Uso Responsable de la Inteligencia Artificial Generativa, Autoría Intelectual y Pensamiento Crítico Reflexivo en Estudiantes Universitarios: Diseño y Validación Exploratoria de una Escala Multidimensional en Instituciones de Educación Superior de Guayaqui
DOI:
https://doi.org/10.61384/r.c.a..v6i3.2091Palabras clave:
análisis factorial exploratorio, autoría intelectual, inteligencia artificial generativa, pensamiento crítico-reflexivo, uso responsableResumen
El estudio tuvo como objetivo diseñar y obtener evidencias preliminares de validez basadas en la estructura interna de una escala multidimensional para evaluar el uso responsable de la inteligencia artificial generativa en estudiantes de educación superior. Se desarrolló una investigación cuantitativa de tipo instrumental, con una muestra de 220 estudiantes procedentes de universidades, institutos superiores tecnológicos y conservatorios de Guayaquil. La estructura de los 49 reactivos se examinó mediante análisis factorial exploratorio. La matriz de correlaciones presentó una adecuada factorizabilidad, de acuerdo con el índice Kaiser-Meyer-Olkin (KMO = .930) y la prueba de esfericidad de Bartlett (χ² = 8494.25; gl = 1176; p < .001). Se empleó la factorización de ejes principales con rotación oblicua Promax. El número de factores se determinó mediante el análisis paralelo, el gráfico de sedimentación, los autovalores y la interpretabilidad conceptual. Los resultados identificaron cinco factores correlacionados que explicaron el 58,25 % de la varianza acumulada extraída. Las comunalidades oscilaron entre h² = .344 y h² = .823. La solución obtenida aporta evidencia preliminar favorable sobre la estructura interna de la escala, aunque deberá comprobarse mediante análisis factorial confirmatorio en una muestra independiente.
Citas
Browne, M. W. (2001). An overview of analytic rotation in exploratory factor analysis. Multivariate Behavioral Research, 36(1), 111–150. https://doi.org/10.1207/S15327906MBR3601_05
Costello, A. B., & Osborne, J. W. (2005). Best practices in exploratory factor analysis: Four recommendations for getting the most from your analysis. Practical Assessment, Research & Evaluation, 10, Article 7. https://doi.org/10.7275/jyj1-4868
Courtney, M. G. R. (2013). Determining the number of factors to retain in EFA: Using the SPSS R-Menu v2.0 to make more judicious estimations. Practical Assessment, Research & Evaluation, 18, Article 8. https://doi.org/10.7275/9cf5-2m72
DeVellis, R. F., & Thorpe, C. T. (2021). Scale development: Theory and applications (5th ed.). SAGE Publications.
Eaton, S. E. (2023). Postplagiarism: Transdisciplinary ethics and integrity in the age of artificial intelligence and neurotechnology. International Journal for Educational Integrity, 19, Article 23. https://doi.org/10.1007/s40979-023-00144-1
Fabrigar, L. R., Wegener, D. T., MacCallum, R. C., & Strahan, E. J. (1999). Evaluating the use of exploratory factor analysis in psychological research. Psychological Methods, 4(3), 272–299. https://doi.org/10.1037/1082-989X.4.3.272
Facione, P. A. (2015). Critical thinking: What it is and why it counts. Insight Assessment. https://www.insightassessment.com/wp-content/uploads/ia/pdf/what-why-2015.pdf
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2022). Multivariate data analysis (9th ed.). Cengage.
Horn, J. L. (1965). A rationale and test for the number of factors in factor analysis. Psychometrika, 30(2), 179–185. https://doi.org/10.1007/BF02289447
International Center for Academic Integrity. (2021). The fundamental values of academic integrity (3rd ed.). https://academicintegrity.org/resources/fundamental-values
Lloret-Segura, S., Ferreres-Traver, A., Hernández-Baeza, A., & Tomás-Marco, I. (2014). Exploratory item factor analysis: A practical guide revised and updated. Anales de Psicología, 30(3), 1151–1169. https://doi.org/10.6018/analesps.30.3.199361
Łodzikowski, K., Foltz, P. W., & Behrens, J. T. (2024). Generative AI and its educational implications. En D. Kourkoulou, A.-O. Tzirides, B. Cope, & M. Kalantzis (Eds.), Trust and inclusion in AI-mediated education: Where human learning meets learning machines (pp. 35–57). Springer. https://doi.org/10.1007/978-3-031-64487-0_2
Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.
UNESCO. (2023). Guidance for generative AI in education and research. https://unesdoc.unesco.org/ark:/48223/pf0000386693
Wang, H., Dang, A., Wu, Z., & Mac, S. (2023). Generative AI in higher education: Seeing ChatGPT through universities’ policies, resources, and guidelines [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2312.05235
Zastudil, C., Rogalska, M., Kapp, C., Vaughn, J., & MacNeil, S. (2023). Generative AI in computing education: Perspectives of students and instructors [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2308.04309
Zwick, W. R., & Velicer, W. F. (1986). Comparison of five rules for determining the number of components to retain. Psychological Bulletin, 99(3), 432–442. https://doi.org/10.1037/0033-2909.99.3.432
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 David Saeteros Guzmán, Joaquín Noroña Medina, Nancy Patricia Sumba Zhongor, Peter Orlando Chiquito Indacochea, Johnny Daniel Veloz Rodríguez
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
