2024
53
20052024
19062024
Angélica Valeria Jiménez Banchón angelica.jimenezb@educacion.gob
Richard Ramírez Anormaliza rramireza@unemi.edu.ec
Resumen:
RESUMEN
Este artículo examina la adopción de la inteligencia artificial (IA) entre los docentes de educación básica superior en Ecuador, destacando la importancia de la intención de uso, la usabilidad percibida y la utilidad esperada. Se enfatiza la necesidad de mejorar la usabilidad y comunicar la utilidad de la IA para su adopción, con implicaciones para la formación docente. El estudio utiliza un enfoque cuantitativo y modelado de ecuaciones estructurales para analizar datos de 299 docentes de un Distrito de educación, encontrando que la usabilidad percibida y la utilidad esperada influyen significativamente en la intención de usar IA. Los hallazgos sugieren que centrarse en mejorar la usabilidad y comunicar claramente los beneficios de la IA puede fomentar su adopción entre los educadores. Los temas incluyen la evolución y tendencias futuras de la IA en la educación, la integración de la tecnología en las prácticas docentes y aceptación de la tecnología por parte de los docentes, a través de modelos como el Modelo de Aceptación de Tecnología (TAM). Se destaca además la importancia de equipar a los docentes con las habilidades necesarias para integrar la tecnología en la educación, inspirados por marcos como TPACK.
Palabras clave: Inteligencia artificial, el aprendizaje, rendimiento académico, aceptación de la tecnología.
Abstract:
ABSTRACT
Este artículo examina la adopción de la inteligencia artificial (IA) entre los docentes de educación básica superior en Ecuador, destacando la importancia de la intención de uso, la usabilidad percibida y la utilidad esperada. Se enfatiza la necesidad de mejorar la usabilidad y comunicar la utilidad de la IA para su adopción, con implicaciones para la formación docente. El estudio utiliza un enfoque cuantitativo y modelado de ecuaciones estructurales para analizar datos de 299 docentes de un Distrito de educación, encontrando que la usabilidad percibida y la utilidad esperada influyen significativamente en la intención de usar IA. Los hallazgos sugieren que centrarse en mejorar la usabilidad y comunicar claramente los beneficios de la IA puede fomentar su adopción entre los educadores. Los temas incluyen la evolución y tendencias futuras de la IA en la educación, la integración de la tecnología en las prácticas docentes y aceptación de la tecnología por parte de los docentes, a través de modelos como el Modelo de Aceptación de Tecnología (TAM). Se destaca además la importancia de equipar a los docentes con las habilidades necesarias para integrar la tecnología en la educación, inspirados por marcos como TPACK.
Keywords: Artificial intelligence, learning, academic performance, acceptance of technology.
Uso de la inteligencia artificial entre profesores de educación básica superior en Ecuador
Use of artificial intelligence among teachers of higher basic education in Ecuador
Angélica Valeria Jiménez Banchón angelica.jimenezb@educacion.gob
Richard Ramírez Anormaliza rramireza@unemi.edu.ec
Recepción: 20/05/24
Aprobación: 19/06/24
Publicación: 23/07/24
Jimenez Banchon, A. V., & Ramirez-Anormaliza, R. (2024). Uso de la inteligencia artificial entre profesores de educación básica superior en Ecuador. CONECTIVIDAD, 5(3), 30–43. https://doi.org/10.37431/conectividad.v5i3.148
La inteligencia artificial (IA) ha emergido como una tecnología transformadora en diversos campos, incluyendo la educación (Zawacki-Richter et al., 2019). En el contexto educativo, la IA tiene el potencial de revolucionar la enseñanza y el aprendizaje, ofreciendo oportunidades para personalizar la instrucción, automatizar tareas administrativas y mejorar los resultados de aprendizaje (Popenici & Kerr, 2017). A medida que la IA continúa evolucionando y se vuelve más accesible, es crucial comprender los factores que influyen en su adopción y uso por parte de los educadores.
Key words: Artificial intelligence, learning, academic performance, acceptance of technology.
La inteligencia artificial (IA) ha emergido como una tecnología transformadora en diversos campos, incluyendo la educación (Zawacki-Richter et al., 2019). En el contexto educativo, la IA tiene el potencial de revolucionar la enseñanza y el aprendizaje, ofreciendo oportunidades para personalizar la instrucción, automatizar tareas administrativas y mejorar los resultados de aprendizaje (Popenici & Kerr, 2017). A medida que la IA continúa evolucionando y se vuelve más accesible, es crucial comprender los factores que influyen en su adopción y uso por parte de los educadores.
La adopción de tecnología ha sido un tema ampliamente estudiado en la literatura, con varios modelos teóricos desarrollados para explicar y predecir el comportamiento de adopción de los usuarios. Uno de los modelos más influyentes es el Modelo de Aceptación Tecnológica (TAM) propuesto por Davis (1989), que postula que la utilidad percibida y la facilidad de uso percibida son determinantes clave de la intención de uso y el uso real de una tecnología. El TAM ha sido ampliamente aplicado y extendido en diversos contextos, incluyendo la educación (Scherer et al., 2019).
Además del TAM, la literatura ha identificado otros factores que pueden influir en la adopción de tecnología por parte de los educadores. La usabilidad, definida como la medida en que un producto puede ser utilizado por usuarios específicos para lograr objetivos específicos con efectividad, eficiencia y satisfacción (ISO, 2018), ha sido reconocida como un factor crítico en la aceptación de tecnología (Teo, 2010). Los educadores son más propensos a adoptar tecnologías que sean fáciles de usar y que se integren sin problemas en sus prácticas de enseñanza existentes (Joo, 2020).
Otro factor importante es la utilidad esperada, que se refiere a la medida en que los educadores creen que una tecnología mejorará su desempeño y eficacia en el trabajo (Venkatesh et al., 2003). Los educadores están más dispuestos a adoptar tecnologías que perciben como beneficiosas para su enseñanza y para el aprendizaje de sus estudiantes (Backfisch et al., 2020). La investigación ha demostrado que la utilidad esperada es un fuerte predictor de la intención de uso de tecnología en el contexto educativo (Scherer et al., 2019).
A pesar del creciente interés en la IA en la educación, hay una escasez de investigaciones que examinen los factores que influyen en la adopción de IA por parte de los profesores, particularmente en el contexto de la educación básica superior en Ecuador. Este estudio busca abordar esta brecha en la literatura, proponiendo un modelo basado en el TAM que incorpora la usabilidad percibida y la utilidad esperada como predictores de la intención de uso y el uso real de la IA entre los profesores de educación básica superior en Ecuador.
Los objetivos específicos de esta investigación son: (1) examinar el efecto de la usabilidad percibida y la utilidad esperada en la intención de uso de la IA; (2) investigar el impacto de la utilidad esperada en la usabilidad percibida; y (3) evaluar la relación entre la intención de uso y el uso real de la IA entre los profesores de educación básica superior en Ecuador. Los resultados de este estudio contribuirán a una mejor comprensión de los factores que impulsan la adopción de IA en la educación y proporcionarán información valiosa para el diseño de programas de capacitación docente y la implementación exitosa de tecnologías de IA en las aulas.
Esta investigación adoptó un enfoque cuantitativo y un diseño transversal (Creswell & Creswell, 2017). Se utilizó un modelo de ecuaciones estructurales basado en mínimos cuadrados parciales (PLS-SEM) para examinar las relaciones entre los constructos propuestos (Hair, 2017).La población objetivo para este estudio fueron los profesores de educación básica superior de un distrito en Ecuador. Se empleó un muestreo no probabilístico por conveniencia para recopilar los datos (Etikan et al., 2015). La recolección de datos se realizó mediante una encuesta en línea, y se obtuvo una muestra final de 299 profesores de un distrito de educación en una escuela de Ecuador.
Los constructos del modelo fueron medidos utilizando escalas adaptadas de estudios previos. La intención de uso (BI) y el uso real (U) se midieron con escalas adaptadas de Venkatesh et al. (2012). La usabilidad percibida (UP) se midió con una escala adaptada de Brooke (1996), mientras que la utilidad esperada (UE) se midió con una escala adaptada de Davis (1989). Todas las escalas utilizaron un formato de respuesta tipo Likert de 6 puntos, donde 1 indica “totalmente en desacuerdo” y 6 indica “totalmente de acuerdo”. Los constructos con sus respectivos indicadores se muestran en al Tabla 1.
Con los constructos del modelo de aceptación de la tecnología 2 (Scherer et al., 2019) y los indicadores seleccionados, se planteó el modelo de investigación presentado en la Figura 1.
Los datos se analizaron utilizando el software SmartPLS 4 (Ringle et al., 2022). Se siguió el enfoque de dos pasos recomendado por Anderson & Gerbing (1988), evaluando primero el modelo de medida y luego el modelo estructural. La fiabilidad y validez del modelo de medida se evaluó mediante el examen de las cargas factoriales, la fiabilidad compuesta, la varianza extraída media (AVE) y la validez discriminante (Hair, 2017). El modelo estructural se evaluó examinando los coeficientes de ruta, los valores de R², los tamaños del efecto (f²) y la relevancia predictiva (Q²) (Chin, 1998; Hair, 2017). Esta investigación se adhirió a los principios éticos establecidos por Ministerio de Educación del Ecuador. Se obtuvo el consentimiento informado de todos los participantes, y se garantizó el anonimato y la confidencialidad de los datos recopilados.
Modelo de medida
El modelo de medida fue evaluado examinando las cargas factoriales, la fiabilidad compuesta, la varianza extraída media (AVE) y la validez discriminante. Como se muestra en la Tabla 2, todas las cargas factoriales de los indicadores en sus respectivos constructos son superiores a 0.7, lo que indica una buena fiabilidad individual de los indicadores (Hair, 2017).
La Tabla 3 presenta los valores de fiabilidad compuesta (rho_c), el alfa de Cronbach y la varianza extraída media (AVE) para cada constructo. Todos los valores de fiabilidad compuesta y alfa de Cronbach superan el umbral de 0.7, lo que sugiere una buena consistencia interna (Fornell & Larcker, 1981; Nunnally & Bernstein, 1994)(Fornell & Larcker, 1981; Nunnally & Bernstein, 1994). Además, la varianza extraída media (AVE) para cada constructo es superior a 0.5, lo que indica una buena validez convergente (Bagozzi & Yi, 1988).
La validez discriminante se evaluó mediante el criterio de Fornell & Larcker (1981). Como se muestra en la Tabla 4, la raíz cuadrada del AVE de cada constructo (valores en la diagonal) es mayor que las correlaciones con otros constructos, lo que sugiere una adecuada validez discriminante.
Los resultados del modelo estructural se presentan en las Tabla 5. Todos los coeficientes de ruta son estadísticamente significativos (p < 0.05) y tienen una magnitud considerable (Cohen, 1988; Hair, 2017). La intención de uso (BI) tiene un efecto positivo y significativo sobre el uso real (U) (β = 0.834, p < 0.001). La usabilidad percibida (UP) y la utilidad esperada (UE) tienen efectos positivos y significativos sobre la intención de uso (BI) (β = 0.530 y β = 0.376, respectivamente, p < 0.001). La utilidad esperada (UE) tiene un efecto positivo y significativo sobre la usabilidad percibida (UP) (β = 0.840, p < 0.001).
Los valores de R² para los constructos endógenos (BI, U y UP) se muestran en la Tabla 6, tales valores son superiores a 0.6, lo que indica un buen poder explicativo del modelo (Chin, 1998).
La Tabla 7 presenta los tamaños del efecto (f²), sugieren que la intención de uso (BI) tiene un gran impacto sobre el uso real (U), y la utilidad esperada (UE) tiene un gran efecto sobre la usabilidad percibida (UP) (Cohen, 1988).
La calidad del modelo se evaluó mediante el índice SRMR (standardized root mean square residual) y otros índices de ajuste, como se muestra en la Tabla 8. El SRMR del modelo estimado es 0.074, lo que está ligeramente por encima del umbral de 0.08 sugerido por Hu & Bentler (1999), pero aún se considera aceptable. El NFI (normed fit index) sugiere un ajuste razonable del modelo, aunque ligeramente por debajo del umbral de 0.9 propuesto por Bentler & Bonett (1980).
En resumen, los resultados indican que el modelo propuesto tiene una buena fiabilidad, validez y capacidad predictiva, según los criterios establecidos en la literatura (Bagozzi & Yi, 1988; Cohen, 1988; Fornell & Larcker, 1981; Hair, 2017; Hu & Bentler, 1999; Nunnally & Bernstein, 1994). La intención de uso de la inteligencia artificial entre los profesores de educación básica superior en Ecuador está influenciada positivamente por la usabilidad percibida y la utilidad esperada. A su vez, la utilidad esperada tiene un fuerte impacto en la usabilidad percibida. La intención de uso es un predictor significativo del uso real de la inteligencia artificial en este contexto.
Estos hallazgos tienen implicaciones importantes para la adopción y el uso efectivo de la inteligencia artificial en la educación básica superior en Ecuador. Se recomienda enfocarse en mejorar la usabilidad y comunicar claramente la utilidad esperada de estas tecnologías para fomentar su adopción entre los profesores.
Los resultados de esta investigación proporcionan un valioso conocimiento sobre los factores que influyen en la adopción y uso de la inteligencia artificial (IA) entre los profesores de educación básica superior en Ecuador. El modelo propuesto, basado en ecuaciones estructurales con PLS-SEM, demostró tener una buena fiabilidad, validez y capacidad predictiva, lo que respalda la solidez de los hallazgos. Uno de los principales resultados es la fuerte influencia de la intención de uso (BI) sobre el uso real (U) de la IA entre los profesores (β = 0.834, p < 0.001). Este hallazgo es consistente con la teoría del comportamiento planificado (Ajzen, 1991) y con estudios previos que han encontrado una relación significativa entre la intención y el comportamiento real en el contexto de la adopción de tecnología (Davis, 1989; Venkatesh et al., 2003). Este resultado implica que los esfuerzos para promover el uso de la IA en la educación deben centrarse en fomentar una intención positiva entre los profesores, ya que esto se traducirá en un mayor uso real de estas tecnologías.
Además, se encontró que la usabilidad percibida (UP) y la utilidad esperada (UE) son predictores significativos de la intención de uso (BI) de la IA entre los profesores (β = 0.530 y β = 0.376, respectivamente, p < 0.001). Estos resultados están en línea con el modelo de aceptación tecnológica (TAM) de Davis (1989), que destaca la importancia de la facilidad de uso percibida y la utilidad percibida en la adopción de nuevas tecnologías. La influencia de la usabilidad percibida sugiere que los profesores valoran las herramientas de IA que son fáciles de usar e integrar en su práctica docente. Por otro lado, el impacto de la utilidad esperada indica que los profesores están más dispuestos a adoptar la IA cuando perciben que estas tecnologías les ayudarán a mejorar su eficacia y desempeño en el aula.
Otro hallazgo relevante es el fuerte efecto de la utilidad esperada (UE) sobre la usabilidad percibida (UP) (β = 0.840, p < 0.001). Este resultado sugiere que cuando los profesores perciben que la IA es útil para su trabajo, también tienden a percibirla como más fácil de usar. Esta relación ha sido observada en estudios anteriores sobre la adopción de tecnología educativa (Scherer et al., 2019) y destaca la importancia de comunicar claramente los beneficios y la utilidad de la IA para fomentar su adopción entre los profesores.
Los altos valores de R² para los constructos endógenos (BI, U y UP) indican que el modelo propuesto explica una proporción sustancial de la varianza en estos constructos. Esto sugiere que la intención de uso, la usabilidad percibida y la utilidad esperada son factores clave para entender y predecir el uso de la IA entre los profesores de educación básica superior en Ecuador. A pesar de los resultados significativos, este estudio tiene algunas limitaciones. En primer lugar, se basa en datos transversales, lo que limita la capacidad para establecer relaciones causales. Futuros estudios podrían adoptar diseños longitudinales para examinar cómo evolucionan las percepciones y el uso de la IA a lo largo del tiempo. En segundo lugar, la investigación se centró en profesores de educación básica superior en Ecuador, por lo que la generalización de los resultados a otros contextos educativos o culturales debe realizarse con precaución.
Este estudio ha proporcionado una comprensión detallada de los factores que influyen en la adopción de la inteligencia artificial (IA) entre los docentes de educación básica superior en Ecuador. Los hallazgos destacan la importancia de la usabilidad percibida y la utilidad esperada como predictores claves de la intención de uso y el uso real de la IA. Estos resultados son consistentes con el Modelo de Aceptación de Tecnología (TAM), subrayando la necesidad de interfaces de usuario intuitivas y la comunicación clara de los beneficios de la IA para fomentar su adopción.
Las implicaciones prácticas de este estudio son significativas. Para promover la adopción efectiva de la IA en el ámbito educativo, es esencial que los diseñadores de tecnología educativa y los responsables de políticas se centren en mejorar la usabilidad de las herramientas de IA y en comunicar de manera efectiva sus beneficios. Además, los programas de formación docente deben incorporar módulos específicos sobre el uso de la IA, basados en marcos como TPACK, que integran el conocimiento tecnológico, pedagógico y de contenido. El estudio también resalta la importancia de abordar las actitudes y percepciones de los docentes hacia la tecnología, además de los aspectos técnicos. Estrategias como la comunicación de casos de éxito y la demostración de beneficios tangibles de la IA en el aula pueden ser efectivas para aumentar la intención de uso.
A pesar de las limitaciones, como la concentración de datos en un solo distrito educativo, los resultados de este estudio ofrecen una base sólida para futuras investigaciones y para el desarrollo de políticas y programas de formación que faciliten la integración exitosa de la IA en la educación. En última instancia, al centrarse en mejorar la usabilidad y comunicar claramente los beneficios de la IA, es posible fomentar una adopción más amplia y efectiva de esta tecnología entre los educadores, contribuyendo así a la mejora de las prácticas educativas y al avance del sistema educativo en Ecuador.
redalyc-journal-id: 7778
angelica.jimenezb@educacion.gob
