroalimentación. También se empleó para buscar información y elaborar
esquemas, aunque persisten dudas sobre la precisión de sus respuestas. El análisis inferencial
mostró asociaciones significativas entre la frecuencia de uso de IAG y las
percepciones de asistencia en escritura académica, soporte en tareas y
valoración crítica (χ², p < 0,001), todas con una tendencia lineal positiva.
También se identificaron diferencias por carrera profesional (χ², p = 0,012),
mientras que la relación con el ciclo académico fue marginalmente significativa
(χ², p = 0,054). El estudio resalta la importancia de integrar la
alfabetización en inteligencia artificial en los currículos universitarios promoviendo
su uso crítico, creativo y responsable para enfrentar los retos educativos
actuales.
Palabras
clave: innovación educativa; tecnologías emergentes; uso responsable de IA.
Abstract
The advancement of generative artificial intelligence
(GAI) has transformed various fields, including education, generating debates
about its impact on learning. In this context, the present study aimed to
analyze the perception of academic use of GAI among university students from
six universities in southern Peru. A structured questionnaire with 16 items was
applied to 280 students from different majors, evaluating three dimensions:
assistance in academic writing, support in academic tasks, and critical
evaluation, using a five-point Likert scale. Data were analyzed using
descriptive and inferential statistics. The results showed widespread adoption
of GAI, with ChatGPT as the most used tool (74.8 %), mainly for generating
ideas, overcoming writing blocks, and receiving feedback. It was also employed
to search for information and develop outlines, although concerns regarding the
accuracy of its responses remain. The inferential analysis showed significant
associations between the frequency of GAI use and student perceptions of
support in academic writing, task assistance, and critical evaluation (χ², p
< 0.001), all displaying a positive linear trend. Differences were also
identified across academic programs (χ², p = 0.012), while the association with
academic semester was marginally significant (χ², p = 0.054). The study
highlights the importance of integrating artificial intelligence literacy into
university curricula, promoting its critical, creative, and responsible use to
address current educational challenges.
Keywords:
educational
innovation; emerging technologies; responsible use of AI.
1. Introducción
La inteligencia artificial (IA) es una rama de la ciencia de la computación
centrada en el diseño, desarrollo y aplicación de sistemas capaces de realizar
tareas que tradicionalmente requieren la inteligencia humana (Avila-Tomás et al., 2020). Estas tareas
incluyen el razonamiento, la percepción, el aprendizaje y la toma de decisiones.
En términos tecnológicos, la IA se apoya en disciplinas como el aprendizaje
automático (Machine Learning, ML), el aprendizaje profundo (Deep Learning, DL),
el procesamiento de lenguaje natural (PLN), los sistemas expertos y la visión asistida
por computadora. Cada una de estas técnicas permite a las máquinas realizar
tareas como el análisis de grandes volúmenes de datos, la interpretación de
imágenes y el entendimiento del lenguaje humano, facilitando aplicaciones en
áreas como la medicina, la seguridad, la industria y la educación (Sarker,
2022). El concepto de IA tiene sus raíces en el trabajo de Alan Turing,
quien, en su artículo seminal de 1950, planteó la famosa pregunta "¿Pueden
las máquinas pensar?". Turing propuso el Test de Turing como un criterio
para evaluar si una máquina presenta comportamiento inteligente, es decir, si
puede generar respuestas que no puedan diferenciarse de las de un ser humano (Turing, 2009). Durante la década de 2000, la
disponibilidad de grandes volúmenes de datos y el avance en las capacidades de
procesamiento de computadoras propiciaron la expansión del aprendizaje
automático y el deep learning, permitiendo grandes avances en el campo.
Mientras que la inteligencia artificial generativa (IAG) es una
subcategoría de la IA que se enfoca en la creación de contenido nuevo a partir
de datos de entrenamiento. A diferencia de la IA tradicional, que se limita a
clasificar o predecir, los modelos generativos producen información innovadora,
como texto, imágenes, música, código, y entre otros (Lv, 2023). En esa línea,
la IAG de texto se especializa en la creación de contenido textual original,
además, puede redactar resúmenes, responder preguntas abiertas o incluso
generar artículos, guiones, diálogos conversacionales o código informático, sin
necesidad de programación explícita para cada tarea. El funcionamiento de la IAG
de texto se basa en modelos de lenguaje preentrenados (Large Language Models,
LLMs), implementados principalmente con arquitecturas transformer. Estos
modelos se entrenan con grandes cantidades de texto provenientes de diversas
fuentes, como bases de datos, lo que les permite aprender patrones de sintaxis,
semántica y contexto. Durante el entrenamiento, los modelos predicen la
siguiente palabra en una secuencia, ajustando sus parámetros a través de
aprendizaje no supervisado o auto-supervisado. Una vez entrenados, estos
modelos generan textos completos basados en un prompt inicial, utilizando
algoritmos de decodificación (Han et al., 2024).
Chat Generative Pre-trained Transformer (ChatGPT) es un modelo de IAG
basado en los LLMs de la serie GPT, es de código abierto disponible de manera
gratuita en https://chat.openai.com/ . Se entrena en la supercomputadora de IA de Azure (Ali et al.,
2024). Según Peres et al. (2023), fue desarrollado por OpenAI, una empresa
tecnológica con sede en San Francisco, California, Estados Unidos. La implementación de ChatGPT, ha tenido un
crecimiento acelerado en la educación universitaria, especialmente desde el desarrollo
de GPT-3 en 2020. En noviembre de 2022, con el lanzamiento de ChatGPT, comenzó
una gran adopción por parte de los estudiantes universitarios, quienes
comenzaron a utilizar la herramienta para tareas como redacción de ensayos,
resolución de problemas y generación de código (Roumeliotis y Tselikas, 2023). En ese sentido, el objetivo de la investigación fue analizar
la percepción de los estudiantes universitarios sobre el uso de inteligencia
artificial generativa, específicamente ChatGPT, como herramienta de apoyo en
contextos académicos.
2. Metodología
Se realizó un
estudio cuantitativo, con un diseño no experimental, transversal y
descriptivo-correlacional en 15 diferentes escuelas profesionales de seis
universidades ubicadas en el sur del Perú: la Universidad Privada de Tacna
(UPT), la Universidad Nacional Jorge Basadre Grohmann (UNJBG), la Universidad
Nacional de San Cristóbal de Huamanga (UNSCH), la Universidad Nacional de
Juliaca (UNAJ), la Universidad Nacional Hermilio Valdizán (UNHEVAL) y la
Universidad Nacional Intercultural de Quillabamba (UNIQ). La población objetivo consistió en estudiantes universitarios inscritos
en programas académicos del primer semestre académico 2025. Para la selección de la muestra se utilizó un muestreo no probabilístico
por conveniencia, considerando la accesibilidad y disposición de los estudiantes
para participar en el estudio.
El instrumento utilizado para la recolección
de datos fue un cuestionario de 16 ítems adaptado de Nemt-Allah et al. (2024) y
Sultan et al. (2025), que fue estructurado en dos secciones. La primera sección
se centró en los datos sociodemográficos de los participantes, como edad, sexo,
universidad, escuela profesional y ciclo académico. Adicionalmente, se solicitó
indicar las diferentes Inteligencias Artificiales que utilizaban. Mientras que
la segunda sección, titulada "Percepción de Uso Académico de
ChatGPT", evaluó tres dimensiones principales: Asistencia en Escritura
Académica (5 ítems), Soporte en Tareas Académicas (6 ítems) y Valoración
Crítica (5 ítems). Cada sección contenía afirmaciones a las que
los participantes respondieron usando una escala Likert de cinco puntos, desde
"Totalmente en desacuerdo" hasta "Totalmente de acuerdo",
tal como se aprecia en la Tabla 1.
El cuestionario fue sometido a un proceso de validación de contenido
mediante un panel de tres académicos en el área de educación, ingeniería y
tecnologías emergentes, quienes evaluaron la pertinencia, relevancia,
concordancia y claridad de las preguntas. Posteriormente, se realizó una prueba
piloto con un grupo reducido de estudiantes (n=30) para identificar posibles
problemas en la comprensión del cuestionario y se ajustaron algunas preguntas
según los comentarios recibidos. La confiabilidad del instrumento fue evaluada
mediante el coeficiente alfa de Cronbach, obteniendo un valor de 0,94, lo que
indica una alta confiabilidad interna. Por último, el instrumento fue creado en
el formulario de Google y se distribuyó el enlace de manera electrónica a los
estudiantes, quienes fueron invitados a participar de forma voluntaria y
anónima. Se garantizó la confidencialidad de los datos y se explicó a los
participantes que su información sería utilizada exclusivamente con fines de
investigación académica.
El análisis de los datos se realizó utilizando herramientas de
estadística descriptiva e inferencial. Para caracterizar la muestra, se aplicó
estadística descriptiva, reportando frecuencias absolutas y relativas
(porcentajes) de las variables sociodemográficas y de uso de inteligencia
artificial generativa (IAG). En el análisis inferencial, se utilizó la prueba
de chi-cuadrado de Pearson (χ²) para evaluar asociaciones significativas entre
variables categóricas, tales como frecuencia de uso de IAG, percepción de
asistencia académica, nivel de valoración crítica, carrera o escuela
profesional, y ciclo académico.
Para agrupar las variables en dimensiones, se aplicó una escala Likert y
se calculó una puntuación total por participante en cada dimensión evaluada.
Posteriormente, estas puntuaciones se clasificaron en tres categorías: bajo,
medio y alto, utilizando percentiles como criterio de categorización. El nivel
bajo se definió como valores ≤ percentil 33 (P33), el nivel medio entre percentiles
34–66 (P34–P66) y el nivel alto como valores > P66. Por ejemplo, en la
dimensión Asistencia en la escritura académica (puntuación total de 5 a 25),
los puntos de corte fueron P33 = 11 y P66 = 18, considerando ≤11 como bajo,
12–18 como medio y ≥19 como alto.
|
Tabla 1 Construcción
del cuestionario para medir la percepción de uso |
||
|
Variable |
Dimensiones |
Ítems |
|
Percepción de uso
|
Asistencia en
escritura académica |
Utilizo ChatGPT para generar
ideas, organizar mis pensamientos y crear borradores iniciales que luego
edito y finalizo por mí mismo. |
|
Utilizo
ChatGPT para parafrasear conceptos académicos complejos y así comprenderlos
mejor. |
||
|
Utilizo
ChatGPT para superar el bloqueo del escritor al comenzar ensayos o informes. |
||
|
Utilizo
ChatGPT para recibir retroalimentación y sugerencias que mejoren mi
escritura. |
||
|
ChatGPT
proporciona un punto de partida útil, pero no reemplaza mi propio pensamiento
y escritura. |
||
|
Soporte en tareas
académicas |
ChatGPT
me ayuda a encontrar rápidamente información relevante para tareas de
investigación. |
|
|
ChatGPT
me permite localizar fuentes o referencias pertinentes para mis trabajos. |
||
|
ChatGPT
me ahorra tiempo y esfuerzo en la elaboración de informes académicos y/o de
laboratorio. |
||
|
Recurro
a ChatGPT para obtener explicaciones detalladas sobre temas específicos de
mis asignaturas. |
||
|
Utilizo
ChatGPT para verificar y contrastar información técnica. |
||
|
ChatGPT
me ayuda a crear esquemas o estructuras para trabajos académicos extensos. |
||
|
Valoración
crítica |
Confío
en la calidad y precisión de los resultados proporcionados por ChatGPT. |
|
|
Percibo
que ChatGPT ofrece información técnica confiable y actualizada. |
||
|
He
identificado errores o inexactitudes en las respuestas de ChatGPT. |
||
|
Considero
que el uso frecuente de ChatGPT ha mejorado mi rendimiento académico. |
||
|
Creo
que depender demasiado de ChatGPT puede afectar mi aprendizaje autónomo y/o
pensamiento crítico |
||
3.1. Perfil sociodemográfico
Se contó con la participación de 280
estudiantes universitarios,
de los cuales 59,1 % fueron hombres y 40,9 % mujeres, la edad promedio fue 22 años, rango 18–45 años, DE ± 3,9 años. Las universidades con mayor representación
fueron la Universidad Nacional de Juliaca (34,8 %), la Universidad Privada de
Tacna (23,8 %) y la Universidad Nacional Intercultural de Quillabamba (19,5 %).
En cuanto a las carreras predominantes, Ingeniería Textil y de Confecciones
(27,6%) e Ingeniería de Alimentos (19,5 %) fueron las más representadas. En términos
de semestre académico, el quinto ciclo predominó con un 37,1 %, seguido por el
séptimo (18,1 %) y el noveno (13,3 %), tal como se aprecia en la Tabla 2.
|
Tabla 2 Datos sociodemográficos |
||
|
Variable |
Categorías principales |
Porcentaje (%) |
|
Sexo |
Masculino |
59,1 |
|
Femenino |
40,9 |
|
|
Universidad |
UNAJ |
34,8 |
|
UPT |
23,8 |
|
|
UNIQ |
19,5 |
|
|
UNJBG |
15,7 |
|
|
Otras (UNSCH, UNHEVAL) |
6,2 |
|
|
Carrera o escuela profesional |
Ingeniería Textil y de Confecciones |
27,6 |
|
Ingeniería de Alimentos |
19,5 |
|
|
Educación – Idioma extranjero |
11,0 |
|
|
Ingeniería Ambiental |
8,6 |
|
|
Ingeniería Agroindustrial |
8,6 |
|
|
Ingeniería Industrial |
7,6 |
|
|
Otras (Ingeniería electrónica, Ingeniería civil,
Ciencias contables y Financieras, Ingeniería de Sistemas, Ingeniería
Agronómica, Derecho, Medicina Humana, Arquitectura, Administración de
Negocios Internacionales). |
17,1 |
|
|
Ciclo o semestre académico |
Quinto |
37,1 |
|
Séptimo |
18,1 |
|
|
Noveno |
13,3 |
|
|
Sexto |
10,5 |
|
|
Primero |
8,6 |
|
|
Otros (Décimo, Segundo, Cuarto, Octavo, Tercero). |
12,4 |
|
3.2. Uso de herramientas de Inteligencia Artificial
Generativa (IAG)
En la Figura 1, se
observa que el 93,8 % de los estudiantes indicaron
haber utilizado alguna herramienta de este tipo. ChatGPT fue la más mencionada,
con un 74,8 %, seguida de Gemini (11,9 %), Claude (5,2 %), DeepSeek (4,8 %),
Copilot (4,3 %) y Perplexity (3,8 %). También se mencionaron herramientas no
estrictamente de IAG, como Cici, Gamma, Meta AI y Quillbot, lo que podría
indicar cierta confusión en la comprensión de este término. Respecto a ChatGPT,
un 98,6 % de los encuestados manifestaron haber oído hablar de esta
herramienta, y el 88,6 % ya la había utilizado previamente. En cuanto a la
frecuencia de uso para tareas académicas, el 37,6 % usaba ChatGPT de 1 a 2
veces por semana, mientras que solo el 5,2 % reportó usarlo diariamente.
|
Figura 1 Uso
de inteligencia artificial generativa (IAG) |
|
|
|
Nota.
Las IAG correspondiente al criterio Otros fueron:
Leonardo, Monica, Aiva, Pika, ChatMind, Synthesia, Amper Music, Suno AI,
Kimi, Jenni AI, Quillbot, DALL-E, Midjourney, Grok y Wolfram. |
3.3. Percepciones sobre el uso de ChatGPT
En las dimensiones
analizadas de la Tabla 1, se evidenció un uso destacado de ChatGPT como apoyo
en la fase inicial de la escritura académica. Un 56,5 % de los participantes
manifestó emplear la herramienta para generar ideas, organizar pensamientos,
crear borradores y superar bloqueos, lo que refleja su papel como facilitador
creativo y organizador cognitivo. Asimismo, el 49,4 % la utiliza para
parafrasear conceptos académicos complejos, lo que contribuye a una mejor
comprensión de contenidos difíciles. En cuanto a la retroalimentación, un 53,2 %
valoró positivamente esta función, destacando que, aunque ChatGPT sirve como
punto de partida, un 59,6 % reconoció que no sustituye su propio pensamiento ni
escritura.
Referente al soporte en
tareas académicas, un 50,6 % destacó su utilidad para encontrar información
relevante, mientras que un 34,4 % la valoró para localizar fuentes y
referencias, aunque persisten limitaciones en cuanto a la precisión y
verificabilidad de estas últimas. Un 36% de los encuestados señaló que ChatGPT
ahorra tiempo y esfuerzo en la elaboración de informes, y un 48,9 % valoró su
capacidad para ayudar a estructurar y esquematizar trabajos extensos. En la
dimensión de valoración crítica, un 41,4 % de los participantes reportó haber
identificado errores en las respuestas generadas, mientras que solo un 16,7 %
expresó confianza plena en la precisión de la herramienta, lo que refleja una
actitud de cautela generalizada. Además, un 44,6 % manifestó preocupación por
el impacto del uso frecuente de ChatGPT en su aprendizaje autónomo y desarrollo
del pensamiento crítico, lo que subraya la importancia de fomentar un uso
equilibrado de estas tecnologías emergentes.
3.4. Asociaciones entre percepciones académicas
a. Frecuencia de uso con asistencia
de escritura, soporte en tareas y valoración crítica
El análisis de la Figura 2,
muestra que la mayoría de los estudiantes que utilizan la IA con frecuencia
media tienden a percibirla como moderadamente útil en la asistencia a la
escritura académica, con un 41,8 % ubicándose en nivel medio. Aquellos que la
emplean con mayor frecuencia (diaria o varias veces por semana) también
presentan altos niveles de percepción positiva, alcanzando un 60,0 % y 63,6 %,
respectivamente, en nivel alto. En contraste, los usuarios de baja frecuencia, quienes
la usan rara vez (1-2 veces al mes) reportan una percepción
reducida, con solo un 15,4 % y un 50 % para quienes indican casi nunca (solo en
casos excepcionales). La relación fue estadísticamente significativa (χ² = 35,218; p <
0,001), con una asociación lineal igualmente significativa (p <
0,001), lo que indica que el uso más frecuente de IA se asocia con una
percepción más favorable de su utilidad en la escritura académica.
Respeto al soporte para resolver
tareas académicas, los estudiantes que usan IA diariamente reportaron los
niveles más altos de percepción positiva (90,9 %), seguidos de quienes la usan
varias veces por semana (68,6 %). Aquellos con uso ocasional presentaron un
48,2 % en nivel alto, mientras que el nivel medio es más común entre
usuarios que lo utilizan ocasionalmente (46,2 %) y el nivel bajo se presenta
con mayor frecuencia en quienes casi nunca la utilizan (54,5 %). Esta relación fue
altamente significativa (χ² = 50,089; p = 0,000), con fuerte asociación lineal
(p = 0,000). Esta progresión
refuerza la idea de que el uso habitual de IA está vinculado con una mayor
percepción de ayuda en el ámbito académico. Por último, la frecuencia de uso de
IA también se asocia de manera significativa con la valoración crítica de su
uso (χ² = 40,987; p < 0,001), con una tendencia lineal marcada (p <
0,001). El nivel alto se
incrementa hasta el 72,7 % en quienes lo usan a diario, el nivel medio alcanza
su punto máximo en usuarios poco frecuentes (74,4 %) y el nivel bajo se
concentra principalmente entre quienes casi nunca la usan (36,4 %), lo que sugiere que el
contacto frecuente con herramientas de IA puede favorecer una actitud crítica
más desarrollada entre los estudiantes.
|
Figura 2 Asociaciones
de la percepción según frecuencia de uso de IAG |
|
|
b. Valoración crítica frente a
escuela profesional y ciclo académico
En lo referente a la
carrera profesional, el análisis reveló una asociación estadísticamente significativa (χ² = 47,563; p = 0,012), aunque sin una tendencia lineal (p =
0,455). El nivel medio de valoración crítica predomina globalmente (64,5 %),
con presencia destacada en Ingeniería de Alimentos (77,8 %), Ingeniería Textil
(68,1 %) y Educación en Idioma Extranjero (65,2 %). Ingeniería Electrónica
resalta con un 60 % en nivel alto, mientras que Ingeniería Agronómica alcanza
el 100 % en esta misma categoría. En cuanto al nivel bajo, Ingeniería Ambiental
(31,3 %) e Ingeniería Textil (25,5 %) presentan su mayor presencia. No
obstante, se recomienda interpretar estos resultados con cautela debido al
tamaño reducido de algunas submuestras por programa académico. Respecto a la relación entre valoración
crítica y el ciclo académico, se observó una asociación marginalmente significativa (χ² = 28,526; p = 0,054),
sin tendencia lineal (p = 0,888). El nivel alto alcanza su punto más alto en el
noveno semestre (37,5 %), el nivel medio predomina en el quinto semestre (75,4
%) y el nivel bajo tiene mayor presencia en los primeros ciclos, como el
segundo semestre (25,0 %). Aunque estos patrones sugieren
una posible relación con la experiencia académica progresiva, la asociación fue
solo mínima, por lo que conviene profundizar en futuras investigaciones.
A partir de 2023, comenzaron a publicarse
estudios empíricos sobre el uso de ChatGPT en el ámbito académico, los cuales
exploraron cómo los estudiantes interactúan con esta herramienta. En
concordancia con esas investigaciones, los resultados de este estudio reflejan
una adopción generalizada entre estudiantes universitarios del sur del Perú, no
solo como herramienta de consulta puntual, sino como un recurso multifuncional
que apoya diversas dimensiones del quehacer académico. En la dimensión de
asistencia en la escritura académica, se observó que un 56,5 % de los
estudiantes estuvo de acuerdo o totalmente de acuerdo en usarlo para generar
ideas, organizar pensamientos y crear borradores. Asimismo, un 49,4 % lo emplea
para superar el bloqueo del escritor, y un 53,2 % lo utiliza para recibir
retroalimentación. Estos hallazgos coinciden con estudios como el de Kishimoto et al. (2025), Punar Özçelik &
Yangın Ekşi (2024) y Zhao et al. (2024), que destacan cómo ChatGPT facilita la
producción de textos al ofrecer sugerencias, estructuras y ejemplos, reduciendo
la ansiedad asociada al inicio de tareas escritas. De manera similar, Črček & Patekar (2023) y Tarchi et al. (2024) indicaron que los estudiantes lo utilizan para
generar lluvia de ideas, sintetizar textos y traducir documentos. Sin embargo,
resulta destacable que un 59,6 % de los encuestados reconoció que, si bien
proporciona un punto de partida útil, no sustituye su propio pensamiento. Este
hallazgo demuestra un uso complementario, en línea con lo señalado por Xiao y
Yu (2025), quienes sostienen que la IAG cumple un rol de soporte (mediador),
más que de reemplazo.
En cuanto al soporte en tareas académicas, un
50,6 % de los estudiantes recurre a ChatGPT para encontrar información
relevante, y un 56,5 % para obtener explicaciones detalladas, evidenciando su
papel como mediador del aprendizaje. No obstante, el uso para localizar fuentes
o referencias fue menor (34,4 %), posiblemente debido a la limitada capacidad
para generar referencias académicas verificables, una limitación ya
identificada por Franzoni Velázquez
et al. (2024) y Giray (2024). Además, solo un 36
% indicó usarlo para ahorrar tiempo en la elaboración de informes, lo que
podría reflejar una percepción de que, aunque útil, no reemplaza completamente
la investigación ni la redacción propia, como también plantean Tarchi et al. (2024). Por otra parte, el hecho de que un 44 %
utilice la herramienta para verificar o contrastar información técnica revela
una actitud crítica por parte de los estudiantes, quienes no lo ven únicamente
como un generador de contenido, sino como un apoyo para clarificar conceptos
complejos. Sin embargo, su uso también enfrenta desafíos relevantes, como las
limitaciones en la veracidad de la información generada, ya que los textos
producidos pueden ser coherentes, pero no siempre precisos (Ray, 2023).
En relación con la dimensión de valoración
crítica, los resultados muestran un panorama ambivalente. Por un lado, solo un
16,7 % confía plenamente en la calidad y precisión de ChatGPT, y apenas un 26,3
% percibe que ofrece información confiable y actualizada. Por otro lado, un
60,8 % reconoció haber identificado errores o inexactitudes en las respuestas,
lo cual es un hallazgo clave, ya que evidencia que los estudiantes no son
usuarios acríticos. Esto se alinea con lo planteado por Tran Tin y Tran Huu (2023), quienes subrayan la importancia de
fortalecer la alfabetización digital crítica para maximizar los beneficios de
la IAG. Respecto al impacto percibido en el rendimiento académico, un 29,1 %
considera que han mejorado su desempeño, pero un significativo 51,1 % opina que
depender excesivamente de la herramienta puede afectar el aprendizaje autónomo
y el pensamiento crítico. Esto refleja una conciencia emergente sobre los
riesgos de la dependencia tecnológica, consistente con los debates éticos en la
literatura reciente (Dubey et al.,
2024; Murtiningsih et al., 2024), que advierten que el uso excesivo de la IA podría conducir a una
superficialidad cognitiva, limitando el desarrollo de habilidades
metacognitivas. Adicionalmente, Bai et al. (2023), Chan y Hu (2023) y Sultan et al. (2025) sugieren que el uso indiscriminado podría
comprometer la capacidad de los estudiantes para desarrollar habilidades
críticas, analíticas y de redacción autónoma.
5. Conclusiones
El estudio permitió
evidenciar que la inteligencia artificial generativa, particularmente ChatGPT,
se ha convertido en una herramienta ampliamente adoptada entre los estudiantes
universitarios del sur del Perú, destacándose por su papel en la asistencia en
la escritura académica, la organización de ideas, la búsqueda de información y
el ahorro de tiempo. Aunque los estudiantes valoran su utilidad como apoyo
creativo y técnico, mantienen una actitud crítica frente a la precisión de sus
respuestas y su impacto en el aprendizaje autónomo y el pensamiento crítico. El
análisis general mostró que el 64,5 % de los encuestados usan IA con frecuencia
media y tienen una valoración crítica media, mientras que un 19,4 % tiene
valoración alta y un 16,1 % baja, destacándose percepciones favorables
especialmente entre los usuarios frecuentes.
Estos resultados
indican que la IA está siendo adoptada de forma positiva en el entorno
académico, aunque con variaciones según características personales y
académicas, y resaltan la necesidad de integrarla en marcos pedagógicos
explícitos. Las instituciones educativas tienen la oportunidad de diseñar
programas que enseñen no solo el uso técnico de estas herramientas, sino
también la evaluación crítica de sus resultados, su aplicación en procesos
creativos y su utilización responsable. Integrar la alfabetización en inteligencia
artificial en el currículo universitario no es solo una oportunidad pedagógica,
sino una necesidad para preparar a los estudiantes frente a los retos de la educación
digital contemporánea.
E.
Chaparro: Conceptualización,
metodología, administración del proyecto, validación, redacción – revisión y
edición del manuscrito. J. Arias: Curación de
datos, análisis
formal, investigación, recursos, redacción – revisión y edición. M.
Quispe: Conceptualización, análisis
formal, investigación, supervisión, visualización y redacción – revisión y
edición.
Conflictos de interés
Los autores
manifiestan no tener conflictos de interés.
6. Referencias Bibliográficas
Ali, K., Barhom, N.,
Tamimi, F., y Duggal, M. (2024). ChatGPT-A double-edged sword for healthcare
education? Implications for assessments of dental students. European
Journal of Dental Education: Official Journal of the Association for Dental
Education in Europe, 28(1), 206–211. https://doi.org/10.1111/eje.12937
Avila-Tomás, J. F., Mayer-Pujadas, M. A., y Quesada-Varela, V. J.
(2020). La inteligencia artificial y sus aplicaciones en medicina I:
introducción, antecedentes a la IA y robótica. Atencion primaria, 52(10),
778–784. https://doi.org/10.1016/j.aprim.2020.04.013
Bai, L., Liu, X., y Su, J. (2023). ChatGPT: The cognitive effects on
learning and memory. Brain-X, 1(3). https://doi.org/10.1002/brx2.30
Chan, C. K. Y., y 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). https://doi.org/10.1186/s41239-023-00411-8
Črček, N., y Patekar, J. (2023). Writing with AI: University students’
use of ChatGPT. Journal of language and education, 9(4),
128–138. https://doi.org/10.17323/jle.2023.17379
Dubey, S., Ghosh, R., Dubey, M. J., Chatterjee, S., Das, S., y
Benito-León, J. (2024). Redefining cognitive domains in the era of ChatGPT: A
comprehensive analysis of artificial intelligence’s influence and future
implications. Medical Research Archives, 12(6). https://doi.org/10.18103/mra.v12i6.5383
Franzoni Velázquez, A. L., Huerta, E., y Jensen, S. (2024). Retracting
ChatGPT: completeness and relevance of academic references. Discover
Education, 3(1). https://doi.org/10.1007/s44217-024-00333-1
Giray, L. (2024). ChatGPT references unveiled: Distinguishing the
reliable from the fake. Internet Reference Services Quarterly, 28(1),
9–18. https://doi.org/10.1080/10875301.2023.2265369
Han, S., Wang, M., Zhang, J., Li, D., y Duan, J. (2024). A review of
large language models: Fundamental architectures, key technological evolutions,
interdisciplinary technologies integration, optimization and compression
techniques, applications, and challenges. Electronics, 13(24),
5040. https://doi.org/10.3390/electronics13245040
Kishimoto, T., Hao, X., Chang, T., y Luo, Z. (2025). Single online self-compassion
writing intervention reduces anxiety: With the feedback of ChatGPT. Internet
Interventions, 39(100810), 100810. https://doi.org/10.1016/j.invent.2025.100810
Lv, Z. (2023). Generative artificial intelligence in the metaverse
era. Cognitive Robotics, 3, 208–217. https://doi.org/10.1016/j.cogr.2023.06.001
Murtiningsih, S., Sujito, A., y Khin Soe, K. (2024). Challenges of using
ChatGPT in education: a digital pedagogy analysis. International
Journal of Evaluation and Research in Education (IJERE), 13(5),
3466. https://doi.org/10.11591/ijere.v13i5.29467
Nemt-Allah, M., Khalifa, W., Badawy, M., Elbably, Y., y Ibrahim, A.
(2024). Validating the ChatGPT Usage Scale: psychometric properties and factor
structures among postgraduate students. BMC Psychology, 12(1),
497. https://doi.org/10.1186/s40359-024-01983-4
Peres, R., Schreier, M., Schweidel, D., y Sorescu, A. (2023). Editorial:
On ChatGPT and beyond: How generative artificial intelligence may affect
research, teaching, and practice. International Journal of Research in
Marketing, 40(2), 269–275. https://doi.org/10.1016/j.ijresmar.2023.03.001
Punar Özçelik, N., y Yangın Ekşi, G. (2024). Cultivating writing skills: the role of ChatGPT as a
learning assistant—a case study. Smart Learning Environments, 11(1).
https://doi.org/10.1186/s40561-024-00296-8
Ravšelj, D., Keržič, D., Tomaževič, N., Umek, L.,
Brezovar, N., A Iahad, N., Abdulla, A. A., Akopyan, A., Aldana Segura, M. W.,
AlHumaid, J., Allam, M. F., Alló, M., Andoh, R. P. K., Andronic, O., Arthur, Y.
D., Aydın, F., Badran, A., Balbontín-Alvarado, R., Ben Saad, H., … Aristovnik,
A. (2025). Higher education students’ perceptions of ChatGPT: A global study of
early reactions. PloS One, 20(2), e0315011. https://doi.org/10.1371/journal.pone.0315011
Ray, P. P. (2023). ChatGPT: A comprehensive review on
background, applications, key challenges, bias, ethics, limitations and future
scope. Internet of Things and Cyber-Physical Systems, 3,
121–154. https://doi.org/10.1016/j.iotcps.2023.04.003
Roumeliotis, K. I., y Tselikas, N. D. (2023). ChatGPT and open-AI
models: A preliminary review. Future Internet, 15(6),
192. https://doi.org/10.3390/fi15060192
Sarker, I. H. (2022). AI-based modeling: Techniques, applications and
research issues towards automation, intelligent and smart systems. SN
Computer Science, 3(2), 158. https://doi.org/10.1007/s42979-022-01043-x
Sultan, M., Taj, A., Sabir, F., Ali, S., y Qureshi, M. O. K. (2025). The
effect of ChatGPT on the writing abilities of undergraduate English
students. Journal of Arts and Linguistics Studies, 3(1),
67–91. https://doi.org/10.71281/jals.v3i1.210
Tarchi, C., Zappoli, A., Casado Ledesma, L., y Brante, E. W. (2024). The
use of ChatGPT in source-based writing tasks. International Journal of
Artificial Intelligence in Education. https://doi.org/10.1007/s40593-024-00413-1
Tran, T. N., y Tran, H. P. (2023). Exploring the role of ChatGPT in
developing critical digital literacies in language learning: A qualitative
study. Proceedings of the AsiaCALL International Conference, 4,
1–17. https://doi.org/10.54855/paic.2341
Turing, A. M. (2009). Computing Machinery and Intelligence. En R.
Epstein, G. Roberts, G. Beber, (Eds.) Parsing the Turing
Test (pp. 23–65). Springer Netherlands. https://doi.org/10.1007/978-1-4020-6710-5_3
Williams, R. T. (2024). The ethical implications of using generative
chatbots in higher education. Frontiers in education, 8.
https://doi.org/10.3389/feduc.2023.1331607
Xiao, Y., y Yu, S. (2025). ¿Can ChatGPT replace humans in crisis
communication? The effects of AI-mediated crisis communication on stakeholder
satisfaction and responsibility attribution. International Journal of
Information Management, 80(102835), 102835. https://doi.org/10.1016/j.ijinfomgt.2024.102835
Zhao, X., Cox, A., y Cai, L. (2024). ChatGPT and the digitisation of
writing. Humanities & Social Sciences Communications, 11(1).
https://doi.org/10.1057/s41599-024-02904-x