Open-access Percepciones de estudiantes sobre la adopción de Inteligencia Artificial en la educación superior1

Resumen

El objetivo de este estudio fue identificar las percepciones de estudiantes universitarios sobre la adopción de IA en la educación. Se realizó un estudio cuantitativo, transversal y no experimental. Para ello, con una muestra no probabilística de 1,010 estudiantes de una universidad mexicana, inscritos en siete licenciaturas durante el periodo académico comprendido entre agosto 2024 y enero de 2025. Se aplicó un instrumento compuesto por 35 ítems distribuidos en siete dimensiones. Para verificar diferencias en las variables de edad, sexo, licenciatura y facultad, se realizaron las pruebas U de Mann-Whitney y H de Kruskal-Wallis. Por otro lado, se utilizó la prueba de Spearman para identificar correlaciones entre las dimensiones. Los resultados muestran que existen diferencias significativas en las percepciones de los estudiantes sobre la adopción de IA en la educación en términos de sexo, licenciatura, edad y facultad. También fue identificada una correlación positiva y estadísticamente significativa entre las siete dimensiones, con una interconexión particularmente fuerte en las dimensiones de ef icacia en el uso de la IA y reacciones emocionales hacia la IA, así como en las mejoras de aprendizaje y el apoyo hacia el aprendizaje. Los estudiantes universitarios reconocen el potencial y los riesgos de la IA, por lo que las instituciones de educación superior deben redoblar sus esfuerzos para integrarla de forma ética y responsable, a la vez que mejoran las habilidades de los estudiantes para su uso personal y profesional.

Palabras clave:
Aprendizaje; Enseñanza; Estudiante; Inteligencia Artificial; Universidad

Abstract

The aim of this study was to identify university students’ perceptions of the adoption of AI in education. A quantitative, cross-sectional, non-experimental study was conducted with a non-probability sample of 1,010 students enrolled in seven undergraduate degree programs at a Mexican university during the academic period from August 2024 to January 2025. A 35-item instrument comprising seven dimensions was administered. Mann-Whitney U and Kruskal-Wallis H tests were performed to examine differences according to age, sex, degree program, and school. Spearman’s correlation was used to identify correlations among the dimensions. The results indicate significant differences in students’ perceptions of the adoption of AI in education according to sex, degree program, age, and school. Positive, statistically significant correlations were also identified among all seven dimensions, with particularly strong interconnections between effectiveness in the use of AI and emotional reactions to AI, as well as between learning improvement and learning support. University students recognize both the potential and the risks of AI; higher education institutions should therefore step up their efforts to integrate it ethically and responsibly while improving students’ skills in using AI for personal and professional purposes.

Keywords:
Learning; Teaching; Student; Artificial Intelligence; University

Introducción

La presencia de la inteligencia artificial se ha extendido rápidamente a través de múltiples ámbitos de la vida académica, desde las prácticas de enseñanza y aprendizaje hasta la investigación y la gestión administrativa. Esta expansión ha suscitado un amplio debate sobre cómo los estudiantes universitarios perciben y utilizan estas tecnologías en sus procesos de aprendizaje (Niño et al., 2025; Ravšelj et al., 2025). En este contexto, es relevante comprender las percepciones, actitudes y experiencias de los estudiantes universitarios hacia la IA (Slimi et al., 2025). Las perspectivas estudiantiles no son meras opiniones; influyen directamente en la adopción, el uso y, en última instancia, la efectividad de estas tecnologías en el ámbito educativo (Acosta et al., 2024a; Li; Castulo; Xu, 2025; Ravšelj et al., 2025).

La pregunta general que orienta este estudio es: ¿Cuáles son las percepciones de los estudiantes universitarios sobre la adopción de la inteligencia artificial en la educación? Para responder a esta interrogante, se plantean las siguientes preguntas específicas: ¿Existen diferencias significativas en dichas percepciones según las variables sociodemográficas de los estudiantes (sexo, edad, licenciatura y facultad)? ¿Qué tipo de correlación existe entre las dimensiones que conforman las percepciones de los estudiantes sobre la inteligencia artificial en la educación?

Estudios relacionados

En los últimos años han aumentado los estudios orientados a comprender las implicaciones de la IA en los distintos ámbitos de la sociedad. Para los fines de este estudio se aborda su impacto desde la perspectiva educativa. En este sentido, la revisión de la literatura plantea posturas encontradas con respecto a la adopción de la inteligencia artificial por parte de los estudiantes universitarios señalando tanto los aspectos positivos como los negativos. En relación con la integración de la IA en la educación por parte de los estudiantes universitarios, se han identificado estudios que señalan la creciente normalización del uso de estas herramientas en los últimos años (Baek; Tate; Warschauer, 2024; Li; Castulo; Xu, 2025; Mena de la Rosa; Cruz-Romero; Silva-Payró, 2024).

Por otro lado, la literatura ha señalado las ventajas del uso de la IA que identifican los estudiantes universitarios (Acosta et al., 2024b; Barrett; Pack, 2023; Blahopoulou; Ortiz, 2025; Chan; Hu, 2023; Chan; Lee, 2023; Das; Madhusudan, 2024; Essel et al., 2022; Iwasawa; Kobayashi; Otori, 2023; Klimova; Luz de Campos, 2024; Molina-Montalvo; Macías; Haces, 2025; Nagah; Salah, 2024; Ngo, 2023; Orok et al., 2024; Ríos et al., 2024; Ruiz; Miramontes; Reyna, 2024; Terblanche et al., 2022; Xu et al., 2024) siendo estas: la facilidad de uso (Acosta et al., 2024b; Das; Madhusudan, 2024; Ngo, 2023) y la comodidad (Ngo, 2023), su capacidad de respuesta a cualquier tipo de duda, la posibilidad de encontrar información relevante para sus estudios, el ahorro de tiempo en la investigación al recopilar información de forma más eficiente (Blahopoulou; Ortiz, 2025; Chan; Lee, 2023; Iwasawa; Kobayashi; Otori, 2023; Klimova; Luz de Campos, 2024; Nagah; Salah, 2024; Ngo, 2023), su interfaz sencilla y gratuitidad (Das; Madhusudan, 2024; Nagah; Salah, 2024), la posibilidad de corregir y editar artículos (Nagah; Salah, 2024).

Asimismo, la capacidad de generar ideas o modelar respuestas, a través de la lluvia de ideas y el esquema (Barrett; Pack, 2023; Klimova; Luz de Campos, 2024), la mejora de la experiencia de aprendizaje (Das; Madhusudan, 2024; Iwasawa; Kobayashi; Otori, 2023; Ngo, 2023; Orok et al., 2024; Ríos et al., 2024), su capacidad de brindar una amplia gama de información, la posibilidad de ofrecer una tutoría y retroalimentación individualizada, la mejora de su retención (Ngo, 2023), el uso en su tiempo libre, la posibilidad de definir objetivos, su carácter imparcial, su capacidad de tener un enfoque de buenas prácticas de forma deliberada y consistente, su inteligencia y rápida respuesta (Terblanche et al., 2022), la posibilidad de lograr una mayor comprensión y confianza para completar el curso, y ofrecer aprendizaje más interesante e interactivo (Essel et al., 2022).

De esta forma, la herramienta permite comprender temas complejos, mejorar los hábitos de estudio (Klimova; Luz de Campos, 2024; Molina-Montalvo; Macías; Haces, 2025; Orok et al., 2024), ayuda a resolver dudas y permite avanzar en sus tareas en distintos momentos sin tener que esperar por ayuda humana (Blahopoulou; Ortiz, 2025; Chan; Hu, 2023; Molina-Montalvo; Macías; Haces, 2025; Ríos et al., 2024; Terblanche et al., 2022), mejora su desempeño académico (Essel et al., 2022; Molina-Montalvo; Macías; Haces, 2025; Orok et al., 2024), fomentar el aprendizaje autónomo y la interacción en el aula (Ruiz; Miramontes; Reyna, 2024), brinda sugerencias, pistas y guía su escritura (Chan; Hu, 2023; Chan; Lee, 2023; Xu et al., 2024), puede ser un traductor o asistente (Klimova; Luz de Campos, 2024).

La creciente incorporación de la inteligencia artificial al ámbito académico ha despertado un interés cada vez mayor por analizar sus implicaciones para la integridad académica en los estudiantes universitarios. La integridad académica se define como el “compromiso y la demostración de un comportamiento honesto y moral en un entorno académico” (NAIN, 2025, p. 5). A partir de ello, la mala conducta académica (Academic Misconduct) se refiere a “cualquier comportamiento que atente contra la integridad y la honestidad, o cualquier intento de obtener una ventaja injusta en el trabajo académico (o ayudar a otros a hacerlo)” (NAIN, 2025, p. 5).

En este sentido, la literatura señala que el concepto de fraude académico se relaciona con conceptos como de deshonestidad y mala conducta académica (Bakulina, 2025; Harrad et al., 2024; Laturette et al., 2025), por lo tanto, engloba una amplia serie de conductas deshonestas y poco éticas llevadas a cabo por miembros de la comunidad académica (Céspedes et al., 2024; NAIN, 2025; Suprapto et al., 2025). El fraude académico representa una vulneración de los valores fundamentales de la vida académica: honestidad, equidad, confianza, respeto y responsabilidad (Céspedes et al., 2024; Fishman, 2021).

Según las fuentes identificadas, esta práctica se materializa en diversas conductas ilícitas, entre las que destacan: el plagio en todas sus formas, la falsificación, fabricación o invención de datos, estadísticas y resultados de investigación (NAIN, 2025; Suprapto et al., 2025), el fraude por encargo que consiste en pagar a un tercero o a una empresa para que realice los trabajos o evaluaciones del estudiante (NAIN, 2025), la colaboración no autorizada entre estudiantes cuando se requiere un trabajo individual (NAIN, 2025; Suprapto et al., 2025).

Diversos autores señalan que la trampa, como una expresión de la deshonestidad académica se asocia con la apropiación indebida de ideas (Garza et al., 2024; Puche Villalobo, 2025). Algunas de estas manifestaciones de deshonestidad son descargar y presentar obras completas de internet, copiar o traducir fragmentos sin la debida atribución, parafrasear sin dar crédito, la invención de referencias bibliográficas, el autoplagio e, incluso, entregar documentos que carecen por completo de un aporte original a pesar de cumplir con las normas formales de citación (Diaz et al., 2025).

En este mismo orden de ideas, varios estudios destacan las desventajas del uso de la IA de acuerdo a los estudiantes universitarios (Abdaljaleel et al., 2024; Chan; Hu, 2023; Chan; Lee, 2023; Das; Madhusudan, 2024; Iwasawa; Kobayashi; Otori, 2023; Klimova; Luz de Campos, 2024; Nagah; Salah, 2024; Ngo, 2023; Xu et al., 2024) como: debilita la capacidad de pensamiento crítico y la creatividad, la información que brinda no siempre es precisa, su uso se considera hacer trampa (Chan; Hu, 2023; Chan; Lee, 2023; Das; Madhusudan, 2024; Klimova; Luz de Campos, 2024; Nagah; Salah, 2024), la información que presenta no siempre es confiable (Chan; Lee, 2023; Das; Madhusudan, 2024; Iwasawa; Kobayashi; Otori, 2023; Ngo, 2023), puede cometer fraude académico, no siempre es imparcial al evaluar, existe un riesgo de adicción a la herramienta (Chan; Hu, 2023; Chan; Lee, 2023; Das; Madhusudan, 2024).

No obstante, puede producir referencias fácticas inexactas o falsas (Ngo, 2023), puede ser poco segura al compartir información personal (Xu et al., 2024), en ocasiones, proporcionar información desactualizada, estadísticas imprecisas o comete errores numéricos en matemáticas, puede generar información inventada (Klimova; Luz de Campos, 2024), puede ampliar las brechas entre estudiantes al no ser accesible para todos, tiene la tendencia de incrementar la ansiedad y percepción de riesgo (Abdaljaleel et al., 2024).

Por su parte, diversos estudios manifiestan preocupación por las implicaciones éticas de la deshonestidad académica en el uso de la IA por parte de los estudiantes universitarios (Chan; Hu, 2023; Chan; Lee, 2023; Johnston et al., 2024; Klimova; Luz de Campos, 2024) sobre que algunos estudiantes podrían no reconocer o hacer referencia al uso de estas herramientas en sus seminarios o trabajos de investigación (Klimova; Luz de Campos, 2024), utilizarla para escribir un ensayo completo (Johnston et al., 2024), facilitar prácticas de copia o la generación de respuestas hechas. Sin embargo, estos mismos estudiantes consideraban que prohibir las tecnologías por completo sería un retroceso y podría perjudicarlos en futuras carreras profesionales (Chan; Hu, 2023; Chan; Lee, 2023).

Materiales y métodos

El objetivo de este estudio fue identificar las percepciones de estudiantes universitarios sobre la adopción de la IA en la educación, por lo que se decidió realizar un estudio cuantitativo, transversal y no experimental. Los 1,010 encuestados de una universidad mexicana estaban inscritos en siete programas de licenciaturas en el periodo escolar que inició en agosto 2024 y concluyó en enero 2025. Se trató de una muestra no probabilística donde los estudiantes fueron escogidos de manera aleatoria por así convenir al investigador.

La muestra estuvo conformada por estudiantes matriculados a partir del segundo periodo académico. En cuanto a la distribución por sexo, 58,9% correspondió a mujeres y 41,1% a hombres. Respecto de la edad de los encuestados, 23,9% de los estudiantes tenía entre 18 y 19 años, el 50.2% entre 20 y 21 años, el 19,8% entre 22 y 23 años, el 3,7% entre 24 y 25 años, y el 2,5% eran mayores de 26 años.

Las características del instrumento validado aplicado puede ser consultado en Torres-Gastelú y Torres-Real (2025) cumpliendo con criterios aceptables en las pruebas de análisis factorial exploratorio y análisis factorial confirmatorio. Este instrumento está integrado por 35 ítems distribuidos en siete dimensiones, para su valoración se hizo uso de una escala tipo Likert de cinco opciones: Totalmente de acuerdo (TA), De acuerdo (A), Indiferente (I), En desacuerdo (D), y Totalmente en desacuerdo (TD). En cuanto al nivel de confiabilidad se obtuvo un valor de 0,945 lo que indica un alto nivel de consistencia interna del instrumento.

La recolección de datos cumplió con las normas éticas de la investigación (Torres-Gastelú; Torres-Real, 2026). Para ello, se gestionó con las autoridades universitarias el apoyo para la aplicación del instrumento mediante la emisión de un oficio. Se nos proporcionó información sobre los profesores, salones, horarios y días de clase. Previo a la aplicación presencial del instrumento, se explicó el objetivo del estudio. De la misma manera, se solicitó a cada uno de los estudiantes que llenaran el consentimiento informado recabando sus nombres y firmas. Se les hizo hincapié en que la naturaleza de la investigación era de corte académico, sin fines de lucro con miras a la publicación de los resultados respetando la confidencialidad y anonimato de las respuestas recabadas.

Los ítems fueron sometidos a diversos análisis estadísticos. En primer lugar, se calcularon estadísticos descriptivos para tener una visión general de los datos, se aplicó la prueba de normalidad de Kolmogorov-Smirnov en los 35 ítems presentados y se obtuvo que todos los ítems tuvieron un valor de Sig. de 0,001. Esto indica que los datos no se ajustan a una distribución normal y por ende se aplicaron pruebas no paramétricas.

Las hipótesis planteadas fueron:

H1: No existen diferencias significativas en las percepciones sobre la adopción de la inteligencia artificial en la educación entre la edad de los estudiantes universitarios.

H2: No existen diferencias significativas en las percepciones sobre la adopción de la inteligencia artificial en la educación en cuanto al sexo de los estudiantes universitarios.

H3: No existen diferencias significativas en las percepciones sobre la adopción de la inteligencia artificial en la educación entre las licenciaturas que cursan los estudiantes universitarios.

H4: No existen diferencias significativas en las percepciones sobre la adopción de la inteligencia artificial en la educación entre las facultades a las que pertenecen los estudiantes universitarios.

H5: No existe una correlación positiva y significativa entre las dimensiones que componen las percepciones de los estudiantes universitarios sobre la adopción de la inteligencia artificial en la educación.

Para comprobar las hipótesis relacionadas con las diferencias entre grupos, se utilizaron pruebas no paramétricas dada la naturaleza de la distribución de los datos. De este modo, se aplicó la prueba U de Mann-Whitney para analizar las diferencias en las percepciones por sexo, y la prueba H de Kruskal-Wallis para las variables edad, licenciatura y facultad. Por otro lado, para el análisis de las hipótesis correlacionales, se empleó el coeficiente de correlación de Rho de Spearman para determinar la relación entre las dimensiones de las percepciones de los estudiantes universitarios sobre la adopción de la inteligencia artificial en la educación.

Resultados

Análisis descriptivos

La dimensión efectividad del uso de la IA se refiere a la percepción de los estudiantes sobre el grado en que las herramientas de inteligencia artificial mejoran su aprendizaje, organización, rendimiento académico y colaboración con otros, así como su motivación y capacidad para gestionar múltiples proyectos de manera más rápida y eficiente. 62,2% de los estudiantes manifestó estar de acuerdo en el rol que desempeña la IA en este aspecto. Mientras que, el 26,05% se mostró indiferente. En contraste, el 11,76% señalaron estar en desacuerdo.

La dimensión sobre las mejoras de aprendizaje comprende la percepción de los estudiantes sobre el impacto de la inteligencia artificial en la calidad de sus tareas, su percepción de competencia académica, la exploración de nuevos temas y la mejora general de la educación. 59,23% de los estudiantes declararon estar de acuerdo con el impacto positivo que tiene la IA en su aprendizaje. Al mismo tiempo, el 27% manifestó una postura indiferente. Por otro lado, el 13,8% reveló que se encontraba en desacuerdo.

En este sentido, la dimensión dependencia cognitiva y tecnológica se relaciona con el grado en que los estudiantes perciben que su aprendizaje y la búsqueda de información dependen de las herramientas de inteligencia artificial, manifestando una tendencia a usarlas de manera automática, a confiar más en ellas que en otras fuentes y a experimentar dificultades para realizar tareas sin su apoyo. 17,15% manifestó estar de acuerdo en su dependencia hacia el uso de la IA. Por su parte, el 25,73% se mostró indiferente. Pero, el 57,08% de los estudiantes expresó su desacuerdo.

Mientras que la dimensión sobre la facilidad de uso comprende la percepción de los estudiantes sobre lo intuitivas, comprensibles y rápidas que son las herramientas de inteligencia artificial, así como la facilidad para utilizarlas sin instrucciones previas y su capacidad para hacer más interesante el aprendizaje. 59,74% señalaron estar de acuerdo en la facilidad de uso de la IA. Por su parte, el 28,52% adoptó una postura indiferente. No obstante, el 11,74% reveló que se encontraba en desacuerdo.

La dimensión sobre el apoyo al aprendizaje se relaciona con la percepción de los estudiantes sobre cómo las herramientas de inteligencia artificial complementan su educación, fomentan su curiosidad, promueven el desarrollo de nuevas habilidades de estudio, les permiten aprender a su propio ritmo y les ayudan a comprender sus fortalezas y debilidades académicas. El 51,6% reveló estar de acuerdo en el rol de la IA como apoyo de su aprendizaje. A la vez, el 32,3% adoptaron una postura indiferente. En contraste con el 16,5% que opinaron estar en desacuerdo.

En cuanto a la dimensión sobre las reacciones emocionales hacia la IA se refiere a las emociones y actitudes positivas que experimentan los estudiantes al utilizar herramientas de inteligencia artificial, incluyendo su sensación de aprendizaje personalizado y a su ritmo, la facilidad para superar dificultades académicas, el entusiasmo por descubrir nuevas herramientas y el sentirse conectados con las tendencias tecnológicas actuales. 55,42% informó estar de acuerdo en las emociones y actitudes positivas con el uso de la IA. En cambio, el 31,44% se mostró indiferente. A diferencia del 13,18% que afirmó estar en desacuerdo.

Finalmente, la dimensión sobre la precisión de la IA atiende a la percepción de los estudiantes sobre la exactitud, actualidad, coherencia y confiabilidad de la información que brindan las herramientas de inteligencia artificial para apoyar su aprendizaje. El 41,83% expresaron estar de acuerdo en la precisión de la IA. Sin embargo, el 41,3% mantuvo una postura indiferente. En tanto, 16,93% señalaron estar en desacuerdo.

En la Tabla 1 se presentan los resultados de las pruebas estadísticas para cada una de las variables, resaltando en negritas los valores de p que son mayores a 0.05 para cada uno de los ítems del instrumento.

Tabla 1
Pruebas estadísticas

Los resultados de la prueba de Kruskal-Wallis aplicada a las percepciones de los estudiantes en función de su edad (H1) revelan que, para los 35 ítems analizados, no se detectó una clara tendencia. Para 19 ítems, el nivel de significancia (p) fue mayor a 0.05, lo que indica que las percepciones de los estudiantes sobre estos aspectos son homogéneas y no varían significativamente según su edad. Sin embargo, es importante señalar que en los 16 ítems restantes, se identificaron diferencias significativas (p < 0.05).

Para analizar el comportamiento de los datos según el sexo se seleccionó la prueba U de Mann-Whitney para comprobar la igualdad de las dos distribuciones, como se muestra en la tabla 1. Si el nivel de significancia es menor o igual a 0.05 se rechazó la hipótesis nula. Se encontró que los ítems tuvieron un nivel de significancia de p < 0,001. Por lo tanto, se rechaza la hipótesis nula (H2) en los 35 ítems analizados. Es decir, que existían diferencias significativas en las percepciones de los estudiantes sobre la adopción de IA entre hombres y mujeres.

En cuanto a los resultados de la prueba de Kruskal-Wallis aplicada a la variable de la licenciatura que cursan los estudiantes (H3), se encontró que para 21 de los 35 ítems tuvieron un valor menor a 0,05 denotando que, para estos ítems, existen diferencias significativas en las percepciones de los estudiantes con respecto a la licenciatura que están cursando. Aunque para los restantes 14 ítems no existen diferencias en las percepciones sin importar el programa de estudios que cursen.

Los resultados de la prueba de U de Mann-Whitney reflejaron que para 24 de los 35 ítems se obtuvo un valor de significancia mayor a 0.05 denotando que para la mayoría de los ítems si existen diferencias significativas en las percepciones de los estudiantes respecto a la región donde estudian (H4). Aunque para 11 ítems de la escala no existen diferencias significativas entre las dos regiones geográficas en las que se encuentran estas facultades.

Correlación de los ítems de las dimensiones

Dado que el instrumento evalúa las percepciones de estudiantes universitarios sobre el uso de la inteligencia artificial, se analizó la correlación entre las dimensiones. Para ello se construyeron siete variables compuestas que representan el promedio aritmético de los ítems que están asociados a las siete dimensiones que componen al instrumento: efectividad de uso de la IA (ítems 1 a 8), mejoras de aprendizaje (ítems 9 a 12), dependencia cognitiva y tecnológica (ítems 13 a 16), facilidad de uso (ítems 17 a 21), apoyo hacia el aprendizaje (ítems 22 a 26), reacciones emocionales hacia la IA (ítems 27 a 31) y precisión de la IA (ítems 32 a 35).

En la Tabla 2 se muestran los resultados de la prueba de correlación de Spearman que busca valorar la asociación entre estas dimensiones. Se observaron correlaciones positivas fuertes entre la efectividad del uso de la IA y las mejoras en el aprendizaje (r = 0,773). Este hallazgo sugiere que a medida que los participantes perciben una mayor efectividad en el uso de la IA, también tienden a experimentar mayores mejoras en su aprendizaje. Asimismo, existe una correlación positiva fuerte entre el apoyo hacia el aprendizaje y las reacciones emocionales hacia la IA (r = 0,708), lo que indica que las percepciones de la IA como una herramienta de apoyo al aprendizaje están estrechamente relacionadas con las respuestas emocionales positivas hacia la misma.

Los resultados de la prueba de correlación de Spearman evidencian una red compleja de relaciones entre las diferentes dimensiones estudiadas (H5). Las percepciones de la efectividad y facilidad de uso de la IA, así como su apoyo al aprendizaje, parecen estar fuertemente relacionadas con las mejoras en el aprendizaje y las reacciones emocionales positivas hacia la IA. Sin embargo, las correlaciones entre dependencia cognitiva y tecnológica y las otras dimensiones son más débiles, lo que indica que aunque guardan una relación, la dependencia en sí misma no es tan fuertemente predictiva de las otras percepciones como lo son la efectividad, la facilidad de uso o el apoyo al aprendizaje.

Tabla 2
Prueba de correlación de Spearman entre dimensiones

Discusión

En este apartado se presenta la contrastación de los resultados del estudio con respecto a los hallazgos de la literatura presentados por dimensión.

Efectividad de uso de la IA

En este mismo orden de ideas, los resultados indican que cinco de cada diez estudiantes consideran que con las herramientas de IA su aprendizaje es más rápido. Esto coincide con lo encontrado por Blahopoulou y Ortiz (2025) cuando señalan que la rapidez de ChatGPT es considerada como una de sus mayores ventajas, permitiendo a los alumnos resolver dudas y avanzar en sus tareas en cualquier momento, sin tener que esperar por ayuda humana.

Diversos estudios señalan que esta tecnología puede ayudar a los estudiantes a recopilar información de forma más eficiente (Iwasawa; Kobayashi; Otori, 2023), propicia un impacto positivo en el rendimiento académico, particularmente debido a la optimización del tiempo disponible para realizar tareas y para resolver problemas (Molina-Montalvo; Macías; Haces, 2025). También hay coincidencia con lo señalado por Ríos et al. (2024) en términos de que los estudiantes consideran que la IA puede mejorar la eficiencia del proceso de enseñanza-aprendizaje.

Esto coincide con lo encontrado por diversos autores (Chou et al., 2022; Falebita; Kok, 2024; Wang; Li, 2024; Zhang; Xu, 2025) quienes sostienen que el uso de estas tecnologías puede mejorar la eficiencia de los estudiantes en sus procesos de aprendizaje, especialmente cuando existe una alta autoeficacia tecnológica y experiencias positivas de interacción humano-máquina. Asimismo, la efectividad de la IA está influenciada por la percepción de utilidad, facilidad de uso, precisión de la información y el ajuste pedagógico de las herramientas, así como por factores emocionales y motivacionales (Acosta et al., 2024b; Dahri et al., 2024; Falebita; Kok, 2024; Wang; Li, 2024).

Mejoras de aprendizaje

Al menos la mitad de los estudiantes consideran que la IA mejora la calidad de la educación coincidiendo con la literatura en cuanto a que los usuarios de estas herramientas afirman que mejora su aprendizaje y retención (Ngo, 2023), desempeño académico (Orok et al., 2024) y que tiene un impacto positivo en la calidad de la educación superior (Ríos et al., 2024). Esto coincide con lo expresado por varios autores (Jaboob et al., 2024; Sun; Zhou, 2024) de que la integración de esta herramienta ha demostrado mejorar el logro académico de los estudiantes con un efecto positivo significativo, especialmente cuando se utiliza para aprendizaje independiente y generación de contenido textual.

Por otra parte, cuatro de cada diez estudiantes consideran que el uso de herramientas de inteligencia artificial en sus estudios les permite sentirse más competentes. Esto coincide con lo encontrado por Essel et al. (2022), quienes encontraron que la mayoría de los estudiantes mencionan que el uso de la IA tuvo un impacto positivo en su rendimiento académico debido a que tuvieron una mayor comprensión y confianza para completar el curso. De la misma manera, la inteligencia artificial permite que los estudiantes mejoren su redacción al identificar errores tipográficos, ortografía e ilación.

En este estudio se encontró que seis de cada diez estudiantes consideran que las herramientas de IA mejoran la calidad de sus tareas. Lo cual coincide con lo encontrado por Xu et al. (2024), donde la mayoría de los estudiantes universitarios percibía que ChatGPT brindaba un gran apoyo en sus estudios, brindándoles sugerencias, pistas y guiando su escritura, lo cual facilitaba sus estudios e investigaciones. De igual forma, esto coincide con lo señalado por varios autores (Zhai; Wibowo; Li, 2024; Zhang; Xu, 2025) sobre que el uso frecuente de estas tecnologías puede fortalecer la confianza de los estudiantes universitarios en sus tareas académicas.

Dependencia cognitiva y tecnológica

En esta dimensión se observaron diferencias en los resultados de este estudio, puesto que se obtuvo que dos de cada diez estudiantes señalaron que suelen copiar y pegar en sus tareas la información proporcionada por la IA para sus tareas. Esto contrasta con lo reportado por Azevedo, Tibúrcio y Pereira (2024) los cuales encontraron que siete de cada diez estudiantes admitieron haber copiado parcialmente respuestas de ChatGPT para trabajos o bien reescribieron las respuestas generadas por la IA.

Al menos la mitad de los estudiantes universitarios están en desacuerdo en que se han vuelto dependientes de las herramientas de la IA. No obstante, varios autores (Jin et al., 2023; Zhang; Xu, 2025) destacan que los alumnos tienen el riesgo de volverse dependientes de estas tecnologías. Asimismo, diversos autores señalan que el uso de estas tecnologías intensifica su dependencia lo que puede debilitar habilidades cognitivas como el pensamiento crítico, la creatividad y la toma de decisiones independientes (Zhai; Wibowo; Li, 2024; Zhang et al., 2024; Zhang; Xu, 2025). Además, la sobreutilización de IA puede llevar a una disminución en la memorización y la comprensión profunda de los contenidos, así como a un aumento de la procrastinación y la pereza intelectual (Krsmanovic; Deek, 2025; Mukhtar et al., 2025; Zhang et al., 2024).

Facilidad de uso

Los resultados indican que seis de cada diez estudiantes consideran que es fácil utilizar las herramientas de IA sin necesidad de instrucciones previas. Esto coincide con lo encontrado en diversos estudios según los cuales los usuarios encuentran a las herramientas de IA generativa como fáciles de usar constituyendo una ventaja por su simplicidad y comodidad (Das; Madhusudan, 2024; Nagah; Salah, 2024), incidiendo en incrementar la frecuencia de usarlas (Acosta et al., 2024b; Terblanche et al., 2022). También hubo consenso con lo destacado por varios autores (Boubker, 2024; Duy et al., 2024; Li, 2023; Osman et al., 2024; Wu; Wang; Wang, 2024) de que la percepción de facilidad de uso de estas tecnologías influye de manera significativa y positiva en la actitud de los alumnos hacia la IA, así como en su intención y comportamiento real de uso.

Los hallazgos indican que siete de cada diez estudiantes consideran que las herramientas de IA responden rápidamente a sus solicitudes lo cual coincide con lo reportado por diversos autores, quienes señalan que los estudiantes valoran la rápida respuesta de la IA (Terblanche et al., 2022; Klimova; Luz de Campos, 2024), generando un impacto positivo en su rendimiento académico debido a que obtuvieron retroalimentación instantánea (Essel et al., 2022). Este aspecto se constituye como una ventaja dado que los alumnos al realizar preguntas a la IA reciben respuestas casi al instante favoreciendo la comprensión y aprendizaje de diversos temas.

Por otra parte, cinco de cada diez estudiantes mencionaron que la adopción de la IA en el aprendizaje lo hace más interesante. Esto coincide con lo encontrado por Essel et al. (2022), cuando señalan que la mayoría de los estudiantes mencionan que el uso de la IA tuvo un impacto positivo en su rendimiento académico debido a que encontraron el aprendizaje como interesante e interactivo.

Apoyo hacia el aprendizaje

Más de la mitad de los estudiantes consideran que las herramientas de IA estimulan su curiosidad y deseo de aprender. Lo cual coincide con lo expresado por varios autores (Naseer et al., 2024; Rajesha; Nirmala, 2025) de que estas tecnologías han demostrado aumentar significativamente la motivación y logrado mejoras de hasta un 25% en el rendimiento académico frente a métodos tradicionales.

De la misma manera hubo afinidad con lo expresado por diversos autores (Grájeda et al., 2024; Lin; Chen, 2024) de que el uso de estas tecnologías en el aula puede favorecer emociones positivas como la alegría y la sorpresa, mejorando la participación y el compromiso de los estudiantes. No obstante, estos autores destacan que la interacción repetitiva e impersonal con la IA puede provocar desconexión emocional, ansiedad relacionada con el rendimiento y frustración técnica.

Al menos la mitad de los estudiantes universitarios están de acuerdo en que las herramientas de IA les permiten aprender a su propio ritmo. Esto coincide con lo señalado por diversos autores (Jin et al., 2023; Lan; Zhou, 2025; Zhang; Xu, 2025) que mencionan que este tipo de tecnologías facilita la autorregulación del aprendizaje.

Reacciones emocionales hacia la IA

Cinco de cada diez estudiantes mencionaron que la IA les ayuda a superar las dificultades en sus estudios con mayor facilidad. Lo cual coincide con lo encontrado por Orok et al. (2024) en donde los estudiantes asocian la IA con un aprendizaje más eficaz, al permitirles acceder rápidamente a explicaciones de conceptos difíciles y adaptar el estudio a su propio ritmo.

Asimismo, la mitad de los estudiantes expresó que la IA les permite personalizar su aprendizaje atendiendo sus necesidades de manera específica generando respuestas adecuadas de acuerdo al contexto que le indiquen. En este sentido, Terblanche et al. (2022) encontraron que algunos estudiantes consideran que unas de las ventajas del uso de la IA es su personalización. De manera similar, varios autores encontraron que la mayoría de los estudiantes creen que la IA aporta de manera importante a la personalización de su proceso educativo (Ríos et al., 2024; Chan; Hu, 2023).

Precisión de la IA

A pesar del reciente auge en el uso de la IA, es menester considerar que esta tecnología no siempre es precisa, ya que pueden cometer “errores”, inventar información o “alucinar”. Sin embargo, los resultados de este estudio indican que solo dos de cada diez estudiantes consideraron que las herramientas de IA no proporcionan información precisa. Este aspecto contrasta con lo encontrado por diversos autores en donde los estudiantes mencionaron que una de las principales desventajas del uso de ChatGPT es que la información no siempre es precisa (Nagah; Salah, 2024; Das; Madhusudan, 2024), o bien que la IA no proporciona respuestas precisas a preguntas específicas ni proporciona estadísticas específicas (Klimova; Luz de Campos, 2024). Además, los estudiantes expresaron preocupaciones sobre las limitaciones de la GenAI para producir contenido preciso (Chan; Hu, 2023) y de alta calidad (Chan; Lee, 2023).

A pesar de que la IA tiene la capacidad de proporcionar información de manera rápida, no siempre están actualizadas o son relevantes. En este sentido, los resultados reflejan que cuatro de cada diez estudiantes consideran que las herramientas de IA ofrecen datos actualizados y relevantes. Sin embargo, Klimova y Luz de Campos (2024) encontraron que los estudiantes señalan que ChatGPT no proporciona información actualizada, ni referencias correctas. De ahí que cobre interés en que los estudiantes aprendan a generar prompts detallados como un recurso para mitigar esta deficiencia.

Otro aspecto preocupante sobre el uso de la inteligencia artificial en la educación es la confiabilidad de la información, aunque se le puede pedir a la IA que utilice fuentes confiables o que indiquen las referencias consultadas. En ocasiones la herramienta puede generar información errónea, al haber sido entrenada con grandes cantidades de información, algunas de ellas con información “sesgada”. Con respecto a ello, solo tres de cada diez estudiantes consideran que la herramienta de IA muestra información confiable.

Esto coincide con lo encontrado por varios autores, cuyos participantes en estos estudios seleccionaron a la IA como relativamente fiable o con una baja puntuación de percepción en el factor de confiabilidad (Iwasawa; Kobayashi; Otori, 2023; Das; Madhusudan, 2024). De manera similar, Ngo (2023) encontró que muchos estudiantes coinciden en que ChatGPT en ocasiones, puede producir referencias fácticas inexactas o falsas. Así como cometer errores o inventar información (Klimova; Luz de Campos, 2024).

Conclusiones

Los resultados indican que existen diferencias significativas en las percepciones de los estudiantes sobre la adopción de la IA en la educación respecto a la variable sexo para la totalidad de los ítems. Asimismo, para las variables licenciatura, edad y facultad también se encontró que sí existen diferencias significativas en la mayoría de los ítems.

En cuanto a la identificación de la asociación estadísticamente significativa entre las dimensiones, los resultados evidencian un grupo de dimensiones fuertemente interconectadas compuesto por la efectividad de uso de la IA, mejoras de aprendizaje, apoyo al aprendizaje y reacciones emocionales hacia la IA. Este grupo actúa de manera conjunta y positiva. Mientras que las dimensiones de facilidad de uso y precisión de la IA se asocian de forma moderada con este grupo central, sugiriendo un rol secundario pero relevante. En contraste, la dependencia cognitiva y tecnológica se posiciona como la dimensión con una conexión más periférica, mostrando únicamente asociaciones débiles con la mayoría de las dimensiones, a excepción de una correlación moderada con las reacciones emocionales y la precisión de la IA.

Es un hecho de que el uso de la IA cada vez es mayor, algunos de los estudiantes están visualizando tanto su potencial como los riesgos asociados. Reconocen que requieren fortalecer estas nuevas competencias en inteligencia artificial que se vislumbran como un eje clave en sus futuras vidas profesionales e incluso personales. De ahí que las instituciones de educación superior requieren redoblar esfuerzos para lograr integrar a la IA de una manera responsable y ética.

Referencias

  • ABDALJALEEL, Maram et al A multinational study on the factors influencing university students’ attitudes and usage of ChatGPT. Scientific Reports, London, v. 14, n. 1983, p. 1-14, 2024. https://doi.org/10.1038/s41598-024-52549-8
    » https://doi.org/10.1038/s41598-024-52549-8
  • ACOSTA-ENRIQUEZ, Benicio Gonzalo et al Acceptance of artificial intelligence in university contexts: a conceptual analysis based on UTAUT2 theory. Heliyon, Cambridge, v. 10, n. 19, p. 1-13, 2024a. https://doi.org/10.1016/j.heliyon.2024.e38315
    » https://doi.org/10.1016/j.heliyon.2024.e38315
  • ACOSTA-ENRIQUEZ, Benicio Gonzalo et al Analysis of college students’ attitudes toward the use of ChatGPT in their academic activities: effect of intent to use, verification of information and responsible use. BMC Psychology, New York, v. 12, n. 255, p. 1-18, 2024b. https://doi.org/10.1186/s40359-024-01764-z
    » https://doi.org/10.1186/s40359-024-01764-z
  • AZEVEDO, Mariana; TIBÚRCIO, César Augusto; PEREIRA, Mariana. ChatGPT e desonestidade acadêmica: percepção dos estudantes de contabilidade sobre o seu uso. Revista Gestão Universitária na América Latina (GUAL), Florianópolis, v. 17, n. 3, p. 133-152, 2025. https://doi.org/10.5007/1983-4535.2024.e99115
    » https://doi.org/10.5007/1983-4535.2024.e99115
  • BAEK, Clare; TATE, Tamara; WARSCHAUER, Mark. “ChatGPT seems too good to be true”: college students’ use and perceptions of generative AI. Computers and Education: Artificial Intelligence, Amsterdam, v. 7, p. 1-9, 2024. https://doi.org/10.1016/j.caeai.2024.100294
    » https://doi.org/10.1016/j.caeai.2024.100294
  • BAKULINA, Regina Aidarovna. Artificial intelligence as a tool for academic fraud: legal and ethical aspects. Politics and Society, Kazan, v. 3, p. 61-74, 2025. https://doi.org/10.7256/2454-0684.2025.3.75253
    » https://doi.org/10.7256/2454-0684.2025.3.75253
  • BARRETT, Alex; PACK, Austin. Not quite eye to A.I.: student and teacher perspectives on the use of generative artificial intelligence in the writing process. International Journal of Educational Technology in Higher Education, New York, v. 20, n. 59, p. 1-24, 2023. https://doi.org/10.1186/s41239-023-00427-0
    » https://doi.org/10.1186/s41239-023-00427-0
  • BLAHOPOULOU, Joanna; ORTIZ-BONNIN, Silvia. Student perceptions of ChatGPT: benefits, costs, and attitudinal differences between users and non-users toward AI integration in higher education. Education and Information Technologies, New York, p. 1-24, 2025. https://doi.org/10.1007/s10639-025-13575-9
    » https://doi.org/10.1007/s10639-025-13575-9
  • BOUBKER, Omar. From chatting to self-educating: can AI tools boost student learning outcomes? Expert Systems with Applications, Amsterdam, v. 238, p. 1-13, 2024. https://doi.org/10.1016/j.eswa.2023.121820
    » https://doi.org/10.1016/j.eswa.2023.121820
  • CÉSPEDES, Jensy Campos; CHAVARRÍA, Benjamín Campos. Estrategias para la prevención y abordaje de prácticas de deshonestidad académica en el contexto universitario. Praxis Educativa, Ponta Grossa, v. 19, p. 1-18, 2024. Disponível em: https://dialnet.unirioja.es/servlet/articulo?codigo=10170497 Acesso em: 1 mar. 2026.
    » https://dialnet.unirioja.es/servlet/articulo?codigo=10170497
  • CHAN, Cecilia Ka Yuk; HU, Wenjie. Students’ voices on generative AI: perceptions, benefits, and challenges in higher education. International Journal of Educational Technology in Higher Education, New York, v. 20, n. 43, p. 1-18, 2023. https://doi.org/10.1186/s41239-023-00411-8
    » https://doi.org/10.1186/s41239-023-00411-8
  • CHAN, Cecilia Ka Yuk; LEE, Katherine Ka Wing. The AI generation gap: are Gen Z students more interested in adopting generative AI such as ChatGPT in teaching and learning than their Gen X and millennial generation teachers? Smart Learning Environments, New York, v. 10, n. 60, p. 1-23, 2023. https://doi.org/10.1186/s40561-023-00269-3
    » https://doi.org/10.1186/s40561-023-00269-3
  • CHOU, Chun-Mei et al Influencing factors on students’ learning effectiveness of AI-based technology application: mediation variable of the human-computer interaction experience. Education and Information Technologies, New York, v. 27, p. 8723-8750, 2022. https://doi.org/10.1007/s10639-021-10866-9
    » https://doi.org/10.1007/s10639-021-10866-9
  • DAHRI, Nisar Ahmed et al Investigating AI-based academic support acceptance and its impact on students’ performance in Malaysian and Pakistani higher education institutions. Education and Information Technologies, New York, v. 29, p. 18695-18744, 2024. https://doi.org/10.1007/s10639-024-12599-x
    » https://doi.org/10.1007/s10639-024-12599-x
  • DAS, Soumya Ranjan; MADHUSUDAN, Jaladi Venkata. Perceptions of higher education students towards ChatGPT usage. International Journal of Technology in Education, Monument, v. 7, n. 1, p. 86-106, 2024. https://doi.org/10.46328/ijte.583
    » https://doi.org/10.46328/ijte.583
  • DIAZ SARAVIA, Jean Carlo et al El ciberplagio académico como práctica de deshonestidad en estudiantes de ingeniería. Revista Minerva, Caracas, v. 6, n. 18, p. 30-38, 2025. https://doi.org/10.47460/minerva.v6i18.223
    » https://doi.org/10.47460/minerva.v6i18.223
  • DUY, Nguyen Binh Phuong et al AI-assisted learning: an empirical study on student application behavior. Multidisciplinary Science Journal, Mossoró, v. 7, n. 6, p. 1-12, 2024. https://doi.org/10.31893/multiscience.2025275
    » https://doi.org/10.31893/multiscience.2025275
  • ESSEL, Harry Barton et al The impact of a virtual teaching assistant (chatbot) on students’ learning in Ghanaian higher education. International Journal of Educational Technology in Higher Education, New York, v. 19, n. 57, p. 1-19, 2022. Disponível em: https://educationaltechnologyjournal.springeropen.com/articles/10.1186/s41239-022-00362-6 Acesso em: 25 fev. 2025.
    » https://educationaltechnologyjournal.springeropen.com/articles/10.1186/s41239-022-00362-6
  • FALEBITA, Oluwanife Segun; KOK, Petrus Jacobus. Artificial intelligence tools usage: a structural equation modeling of undergraduates’ technological readiness, self-efficacy and attitudes. Journal for STEM Education Research, New York, v. 8, p. 257-282, 2024. https://doi.org/10.1007/s41979-024-00132-1
    » https://doi.org/10.1007/s41979-024-00132-1
  • FISHMAN, Teddi. The fundamental values of academic integrity. 3. ed. Clemson: Clemson University, 2021. Disponível em: https://www.chapman.edu/academics/academic-integrity/_files/the-fundamental-values-of-academic-integrity.pdf Acesso em: 1 mar. 2026.
    » https://www.chapman.edu/academics/academic-integrity/_files/the-fundamental-values-of-academic-integrity.pdf
  • GARZA-GARCÍA, María del Carmen; CAMACHO-RODRÍGUEZ, Ana Karen; CHAVARRÍA-ALVARADO, Luis Manuel. La IA como herramienta precursora del plagio en la era digital y su impacto en el ámbito educativo. VinculaTégica EFAN, Nuevo León, v. 10, n. 6, p. 51-68, 2024. https://doi.org/10.29105/vtga10.6-993
    » https://doi.org/10.29105/vtga10.6-993
  • GRÁJEDA, Alberto et al Embracing artificial intelligence in the arts classroom: understanding student perceptions and emotional reactions to AI tools. Cogent Education, London, v. 11, n. 1, p. 1-24, 2024. https://doi.org/10.1080/2331186X.2024.2378271
    » https://doi.org/10.1080/2331186X.2024.2378271
  • HARRAD, Rachel; KEASLEY, Robert; JEFFERIES, Luke. Academic integrity or academic misconduct? Conceptual difficulties in higher education and the potential contribution of student demographic factors. Higher Education Research & Development, London, v. 43, n. 7, p. 1556-1570, 2024. https://doi.org/10.1080/07294360.2024.2339833
    » https://doi.org/10.1080/07294360.2024.2339833
  • IWASAWA, Makiko; KOBAYASHI, Masahiro; OTORI, Katsuya. Knowledge and attitudes of pharmacy students towards artificial intelligence and ChatGPT. Pharmacy Education, The Hague, v. 23, n. 1, p. 665-675, 2023. https://doi.org/10.46542/pe.2023.231.665675
    » https://doi.org/10.46542/pe.2023.231.665675
  • JABOOB, Mohammed; HAZAIMEH, Manar; AL-ANSI, Abdullah. Integration of generative AI techniques and applications in student behavior and cognitive achievement in Arab higher education. International Journal of Human-Computer Interaction, London, v. 41, n. 1, p. 353-366, 2024. https://doi.org/10.1080/10447318.2023.2300016
    » https://doi.org/10.1080/10447318.2023.2300016
  • JIN, Sung-Hee et al Supporting students’ self-regulated learning in online learning using artificial intelligence applications. International Journal of Educational Technology in Higher Education, New York, v. 20, n. 37, p. 1-21, 2023. https://doi.org/10.1186/s41239-023-00406-5
    » https://doi.org/10.1186/s41239-023-00406-5
  • JOHNSTON, Heather et al Student perspectives on the use of generative artificial intelligence technologies in higher education. International Journal for Educational Integrity, New York, v. 20, n. 2, p. 1-21, 2024. https://doi.org/10.1007/s40979-024-00149-4
    » https://doi.org/10.1007/s40979-024-00149-4
  • KLIMOVA, Blanka; LUZ DE CAMPOS, Víctor Paiva. University undergraduates’ perceptions on the use of ChatGPT for academic purposes: evidence from a university in Czech Republic. Cogent Education, London, v. 11, n. 1, p. 1-16, 2024. https://doi.org/10.1080/2331186X.2024.2373512
    » https://doi.org/10.1080/2331186X.2024.2373512
  • KRSMANOVIC, Gala; DEEK, Fadi. Self-reported cognitive effects of AI applications on learning. Journal of Higher Education Theory and Practice, Sheridan, v. 25, n. 1, p. 55-62, 2025. https://doi.org/10.33423/jhetp.v25i1.7563
    » https://doi.org/10.33423/jhetp.v25i1.7563
  • LAN, Min; ZHOU, Xiaofeng. A qualitative systematic review on AI empowered self-regulated learning in higher education. NPJ Science of Learning, London, v. 10, n. 21, p. 1-16, 2025. https://doi.org/10.1038/s41539-025-00319-0
    » https://doi.org/10.1038/s41539-025-00319-0
  • LATURETTE, Kazia; SYAHRANI, Adelia; OCTAVICA, Louisa. Using artificial intelligence can increase academic fraud in Generation Z. Jurnal Akuntansi dan Auditing Indonesia, Yogyakarta, v. 29, n. 1, p. 102-118, 2025. https://doi.org/10.20885/jaai.vol29.iss1.art9
    » https://doi.org/10.20885/jaai.vol29.iss1.art9
  • LI, Kang. Determinants of college students’ actual use of AI-based systems: an extension of the Technology Acceptance Model. Sustainability, Basel, v. 15, n. 6, p. 1-16, 2023. https://doi.org/10.3390/su15065221
    » https://doi.org/10.3390/su15065221
  • LI, Yifu; CASTULO, Nilo Jayoma; XU, Xiaoyuan. Embracing or rejecting AI? A mixed-method study on undergraduate students’ perceptions of artificial intelligence at a private university in China. Frontiers in Education, Lausanne, v. 10, p. 1-11, 2025. https://doi.org/10.3389/feduc.2025.1505856
    » https://doi.org/10.3389/feduc.2025.1505856
  • LIN, Haozhou; CHEN, Qiu. Artificial intelligence-integrated educational applications and college students’ creativity and academic emotions: students’ and teachers’ perceptions and attitudes. BMC Psychology, New York, v. 12, n. 487, p. 1-16, 2024. https://doi.org/10.1186/s40359-024-01979-0
    » https://doi.org/10.1186/s40359-024-01979-0
  • MENA DE LA ROSA, Rafael; CRUZ-ROMERO, Rubicel; SILVA-PAYRÓ, Martha Patricia. Percepción de la inteligencia artificial por estudiantes universitarios como acompañante en el proceso de aprendizaje. European Public & Social Innovation Review, Madrid, v. 9, p. 1-18, 2024. https://doi.org/10.31637/epsir-2024-738
    » https://doi.org/10.31637/epsir-2024-738
  • MOLINA-MONTALVO, Hugo; MACÍAS, Julio César; HACES, Gerardo. Impacto, percepciones y uso de ChatGPT en la formación de estudiantes de pedagogía y educación: un estudio diagnóstico en diez universidades de México. Revista Tecnología, Ciencia y Educación, Madrid, n. 31, p. 59-89, 2025. https://doi.org/10.51302/tce.2025.24301
    » https://doi.org/10.51302/tce.2025.24301
  • MUKHTAR, Maliha et al Impact of AI dependence on procrastination among university students. Research Journal of Psychology, Semarang, v. 3, n. 1, p. 246-257, 2025. Disponível em: https://www.researchgate.net/publication/388767320_Impact_of_AI_Dependence_on_Procrastination_among_University_Students Acesso em: 3 mar. 2025.
    » https://www.researchgate.net/publication/388767320_Impact_of_AI_Dependence_on_Procrastination_among_University_Students
  • NAGAH, Sarah; SALAH, Elsayed. Higher education students’ perceptions and attitudes about using ChatGPT in Oman: a case study of OCMT. International Journal of Educational Sciences and Arts, London, v. 3, n. 4, p. 304-321, 2024. https://doi.org/10.59992/IJESA.2024.v3n4p8
    » https://doi.org/10.59992/IJESA.2024.v3n4p8
  • NAIN. National Academic Integrity Network. Academic integrity: national principles and lexicon of common terms. v. 2. Dublin: NAIN, 2025. Disponível em: https://share.google/j8DLK1wg5ycAD9V6c Acesso em: 1 mar. 2026.
    » https://share.google/j8DLK1wg5ycAD9V6c
  • NASEER, Fawad et al Integrating deep learning techniques for personalized learning pathways in higher education. Heliyon, Cambridge, v. 10, n. 11, p. 1-18, 2024. https://doi.org/10.1016/j.heliyon.2024.e32628
    » https://doi.org/10.1016/j.heliyon.2024.e32628
  • NGO, Thi Thuy An. The perception by university students of the use of ChatGPT in education. International Journal of Emerging Technologies in Learning, Frankfurt am Main, v. 18, n. 17, p. 4-19, 2023. https://doi.org/10.3991/ijet.v18i17.39019
    » https://doi.org/10.3991/ijet.v18i17.39019
  • NIÑO-CARRASCO, Shamaly Alhelí et al Percepciones de estudiantes universitarios sobre los usos de inteligencia artificial en educación. Revista Fuentes, Sevilla, v. 27, n. 1, p. 94-106, 2025. Disponível em: https://revistascientificas.us.es/index.php/fuentes/article/view/26356 Acesso em: 1 abr. 2025.
    » https://revistascientificas.us.es/index.php/fuentes/article/view/26356
  • OROK, Edidiong et al Pharmacy students’ perception and knowledge of chat-based artificial intelligence tools at a Nigerian university. BMC Medical Education, New York, v. 24, n. 1237, p. 1-11, 2024. https://doi.org/10.1186/s12909-024-06255-8
    » https://doi.org/10.1186/s12909-024-06255-8
  • OSMAN, Zahir; MOHAMAD, Ratna Khuzaimah; KASBUN, Nadzurah. What does it take to trigger intention to use artificial intelligence among students in higher education institutions? International Journal of Academic Research in Business and Social Sciences, Bahawalpur, v. 14, n. 7, p. 1412-1429, 2024. https://doi.org/10.6007/ijarbss/v14-i7/22004
    » https://doi.org/10.6007/ijarbss/v14-i7/22004
  • PUCHE VILLALOBOS, Deinny José. La inteligencia artificial y el fraude académico en el contexto universitario. Revista Digital de Investigación y Postgrado, San Cristóbal, v. 6, n. 11, p. 77-93, 2025. https://doi.org/10.59654/kg944e15
    » https://doi.org/10.59654/kg944e15
  • RAJESHA, Shivaramegowda; NIRMALA, M. Leveraging artificial intelligence to enhance learning progress and its impact on higher education students. ICTACT Journal on Management Studies, Tamil Nadu, v. 11, n. 1, p. 2049-2053, 2025. https://doi.org/10.21917/ijms.2025.0317
    » https://doi.org/10.21917/ijms.2025.0317
  • RAVŠELJ, Dejan et al Higher education students’ perceptions of ChatGPT: a global study of early reactions. PLoS ONE, California, v. 20, n. 2, p. 1-53, 2025. https://doi.org/10.1371/journal.pone.0315011
    » https://doi.org/10.1371/journal.pone.0315011
  • RÍOS, Iván Neftalí et al Percepciones de estudiantes latinoamericanos sobre el uso de la inteligencia artificial en la educación superior. Austral Comunicación, Pilar, v. 13, n. 1, p. 1-25, 2024. https://doi.org/10.26422/aucom.2024.1301.rio
    » https://doi.org/10.26422/aucom.2024.1301.rio
  • RUIZ, Karla Karina; MIRAMONTES, Ma. Antonia; REYNA, Carlos. Percepciones y expectativas de estudiantes universitarios sobre la IAG. European Public & Social Innovation Review, Madrid, v. 9, p. 1-21, 2024. https://doi.org/10.31637/epsir-2024-357
    » https://doi.org/10.31637/epsir-2024-357
  • SLIMI, Zouhaier; BENAYOUNE, Abdelghani; ALEMU, Abebe Ejigu. Students’ perceptions of artificial intelligence integration in higher education. European Journal of Educational Research, Enschede, v. 14, n. 2, p. 471-484, 2025. https://doi.org/10.12973/eu-jer.14.2.471
    » https://doi.org/10.12973/eu-jer.14.2.471
  • SUN, Lihui; ZHOU, Liang. Does generative artificial intelligence improve the academic achievement of college students? A meta-analysis. Journal of Educational Computing Research, Manchester, v. 62, n. 7, p. 1676-1713, 2024. https://doi.org/10.1177/07356331241277937
    » https://doi.org/10.1177/07356331241277937
  • SUPRAPTO, Nadi et al Academic integrity vs. academic misconduct: a thematic evolution through bibliometrics. Journal of Academic Ethics, Dordrecht, v. 23, p. 997-1023, 2025. https://doi.org/10.1007/s10805-024-09580-1
    » https://doi.org/10.1007/s10805-024-09580-1
  • TERBLANCHE, Nicky et al Performance matters: students’ perceptions of artificial intelligence coach adoption factors. Coaching: An International Journal of Theory, Research and Practice, London, v. 16, n. 1, p. 100-114, 2022. https://doi.org/10.1080/17521882.2022.2094278
    » https://doi.org/10.1080/17521882.2022.2094278
  • TORRES-GASTELÚ, Carlos Arturo; TORRES-REAL, Carlos. Base de datos percepción estudiantes IA: 1010 alumnos. ResearchGate, 2026. Base de dados. https://doi.org/10.13140/RG.2.2.11012.39045
    » https://doi.org/10.13140/RG.2.2.11012.39045
  • TORRES-GASTELÚ, Carlos Arturo; TORRES-REAL, Carlos. Validación de una escala sobre la percepción de la inteligencia artificial en la educación superior. Ciencia Latina Revista Científica Multidisciplinar, Ciudad de México, v. 9, n. 2, p. 5706-5725, 2025. https://doi.org/10.37811/cl_rcm.v9i2.17324
    » https://doi.org/10.37811/cl_rcm.v9i2.17324
  • WANG, Ling; LI, Wenye. The impact of AI usage on university students’ willingness for autonomous learning. Behavioral Sciences, Basel, v. 14, n. 10, p. 1-16, 2024. https://doi.org/10.3390/bs14100956
    » https://doi.org/10.3390/bs14100956
  • WU, Hanwei; WANG, Yunsong; WANG, Yongliang. “To use or not to use?” A mixed-methods study on the determinants of EFL college learners’ behavioral intention to use AI in the distributed learning context. The International Review of Research in Open and Distributed Learning, Athabasca, v. 25, n. 3, p. 158-178, 2024. https://doi.org/10.19173/irrodl.v25i3.7708
    » https://doi.org/10.19173/irrodl.v25i3.7708
  • XU, Xiaoshu et al. Understanding learners’ perceptions of ChatGPT: a thematic analysis of peer interviews among undergraduates and postgraduates in China. Heliyon, Cambridge, v. 10, n. 4, p. 1-13, 2024. https://doi.org/10.1016/j.heliyon.2024.e26239
    » https://doi.org/10.1016/j.heliyon.2024.e26239
  • ZHAI, Chunpeng; WIBOWO, Santoso; LI, Lily. The effects of over-reliance on AI dialogue systems on students’ cognitive abilities: a systematic review. Smart Learning Environments, New York, v. 11, n. 28, p. 1-37, 2024. https://doi.org/10.1186/s40561-024-00316-7
    » https://doi.org/10.1186/s40561-024-00316-7
  • ZHANG, Ling; XU, Junzhou. The paradox of self-efficacy and technological dependence: unraveling generative AI’s impact on university students’ task completion. The Internet and Higher Education, Amsterdam, v. 65, p. 1-10, 2025. https://doi.org/10.1016/j.iheduc.2024.100978
    » https://doi.org/10.1016/j.iheduc.2024.100978
  • ZHANG, Shunan et al. Do you have AI dependency? The roles of academic self-efficacy, academic stress, and performance expectations on problematic AI usage behavior. International Journal of Educational Technology in Higher Education, New York, v. 21, n. 34, p. 1-14, 2024. https://doi.org/10.1186/s41239-024-00467-0
    » https://doi.org/10.1186/s41239-024-00467-0

1

- Disponibilidad de los datos: Todo el conjunto de datos cuantitativos que apoya los resultados de este estudio se ha publicado en el propio artículo. El conjunto de datos se ha puesto a disposición en el sitio de ResearchGate y se puede acceder a él en https://doi.org/10.13140/RG.2.2.11012.39045

Editor:

Prof. Dr. Hugo Heredia Ponce

Fechas de Publicación

  • Publicación en esta colección
    16 Nov 2026
  • Fecha del número
    2026

Histórico

  • Recibido
    21 Set 2025
  • Revisado
    23 Feb 2026
  • Acepto
    09 Mar 2026
location_on
Faculdade de Educação da Universidade de São Paulo Av. da Universidade, 308 - Biblioteca, 1º andar 05508-040 - São Paulo SP Brasil, Tel./Fax.: (55 11) 30913520 - São Paulo - SP - Brazil
E-mail: revedu@usp.br
rss_feed Stay informed of issues for this journal through your RSS reader
Go to top