El avance de las tecnologías emergentes, y en particular de la IA, está reconfigurando profundamente el escenario educativo contemporáneo. Diversas investigaciones recientes subrayan la necesidad urgente de redefinir las competencias docentes ante esta transformación (Celik, 2023; Holmes et al., 2019; UNESCO, 2023). Lejos de limitarse al dominio técnico, estas competencias comprenden una comprensión crítica del impacto de la tecnología en los procesos de enseñanza-aprendizaje, el uso ético de los datos, la garantía de inclusión y el diseño de experiencias personalizadas y significativas.

La transformación digital ha generado cambios estructurales en la educación, afectando tanto a las herramientas disponibles como a las dinámicas pedagógicas, los marcos normativos y los roles profesionales del cuerpo docente. En este contexto, tecnologías como la realidad aumentada, el big data, el blockchain o la propia IA no solo abren nuevas posibilidades didácticas, sino que imponen la necesidad de una reconfiguración profunda de las competencias profesionales del profesorado (Bo, 2024; UNESCO, 2024b).

Este nuevo paradigma exige al docente desempeñar funciones más complejas: diseñador de experiencias de aprendizaje, mediador crítico entre tecnología y currículo, y gestor ético del conocimiento digital. En consecuencia, la integración tecnológica en el aula no puede reducirse a un uso instrumental o técnico, sino que requiere un enfoque pedagógico contextualizado, capaz de valorar sus implicaciones sociales, éticas y educativas, y adaptarlas a las necesidades y trayectorias del estudiantado (Cabero-Almenara et al., 2020).

Diversas iniciativas internacionales, como el marco DigCompEdu (Ghomi y Redecker, 2019) o las directrices de la UNESCO para la competencia docente en TIC y actualmente, las específicas para el uso de IA, han establecido referentes para el desarrollo de competencias digitales en el profesorado. No obstante, dichos marcos suelen adoptar una perspectiva generalista, centrada en habilidades transversales y tecnologías ya consolidadas, sin abordar con suficiente profundidad los desafíos específicos que plantean las tecnologías emergentes, y en particular, la IA. Esta limitación evidencia la necesidad de avanzar hacia modelos que integren dimensiones específicas de apropiación crítica de estas tecnologías, orientados a fomentar nuevas alfabetizaciones digitales que sitúen al docente como agente activo de transformación dentro de los ecosistemas educativos contemporáneos.

Aunque DigCompEdu (Ghomi y Redecker, 2019) constituye un marco ampliamente reconocido para evaluar la competencia digital docente, su orientación generalista lo limita para abordar en profundidad las particularidades de la Inteligencia Artificial. Este instrumento describe áreas competenciales transversales aplicables a diversas tecnologías digitales, sin diferenciar entre herramientas consolidadas y emergentes, ni integrar de forma explícita dimensiones éticas y curriculares específicas para la IA. En contraste, el AI-ED-SAT se focaliza exclusivamente en el uso educativo de la Inteligencia Artificial, incorporando indicadores vinculados a la comprensión conceptual de algoritmos, la aplicación pedagógica contextualizada, la reflexión ética y la integración curricular estratégica. De este modo, el AI-ED-SAT no pretende reemplazar a marcos como DigCompEdu, sino complementarlos, ofreciendo un nivel de detalle adaptado a los retos y oportunidades singulares que plantea la IA en los entornos educativos.

La incorporación de la Inteligencia Artificial en el ámbito educativo representa una de las transformaciones más significativas de los últimos años, con implicaciones directas en las prácticas docentes, los modelos pedagógicos y los procesos de enseñanza-aprendizaje. Su presencia se manifiesta en múltiples formas: sistemas de tutoría inteligente, plataformas adaptativas, análisis de aprendizaje, chatbots, motores de recomendación o herramientas de retroalimentación automatizada (Holmes et al., 2019; Zawacki-Richter et al., 2019).

Esta expansión tecnológica ofrece oportunidades relevantes para personalizar el aprendizaje, optimizar los procesos evaluativos y aliviar las tareas administrativas del profesorado. Sin embargo, también plantea desafíos sustanciales que no pueden ser ignorados. Entre ellos se encuentran los sesgos algorítmicos, la opacidad de los sistemas automatizados, la vulneración de la privacidad y el riesgo de delegar decisiones pedagógicas fundamentales a sistemas que operan con lógicas ajenas al juicio humano (Chesterman, 2021; Ferrante, 2021; Huang, 2023; Selwyn, 2019).

En este sentido, la IA no puede ser concebida únicamente como una herramienta funcional, sino como un fenómeno sociotécnico complejo, que implica decisiones políticas, pedagógicas y éticas (Flores Vivar y García Peñalvo, 2023). Su implementación educativa exige que el profesorado no solo adquiera habilidades operativas, sino que desarrolle también una alfabetización crítica que le permita comprender el funcionamiento de los algoritmos, identificar sus posibles sesgos y valorar sus implicaciones sociales y educativas (García Peñalvo et al., 2024; Lane et al., 2023; Luckin, 2017).

Un referente ético reciente y relevante es el Safe AI Education Manifesto (Alier Forment et al., 2024), que establece recomendaciones claras para el uso responsable de la IA en contextos educativos. Entre sus principios fundamentales se destacan la transparencia en los sistemas, la rendición de cuentas, la protección de la privacidad estudiantil, la promoción de la equidad y el fomento de una alfabetización crítica frente a las tecnologías algorítmicas. Estos principios refuerzan la dimensión ética del AI-ED-SAT, especialmente en los ítems relacionados con la identificación de sesgos, la toma de decisiones automatizada y los impactos educativos, contribuyendo a consolidar el instrumento como una herramienta integradora de principios éticos actualizados y relevantes para la práctica docente contemporánea.

A pesar de este panorama, la formación docente en IA continúa siendo incipiente. Las propuestas existentes suelen centrarse en aspectos instrumentales, sin incorporar una mirada integral que contemple tanto su dimensión pedagógica como ética (Delgado et al., 2024; Holmes y Tuomi, 2022). Ante este vacío, resulta fundamental diseñar instrumentos válidos y fiables que permitan evaluar no solo el grado de familiarización del profesorado con la IA, sino también su capacidad para integrarla de forma crítica, contextualizada y pedagógicamente significativa. Para ello, es necesario articular procesos metodológicos rigurosos, que combinen juicio experto con análisis estadísticos robustos, como proponen Sampieri (2018) y Muñiz y Fonseca-Pedrero (2019).

La irrupción de la Inteligencia Artificial (IA) en los entornos educativos ha consolidado su posición como tecnología disruptiva, con aplicaciones que abarcan desde la personalización del aprendizaje hasta la automatización de tareas evaluativas y administrativas (Holmes et al., 2019; Owan et al., 2023). Su implementación plantea retos importantes que exigen al profesorado una comprensión profunda de sus fundamentos técnicos y una reflexión crítica sobre los riesgos asociados, como los sesgos algorítmicos, la opacidad en la toma de decisiones, la dependencia tecnológica o las desigualdades en el acceso (Celik, 2023; Sharma et al., 2024).

En este contexto, el desarrollo de competencias específicas en IA se presenta como una prioridad estratégica para los sistemas educativos. A diferencia de las competencias digitales genéricas —centradas en la gestión de recursos digitales o entornos virtuales—, las competencias docentes en IA requieren una comprensión multidimensional que integre aspectos técnicos, éticos, pedagógicos y curriculares. Diversos documentos conceptuales han comenzado a elaborar este nuevo perfil competencial, entre ellos, los marcos de competencias en IA para docentes y estudiantes de la UNESCO (2024a, 2024b), el documento AI and the Future of Teaching de la UNESCO (2021), la actualización del marco DigCompEdu al contexto de IA (Caena y Redecker, 2019), y los estudios de Chen et al. (2020), Chiu et al. (2024) y Ng et al. (2023).

Khreisat et al. (2024) proponen una estructuración en cuatro ámbitos interrelacionados:

Comprensión de los principios y funcionamiento de la IA.

Esta propuesta refleja una concepción ampliada del rol docente, que trasciende el uso instrumental de la tecnología. En lugar de limitarse a operar herramientas, el docente debe posicionarse como un agente reflexivo y crítico, capaz de evaluar el sentido pedagógico, las consecuencias sociales y la pertinencia curricular de la IA en sus prácticas educativas. Tal como advierten Holmes et al. (2019), Zawacki-Richter et al. (2019) y Ayuso del Puerto y Gutiérrez Esteban (2022), muchos marcos existentes aún se mantienen en un plano descriptivo o eminentemente técnico, lo que limita su capacidad para orientar un desarrollo profesional auténticamente transformador.

Desde esta perspectiva, se hace necesaria la creación de instrumentos de evaluación que respondan a esta complejidad. Dichos instrumentos deben ir más allá de la medición del conocimiento declarativo, e incluir dimensiones como la competencia pedagógica, la disposición crítica y la integración curricular. El instrumento AI-ED-SAT, desarrollado en el marco de este estudio, se inscribe en esta lógica, al estructurarse en torno a cuatro dimensiones clave: comprensión conceptual, aplicación pedagógica, dimensión ética e integración curricular. Esta aproximación busca captar la complejidad del desarrollo profesional docente en la era de la IA, reconociendo la necesidad de una alfabetización crítica que permita a los educadores posicionarse activamente frente a los desafíos de las tecnologías emergentes.

En un contexto de transformación educativa impulsado por tecnologías emergentes, contar con instrumentos válidos y fiables para diagnosticar el nivel de competencia docente frente a la Inteligencia Artificial se vuelve crucial. La autoevaluación constituye, en este sentido, una estrategia formativa y reflexiva que permite identificar fortalezas y áreas de mejora desde una perspectiva situada (Panadero et al., 2019; Rachbauer et al., 2025).

Si bien existen numerosos instrumentos para medir la competencia digital docente (Cabero-Almenara et al., 2020; Ghomi y Redecker, 2019), la mayoría se enfoca en habilidades técnicas genéricas, sin abordar de manera específica las complejidades pedagógicas, éticas y curriculares que plantea la IA. Esta limitación ha generado una necesidad urgente de modelos evaluativos que capten no solo la familiaridad tecnológica del profesorado, sino también su capacidad de integrar la IA de forma crítica, contextualizada y pedagógicamente significativa (Celik, 2023; Delgado et al., 2024).

La construcción de instrumentos con estas características requiere un enfoque metodológico riguroso que combine criterios teóricos, empíricos y prácticos. En los últimos años, se ha consolidado una metodología mixta que incluye la revisión sistemática de literatura para la elaboración de ítems, la validación mediante juicio de expertos (como el método Delphi) y el análisis psicométrico (validez de contenido y constructo, fiabilidad interna) (Diefes-Dux et al., 2010; Muñiz y Fonseca-Pedrero, 2019; Sampieri, 2018). En este proceso, los enfoques participativos e interactivos, como la Design-Based Research (DBR), han demostrado ser especialmente útiles para garantizar la pertinencia semántica y pedagógica del instrumento.

La autoevaluación, además, se ha consolidado como una herramienta eficaz para fomentar la reflexión profesional, ofrecer datos para el diseño de planes formativos personalizados y promover la agencia docente (Borge et al., 2005). A diferencia de los modelos externos de evaluación, sitúa al profesorado como protagonista del diagnóstico y la mejora.

En este marco se inscribe el instrumento AI-ED-SAT, concebido para evaluar de manera integral las competencias docentes relacionadas con la IA en contextos educativos. Su desarrollo parte de una revisión crítica de la literatura especializada y de marcos de referencia recientes que abordan las implicaciones pedagógicas, éticas y curriculares de la IA (Celik, 2023; Holmes et al., 2019; Zawacki-Richter et al., 2019).

A partir de este análisis, se identificaron cuatro dimensiones clave que configuran un perfil competencial orientado a una apropiación crítica y formativa de la IA:

Comprensión conceptual de la IA

Incluye conocimientos básicos sobre algoritmos, aprendizaje automático y sistemas adaptativos, con foco en sus aplicaciones educativas. Esta dimensión busca situar al docente como un actor informado frente a los discursos tecnológicos dominantes (Holmes et al., 2019).

Cabe señalar que, si bien algunas competencias pueden parecer solaparse —en particular entre el uso pedagógico de herramientas de IA y su integración curricular—, ambas se distinguen por su nivel de aplicación: mientras la segunda dimensión se refiere al uso didáctico en el aula (microplanificación), la cuarta se enfoca en la incorporación estratégica de la IA en la planificación curricular general (macroplanificación), incluyendo enfoques interdisciplinarios y alineación institucional. Esta diferenciación permite evitar ambigüedades y captar distintos niveles de apropiación docente.

Estas dimensiones se articulan de manera complementaria, permitiendo una evaluación holística del rol docente en el ecosistema digital. A diferencia de modelos fragmentarios o excesivamente técnicos, el AI-ED-SAT propone un marco integrado donde la acción pedagógica, el conocimiento conceptual, la visión curricular y el compromiso ético se entrelazan en un mismo dispositivo evaluativo.

Figura 1 Figura 1 Esquema del instrumento Figura 1 Esquema del instrumento

La Figura 1 presenta una representación esquemática del modelo AI-ED-SAT, destacando la interrelación entre sus dimensiones y su fundamento teórico. El orden gráfico de las dimensiones: Uso Pedagógico, Comprensión conceptual, Integración curricular y Ética y consideraciones no implica jerarquía, sino que refleja una disposición circular y no lineal que enfatiza su interdependencia. Las dimensiones del modelo no siguen un orden de adquisición predeterminado, sino que configuran un marco multidimensional que puede desarrollarse de forma paralela, complementaria o combinada, según el perfil del docente, su experiencia previa y el contexto educativo en el que se desempeñe.

En suma, la incorporación de la IA en el ámbito educativo exige una comprensión integral por parte del profesorado, que combine el dominio conceptual con una apropiación crítica, ética y pedagógica. Pese a los avances en la definición teórica de estas competencias, sigue existiendo una carencia de instrumentos específicos, válidos y fiables que permitan diagnosticar dichas competencias de manera rigurosa y contextualizada.

El AI-ED-SAT se concibe como una respuesta a esta necesidad. Su diseño metodológico, basado en la combinación de enfoques cualitativos y cuantitativos, incluyendo Design-Based Research, juicio de expertos y análisis factorial, busca asegurar la solidez teórica y psicométrica del instrumento, así como su utilidad formativa en la mejora de la práctica docente.

Este estudio se enmarca en un enfoque cuantitativo de alcance descriptivo y correlacional, orientado al diseño, validación y análisis psicométrico de un instrumento de autoevaluación docente sobre el uso de la Inteligencia Artificial (IA) en educación. Metodológicamente, se integraron los principios del Design-Based Research (DBR) (Brown, 1992) con las orientaciones actuales para la validación de instrumentos educativos (Muñiz y Fonseca-Pedrero, 2019; Sampieri, 2018).

El proceso se estructuró en tres fases principales:

Construcción del cuestionario, a partir de una revisión sistemática de literatura reciente.

Figura 2 Figura 2 Etapas del proceso de elaboración y validación Figura 2 Etapas del proceso de elaboración y validación

Se llevó a cabo una prueba piloto a modo de intervención, en la que se aplicó el instrumento a individuos con características similares a la muestra objetivo. La finalidad de esta prueba fue ajustar aquellos ítems que pudieran requerir modificaciones en términos de operatividad, redacción u otros aspectos, así como optimizar la apariencia del instrumento (Hernández-Sampieri et al., 2006).

La revisión bibliográfica realizada sobre las competencias docentes en el uso de la Inteligencia Artificial (IA) en educación condujo a la configuración de la primera estructura del cuestionario de autoevaluación en torno a dos dimensiones fundamentales que cubren el espectro de análisis de la práctica docente: (1) la integración pedagógica de la IA en el aula y (2) la competencia docente en IA y su impacto en la enseñanza.

El primer borrador se construyó siguiendo un proceso fundamentado en la metodología basada en el diseño (DBR, por sus siglas en inglés) descrita por Brown (1992). El proceso se estructuró en tres fases: en la primera, se llevó a cabo una revisión de la literatura sobre IA en educación y competencias docentes en entornos digitales; en la segunda, se definieron las dimensiones y se elaboraron los ítems que compondrían el cuestionario; y en la tercera, se validó el instrumento mediante el método Delphi con un panel de expertos y el aprendizaje (Chen et al., 2020; Holmes et al., 2019; Luckin, 2017; UNESCO, 2024b).

El instrumento, denominado AI-ED-SAT (Artificial Intelligence in Education – Self-Assessment Tool), fue diseñado con el propósito de evaluar el nivel de competencia docente en cuatro dimensiones clave:

Conocimientos generales sobre IA y su aplicación educativa

Se elaboraron inicialmente 40 ítems, redactados como afirmaciones, y distribuidos equitativamente en las cuatro dimensiones (10 ítems por dimensión). Las respuestas se estructuraron en una escala de Likert de 5 puntos:

1 = Muy en desacuerdo | 2 = En desacuerdo | 3 = Ni de acuerdo ni en desacuerdo | 4 = De acuerdo | 5 = Muy de acuerdo

La decisión de incluir un número equilibrado de 10 ítems por dimensión respondió a criterios de simetría estructural y comparabilidad entre dimensiones, buscando asegurar un análisis psicométrico equilibrado. Si bien la naturaleza de las dimensiones podría haber permitido una extensión o reducción de ítems, se optó por una distribución equitativa inicial como punto de partida para la validación, en línea con prácticas comunes en instrumentos similares (Muñiz y Fonseca-Pedrero, 2019). Posteriormente, el análisis de validez permitió refinar el instrumento, reduciendo el total a 38 ítems en la versión final.

Esta escala permite captar niveles diferenciados de autoevaluación sin sobrecargar la toma de decisiones, y es adecuada para análisis factoriales. La validación del instrumento buscaba garantizar que los indicadores reflejaran adecuadamente la integración de la IA en la educación y las competencias docentes necesarias para su implementación efectiva.

La versión final del cuestionario, compuesta por 38 ítems distribuidos en cuatro dimensiones, puede consultarse íntegramente en el Anexo 1. La inclusión del instrumento completo permite ofrecer una visión detallada de los indicadores empleados para evaluar la competencia docente en IA y favorece su posible replicabilidad en estudios posteriores o programas de formación.

La segunda fase del estudio tuvo como objetivo validar el contenido del borrador preliminar del cuestionario previamente elaborado. Para ello, se empleó el método Delphi, ampliamente reconocido en el ámbito de las Ciencias de la Educación por su capacidad para clarificar problemáticas complejas mediante un proceso estructurado de consulta entre expertos organizados en un panel (Reguant-Álvarez y Torrado-Fonseca, 2016). Esta técnica, de naturaleza reiterada, promueve el consenso informado a través de rondas sucesivas de evaluación, permitiendo una convergencia progresiva de opiniones fundamentadas (Linstone y Turoff, 2002; Reguant-Álvarez y Torrado-Fonseca, 2016).

Los instrumentos utilizados para la recolección de datos consistieron en cuestionarios diseñados para valorar dimensiones e ítems específicos, incluyendo apartados para observaciones cualitativas. El proceso de recopilación se organizó con una temporalidad flexible, aunque delimitada, con el fin de facilitar la participación efectiva de un panel de expertos distribuidos geográficamente y con disponibilidad horaria diversa.

En esta etapa, se procedió a la conformación del panel de expertos, priorizando la representatividad y diversidad profesional de los participantes por encima del número absoluto. Para ello, se definieron criterios de selección orientados a garantizar un equilibrio entre el conocimiento actualizado sobre la integración de la Inteligencia Artificial (IA) en contextos educativos y las competencias docentes requeridas para su aplicación efectiva.

Si bien la composición del panel incluyó una mayor proporción de formadores universitarios, esta elección respondió a la necesidad de contar con expertos con una visión sistemática del desarrollo docente y experiencia en formación continua, clave para evaluar competencias transversales como las vinculadas a la IA. No obstante, se aseguró la presencia de profesionales de primaria y secundaria con experiencia directa en la aplicación de tecnologías de IA en el aula, así como de especialistas acreditados en inteligencia artificial con producción científica y participación en proyectos de innovación educativa.

A partir de la estructura preliminar del instrumento, se estableció como criterio central la inclusión de profesionales provenientes de tres perfiles clave: (1) docentes de distintos niveles educativos con experiencia en el uso pedagógico de tecnologías emergentes; (2) especialistas en IA aplicada a la educación; y (3) formadores de docentes en el ámbito de la tecnología educativa. Esta estrategia permitió integrar una perspectiva multidisciplinar coherente con los objetivos del estudio.

Si bien no existe un consenso normativo sobre el tamaño ideal de los paneles Delphi, diversos autores sugieren orientaciones prácticas. En general, se considera que un mínimo de diez participantes asegura la estabilidad del consenso, dado que muestras inferiores a siete pueden comprometer la representatividad (Reguant-Álvarez y Torrado-Fonseca, 2016). En consonancia con esta premisa, Skulmoski et al. (2007) argumentan que, para paneles relativamente homogéneos, una muestra entre diez y quince expertos puede resultar metodológicamente sólida.

Se invitó a participar a doce expertos que cumplían los criterios establecidos. La invitación incluía una caracterización detallada de su perfil profesional, información sobre sus funciones docentes e investigadoras, así como una autoevaluación de su grado de adecuación en relación con el propósito del estudio.

Todos los expertos aceptaron la invitación, conformando un panel con un alto nivel de especialización. El 75 % del grupo contaba con título de doctorado, e incluía siete formadores universitarios en programas de formación docente, tres docentes de educación básica (primaria y secundaria) con experiencia directa en el uso de IA en el aula, y dos especialistas con trayectoria combinada en investigación académica y capacitación docente en IA educativa. Ambos expertos cuentan con publicaciones indexadas sobre IA en educación, han participado como asesores en proyectos de integración tecnológica en instituciones escolares y colaboran en redes internacionales sobre innovación educativa y ética digital.

Además, se procuró una distribución equilibrada por género en la composición del panel, que incluyó 7 mujeres (58 %) y 5 varones (42 %), en línea con los criterios de representatividad y diversidad establecidos en el diseño metodológico.

Entre los criterios comunes de inclusión se encuentran:

Experiencia mínima de cinco años en tecnología educativa, formación docente o investigación aplicada sobre IA.

Tabla 1 Tabla 1 Composición del panel de expertos Delphi

Categoría	Cantidad
Total de expertos	12
Con grado de doctorado	9
Formadores universitarios	7
Docentes primaria y secundaria	3
Especialistas en IA y formación docente	2

Las investigadoras responsables supervisaron la recogida de datos durante la fase de validación, llevada a cabo mediante un proceso iterativo de consulta a expertos utilizando el correo electrónico como canal de comunicación principal. El procedimiento se estructuró en dos rondas sucesivas, número considerado adecuado para facilitar la convergencia de opiniones y alcanzar un consenso metodológicamente sólido (Linstone y Turoff, 2002). Desde el inicio, se informó a los participantes sobre esta estructura y el grado de implicación requerido, con el objetivo de garantizar transparencia y compromiso por parte del panel (Reguant-Álvarez y Torrado-Fonseca, 2016).

La primera ronda tuvo como propósito principal la evaluación cuantitativa y cualitativa de los ítems del instrumento, centrando el análisis en dos dimensiones fundamentales: relevancia conceptual y claridad lingüística. A nivel cuantitativo, se solicitó a los expertos que valoraran cada ítem mediante una escala tipo Likert de cinco puntos, donde 1 representaba “nada relevante” o “poco claro”, y 5 indicaba “muy relevante” o “muy claro”. Paralelamente, se habilitaron espacios para comentarios abiertos, lo que permitió recoger sugerencias cualitativas orientadas a mejorar la redacción, precisión o adecuación de los ítems. Este enfoque mixto, sustentado en trabajos previos (Gallant y Luthy, 2020; Grand-Guillaume-Perrenoud et al., 2023; Paulin et al., 2024; Ramírez, 2019; Ramírez-Montoya y Lugo-Ocando, 2020), favorece el enriquecimiento del instrumento desde una perspectiva interpretativa.

A partir del análisis de esta primera fase, se procedió a reformular seis ítems con base en las observaciones cualitativas y se eliminaron dos por considerarse redundantes o conceptualmente débiles. Estos ajustes condujeron al diseño del formulario para la segunda ronda, centrada en la reevaluación de los ítems modificados. Nuevamente, se empleó una escala tipo Likert de cinco puntos para valorar su pertinencia y claridad tras las modificaciones. El objetivo de esta segunda iteración fue confirmar la validez de los cambios introducidos y consolidar una versión final que reflejara el consenso del panel. Los resultados obtenidos permitieron cerrar el proceso con una estructura definitiva compuesta por 38 ítems, distribuidos en cuatro dimensiones teóricas.

El análisis de los resultados de ambas rondas se realizó mediante una combinación de técnicas cuantitativas:

Estadística descriptiva: cálculo de media, desviación típica y percentiles para cada ítem.

Este enfoque analítico permitió identificar con precisión los ítems que alcanzaron altos niveles de consenso, así como aquellos que requerían ajustes o eliminación.

Una vez finalizado el proceso de validación por juicio de expertos, la versión revisada del instrumento fue sometida a una aplicación piloto con una muestra de 128 docentes procedentes de diversos contextos educativos en España y América Latina. La selección fue intencional, con criterios de accesibilidad y diversidad institucional.

Perfil de la muestra:

Educación primaria: 34 %

La aplicación se llevó a cabo en modalidad online. La muestra estuvo compuesta por docentes procedentes de siete países de habla hispana: España (n = 49), México (n = 27), Argentina (n = 18), Colombia (n = 12), Chile (n = 9), Perú (n = 7) y Uruguay (n = 6). Esta distribución respondió a criterios de accesibilidad institucional y diversidad geográfica, garantizando una representación equilibrada de diferentes contextos educativos. En cuanto al nivel educativo, la proporción de participantes se mantuvo similar en cada país, con representación de los tres niveles: educación primaria, secundaria y superior.

Todos los participantes firmaron un consentimiento informado digital antes de acceder al cuestionario. Los datos recopilados fueron procesados mediante los programas IBM SPSS v28 y AMOS v24, y se sometieron a tres tipos de análisis estadísticos:

a) Consistencia interna

La fiabilidad interna del cuestionario se estimó mediante el coeficiente alfa de Cronbach, calculado individualmente para cada dimensión y para el total del instrumento. Este análisis permitió evaluar la coherencia interna de los ítems agrupados en torno a los distintos constructos teóricos:

Conocimientos generales sobre IA: α = 0.88

Estos valores reflejan una alta consistencia interna en todas las dimensiones, superando ampliamente el umbral de 0.70 recomendado por la literatura especializada.

Además del coeficiente alfa de Cronbach, se calcularon los coeficientes omega de McDonald, los cuales superaron en todos los casos el umbral de 0.85 (ω total = 0.94). Esta métrica, considerada una estimación más robusta de la fiabilidad en escalas con estructuras multidimensionales (McDonald, 1999), refuerza la evidencia de alta consistencia interna del instrumento. Si bien en esta fase no se aplicaron análisis de fiabilidad temporal (test–retest) ni pruebas de invarianza factorial por subgrupos (nivel educativo, género o país), debido al carácter transversal del diseño y al tamaño muestral, se reconoce la relevancia de estas técnicas para futuras investigaciones de validación con diseños longitudinales o muestras ampliadas.

Aunque el número de participantes puede considerarse ajustado respecto al número total de ítems del instrumento, diversos estudios metodológicos (Costello y Osborne, 2005; Lloret-Segura et al., 2014; MacCallum et al., 1999) coinciden en que la adecuación muestral no depende únicamente del tamaño absoluto, sino de otros factores como la comunalidad de los ítems, el número de factores esperados y la solidez de los indicadores estadísticos. En esta misma línea, Hogarty et al. (2005) señalan que la calidad de las soluciones factoriales se ve más influida por la comunalidad media y la sobredeterminación de los factores que por el tamaño muestral en sí. En este caso, la alta consistencia interna del instrumento (α = 0.93), el índice de adecuación muestral KMO = 0.91, la significación de la prueba de esfericidad de Bartlett, y las cargas factoriales superiores a 0.60 en todos los ítems, permiten considerar la muestra de 128 docentes como metodológicamente sólida para el análisis factorial realizado.

b) Análisis factorial exploratorio (AFE)

Con el fin de identificar la estructura subyacente del cuestionario, se realizó un AFE utilizando el método de máxima verosimilitud y rotación Varimax. La adecuación de la muestra fue confirmada mediante:

Índice KMO = 0.91

Ambos indicadores mostraron condiciones excelentes para la aplicación del análisis factorial. Las cargas factoriales fueron superiores a 0.60 en todos los ítems retenidos, y la varianza total explicada alcanzó el 67.8 %, distribuida de forma equilibrada entre las cuatro dimensiones propuestas.

En atención a las recomendaciones metodológicas y con el objetivo de proporcionar una mayor transparencia en los resultados, se incluye como Anexo 2 la matriz completa de cargas factoriales, comunalidades y varianzas específicas correspondientes a los 38 ítems retenidos en el análisis factorial exploratorio. Esta información permite una revisión detallada de la estructura factorial del instrumento y respalda la solidez del modelo obtenido.

c) Análisis factorial confirmatorio (AFC)

Para verificar la adecuación empírica del modelo teórico derivado del AFE, se llevó a cabo un AFC mediante un modelo bifactorial, evaluando la calidad del ajuste a través de los siguientes indicadores:

χ²/gl = 2.34

Todos los valores obtenidos indican un excelente ajuste del modelo factorial, lo que confirma la validez estructural del instrumento AI-ED-SAT como herramienta de autoevaluación docente sobre el uso de la Inteligencia Artificial en entornos educativos.

Aunque lo metodológicamente recomendable es aplicar el AFE y el AFC en muestras independientes, diversos estudios (Brown, 2015; Worthington y Whittaker, 2006; Lloret-Segura et al., 2014) reconocen que en contextos de investigación aplicada con muestras limitadas es aceptable aplicar ambos procedimientos sobre la misma muestra, siempre que los resultados estadísticos sean sólidos y se explicite la limitación. En este estudio, se ha optado por esta estrategia con fines exploratorios y de validación inicial, reconociendo la necesidad de replicación futura en contextos más amplios.

Durante la primera ronda del método Delphi, los 40 ítems que componían el cuestionario fueron evaluados por el panel de expertos en relación con dos aspectos fundamentales: la relevancia conceptual y la claridad lingüística. Aunque la mayoría de los ítems obtuvieron valoraciones elevadas, seis fueron reformulados y dos eliminados por no alcanzar el umbral mínimo establecido del percentil 80 % en la dimensión de relevancia.

En la segunda ronda, los expertos reevaluaron los ítems ajustados. Los resultados fueron analizados mediante el coeficiente de concordancia de Kendall (W), cuyos valores mostraron un nivel de acuerdo estadísticamente significativo en ambas dimensiones evaluadas. Este hallazgo respalda la existencia de consenso entre los expertos, incluso considerando la diversidad de perfiles y enfoques.

Tabla 2 Tabla 2 Concordancia entre expertos – Coeficiente de Kendall

Aspecto evaluado	W de Kendall	Chi-cuadrado	gl	Sig. (p)
Relevancia	0.27	84.44	26	< .001
Claridad	0.24	74.53	26	< .001

Para garantizar la validez de contenido, se aplicó el enfoque de Mauri et al. (2007), adaptando el punto de corte al percentil 80 % en lugar de la media aritmética. Adicionalmente, se estableció una relación condicional entre relevancia y claridad: la claridad de un ítem solo era evaluada si este había sido considerado previamente como relevante. De esta manera, se evitó valorar ítems conceptualmente débiles desde el punto de vista formal. Los coeficientes de concordancia obtenidos reflejan un consenso adecuado, lo cual justifica la incorporación de los ítems reformulados y la exclusión de aquellos que no alcanzaron los criterios establecidos.

Aunque los coeficientes de Kendall se sitúan en niveles moderados (W = 0,27 para relevancia y W = 0,24 para claridad), estos valores son consistentes con la naturaleza diversa del panel de expertos y el enfoque cualitativo complementario del método Delphi. En estudios previos, se ha señalado que niveles de concordancia intermedios pueden ser metodológicamente aceptables en paneles heterogéneos, especialmente cuando se combinan con análisis cualitativos que enriquecen la interpretación y permiten ajustes fundados en los ítems (Grand-Guillaume-Perrenoud et al., 2023; Reguant-Álvarez y Torrado-Fonseca, 2016). Por tanto, la magnitud de W refleja un equilibrio razonable entre diversidad de perspectivas y consenso suficiente para sustentar la validez de contenido del instrumento.

El análisis de fiabilidad interna se realizó sobre la muestra piloto (N = 128 docentes) mediante el coeficiente alfa de Cronbach, tanto para las dimensiones individuales como para el total del instrumento. Todos los coeficientes superaron ampliamente el valor de referencia de 0.85, lo que indica una alta consistencia interna entre los ítems de cada dimensión y del conjunto del cuestionario:

Tabla 3 Tabla 3 Consistencia interna (alfa de Cronbach)

Dimensión	Alfa de Cronbach
Conocimientos generales sobre IA	0.88
Uso pedagógico de la IA	0.9
Ética y consideraciones	0.87
Integración curricular de la IA	0.91
Total AI-ED-SAT	0.93

Además del análisis de consistencia interna, se calcularon estadísticas descriptivas de las puntuaciones obtenidas en la prueba piloto. Las medias por dimensión oscilaron entre 3.2 y 4.1 (en una escala Likert de 1 a 5), lo que indica una percepción general positiva por parte del profesorado. La dimensión con mayor puntuación fue “Uso pedagógico de la IA” (M = 4.1, SD = 0.6), seguida de “Conocimientos generales sobre IA” (M = 3.8, SD = 0.7). Las dimensiones “Integración curricular” y “Ética y consideraciones” presentaron medias de 3.5 (SD = 0.8) y 3.2 (SD = 0.9), respectivamente, lo que sugiere áreas con mayor margen de desarrollo profesional docente.

Este resultado respalda la coherencia interna del instrumento y confirma que los ítems se agrupan de manera lógica y consistente dentro de sus respectivos constructos.

Para explorar la estructura subyacente del cuestionario, se llevó a cabo un análisis factorial exploratorio (AFE) utilizando el método de máxima verosimilitud con rotación Varimax. La adecuación muestral fue excelente (KMO = 0.91) y la prueba de esfericidad de Bartlett resultó significativa (χ² (gl = 703) = 3982.23, p < .001), lo que justificó la aplicación del modelo factorial.

Considerando la diversidad geográfica de la muestra, se prestó especial atención a las posibles diferencias léxicas y de uso del español entre España y América Latina. Durante el diseño de los ítems se evitó el empleo de expresiones idiomáticas o tecnicismos regionales, priorizando un lenguaje claro, neutro y accesible. Tanto en la fase Delphi como en la prueba piloto se incluyeron espacios para observaciones lingüísticas, que fueron analizadas cualitativamente y, en caso necesario, condujeron a la reformulación de términos con potencial ambigüedad. Este cuidado contribuyó a mejorar la validez semántica del instrumento y su aplicabilidad en contextos educativos hispanohablantes diversos.

El AFE reveló cuatro factores principales, en correspondencia con la estructura teórica propuesta, que explicaron conjuntamente el 67.8 % de la varianza total. Las cargas factoriales se mantuvieron por encima de 0.60 en todas las dimensiones, lo que confirmó un nivel adecuado de saturación de los ítems en sus respectivos factores.

Durante este proceso, se trabajó con los 40 ítems originales. Para la presentación en la Tabla 4 se seleccionó un conjunto reducido de 10 ítems representativos (2-3 por dimensión) con el objetivo de ilustrar de manera sintética las cargas factoriales más destacadas y facilitar la lectura. La matriz completa, que incluye los 38 ítems definitivos tras los ajustes de redacción y depuración estadística, junto con sus comunalidades y varianzas específicas, se presenta en el Anexo 2.

Tabla 4 Tabla 4 Cargas factoriales de ítems seleccionados (AFE)

Ítem	Carga factorial (AFE)
Ítem 1	0.72
Ítem 2	0.81
Ítem 3	0.75
Ítem 4	0.77
Ítem 5	0.8
Ítem 6	0.69
Ítem 7	0.73
Ítem 8	0.78
Ítem 9	0.74
Ítem 10	0.82

Estos resultados evidencian que los ítems seleccionados mantienen una estructura clara y coherente en cada dimensión, y son representativos del patrón factorial obtenido para el conjunto del instrumento.

Con el objetivo de confirmar empíricamente la validez estructural del cuestionario, se aplicó un análisis factorial confirmatorio (AFC) sobre el modelo teórico derivado del AFE. El modelo evaluado fue de tipo bifactorial, lo cual permitió verificar tanto la varianza común general como la varianza específica atribuible a cada dimensión.

Los indicadores de ajuste obtenidos fueron:

χ²/gl = 2.34

Estos valores se encuentran dentro de los rangos establecidos como indicadores de excelente ajuste (Hu y Bentler, 1999), lo cual confirma que la estructura del instrumento AI-ED-SAT refleja adecuadamente el modelo teórico propuesto. En concreto, el índice CFI (Comparative Fit Index) y el TLI (Tucker-Lewis Index) superan el umbral de 0.95, mientras que el RMSEA se mantiene por debajo de 0.06, lo que respalda la validez del modelo desde una perspectiva multidimensional.

Este análisis proporciona evidencia sólida de que el cuestionario cuenta con una estructura factorial robusta, capaz de capturar de manera precisa los cuatro componentes teóricos planteados: conocimientos sobre IA, uso pedagógico, ética y consideraciones, e integración curricular.

En coherencia con el proceso metodológico basado en el método Delphi, y con el objetivo de garantizar la claridad, pertinencia y coherencia teórica de los ítems, se realizó una depuración del instrumento tras el análisis cualitativo y cuantitativo de las rondas de validación. En este proceso, se eliminaron dos ítems por no alcanzar el umbral de relevancia establecido y se reformularon seis más debido a problemas de claridad, ambigüedad o adecuación al perfil docente. La Tabla 5 presenta el resumen de las acciones realizadas sobre los ítems durante esta fase de revisión experta.

Tabla 5 Tabla 5 Ítems eliminados y reformulados tras proceso Delphi

Ítem original	Acción tomada	Justificación	Nueva versión (si aplica)
Ítem 5 – “Comprendo los fundamentos matemáticos y lógicos de la IA”.	Eliminado	Bajo nivel de relevancia para el perfil docente general; contenido excesivamente técnico; no superó el percentil 80 %.	—
Ítem 12 – “He diseñado actividades de aprendizaje que incorporan IA”.	Eliminado	Nivel de implementación poco común en el perfil docente medio; baja relevancia percibida por los expertos.	—
Ítem 4 – “Estoy familiarizado con términos como aprendizaje automático y redes neuronales”.	Reformulado	Lenguaje técnico sin suficiente claridad; se sugiere redacción más accesible.	Estoy familiarizado con términos generales relacionados con la IA, como “aprendizaje automático” o “redes neuronales”.
Ítem 7 – “Puedo explicar a otros docentes cómo funciona la IA básica”.	Reformulado	Ambigüedad en el término “IA básica”; necesidad de mayor precisión.	Puedo explicar de forma sencilla a otros docentes los conceptos fundamentales de la IA.
Ítem 16 – “Uso chatbots o asistentes virtuales para responder dudas de los estudiantes”.	Reformulado	Ambigüedad técnica y diversidad de interpretación; redacción imprecisa.	Utilizo herramientas como chatbots o asistentes virtuales para apoyar la resolución de dudas de los estudiantes.
Ítem 27 – “Identifico los impactos sociales de la IA en la educación”.	Reformulado	Ítem demasiado amplio; se recomienda especificar el enfoque.	Identifico cómo la IA puede afectar el acceso, la equidad y la interacción social en contextos educativos.
Ítem 33 – “Conozco marcos curriculares que incorporan IA en la educación”.	Reformulado	Ambigüedad sobre la disponibilidad de marcos; contexto poco generalizable.	Conozco ejemplos de propuestas curriculares o políticas que promueven la inclusión de la IA en la educación.
Ítem 36 – “Uso simulaciones basadas en IA para reforzar conceptos en el aula”.	Reformulado	Terminología poco clara; se sugiere redacción más práctica y concreta.	Empleo simulaciones o herramientas interactivas apoyadas en IA para reforzar el aprendizaje de los estudiantes.

La creciente incorporación de modalidades digitales e híbridas en la educación superior exige que la formación docente universitaria integre competencias específicas para la enseñanza mediada por tecnologías emergentes, incluyendo la Inteligencia Artificial. El AI-ED-SAT, por su estructura en cuatro dimensiones y su carácter autorreflexivo, ofrece un marco operativo para diagnosticar y desarrollar dichas competencias en contextos académicos diversos. En entornos digitales, sus resultados pueden orientar la selección de recursos, estrategias y enfoques pedagógicos basados en IA, promoviendo la adaptación de contenidos y metodologías a la virtualidad. En modalidades híbridas, el instrumento facilita la identificación de prácticas que integren de manera coherente las potencialidades de la IA tanto en el aula física como en entornos virtuales, favoreciendo la coherencia pedagógica y la inclusión digital. Su aplicación en programas de desarrollo profesional universitario permite, además, diseñar itinerarios formativos personalizados y vinculados a evidencias, potenciando el aprendizaje adaptativo y la actualización continua del profesorado frente a los avances tecnológicos.

Una de las fortalezas distintivas del instrumento reside en su formato de autoevaluación, que estimula la reflexión personal y posiciona al docente como protagonista activo de su formación continua. A diferencia de modelos evaluativos centrados en competencias digitales genéricas, el AI-ED-SAT se focaliza en una tecnología específica —la IA— y en su uso pedagógico contextualizado, lo que representa una contribución innovadora y necesaria frente a la rápida integración de sistemas de IA en plataformas educativas, entornos virtuales de aprendizaje y dispositivos de evaluación automatizada (Baltazar, 2023; Owan et al., 2023).

Desde el punto de vista metodológico, la combinación del enfoque Design-Based Research (DBR) con la técnica Delphi aportó rigor, flexibilidad y sensibilidad contextual en la construcción del instrumento. Este enfoque permitió un desarrollo iterativo y consensuado, articulando la fundamentación teórica con la validación práctica a través de la experiencia de un panel de expertos. Investigaciones previas han respaldado la eficacia de esta combinación metodológica en el desarrollo de instrumentos educativos complejos (Diefes-Dux et al., 2010; Rachbauer et al., 2025), especialmente cuando se requiere equilibrio entre solidez técnica y adecuación pedagógica.

Estos hallazgos son consistentes con estudios previos que han identificado un mayor dominio del profesorado en el uso técnico de herramientas digitales frente a dimensiones éticas o curriculares más complejas (Celik, 2023; Chen et al., 2020). En comparación con instrumentos similares centrados en competencias digitales generales, el AI-ED-SAT presenta medias ligeramente más altas en ítems de aplicación pedagógica específica de la IA. Esta diferencia puede atribuirse al enfoque contextualizado del instrumento, diseñado específicamente para captar percepciones docentes sobre el uso de inteligencia artificial en contextos educativos reales.

A pesar de los resultados prometedores, es importante reconocer ciertas limitaciones metodológicas que condicionan la interpretación de los hallazgos. En primer lugar, la muestra piloto fue seleccionada por conveniencia, lo cual introduce un sesgo potencial y limita la generalización de los resultados a otros contextos educativos. En segundo lugar, el instrumento fue validado exclusivamente en países hispanohablantes, lo que restringe su aplicabilidad intercultural. Estas limitaciones deben tenerse en cuenta al valorar la validez y utilidad del cuestionario en otros entornos formativos.

En este sentido, los resultados deben entenderse como una validación preliminar del instrumento. Se recomienda replicar el estudio en muestras más amplias y diversificadas, especialmente en contextos de educación superior y entornos virtuales de aprendizaje, con el fin de fortalecer la generalización de los hallazgos y afinar la sensibilidad del instrumento ante diferentes realidades educativas.