ChatGPT se ha consolidado como una herramienta valiosa para los estudiantes universitarios, ya que facilita la generación de contenido, el desarrollo de ideas y la resolución de problemas (Tang et al., 2023; Zawacki-Richter et al., 2019). No obstante, su adopción depende de la confianza que los estudiantes depositen en la herramienta, la cual está determinada por la utilidad percibida y la facilidad de uso (Venkatesh et al., 2003).

La incorporación de ChatGPT en la educación superior ha transformado la manera en que los estudiantes interactúan con el conocimiento y gestionan sus tareas académicas (Forero-Corba y Negre Bennasar, 2024). Desde la redacción de ensayos hasta la realización de investigaciones, esta herramienta ofrece un apoyo flexible y accesible que complementa las metodologías de enseñanza tradicionales. Sin embargo, para que los estudiantes adopten de manera efectiva estas tecnologías, es fundamental comprender los factores que influyen en la confianza que desarrollan hacia ellas, así como su percepción sobre la utilidad y la facilidad de uso de ChatGPT (García Peñalvo et al., 2024).

Si bien investigaciones previas han explorado la confianza en la inteligencia artificial en entornos laborales (Marimon et al., 2024), aún existe un conocimiento limitado sobre su papel en el ámbito académico. Con el propósito de abordar esta brecha, el presente estudio examina cómo los estudiantes desarrollan confianza en ChatGPT, un factor clave para maximizar sus beneficios educativos.

Acemoglu et al. (2023) advierten sobre los riesgos del optimismo ciego hacia la inteligencia artificial, argumentando que, sin una perspectiva crítica y una implementación adecuada, la inteligencia artificial podría exacerbar las desigualdades sociales, al igual que lo han hecho revoluciones tecnológicas previas. Estos autores sostienen que, si bien el optimismo tecnológico puede acelerar la adopción de innovaciones, también puede generar una sobrevaloración de sus beneficios y una subestimación de sus limitaciones, especialmente en contextos donde la calidad de los resultados es un aspecto crítico, como en la educación. Esto sugiere la necesidad de mantener un equilibrio entre el optimismo y el pensamiento crítico respecto a la inteligencia artificial, evitando así una dependencia excesiva de estas tecnologías.

Acemoglu et al. (2023) enfatizan que, aunque las innovaciones tecnológicas tienen el potencial de aumentar la productividad y mejorar la calidad de vida, su impacto puede ser perjudicial si no se gestionan de manera equitativa. En esta misma línea, el ganador del Premio Nobel de Economía 2024 destacó la importancia de evaluar cuidadosamente las implicaciones socioeconómicas de la automatización y la inteligencia artificial. A pesar de que algunos estudios han demostrado que el optimismo hacia la inteligencia artificial influye en la confianza en su uso (Marimon et al., 2024), la perspectiva de Acemoglu subraya la importancia de que dicho optimismo vaya acompañado de una reflexión crítica, con el fin de evitar la perpetuación o el agravamiento de desigualdades estructurales.

El Modelo de Aceptación Tecnológica (TAM, por sus siglas en inglés) sostiene que la utilidad percibida y la facilidad de uso influyen en la adopción de tecnologías (Davis, 1989). En el contexto de la inteligencia artificial aplicada a la educación, diversos estudios han confirmado que la utilidad percibida es un predictor más sólido de la confianza y de la intención de uso que la facilidad de uso (Al-Abdullatif y Alsubaie, 2024; Huang et al., 2022).

Asimismo, la confianza en las herramientas de inteligencia artificial ha sido identificada como un factor clave para su adopción (Marimon et al., 2024; Mayer et al., 1995). La confianza se define como la disposición del usuario a ser vulnerable ante las acciones de la herramienta, esperando obtener resultados confiables y consistentes. Esto cobra especial relevancia en el caso de la inteligencia artificial generativa, cuyos resultados no siempre son deterministas y pueden presentar variaciones o "alucinaciones" (Bender et al., 2021). Al-kfairy et al. (2024) destacan que la confianza en la precisión y fiabilidad de los resultados generados por inteligencia artificial es un factor determinante para su uso continuado, especialmente en tareas que requieren altos niveles de rigor académico.

El presente estudio hace referencia al modelo propuesto por Marimon et al. (2024), adaptándolo al contexto de los estudiantes universitarios que utilizan herramientas de inteligencia artificial generativa como ChatGPT. Marimon et al. (2024) desarrollaron un modelo que analiza el impacto de la disposición hacia la adopción de tecnologías de inteligencia artificial generativa y cómo la confianza en estas herramientas influye en el compromiso y el desempeño en el entorno laboral. Su investigación enfatiza el papel fundamental de la confianza como mediador clave entre la experiencia del usuario y la implicación en el trabajo, demostrando que, si bien la facilidad de uso es importante, la utilidad percibida y la confianza en la tecnología son los factores esenciales para generar un impacto positivo.

Este estudio adapta el modelo de Marimon et al. (2024) al contexto de los estudiantes universitarios y su interacción con herramientas de inteligencia artificial generativa como ChatGPT. Aunque el modelo original de Marimon fue diseñado para analizar la influencia de la utilidad percibida, la facilidad de uso y la confianza en el ámbito laboral, su marco teórico ofrece una base sólida para explorar la adopción de tecnologías emergentes en el ámbito educativo. No obstante, las diferencias fundamentales entre los entornos profesionales y académicos justifican la necesidad de realizar ajustes específicos en el modelo.

En el contexto educativo, la disposición de los estudiantes para adoptar nuevas tecnologías puede estar influenciada por factores como el apoyo institucional, la formación digital previa y las experiencias personales con herramientas similares. A diferencia del entorno laboral, donde la facilidad de uso puede ser un factor crítico para la integración rápida en el flujo de trabajo (Marimon et al., 2024), en el ámbito académico los estudiantes tienden a valorar más la utilidad práctica de una herramienta. Esto se debe a que enfrentan tareas académicas específicas que requieren resultados relevantes y precisos, más que una interfaz intuitiva (Venkatesh et al., 2003).

Además, el optimismo tecnológico de los estudiantes juega un papel determinante en la adopción de herramientas de inteligencia artificial, como lo sugiere la literatura sobre la adopción de innovaciones (Parasuraman y Colby, 2014). La utilidad percibida de ChatGPT, es decir, su capacidad para facilitar la generación de contenido académico y la resolución de problemas complejos influye directamente en la confianza que los estudiantes depositan en esta herramienta. Esta relación entre optimismo, utilidad y confianza ha sido adaptada para explorar cómo los estudiantes, en lugar de los empleados, integran ChatGPT en su proceso de aprendizaje.

Al adaptar el modelo de Marimon et al. (2024), este estudio plantea que la confianza en ChatGPT depende no solo de la facilidad de uso percibida, sino principalmente de su utilidad en contextos de aprendizaje específicos, como la redacción de ensayos y la investigación académica. Esto resalta la importancia de que los estudiantes perciban un valor tangible en el uso de la herramienta para que puedan confiar en sus capacidades y adoptarla de manera continua. La adaptación de este modelo busca capturar las particularidades del entorno educativo y los factores que facilitan la adopción de herramientas de inteligencia artificial generativa en la educación superior.

Este modelo de estudio se adapta para explorar cómo los estudiantes universitarios desarrollan confianza en ChatGPT, considerando los constructos de optimismo, utilidad percibida y facilidad de uso, similares a los propuestos por Marimon et al. (2024). Al igual que en el ámbito profesional, se espera que la disposición de los estudiantes hacia la tecnología y su percepción sobre la utilidad de ChatGPT influyan en el nivel de confianza depositado en la herramienta. Este enfoque ofrece una comprensión más integral de cómo la confianza en ChatGPT puede facilitar su integración en el entorno académico y cómo dicha confianza podría, eventualmente, mejorar la utilidad percibida de la herramienta en el proceso de aprendizaje.

Sin embargo, existen diferencias clave entre los contextos laboral y educativo que justifican la adaptación del modelo de Marimon et al. (2024). En el ámbito educativo, la disposición de los estudiantes para aceptar y utilizar nuevas tecnologías puede estar influida por factores adicionales, como el apoyo institucional, la formación digital previa y las experiencias anteriores de aprendizaje con tecnologías similares. Además, estudios como el de Ly et al. (2024) sobre la adopción de plataformas digitales de aprendizaje en universidades sugieren que la motivación intrínseca desempeña un papel particularmente relevante en el contexto académico, ya que los estudiantes que perciben que una tecnología contribuye a su desarrollo académico personal están más dispuestos a integrarla en su rutina de estudio.

Por tanto, este estudio se diferencia de investigaciones previas al adaptar el enfoque de Marimon et al. (2024) a las particularidades del contexto universitario, incorporando el papel del optimismo de los estudiantes hacia la tecnología y explorando su efecto sobre la utilidad percibida y la confianza en ChatGPT. A través de esta adaptación, el estudio busca arrojar luz sobre los mecanismos que facilitan la integración de herramientas de inteligencia artificial generativa en contextos educativos, contribuyendo a una comprensión más completa de los factores que influyen en la adopción de estas tecnologías por parte de los estudiantes.

En conclusión, el modelo de investigación propuesto se basa en la adaptación del enfoque de Marimon et al. (2024) al contexto de los estudiantes universitarios y su interacción con herramientas de inteligencia artificial generativa como ChatGPT. Este modelo integra los constructos de optimismo, utilidad percibida, facilidad de uso y confianza, con el objetivo de comprender cómo estas variables influyen en la adopción y aceptación de ChatGPT por parte de los estudiantes. La hipótesis central plantea que el optimismo de los estudiantes hacia la tecnología y su percepción sobre la utilidad de ChatGPT desempeñan un papel mediador clave en el desarrollo de confianza en la herramienta, lo que a su vez afecta su disposición a utilizarla de manera efectiva en entornos académicos. De esta manera, el modelo permite evaluar no solo la adopción de la herramienta, sino también cómo la confianza generada influye en su uso continuo y en la integración de la inteligencia artificial en los procesos de aprendizaje.

Figura 1
Modelo de investigación
Fuente: elaboración propia.

El cuestionario fue diseñado meticulosamente para abarcar diversos aspectos relevantes del estudio. Se inició con ítems que evalúan la disposición de los encuestados para adoptar nuevas tecnologías y continuó con preguntas dirigidas a medir el nivel de aceptación, la frecuencia de uso y la confianza en estas herramientas.

Para garantizar tanto la validez como la pertinencia del instrumento, los ítems de cada constructo fueron cuidadosamente seleccionados o adaptados de Marimon et al. (2024) y otras fuentes reconocidas y validadas dentro del campo de estudio. La Tabla 1 presenta un desglose detallado de los constructos y los ítems específicos incluidos en la investigación. Desde la introducción de la inteligencia artificial generativa, en particular ChatGPT en 2023, el panorama de la educación superior ha experimentado una transformación profunda.

El cuestionario fue diseñado para evaluar los constructos clave de este estudio, alineándose con el Modelo de Aceptación Tecnológica (TAM) (Davis, 1989). En primer lugar, se midió el optimismo tecnológico de los participantes y su percepción sobre la utilidad de ChatGPT, dado que investigaciones previas han demostrado que la utilidad percibida influye significativamente en la confianza y en la intención de uso de herramientas de inteligencia artificial (Al-Abdullatif y Alsubaie, 2024; Huang et al., 2022).

Asimismo, el cuestionario incluyó ítems para evaluar la facilidad de uso percibida y la confianza en herramientas de inteligencia artificial, utilizando escalas previamente validadas en estudios anteriores (Marimon et al., 2024). Se realizó un análisis factorial para confirmar la validez de los constructos, garantizando que cada ítem capturara con precisión la dimensión correspondiente dentro del marco teórico.

ChatGPT, una herramienta de propósito general reconocida por su facilidad de aprendizaje y accesibilidad, ha ganado rápidamente aceptación en la educación superior, proporcionando apoyo a los estudiantes en tareas de redacción académica, investigación y resolución de problemas. En este contexto, el diseño del cuestionario se orientó a comprender cómo los estudiantes perciben la utilidad y confiabilidad de esta tecnología, así como los factores que influyen en su adopción.

Tabla 1
Ítems propuestos para el cuestionario

Fuente: elaboración propia.

La encuesta fue distribuida y completada en octubre de 2024, obteniéndose un total de 316 respuestas completas. Los encuestados fueron estudiantes argentinos con experiencia en el uso de herramientas de inteligencia artificial generativa (IA-Gen) en sus actividades académicas. La mayoría de los participantes fueron mujeres (60,8%) y, en su mayoría, adultos jóvenes, con un 67,4% en el rango etario de entre 18 y 25 años. En cuanto al nivel educativo, el 52,8% había completado la educación secundaria, mientras que el 25,6% poseía un título universitario. La muestra incluyó estudiantes de universidades tanto públicas (26,6%) como privadas (73,4%), siendo la mayoría asistentes a clases con una matrícula de entre 10 y 50 estudiantes.

Respecto al uso de herramientas de IA generativa, el 35,4% indicó utilizarlas de forma esporádica, mientras que un 10,4% reportó un uso diario. Este estudio ofrece información relevante sobre la confianza de los estudiantes en la inteligencia artificial en el contexto del sistema de educación superior argentino, aunque los resultados podrían variar en otros entornos culturales e institucionales.

Tabla 2
Características demográficas de la muestra

Fuente: elaboración propia.

Se llevaron a cabo tres Análisis Factoriales Exploratorios (EFA) independientes utilizando el método de análisis de componentes principales con rotación varimax. Este procedimiento permitió identificar y refinar los ítems que representaban con mayor precisión cada constructo del modelo de investigación. Con este enfoque, se garantizó que los constructos fueran estadísticamente sólidos y estuvieran alineados con los objetivos del estudio.

El primer EFA incluyó ítems correspondientes a las dimensiones de "Optimismo" e "Innovación", adaptadas de la escala TRI. El segundo EFA se aplicó a los ítems adaptados del Modelo de Aceptación Tecnológica (TAM), centrándose en las dimensiones de "Utilidad Percibida" y "Facilidad de Uso". El tercer y último EFA se enfocó en los ítems seleccionados para la dimensión "Confianza".

Una vez completados los análisis exploratorios, el modelo de investigación, representado en la Figura 1, fue probado mediante Modelado de Ecuaciones Estructurales (SEM). Para ello, se empleó el método de máxima verosimilitud robusta basado en la matriz de varianza-covarianza asintótica, con la asistencia del software EQS. Se evaluaron rigurosamente las propiedades psicométricas de cada constructo, incluyendo la fiabilidad (medida mediante el alfa de Cronbach y la fiabilidad compuesta (CR)) y la validez convergente (evaluada a través de la varianza extraída media (AVE)). Además, se realizó un análisis discriminante para garantizar la independencia de los constructos, comparando la raíz cuadrada del AVE de cada dimensión con sus correlaciones con otros constructos.

El ajuste general del modelo fue evaluado utilizando distintos índices de bondad de ajuste, incluyendo el chi-cuadrado de Bentler-Satorra, su coeficiente y grados de libertad, así como otros índices como el Índice de Ajuste Comparativo (CFI) y el Error Cuadrático Medio de Aproximación (RMSEA). Una vez confirmado el ajuste del modelo, se analizaron e interpretaron los coeficientes estandarizados para obtener información detallada sobre las relaciones entre los constructos.

La validación del cuestionario se llevó a cabo antes de la recolección de datos, siguiendo las pautas metodológicas establecidas por Marimon et al. (2024). El instrumento fue desarrollado mediante la adaptación de ítems validados en estudios previos, asegurando su alineación conceptual con los constructos en análisis. La selección y refinamiento de los ítems se realizó con el juicio de expertos, a través de un panel de especialistas en tecnología educativa y psicometría, quienes revisaron el cuestionario para evaluar su claridad, pertinencia y validez de constructo. Además, se llevó a cabo una prueba piloto preliminar con un grupo reducido de estudiantes universitarios para evaluar la comprensión de los ítems y la coherencia en las respuestas.

El cuestionario fue administrado en español, ya que la población objetivo estaba compuesta por estudiantes universitarios de Argentina. Para asegurar la equivalencia semántica y conceptual de los ítems, se realizó un proceso de validación lingüística, adaptando los términos al contexto local. Se empleó una escala Likert de 5 puntos, que oscilaba entre 1 ("Totalmente en desacuerdo") y 5 ("Totalmente de acuerdo"), permitiendo una medición precisa de las percepciones de los participantes sobre las variables del estudio. La administración del cuestionario se realizó en línea a través de una plataforma de encuestas, asegurando accesibilidad y eficiencia en la recolección de datos.

La muestra del estudio estuvo compuesta por 316 estudiantes universitarios argentinos, representando una diversidad de trayectorias académicas y experiencias previas con herramientas de IA. En términos de nivel educativo, el 52.8 % de los participantes había completado la educación secundaria, el 25.6 % poseía un título universitario, y el 15.5 % contaba con formación técnica o profesional. En relación con la familiaridad con la IA, el 34.2 % reportó experiencia mínima previa, el 42.7 % indicó exposición moderada, y el 23.1 % mencionó un uso frecuente en contextos académicos. La muestra incluyó estudiantes de universidades públicas (26.6 %) y privadas (73.4 %), lo que aseguró una representación heterogénea del panorama de la educación superior en Argentina. Estos datos demográficos proporcionan un marco de referencia integral para comprender la composición de la muestra y contextualizar los hallazgos del estudio dentro de la adopción de la inteligencia artificial en la educación superior.

Para garantizar la transparencia metodológica y el rigor analítico, se emplearon técnicas estadísticas tanto descriptivas como inferenciales. Se realizó un análisis de varianza (ANOVA) para identificar diferencias significativas entre los grupos en relación con sus percepciones sobre la utilidad percibida, la facilidad de uso y la confianza en ChatGPT. La elección del ANOVA se justificó por su capacidad para comparar diferencias de medias entre múltiples grupos independientes, controlando la varianza dentro de la muestra. Además, se generaron box plots para visualizar la distribución de las respuestas de las variables clave, permitiendo identificar posibles valores atípicos y patrones de variabilidad en los datos. Estas técnicas permitieron realizar un análisis sólido de las relaciones entre los constructos del estudio.

Se realizó un análisis adicional para examinar el papel de variables no determinantes, como el número de estudiantes en clase o el uso del correo electrónico. Si bien estas variables no mostraron efectos directos significativos, se llevaron a cabo análisis exploratorios adicionales para evaluar posibles influencias indirectas. Los resultados sugieren que su falta de impacto podría atribuirse a factores contextuales, como diferencias institucionales o niveles variables de adopción tecnológica entre los encuestados. Además, limitaciones en la medición podrían haber reducido su significancia estadística. No obstante, la exclusión de estas variables no comprometió la robustez del modelo, lo cual fue confirmado mediante validaciones estadísticas complementarias. Esta discusión se integró en la sección de resultados para proporcionar una interpretación más matizada de los hallazgos.

Todos los análisis estadísticos fueron realizados utilizando SPSS versión 27 y el software R (versión 4.2.1). El procesamiento de datos incluyó estadística descriptiva, análisis de fiabilidad (alfa de Cronbach) y pruebas inferenciales para evaluar las relaciones entre las variables. Se utilizó ANOVA para comparar diferencias de medias entre grupos, mientras que el Análisis Factorial Confirmatorio (CFA) fue realizado con el paquete lavaan en R para validar la estructura del modelo de medición. Además, se generaron box plots para visualizar la distribución de los datos y detectar posibles valores atípicos. El enfoque metodológico siguió las mejores prácticas en análisis estadístico, asegurando la replicabilidad de los procedimientos utilizados. Se detallaron todos los pasos de preprocesamiento de datos, codificación y transformaciones para facilitar su reproducibilidad en futuras investigaciones.

Estos resultados respaldan la validez y fiabilidad del modelo de investigación, confirmando que la confianza en ChatGPT es un factor clave en su adopción por parte de los estudiantes universitarios. La aplicación rigurosa de estos métodos analíticos garantiza la solidez de los hallazgos y su contribución a la comprensión de la integración de herramientas de inteligencia artificial en la educación superior.

Un aspecto crítico de este estudio, como se ilustra en la Figura 1, es el papel mediador de la "Utilidad percibida" y la "Facilidad de uso" en la relación entre el "Optimismo tecnológico" y la "Confianza en ChatGPT". Esta sección se dedica a un análisis detallado de este efecto de mediación, el cual representa el objetivo secundario del estudio.

La metodología utilizada para evaluar el papel mediador de ambos constructos se basó en los trabajos seminales de Baron y Kenny (1986), Hayes (2009) y Zhao et al. (2010). Estos estudios proporcionan un marco teórico sólido para comprender los mecanismos a través de los cuales la "Utilidad percibida" y la "Facilidad de uso" facilitan la transición del optimismo tecnológico hacia la confianza en la herramienta.

La adopción de ChatGPT debe ir acompañada de esfuerzos por parte de las universidades para promover un uso crítico de la inteligencia artificial generativa. Los resultados muestran que los estudiantes con una actitud optimista hacia la tecnología tienden a confiar más en ChatGPT, lo cual es positivo para su adopción. Sin embargo, es fundamental que esta confianza no se traduzca en un uso acrítico de la herramienta. Los educadores deben enfatizar que, si bien ChatGPT puede ser un aliado en el proceso de aprendizaje, no es infalible y puede generar información inexacta o sesgada.

Para fomentar un uso crítico, los programas de formación podrían incluir actividades que incentiven a los estudiantes a comparar la información generada por ChatGPT con fuentes académicas tradicionales. Esto les permitiría evaluar la calidad de las respuestas de ChatGPT y discernir cuándo es más apropiado utilizar la herramienta. Además, los docentes podrían diseñar tareas que requieran a los estudiantes justificar y analizar los resultados obtenidos con ChatGPT, promoviendo así un enfoque reflexivo y crítico en su uso.

La integración de la inteligencia artificial en la educación superior debe ir acompañada de un fortalecimiento de las competencias digitales y éticas de los estudiantes. ChatGPT, al igual que otras herramientas de inteligencia artificial, opera a través de algoritmos complejos cuyos procesos no siempre son transparentes para el usuario. Por ello, es fundamental que los estudiantes comprendan el funcionamiento básico de estas tecnologías y los posibles sesgos que pueden influir en sus resultados. Las universidades deberían desarrollar módulos de formación que aborden cuestiones éticas como la privacidad de los datos, la propiedad intelectual y el impacto social de la inteligencia artificial.

Los resultados de este estudio subrayan la importancia de que los estudiantes perciban la utilidad de ChatGPT, ya que aquellos que lo hacen tienen una mayor predisposición a integrarlo en su proceso de aprendizaje. Sin embargo, esta integración debe ir de la mano de una comprensión crítica de las limitaciones de la tecnología, permitiendo que los estudiantes aprovechen sus beneficios de manera consciente y responsable.

Este estudio sugiere que las universidades deberían considerar la utilidad percibida de las herramientas de inteligencia artificial generativa como un factor clave en el diseño de sus planes de estudio. La integración de tecnologías como ChatGPT no debe verse como un fin en sí mismo, sino como un medio para enriquecer la experiencia de aprendizaje y desarrollar habilidades críticas en los estudiantes. Las universidades que lideren la adopción de estas herramientas tienen la oportunidad de crear programas interdisciplinarios que conecten la inteligencia artificial con diversas áreas del conocimiento.

Por ejemplo, los departamentos de ciencias de la computación podrían colaborar con las facultades de ciencias sociales y humanidades para diseñar cursos en los que se enseñe a los estudiantes a aplicar herramientas de IA generativa en el análisis de datos, la interpretación de textos y la creación de proyectos innovadores. Esta colaboración interdisciplinaria no solo fortalecería el uso de la inteligencia artificial en la educación superior, sino que también prepararía a los estudiantes para un entorno profesional cada vez más digitalizado y competitivo.

En términos generales, estos hallazgos destacan la importancia de desarrollar un enfoque centrado en los beneficios tangibles que ChatGPT y otras herramientas de IA pueden ofrecer a los estudiantes universitarios. Al demostrar cómo estas tecnologías pueden apoyar y mejorar el aprendizaje, las universidades pueden promover una adopción más amplia y efectiva de la inteligencia artificial generativa en sus programas. Esto no solo facilitará la integración de la IA en el entorno académico, sino que también empoderará a los estudiantes para que se conviertan en usuarios críticos e informados, preparados para enfrentar los desafíos tecnológicos del futuro.

La confianza en ChatGPT emerge como un factor determinante para su adopción entre los estudiantes universitarios. El estudio confirma que la disposición de los estudiantes a integrar herramientas de inteligencia artificial en sus actividades académicas está influida significativamente por su percepción sobre la utilidad de dichas herramientas. Este hallazgo refuerza la vigencia de los modelos de aceptación tecnológica, al subrayar la importancia de generar confianza en la inteligencia artificial para fomentar su uso efectivo en el ámbito educativo.

La investigación también pone de manifiesto que la utilidad percibida desempeña un papel más relevante en la adopción de la IA que la facilidad de uso. Si bien una interfaz intuitiva puede facilitar el acercamiento inicial, los estudiantes priorizan los beneficios prácticos que ChatGPT ofrece para sus procesos de aprendizaje. En consecuencia, las instituciones de educación superior deberían enfocarse en fortalecer las competencias digitales del estudiantado mediante programas de formación estructurados que promuevan una integración significativa y efectiva de la inteligencia artificial en los entornos académicos.

Para garantizar una adopción responsable de la IA, las universidades deben desarrollar políticas claras que respeten los principios éticos y resguarden la integridad académica. Estas políticas deben incluir orientaciones sobre el uso responsable de la IA, al mismo tiempo que fomenten que los docentes incorporen tecnologías basadas en inteligencia artificial en sus prácticas de enseñanza. Al promover un enfoque crítico e informado, los educadores pueden ayudar a los estudiantes a comprender tanto los beneficios como las limitaciones de las herramientas de IA generativa, asegurando así su uso responsable y eficaz en la educación superior.