Recibido: 14/11/2025
Aprobado: 18/03/2026
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1189
DOI: https://doi.org/10.70747/cr.v5i1.956
Actitudes Hacia la Inteligencia Artificial: Un Estudio con
Alumnos de un Centro de Bachillerato Tecnológico Industrial y
de Servicios en Chihuahua, México
Carlos Alfonso Valenzuela Maldonado
https://orcid.org/0000-0002-1623-021X
cvalenzuela@upnech.edu.mx
Universidad Pedagógica Nacional del Estado de Chihuahua
Hidalgo del Parral, Chih - México
RESUMEN
El uso de las tecnologías emergentes en la educación es un fenómeno de cambios
acelerados que merecen su atención, por ello, el presente estudio tuvo como objetivo
determinar estadísticamente la existencia de diferencias significativas en las actitudes,
positivas o negativas, hacia las herramientas de Inteligencia Artificial entre estudiantes del
último grado de bachillerato. Se empleó una metodología cuantitativa con un diseño no
experimental de corte transversal y un tipo de estudio descriptivo. La muestra, no
probabilística por accesibilidad, estuvo conformada por 302 alumnos de quinto semestre
del Centro de Bachillerato Tecnológico Industrial y de Servicios No. 228 (CBTis 228)
ubicado en la localidad de Hidalgo del Parral, Chih. Méx. Para la recolección de datos se
utilizó un instrumento ajustado y propuesto por Schepman y Rodway (2020). El análisis de
confiabilidad del instrumento adaptado, mediante el coeficiente alfa de Cronbach, arrojó un
valor total de α = 0.717, lo que indica una consistencia interna aceptable para su aplicación.
Los resultados del análisis estadístico, mostraron diferencias significativas específicas entre
las especialidades de laboratorista químico y administración de recursos humanos para el
ítem “el uso de la IA pondrá en peligro nuestra sociedad” de la dimensión de actitudes
negativas; respecto a la correlación con la variable género, existe una clara tendencia del
femenino a los baremos de “Totalmente de acuerdo”, así como discrepancia relacionada
con la fascinación, la utilidad percibida y la admiración. Estos hallazgos aportan evidencia
relevante sobre un estado de apertura diferenciado al aprendizaje y la interacción con la IA.
Dicha información resulta de gran valor para el diseño de estrategias educativas que
promuevan el aprendizaje crítico de esta tecnología emergente
Palabras clave: inteligencia artificial, actitud, formación
Los autores declaran no tener conflicto de intereses.
El Editor y los Revisores declararon no tener conflicto de intereses.
Licencia:
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1190
Attitudes towards Artificial Intelligence: A study with students from a
Technological Industrial and Services High School in Chihuahua,
Mexico
ABSTRACT
The use of emerging technologies in education is a rapidly changing phenomenon that
warrants attention. Therefore, this study aimed to statistically determine the existence of
significant differences in attitudes, positive or negative, toward Artificial Intelligence tools
among high school seniors. A quantitative methodology with a non-experimental, cross-
sectional design and a descriptive approach was employed. The non-probabilistic sample,
selected for accessibility, consisted of 302 fifth-semester students from the Industrial and
Technological High School No. 228 (CBTis 228), located in Hidalgo del Parral, Chihuahua,
Mexico. Data collection was carried out using an instrument adapted and proposed by
Schepman and Rodway (2020). The reliability analysis of the adapted instrument, using
Cronbach's alpha coefficient, yielded a total value of α = 0.717, indicating acceptable
internal consistency for its application. The results of the statistical analysis showed
significant differences between the specializations of chemical laboratory technician and
human resource management regarding the item "the use of AI will endanger our society"
within the negative attitudes dimension. Regarding the correlation with gender, there is a
clear tendency for women to respond to the "Strongly agree" scale, as well as discrepancies
related to fascination, perceived usefulness, and admiration. These findings provide relevant
evidence of a differentiated state of openness to learning about and interacting with AI. This
information is highly valuable for designing educational strategies that promote critical
learning about this emerging technology
Keywords: artificial intelligence, attitude, training
The authors declare no conflict of interest.
The Editor and the Reviewers declared no conflict of interest.
License:
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1190
Attitudes towards Artificial Intelligence: A study with students from a
Technological Industrial and Services High School in Chihuahua,
Mexico
ABSTRACT
The use of emerging technologies in education is a rapidly changing phenomenon that
warrants attention. Therefore, this study aimed to statistically determine the existence of
significant differences in attitudes, positive or negative, toward Artificial Intelligence tools
among high school seniors. A quantitative methodology with a non-experimental, cross-
sectional design and a descriptive approach was employed. The non-probabilistic sample,
selected for accessibility, consisted of 302 fifth-semester students from the Industrial and
Technological High School No. 228 (CBTis 228), located in Hidalgo del Parral, Chihuahua,
Mexico. Data collection was carried out using an instrument adapted and proposed by
Schepman and Rodway (2020). The reliability analysis of the adapted instrument, using
Cronbach's alpha coefficient, yielded a total value of α = 0.717, indicating acceptable
internal consistency for its application. The results of the statistical analysis showed
significant differences between the specializations of chemical laboratory technician and
human resource management regarding the item "the use of AI will endanger our society"
within the negative attitudes dimension. Regarding the correlation with gender, there is a
clear tendency for women to respond to the "Strongly agree" scale, as well as discrepancies
related to fascination, perceived usefulness, and admiration. These findings provide relevant
evidence of a differentiated state of openness to learning about and interacting with AI. This
information is highly valuable for designing educational strategies that promote critical
learning about this emerging technology
Keywords: artificial intelligence, attitude, training
The authors declare no conflict of interest.
The Editor and the Reviewers declared no conflict of interest.
License:
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1191
INTRODUCCIÓN
La investigación educativa contemporánea ha expandido significativamente sus horizontes
metodológicos y conceptuales gracias a la incorporación de herramientas tecnológicas
basadas en Inteligencia Artificial (IA), las cuales ofrecen nuevas perspectivas para analizar y
potenciar los procesos de enseñanza y aprendizaje. Sin embargo, este avance no se ha
distribuido de manera uniforme en todos los niveles del sistema educativo. En particular, su
implementación en el ámbito de la educación media superior presenta un notable desfase,
caracterizado por una adopción fragmentaria y limitada. Una revisión de la literatura
reciente (García et al., 2024, citado en Puche, 2025; Recio, 2025; Vélez-Rivera et al., 2025;
González et al., 2025) identifica un consenso emergente sobre los factores estructurales que
explican esta brecha. Las evidencias apuntan a un conjunto multifactorial de obstáculos,
entre los que destacan: deficiencias sustantivas tanto en la formación pedagógico-digital del
profesorado como en la alfabetización crítica del estudiantado; la persistencia de
orientaciones didácticas tradicionales que no logran integrar orgánicamente estas
herramientas; cuestionamientos éticos y epistemológicos no resueltos en torno a la
autonomía, la equidad y la autoría en el aprendizaje mediado por IA; y, fundamentalmente,
la ausencia de marcos normativos y de políticas institucionales claras que proporcionen
directrices, certidumbre y un propósito pedagógico bien definido para una integración
efectiva y responsable. Esta conjunción de factores configura un contexto de
implementación complejo que justifica y dota de relevancia a investigaciones orientadas a
diagnosticar las condiciones de posibilidad para la integración de la IA en este nivel
educativo. Si bien la literatura señala un consenso sobre las condiciones que obstaculizan el
uso de la IA en el nivel medio superior, se carece de una comprensión de cómo estas
condiciones se manifiestan en este nivel, generando actitudes particulares en los alumnos
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1191
INTRODUCCIÓN
La investigación educativa contemporánea ha expandido significativamente sus horizontes
metodológicos y conceptuales gracias a la incorporación de herramientas tecnológicas
basadas en Inteligencia Artificial (IA), las cuales ofrecen nuevas perspectivas para analizar y
potenciar los procesos de enseñanza y aprendizaje. Sin embargo, este avance no se ha
distribuido de manera uniforme en todos los niveles del sistema educativo. En particular, su
implementación en el ámbito de la educación media superior presenta un notable desfase,
caracterizado por una adopción fragmentaria y limitada. Una revisión de la literatura
reciente (García et al., 2024, citado en Puche, 2025; Recio, 2025; Vélez-Rivera et al., 2025;
González et al., 2025) identifica un consenso emergente sobre los factores estructurales que
explican esta brecha. Las evidencias apuntan a un conjunto multifactorial de obstáculos,
entre los que destacan: deficiencias sustantivas tanto en la formación pedagógico-digital del
profesorado como en la alfabetización crítica del estudiantado; la persistencia de
orientaciones didácticas tradicionales que no logran integrar orgánicamente estas
herramientas; cuestionamientos éticos y epistemológicos no resueltos en torno a la
autonomía, la equidad y la autoría en el aprendizaje mediado por IA; y, fundamentalmente,
la ausencia de marcos normativos y de políticas institucionales claras que proporcionen
directrices, certidumbre y un propósito pedagógico bien definido para una integración
efectiva y responsable. Esta conjunción de factores configura un contexto de
implementación complejo que justifica y dota de relevancia a investigaciones orientadas a
diagnosticar las condiciones de posibilidad para la integración de la IA en este nivel
educativo. Si bien la literatura señala un consenso sobre las condiciones que obstaculizan el
uso de la IA en el nivel medio superior, se carece de una comprensión de cómo estas
condiciones se manifiestan en este nivel, generando actitudes particulares en los alumnos
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1192
principalmente. El vacío en mención impide el diseño de estrategias efectivas y pertinentes
para una integración ética.
Comprender sus percepciones resulta fundamental. Un análisis de dichas actitudes
permitiría obtener un panorama más claro que contribuya a incidir tanto en los procesos
académicos y administrativos como en las políticas institucionales, que permitan una
transición informada y una adopción crítica y responsable de estas tecnologías emergentes
en el ámbito educativo.
Diversas investigaciones documentan el crecimiento exponencial de los estudios orientados
a la integración de la inteligencia artificial en los procesos escolares. De acuerdo con
Casanova y Martínez (2024), este campo de investigación atraviesa una etapa de expansión
acelerada, caracterizada por una producción científica compuesta principalmente por actas
de congresos y artículos académicos, así como por una marcada concentración geográfica
en países como Estados Unidos, Inglaterra y China.
De manera complementaria, los trabajos de Tramallino y Zeni (2024) profundizan en las
implicaciones educativas de este fenómeno, al identificar la alfabetización en inteligencia
artificial como una competencia emergente, urgente y de naturaleza multidisciplinaria. Sus
análisis destacan, además, los complejos desafíos éticos y pedagógicos asociados al uso de
la inteligencia artificial generativa (IAG), los cuales evidencian una necesidad apremiante de
formación y capacitación docente.
En conjunto, la literatura revisada pone de manifiesto no solo un incremento cuantitativo en
la producción de conocimiento, sino también una evolución cualitativa de las líneas de
investigación hacia problemáticas críticas que articulan la innovación tecnológica con la
práctica educativa, la equidad y la responsabilidad social.
Al revisar con mayor detenimiento los antecedentes sobre el tema, se logró realizar el
análisis de una serie de investigaciones como se muestra en la tabla 1.
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1192
principalmente. El vacío en mención impide el diseño de estrategias efectivas y pertinentes
para una integración ética.
Comprender sus percepciones resulta fundamental. Un análisis de dichas actitudes
permitiría obtener un panorama más claro que contribuya a incidir tanto en los procesos
académicos y administrativos como en las políticas institucionales, que permitan una
transición informada y una adopción crítica y responsable de estas tecnologías emergentes
en el ámbito educativo.
Diversas investigaciones documentan el crecimiento exponencial de los estudios orientados
a la integración de la inteligencia artificial en los procesos escolares. De acuerdo con
Casanova y Martínez (2024), este campo de investigación atraviesa una etapa de expansión
acelerada, caracterizada por una producción científica compuesta principalmente por actas
de congresos y artículos académicos, así como por una marcada concentración geográfica
en países como Estados Unidos, Inglaterra y China.
De manera complementaria, los trabajos de Tramallino y Zeni (2024) profundizan en las
implicaciones educativas de este fenómeno, al identificar la alfabetización en inteligencia
artificial como una competencia emergente, urgente y de naturaleza multidisciplinaria. Sus
análisis destacan, además, los complejos desafíos éticos y pedagógicos asociados al uso de
la inteligencia artificial generativa (IAG), los cuales evidencian una necesidad apremiante de
formación y capacitación docente.
En conjunto, la literatura revisada pone de manifiesto no solo un incremento cuantitativo en
la producción de conocimiento, sino también una evolución cualitativa de las líneas de
investigación hacia problemáticas críticas que articulan la innovación tecnológica con la
práctica educativa, la equidad y la responsabilidad social.
Al revisar con mayor detenimiento los antecedentes sobre el tema, se logró realizar el
análisis de una serie de investigaciones como se muestra en la tabla 1.
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1193
Tabla 1. Antecedentes sobre el tema
Autor (año),
país
Metodología Aspecto
analizado
Resultados Participantes
Álvarez
Hernández,
GA, & Pérez
Velasco, AA
(2025)
Cualitativa Percepciones
del
estudiantado
universitario
en el uso y
apropiación
de la
inteligencia
artificial
Develan la importancia
de integrar competencias
digitales en la formación
del estudiantado
universitario
125
estudiantes
Romeu
Fontanillas,
T., Romero
Carbonell,
M., Guitert
Catasús, M.,
& Baztán
Quemada, P.
(2025).
España.
Mixta Desafíos de la
IAG en
educación
superior
La formación específica
en IAG mejora el
conocimiento de esta,
ayuda a discernir
potencialidades y
aspectos críticos
900
estudiantes
universitarios
Zamora
Varela, Y. y
Mendoza
Encinas, MD
(2023).
México.
Estudio
cuantitativo
de alcance
exploratorio
Desafíos y
oportunidades
de la
educación
superior ante
la IA
Los resultados
demostraron un uso por
un porcentaje importante
de la población. Se
identificó la
necesidad de desarrollar
lineamientos para su uso,
así como definir los
conceptos éticos
relacionados.
132 alumnos
Acosta-
Rivera, LG,
& Bedón
Vaca, CD
(2025).
México
Cuantitativo,
cuasi
experimento
Impacto de la
IA en el
aprendizaje
del inglés en
estudiantes de
bachillerato
de Ecuador
Existencia de aportes de
las herramientas para la
personalización del
aprendizaje, la retro
alimentación y la
motivación a través de
actividades interactivas
60
estudiantes
de
bachillerato
Saz-Pérez,
F., Lizana
Carrió, A.,
Pizà-Mir, B.,
& de Benito
Crosetti, B.
(2025).
España.
Cuantitativo,
diseño
experimental
Aprendizaje
autónomo en
estudiantes de
secundaria
Incrementos en las
puntuaciones
especialmente en la
identificación y
descripción de
elementos físicos y
emocionales, aunque el
efecto fue de pequeño a
moderado.
83
estudiantes
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1193
Tabla 1. Antecedentes sobre el tema
Autor (año),
país
Metodología Aspecto
analizado
Resultados Participantes
Álvarez
Hernández,
GA, & Pérez
Velasco, AA
(2025)
Cualitativa Percepciones
del
estudiantado
universitario
en el uso y
apropiación
de la
inteligencia
artificial
Develan la importancia
de integrar competencias
digitales en la formación
del estudiantado
universitario
125
estudiantes
Romeu
Fontanillas,
T., Romero
Carbonell,
M., Guitert
Catasús, M.,
& Baztán
Quemada, P.
(2025).
España.
Mixta Desafíos de la
IAG en
educación
superior
La formación específica
en IAG mejora el
conocimiento de esta,
ayuda a discernir
potencialidades y
aspectos críticos
900
estudiantes
universitarios
Zamora
Varela, Y. y
Mendoza
Encinas, MD
(2023).
México.
Estudio
cuantitativo
de alcance
exploratorio
Desafíos y
oportunidades
de la
educación
superior ante
la IA
Los resultados
demostraron un uso por
un porcentaje importante
de la población. Se
identificó la
necesidad de desarrollar
lineamientos para su uso,
así como definir los
conceptos éticos
relacionados.
132 alumnos
Acosta-
Rivera, LG,
& Bedón
Vaca, CD
(2025).
México
Cuantitativo,
cuasi
experimento
Impacto de la
IA en el
aprendizaje
del inglés en
estudiantes de
bachillerato
de Ecuador
Existencia de aportes de
las herramientas para la
personalización del
aprendizaje, la retro
alimentación y la
motivación a través de
actividades interactivas
60
estudiantes
de
bachillerato
Saz-Pérez,
F., Lizana
Carrió, A.,
Pizà-Mir, B.,
& de Benito
Crosetti, B.
(2025).
España.
Cuantitativo,
diseño
experimental
Aprendizaje
autónomo en
estudiantes de
secundaria
Incrementos en las
puntuaciones
especialmente en la
identificación y
descripción de
elementos físicos y
emocionales, aunque el
efecto fue de pequeño a
moderado.
83
estudiantes
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1194
Jumbo
Misquero, P.
F., Arias
Salazar, E.
A., & Yánez
Villarroel, S.
R. (2025).
Ecuador
Cuantitativa Influencia de
la IA en el
desarrollo de
habilidades
digitales en
estudiantes de
educación
superior
Los resultados
demuestran que la IA es
utilizada
principalmente de
manera instrumental,
evidenciando un nivel
intermedio en la mayoría
de competencias
digitales
65
estudiantes
de educación
superior
Alpizar
Garrido, Luis
Octavio, &
Martínez
Ruiz, Héctor.
(2024).
México.
Cuantitativo
de alcance
descriptivo
Percepción
de los
estudiantes
del nivel
medio
superior hacia
el uso de la
IAG
Los estudiantes valoran
el uso de herramientas
innovadoras al recibir
sus clases, ya que
desarrollan una
comprensión más
profunda de los temas.
32
estudiantes
de
bachillerato
Torres
Nabel, L. C.,
& Basilio
Rizo, L. I.
(2025).
México.
Cuantitativo,
PLS SEM
El uso de
ChatGPT en
estudiantes
del CETI
Integración de ChatGPT
en las prácticas
educativas, contribuyen
a comprender las
implicaciones de la IA en
los entornos académicos
441
estudiantes
de
bachillerato
Fuente: Elaboración propia
La tabla 1 sintetiza una serie de investigaciones recientes (2023-2025) desarrolladas
principalmente en España, México y Ecuador, que abordan las percepciones, desafíos e
impacto de la IA, con énfasis en la generativa (IAG), en diversos niveles educativos. En
conjunto, los estudios emplean metodologías diversas—cualitativas, cuantitativas
(descriptivas, exploratorias y experimentales) y mixtas—, reflejando un interés creciente y
multidimensional por comprender la interacción entre esta tecnología y los entornos de
aprendizaje.
Un hallazgo transversal es la receptividad positiva de los estudiantes hacia estas
herramientas. Se reporta que las valoran por facilitar una comprensión más profunda de los
temas (Alpizar Garrido & Martínez Ruiz, 2024), personalizar el aprendizaje y aumentar la
motivación (Acosta-Rivera & Bedón Vaca, 2025). Esta aceptación, sin embargo, no es
acrítica ni uniforme. Por un lado, se identifica un uso predominantemente instrumental de la
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1194
Jumbo
Misquero, P.
F., Arias
Salazar, E.
A., & Yánez
Villarroel, S.
R. (2025).
Ecuador
Cuantitativa Influencia de
la IA en el
desarrollo de
habilidades
digitales en
estudiantes de
educación
superior
Los resultados
demuestran que la IA es
utilizada
principalmente de
manera instrumental,
evidenciando un nivel
intermedio en la mayoría
de competencias
digitales
65
estudiantes
de educación
superior
Alpizar
Garrido, Luis
Octavio, &
Martínez
Ruiz, Héctor.
(2024).
México.
Cuantitativo
de alcance
descriptivo
Percepción
de los
estudiantes
del nivel
medio
superior hacia
el uso de la
IAG
Los estudiantes valoran
el uso de herramientas
innovadoras al recibir
sus clases, ya que
desarrollan una
comprensión más
profunda de los temas.
32
estudiantes
de
bachillerato
Torres
Nabel, L. C.,
& Basilio
Rizo, L. I.
(2025).
México.
Cuantitativo,
PLS SEM
El uso de
ChatGPT en
estudiantes
del CETI
Integración de ChatGPT
en las prácticas
educativas, contribuyen
a comprender las
implicaciones de la IA en
los entornos académicos
441
estudiantes
de
bachillerato
Fuente: Elaboración propia
La tabla 1 sintetiza una serie de investigaciones recientes (2023-2025) desarrolladas
principalmente en España, México y Ecuador, que abordan las percepciones, desafíos e
impacto de la IA, con énfasis en la generativa (IAG), en diversos niveles educativos. En
conjunto, los estudios emplean metodologías diversas—cualitativas, cuantitativas
(descriptivas, exploratorias y experimentales) y mixtas—, reflejando un interés creciente y
multidimensional por comprender la interacción entre esta tecnología y los entornos de
aprendizaje.
Un hallazgo transversal es la receptividad positiva de los estudiantes hacia estas
herramientas. Se reporta que las valoran por facilitar una comprensión más profunda de los
temas (Alpizar Garrido & Martínez Ruiz, 2024), personalizar el aprendizaje y aumentar la
motivación (Acosta-Rivera & Bedón Vaca, 2025). Esta aceptación, sin embargo, no es
acrítica ni uniforme. Por un lado, se identifica un uso predominantemente instrumental de la
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1195
IA, asociado a un nivel intermedio de competencias digitales (Jumbo Misquero et al., 2025),
lo que señala una brecha entre la adopción y la apropiación crítica. Por otro lado, emergen
necesidades formativas y éticas claras. Los estudios subrayan la urgencia de integrar
competencias digitales específicas en los currículos (Álvarez Hernández & Pérez Velasco,
2025; Zamora Varela & Mendoza Encinas, 2023) y de desarrollar lineamientos éticos para su
uso, incluyendo la capacidad de discernir sus potencialidades y aspectos críticos (Romeu
Fontanillas et al., 2025; Zamora Varela & Mendoza Encinas, 2023).
En cuanto a la eficacia pedagógica, la evidencia apunta a impactos positivos, aunque
moderados. Una investigación experimental en secundaria encontró mejoras, de pequeño a
moderado efecto, en habilidades de identificación y descripción (Saz-Pérez et al., 2025).
Asimismo, la integración de herramientas como ChatGPT en prácticas educativas se vincula
con una mejor comprensión de las implicaciones de la IA en el ámbito académico (Torres
Nabel & Basilio Rizo, 2025).
En síntesis, la literatura revisada nos presenta un panorama donde la IA ocupa un lugar
importante como una herramienta de uso generalizado en los estudiantes. No obstante, su
uso también presenta algunos desafíos como la falta de capacitación adecuada que permita
una adopción crítica y ética; así como también, la urgencia de que las instituciones definan
pautas de acción claras. El análisis señala que el futuro de la IA en la educación no depende
únicamente de su evolución tecnológica, sino de la posibilidad de que los sistemas
educativos puedan integrarla de manera adecuada.
En este contexto, el objetivo de la presente investigación es determinar si existen diferencias
significativas en las actitudes hacia la inteligencia artificial entre estudiantes de cinco
especialidades de una institución de educación media superior.
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1195
IA, asociado a un nivel intermedio de competencias digitales (Jumbo Misquero et al., 2025),
lo que señala una brecha entre la adopción y la apropiación crítica. Por otro lado, emergen
necesidades formativas y éticas claras. Los estudios subrayan la urgencia de integrar
competencias digitales específicas en los currículos (Álvarez Hernández & Pérez Velasco,
2025; Zamora Varela & Mendoza Encinas, 2023) y de desarrollar lineamientos éticos para su
uso, incluyendo la capacidad de discernir sus potencialidades y aspectos críticos (Romeu
Fontanillas et al., 2025; Zamora Varela & Mendoza Encinas, 2023).
En cuanto a la eficacia pedagógica, la evidencia apunta a impactos positivos, aunque
moderados. Una investigación experimental en secundaria encontró mejoras, de pequeño a
moderado efecto, en habilidades de identificación y descripción (Saz-Pérez et al., 2025).
Asimismo, la integración de herramientas como ChatGPT en prácticas educativas se vincula
con una mejor comprensión de las implicaciones de la IA en el ámbito académico (Torres
Nabel & Basilio Rizo, 2025).
En síntesis, la literatura revisada nos presenta un panorama donde la IA ocupa un lugar
importante como una herramienta de uso generalizado en los estudiantes. No obstante, su
uso también presenta algunos desafíos como la falta de capacitación adecuada que permita
una adopción crítica y ética; así como también, la urgencia de que las instituciones definan
pautas de acción claras. El análisis señala que el futuro de la IA en la educación no depende
únicamente de su evolución tecnológica, sino de la posibilidad de que los sistemas
educativos puedan integrarla de manera adecuada.
En este contexto, el objetivo de la presente investigación es determinar si existen diferencias
significativas en las actitudes hacia la inteligencia artificial entre estudiantes de cinco
especialidades de una institución de educación media superior.
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1196
MATERIALES Y MÉTODOS
El presente estudio adopta un enfoque cuantitativo de tipo correlacional y comparativo con
un diseño transversal no experimental, el cual es definido por Hernández et al. (2006), como:
"la observación de fenómenos en su contexto natural, sin manipulación de variables”. Lo que
permite obtener una visión estructurada de la realidad estudiada. Cabe destacar que, en
línea con este enfoque, el estudio se limita a medir y analizar las variables en su estado
actual, sin intervención deliberada por parte del investigador.
El estudio se realizó con una población de 302 estudiantes del último semestre de educación
media superior, de los cuales 170 fueron mujeres y 132 hombres, 5 alumnos con menos de
16 años de edad, 292 entre edades 16 y 18 años, uno con más de 18 años (cuatro alumnos
no expresaron su edad) y distribuidos en las diferentes especialidades de la siguiente
manera: 105 de Administración de Recursos Humanos, 80 de Laboratorista Químico, 44 de
Ofimática, 39 de Producción Industrial y 34 de Mecánica Industrial, seleccionados mediante
un muestreo no probabilístico intencional. La recolección de datos se efectuó en visitas
presenciales a la institución educativa, aplicando el instrumento a los alumnos de quinto
semestre presentes en el aula durante la visita, solo los alumnos ausentes fueron excluidos.
Las hipótesis de investigación se definieron de la siguiente manera:
H1: Existen diferencias significativas en las actitudes hacia la inteligencia artificial entre
estudiantes de quinto semestre pertenecientes a distintas especialidades del CBTis 228. H2:
Existen diferencias significativas en las actitudes hacia la inteligencia artificial entre
estudiantes según su género.
Para operacionalizar las actitudes, se adaptó el instrumento propuesto por Schepman y
Rodway (2020), el cual se estructura en dos dimensiones centrales: actitudes positivas y
actitudes negativas, medidas a través de un total de 18 ítems provistos de un escalamiento
de 1 a 5, donde 1 es igual a estar Totalmente en desacuerdo, 2 En desacuerdo, 3 Neutral, 4
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1196
MATERIALES Y MÉTODOS
El presente estudio adopta un enfoque cuantitativo de tipo correlacional y comparativo con
un diseño transversal no experimental, el cual es definido por Hernández et al. (2006), como:
"la observación de fenómenos en su contexto natural, sin manipulación de variables”. Lo que
permite obtener una visión estructurada de la realidad estudiada. Cabe destacar que, en
línea con este enfoque, el estudio se limita a medir y analizar las variables en su estado
actual, sin intervención deliberada por parte del investigador.
El estudio se realizó con una población de 302 estudiantes del último semestre de educación
media superior, de los cuales 170 fueron mujeres y 132 hombres, 5 alumnos con menos de
16 años de edad, 292 entre edades 16 y 18 años, uno con más de 18 años (cuatro alumnos
no expresaron su edad) y distribuidos en las diferentes especialidades de la siguiente
manera: 105 de Administración de Recursos Humanos, 80 de Laboratorista Químico, 44 de
Ofimática, 39 de Producción Industrial y 34 de Mecánica Industrial, seleccionados mediante
un muestreo no probabilístico intencional. La recolección de datos se efectuó en visitas
presenciales a la institución educativa, aplicando el instrumento a los alumnos de quinto
semestre presentes en el aula durante la visita, solo los alumnos ausentes fueron excluidos.
Las hipótesis de investigación se definieron de la siguiente manera:
H1: Existen diferencias significativas en las actitudes hacia la inteligencia artificial entre
estudiantes de quinto semestre pertenecientes a distintas especialidades del CBTis 228. H2:
Existen diferencias significativas en las actitudes hacia la inteligencia artificial entre
estudiantes según su género.
Para operacionalizar las actitudes, se adaptó el instrumento propuesto por Schepman y
Rodway (2020), el cual se estructura en dos dimensiones centrales: actitudes positivas y
actitudes negativas, medidas a través de un total de 18 ítems provistos de un escalamiento
de 1 a 5, donde 1 es igual a estar Totalmente en desacuerdo, 2 En desacuerdo, 3 Neutral, 4
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1197
De acuerdo y 5 Totalmente de acuerdo. La fiabilidad de este instrumento adaptado fue
evaluada mediante el coeficiente Alfa de Cronbach, obteniendo un valor de 0.717, lo que
indica una consistencia interna aceptable para fines de investigación.
El análisis inferencial de datos se fundamentó en la aplicación de pruebas estadísticas no
paramétricas, apropiadas para las escalas de medición y la distribución de los datos. Para
contrastar las hipótesis formuladas se empleó la prueba H de Kruskal-Wallis, diseñada para
comparar las medianas de tres o más grupos independientes (especialidades). Cuando se
identificaban diferencias estadísticamente significativas, se procedía con un análisis post-hoc
aplicando la corrección de Bonferroni, con el fin de controlar la tasa de error al realizar
comparaciones múltiples por pares y precisar entre qué grupos específicos radicaba la
diferencia. Adicionalmente, para la comparación de dos grupos independientes (género), se
utilizó la prueba U de Mann-Whitney.
Respecto a las consideraciones éticas, es importante mencionar que este estudio se llevó a
cabo respetando los principios éticos de la investigación educativa; por un lado, la
autorización y aprobación de las autoridades directivas del CBTis 228, además del
consentimiento por parte de los alumnos a quienes se les explicó sobre la confidencialidad y
protección de sus datos a través del anonimato y el almacenamiento seguro. Finalmente,
dada la sensibilidad de la variable género se respetó la autodefinición de los participantes,
pero además se ofreció la opción “Otro”.
RESULTADOS Y DISCUSIÓN
Datos demográficos
El análisis descriptivo de la población estudiada, nos permitió una visión clara de las
variables especialidad de estudio y género. Respecto a la especialidad se presentan los datos
mostrados en la figura 1.
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1197
De acuerdo y 5 Totalmente de acuerdo. La fiabilidad de este instrumento adaptado fue
evaluada mediante el coeficiente Alfa de Cronbach, obteniendo un valor de 0.717, lo que
indica una consistencia interna aceptable para fines de investigación.
El análisis inferencial de datos se fundamentó en la aplicación de pruebas estadísticas no
paramétricas, apropiadas para las escalas de medición y la distribución de los datos. Para
contrastar las hipótesis formuladas se empleó la prueba H de Kruskal-Wallis, diseñada para
comparar las medianas de tres o más grupos independientes (especialidades). Cuando se
identificaban diferencias estadísticamente significativas, se procedía con un análisis post-hoc
aplicando la corrección de Bonferroni, con el fin de controlar la tasa de error al realizar
comparaciones múltiples por pares y precisar entre qué grupos específicos radicaba la
diferencia. Adicionalmente, para la comparación de dos grupos independientes (género), se
utilizó la prueba U de Mann-Whitney.
Respecto a las consideraciones éticas, es importante mencionar que este estudio se llevó a
cabo respetando los principios éticos de la investigación educativa; por un lado, la
autorización y aprobación de las autoridades directivas del CBTis 228, además del
consentimiento por parte de los alumnos a quienes se les explicó sobre la confidencialidad y
protección de sus datos a través del anonimato y el almacenamiento seguro. Finalmente,
dada la sensibilidad de la variable género se respetó la autodefinición de los participantes,
pero además se ofreció la opción “Otro”.
RESULTADOS Y DISCUSIÓN
Datos demográficos
El análisis descriptivo de la población estudiada, nos permitió una visión clara de las
variables especialidad de estudio y género. Respecto a la especialidad se presentan los datos
mostrados en la figura 1.
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1198
Figura 1. Distribución de la población según la especialidad que cursan
Fuente: elaboración propia
El gráfico circular presenta la distribución de participantes según su especialidad, resultando
Administración de Recursos Humanos con 105 alumnos. En segundo lugar, se encuentra
Laboratorista Químico, con 80 alumnos; por otro lado, las especialidades de Ofimática y
Producción Industrial registran 44 y 39 participantes respectivamente; finalmente, Mecánica
Industrial presenta la menor frecuencia con 34 alumnos.
En conjunto, los resultados reflejan una distribución heterogénea de las especialidades, con
una clara concentración en el área administrativa, lo cual puede influir en la interpretación y
generalización de los resultados del estudio.
La distribución por género de la muestra se presenta en la figura 2. Los datos muestran la
composición de hombres y mujeres entre el alumnado participante en la investigación:
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1198
Figura 1. Distribución de la población según la especialidad que cursan
Fuente: elaboración propia
El gráfico circular presenta la distribución de participantes según su especialidad, resultando
Administración de Recursos Humanos con 105 alumnos. En segundo lugar, se encuentra
Laboratorista Químico, con 80 alumnos; por otro lado, las especialidades de Ofimática y
Producción Industrial registran 44 y 39 participantes respectivamente; finalmente, Mecánica
Industrial presenta la menor frecuencia con 34 alumnos.
En conjunto, los resultados reflejan una distribución heterogénea de las especialidades, con
una clara concentración en el área administrativa, lo cual puede influir en la interpretación y
generalización de los resultados del estudio.
La distribución por género de la muestra se presenta en la figura 2. Los datos muestran la
composición de hombres y mujeres entre el alumnado participante en la investigación:
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1199
Figura 2. Distribución de la población según el género
Fuente: Elaboración propia
El gráfico circular muestra la distribución de la muestra según el género de los participantes.
Se observa una mayor representación del género femenino, con un total de 170 individuos,
lo que corresponde a la proporción predominante del conjunto analizado. En contraste, el
género masculino está conformado por 132 participantes.
Esta distribución indica una participación superior de mujeres en la muestra, lo cual debe
considerarse en el análisis e interpretación de los resultados, especialmente en estudios
donde el género pueda influir en las variables investigadas.
En la tabla 2, se muestra el análisis descriptivo simple del comportamiento de las respuestas
emitidas por los estudiantes que participaron en el estudio.
Tabla 2. Descriptivos generales
Estadísticos descriptivos
Ítems N Media Mediana Desv.
Std.Válido Perdidos
Estoy impresionado con lo que se puede
hacer con la IA 302 0 4,33 5,00 ,801
Es mejor dejar algunas decisiones complejas
al sistema de IA 302 0 2,97 3,00 1,051
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1199
Figura 2. Distribución de la población según el género
Fuente: Elaboración propia
El gráfico circular muestra la distribución de la muestra según el género de los participantes.
Se observa una mayor representación del género femenino, con un total de 170 individuos,
lo que corresponde a la proporción predominante del conjunto analizado. En contraste, el
género masculino está conformado por 132 participantes.
Esta distribución indica una participación superior de mujeres en la muestra, lo cual debe
considerarse en el análisis e interpretación de los resultados, especialmente en estudios
donde el género pueda influir en las variables investigadas.
En la tabla 2, se muestra el análisis descriptivo simple del comportamiento de las respuestas
emitidas por los estudiantes que participaron en el estudio.
Tabla 2. Descriptivos generales
Estadísticos descriptivos
Ítems N Media Mediana Desv.
Std.Válido Perdidos
Estoy impresionado con lo que se puede
hacer con la IA 302 0 4,33 5,00 ,801
Es mejor dejar algunas decisiones complejas
al sistema de IA 302 0 2,97 3,00 1,051
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1200
La creación de la IA me hace admirar el
ingenio humano 302 0 3,84 4,00 ,980
Cuando pienso en uso futuro de la IA, me
siento incomodo 302 0 3,05 3,00 1,255
Tengo un rechazo espontáneo por la IA 302 0 2,14 2,00 1,089
La IA me parece siniestra 302 0 2,50 3,00 1,192
La gente como yo será reemplazada si la IA
se usa cada vez más 302 0 3,14 3,00 1,249
Los sistemas de IA cometen errores de
información 302 0 3,83 4,00 1,049
Quisiera usar sistemas de IA en todas las
actividades de mi vida cotidiana 302 0 2,45 2,00 1,095
La IA se utiliza para saber ilegalmente los
datos de las personas 301 1 2,55 3,00 1,105
Todas las aplicaciones de IA son muy útiles
para mí 302 0 3,67 4,00 1,049
Me emociona lo que se ha logrado con la IA 302 0 3,57 4,00 1,054
La IA ayuda al desarrollo de las personas 302 0 3,05 3,00 1,144
Se debe prohibir que la IA tome decisiones
de vida o muerte 302 0 3,77 4,00 1,378
El uso de la IA pondrá en peligro nuestra
sociedad 300 2 3,28 3,00 1,223
Me fascina absolutamente todo sobre la IA 301 1 3,03 3,00 1,122
Los sistemas de IA funcionan mejor que los
del ser humano 301 1 2,72 3,00 1,103
La IA debería ser utilizada para asuntos de
poca importancia 302 0 3,17 3,00 1,131
Fuente: Elaboración propia
Para iniciar el análisis inferencial, se procedió a evaluar el supuesto de normalidad en la
distribución de los datos, dado que el tamaño de la muestra supera las cincuenta
observaciones, se selecciona el estadístico de Kolmogorov-Smirnov (K-S) como prueba de
bondad de ajuste, al ser el más adecuado para muestras grandes (Gómez-Gómez et al.,
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1200
La creación de la IA me hace admirar el
ingenio humano 302 0 3,84 4,00 ,980
Cuando pienso en uso futuro de la IA, me
siento incomodo 302 0 3,05 3,00 1,255
Tengo un rechazo espontáneo por la IA 302 0 2,14 2,00 1,089
La IA me parece siniestra 302 0 2,50 3,00 1,192
La gente como yo será reemplazada si la IA
se usa cada vez más 302 0 3,14 3,00 1,249
Los sistemas de IA cometen errores de
información 302 0 3,83 4,00 1,049
Quisiera usar sistemas de IA en todas las
actividades de mi vida cotidiana 302 0 2,45 2,00 1,095
La IA se utiliza para saber ilegalmente los
datos de las personas 301 1 2,55 3,00 1,105
Todas las aplicaciones de IA son muy útiles
para mí 302 0 3,67 4,00 1,049
Me emociona lo que se ha logrado con la IA 302 0 3,57 4,00 1,054
La IA ayuda al desarrollo de las personas 302 0 3,05 3,00 1,144
Se debe prohibir que la IA tome decisiones
de vida o muerte 302 0 3,77 4,00 1,378
El uso de la IA pondrá en peligro nuestra
sociedad 300 2 3,28 3,00 1,223
Me fascina absolutamente todo sobre la IA 301 1 3,03 3,00 1,122
Los sistemas de IA funcionan mejor que los
del ser humano 301 1 2,72 3,00 1,103
La IA debería ser utilizada para asuntos de
poca importancia 302 0 3,17 3,00 1,131
Fuente: Elaboración propia
Para iniciar el análisis inferencial, se procedió a evaluar el supuesto de normalidad en la
distribución de los datos, dado que el tamaño de la muestra supera las cincuenta
observaciones, se selecciona el estadístico de Kolmogorov-Smirnov (K-S) como prueba de
bondad de ajuste, al ser el más adecuado para muestras grandes (Gómez-Gómez et al.,
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1201
2003). Este método no paramétrico permite contrastar si la distribución empírica de los
datos se ajusta de manera significativa a una distribución teórica específica, como la normal.
La aplicación de esta prueba proporciona valores de significancia p = < 0.001 lo cual
permitió determinar que los datos no siguen una distribución normal, por lo que se definió
que las técnicas analíticas fueran no paramétricas.
Las actitudes hacia la IA y la especialidad
Para contrastar las actitudes positivas hacia la IA y la especialidad que cursan los alumnos,
se hace uso de la prueba estadística de Kruskal-Wallis (H) utilizada para comparar las
medianas de tres o más grupos independientes.
Actitudes positivas
La tabla 3, muestra los resultados de la correlación de las actitudes positivas hacia la IA y la
especialidad que cursan los alumnos.
Tabla 3. Análisis prueba H
Resumen de contrastes
Actitudes positivas hacia la IA y especialidad H Sig.
Estoy impresionado con lo que se puede hacer con la IA 6,929 ,140
Es mejor dejar algunas decisiones complejas al sistema de IA 11,973 ,018
La creación de la IA me hace admirar el ingenio humano 1,574 ,813
Quisiera usar sistemas de IA en todas las actividades de mi vida cotidiana 8,647 ,071
Todas las aplicaciones de IA son muy útiles para mí 3,454 ,485
Me emociona lo que se ha logrado con la IA 2,139 ,710
La IA ayuda al desarrollo de las personas 5,556 ,235
Me fascina absolutamente todo sobre la IA 1,074 ,898
Los sistemas de IA funcionan mejor que los del ser humano 4,614 ,329
Fuente: Elaboración propia
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1201
2003). Este método no paramétrico permite contrastar si la distribución empírica de los
datos se ajusta de manera significativa a una distribución teórica específica, como la normal.
La aplicación de esta prueba proporciona valores de significancia p = < 0.001 lo cual
permitió determinar que los datos no siguen una distribución normal, por lo que se definió
que las técnicas analíticas fueran no paramétricas.
Las actitudes hacia la IA y la especialidad
Para contrastar las actitudes positivas hacia la IA y la especialidad que cursan los alumnos,
se hace uso de la prueba estadística de Kruskal-Wallis (H) utilizada para comparar las
medianas de tres o más grupos independientes.
Actitudes positivas
La tabla 3, muestra los resultados de la correlación de las actitudes positivas hacia la IA y la
especialidad que cursan los alumnos.
Tabla 3. Análisis prueba H
Resumen de contrastes
Actitudes positivas hacia la IA y especialidad H Sig.
Estoy impresionado con lo que se puede hacer con la IA 6,929 ,140
Es mejor dejar algunas decisiones complejas al sistema de IA 11,973 ,018
La creación de la IA me hace admirar el ingenio humano 1,574 ,813
Quisiera usar sistemas de IA en todas las actividades de mi vida cotidiana 8,647 ,071
Todas las aplicaciones de IA son muy útiles para mí 3,454 ,485
Me emociona lo que se ha logrado con la IA 2,139 ,710
La IA ayuda al desarrollo de las personas 5,556 ,235
Me fascina absolutamente todo sobre la IA 1,074 ,898
Los sistemas de IA funcionan mejor que los del ser humano 4,614 ,329
Fuente: Elaboración propia
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1202
Los resultados del análisis estadístico arrojan una actitud favorable. La percepción de
que "Es mejor dejar algunas decisiones complejas al sistema de IA" presenta una diferencia
estadísticamente significativa entre las especialidades (H=11,973; p=0,018), lo que nos
indica que la disposición a dejar decisiones importantes en manos de la IA varía según la
especialidad de estudio. El resto de las afirmaciones no mostraron diferencias significativas
lo que refleja un consenso, pero con un punto de divergencia en el grado de confianza
depositada en los sistemas automatizados.
Dado que el ítem: “Es mejor dejar algunas decisiones complejas al sistema de IA” arroja
diferencias significativas, se procede a revisar las comparaciones múltiples, los resultados se
presentan en la tabla 4.
Tabla 4. Tabla de comparaciones múltiples según la especialidad de estudio
Especialidad1-Especialidad2 H Desv.
Error
Desv.
H Sig. Sig.
ajust.
Laboratorista químico-Ofimática 4,959 15,663 ,317 ,752 1,000
Laboratorista químico-Administración de
RH
31,426 12,384 2,538 ,011 ,112
Laboratorista químico-Producción
industrial
39,449 16,297 2,421 ,015 ,155
Laboratorista químico-Mecánica industrial 39,864 17,084 2,333 ,020 ,196
Ofimática-Administración de RH 26,468 14,986 1,766 ,077 ,774
Ofimática-Producción industrial -34,491 18,353 -1,879 ,060 ,602
Ofimática-Mecánica industrial 34,905 19,055 1,832 ,067 ,670
Administración de RH-Producción
industrial
-8,023 15,649 -,513 ,608 1,000
Administración de RH-Mecánica industrial -8,437 16,466 -,512 ,608 1,000
Producción industrial-Mecánica industrial ,414 19,580 ,021 ,983 1,000
Fuente: Elaboración propia
Nota: Los valores de significación se han ajustado mediante la prueba de corrección de Bonferroni
Se observa que una vez que se aplica la prueba post-hoc se han ajustado los valores de
significación mediante la corrección de Bonferroni para varias pruebas obteniendo una
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1202
Los resultados del análisis estadístico arrojan una actitud favorable. La percepción de
que "Es mejor dejar algunas decisiones complejas al sistema de IA" presenta una diferencia
estadísticamente significativa entre las especialidades (H=11,973; p=0,018), lo que nos
indica que la disposición a dejar decisiones importantes en manos de la IA varía según la
especialidad de estudio. El resto de las afirmaciones no mostraron diferencias significativas
lo que refleja un consenso, pero con un punto de divergencia en el grado de confianza
depositada en los sistemas automatizados.
Dado que el ítem: “Es mejor dejar algunas decisiones complejas al sistema de IA” arroja
diferencias significativas, se procede a revisar las comparaciones múltiples, los resultados se
presentan en la tabla 4.
Tabla 4. Tabla de comparaciones múltiples según la especialidad de estudio
Especialidad1-Especialidad2 H Desv.
Error
Desv.
H Sig. Sig.
ajust.
Laboratorista químico-Ofimática 4,959 15,663 ,317 ,752 1,000
Laboratorista químico-Administración de
RH
31,426 12,384 2,538 ,011 ,112
Laboratorista químico-Producción
industrial
39,449 16,297 2,421 ,015 ,155
Laboratorista químico-Mecánica industrial 39,864 17,084 2,333 ,020 ,196
Ofimática-Administración de RH 26,468 14,986 1,766 ,077 ,774
Ofimática-Producción industrial -34,491 18,353 -1,879 ,060 ,602
Ofimática-Mecánica industrial 34,905 19,055 1,832 ,067 ,670
Administración de RH-Producción
industrial
-8,023 15,649 -,513 ,608 1,000
Administración de RH-Mecánica industrial -8,437 16,466 -,512 ,608 1,000
Producción industrial-Mecánica industrial ,414 19,580 ,021 ,983 1,000
Fuente: Elaboración propia
Nota: Los valores de significación se han ajustado mediante la prueba de corrección de Bonferroni
Se observa que una vez que se aplica la prueba post-hoc se han ajustado los valores de
significación mediante la corrección de Bonferroni para varias pruebas obteniendo una
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1203
significación p mayor a 0.05 lo que permite comprobar que no existen diferencias
significativas en la actitud de los alumnos hacia el ítem en mención.
Actitudes negativas
Respecto a las actitudes negativas hacia la IA y la especialidad que cursan los alumnos, una
vez que se aplicó la prueba correspondiente, se han obtenido los siguientes resultados que
se concentran en la tabla 5:
Tabla 5. Análisis de la prueba H
Resumen de contrastes
Actitudes negativas y especialidad H Sig.
Cuando pienso en uso futuro de la IA, me siento incómodo 3,915 ,418
Tengo un rechazo espontáneo por la IA 7,686 ,104
La IA me parece siniestra 7,686 ,104
La gente como yo será reemplazada si la IA se usa cada vez más 6,585 ,160
Los sistemas de IA cometen errores de información 5,485 ,241
La IA se utiliza para saber ilegalmente los datos de las personas 7,805 ,099
Se debe prohibir que la IA tome decisiones de vida o muerte 5,465 ,243
El uso de la IA pondrá en peligro nuestra sociedad 14,072 ,007
La IA debería ser utilizada para asuntos de poca importancia 4,357 ,360
Fuente: Elaboración propia
El análisis de las actitudes negativas hacia la IA según la especialidad de los alumnos,
mediante la prueba H de Kruskal-Wallis, muestra un panorama general de no significancia
estadística, con una notable excepción. La percepción de que "El uso de la IA pondrá en
peligro nuestra sociedad" es la única que presenta una diferencia estadísticamente
significativa entre los grupos (H=14,072; p=0,007).
Esto indica que el nivel de temor o pesimismo respecto al impacto social de la IA varía de
manera sustancial dependiendo de la especialidad académica.
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1203
significación p mayor a 0.05 lo que permite comprobar que no existen diferencias
significativas en la actitud de los alumnos hacia el ítem en mención.
Actitudes negativas
Respecto a las actitudes negativas hacia la IA y la especialidad que cursan los alumnos, una
vez que se aplicó la prueba correspondiente, se han obtenido los siguientes resultados que
se concentran en la tabla 5:
Tabla 5. Análisis de la prueba H
Resumen de contrastes
Actitudes negativas y especialidad H Sig.
Cuando pienso en uso futuro de la IA, me siento incómodo 3,915 ,418
Tengo un rechazo espontáneo por la IA 7,686 ,104
La IA me parece siniestra 7,686 ,104
La gente como yo será reemplazada si la IA se usa cada vez más 6,585 ,160
Los sistemas de IA cometen errores de información 5,485 ,241
La IA se utiliza para saber ilegalmente los datos de las personas 7,805 ,099
Se debe prohibir que la IA tome decisiones de vida o muerte 5,465 ,243
El uso de la IA pondrá en peligro nuestra sociedad 14,072 ,007
La IA debería ser utilizada para asuntos de poca importancia 4,357 ,360
Fuente: Elaboración propia
El análisis de las actitudes negativas hacia la IA según la especialidad de los alumnos,
mediante la prueba H de Kruskal-Wallis, muestra un panorama general de no significancia
estadística, con una notable excepción. La percepción de que "El uso de la IA pondrá en
peligro nuestra sociedad" es la única que presenta una diferencia estadísticamente
significativa entre los grupos (H=14,072; p=0,007).
Esto indica que el nivel de temor o pesimismo respecto al impacto social de la IA varía de
manera sustancial dependiendo de la especialidad académica.
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1204
Por el contrario, la mayoría de las actitudes evaluadas no difieren significativamente entre
las especialidades. Lo que sugiere la existencia de actitudes de prevención y reserva hacia la
tecnología, independiente de la formación disciplinar, siendo el peligro social el punto donde
las perspectivas difieren de manera intensa.
Dado que el ítem: “El uso de la IA pondrá en peligro nuestra sociedad” arroja diferencias
significativas, se procede a calcular las comparaciones múltiples, mismas que se presentan
en la tabla 6.
Tabla 6. Tabla de comparaciones múltiples según la especialidad de estudio
Especialidad1-Especialidad2 H Desv.
Error
Desv.
H Sig. Sig.
ajust.
Mecánica industrial-Laboratorista químico -4,934 17,205 -,287 ,774 1,000
Mecánica industrial-Ofimática -23,419 19,287 -1,214 ,225 1,000
Mecánica industrial-Producción industrial -31,225 19,719 -1,584 ,113 1,000
Mecánica industrial-Administración de RH 45,655 16,603 2,750 ,006 ,060
Laboratorista químico-Ofimática 18,485 15,892 1,163 ,245 1,000
Laboratorista químico-Producción
industrial
26,292 16,413 1,602 ,109 1,000
Laboratorista químico-Administración de
RH
40,721 12,498 3,258 ,001 ,011
Ofimática-Producción industrial -7,806 18,584 -,420 ,674 1,000
Ofimática-Administración de RH 22,236 15,237 1,459 ,144 1,000
Producción industrial-Administración de
RH
14,429 15,780 ,914 ,361 1,000
Fuente: Elaboración propia
Se aplica prueba post-hoc para ajustar los valores de significación, a través de la prueba de
corrección de Bonferroni para varias pruebas, arrojando una significación p = 0.011 para las
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1204
Por el contrario, la mayoría de las actitudes evaluadas no difieren significativamente entre
las especialidades. Lo que sugiere la existencia de actitudes de prevención y reserva hacia la
tecnología, independiente de la formación disciplinar, siendo el peligro social el punto donde
las perspectivas difieren de manera intensa.
Dado que el ítem: “El uso de la IA pondrá en peligro nuestra sociedad” arroja diferencias
significativas, se procede a calcular las comparaciones múltiples, mismas que se presentan
en la tabla 6.
Tabla 6. Tabla de comparaciones múltiples según la especialidad de estudio
Especialidad1-Especialidad2 H Desv.
Error
Desv.
H Sig. Sig.
ajust.
Mecánica industrial-Laboratorista químico -4,934 17,205 -,287 ,774 1,000
Mecánica industrial-Ofimática -23,419 19,287 -1,214 ,225 1,000
Mecánica industrial-Producción industrial -31,225 19,719 -1,584 ,113 1,000
Mecánica industrial-Administración de RH 45,655 16,603 2,750 ,006 ,060
Laboratorista químico-Ofimática 18,485 15,892 1,163 ,245 1,000
Laboratorista químico-Producción
industrial
26,292 16,413 1,602 ,109 1,000
Laboratorista químico-Administración de
RH
40,721 12,498 3,258 ,001 ,011
Ofimática-Producción industrial -7,806 18,584 -,420 ,674 1,000
Ofimática-Administración de RH 22,236 15,237 1,459 ,144 1,000
Producción industrial-Administración de
RH
14,429 15,780 ,914 ,361 1,000
Fuente: Elaboración propia
Se aplica prueba post-hoc para ajustar los valores de significación, a través de la prueba de
corrección de Bonferroni para varias pruebas, arrojando una significación p = 0.011 para las
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1205
especialidades Laboratorista químico-Administración de RH lo que permite comprobar que
existen diferencias significativas en las actitudes hacia la IA para el ítem en mención.
Las actitudes hacia la IA y el género
Para contrastar las actitudes positivas hacia la IA y el género de los alumnos (as), se hace
uso de la prueba estadística de U de Mann-Whitney (U) para muestras independientes
utilizada para corroborar la existencia de diferencias significativas en dos grupos
independientes.
Actitudes positivas
A continuación, en la tabla 7, se presentan los resultados que arrojan las pruebas de
correlación realizadas a las actitudes positivas hacia la IA y el género de los alumnos y
alumnas participantes de la investigación.
Tabla 7. Análisis de la prueba U
Resumen de prueba U de Mann-Whitney
Actitudes positivas y el género U W Sig.
Estoy impresionado con lo que se puede hacer con la IA 11865,500 26400,500 ,346
Es mejor dejar algunas decisiones complejas al sistema
de IA 10096,500 24631,500 ,118
La creación de la IA me hace admirar el ingenio humano 9076,500 23611,500 ,003
Quisiera usar sistemas de IA en todas las actividades de
mi vida cotidiana 9308,000 23843,000 ,008
Todas las aplicaciones de IA son muy útiles para mí 9149,500 23684,500 ,004
Me emociona lo que se ha logrado con la IA 9405,500 23940,500 ,012
La IA ayuda al desarrollo de las personas 8985,500 23520,500 ,002
Me fascina absolutamente todo sobre la IA 8353,000 22718,000 ,000
Los sistemas de IA funcionan mejor que los del ser
humano 8741,500 23106,500 ,001
Fuente: Elaboración propia
Nota: Se agrega la prueba de suma de rangos W de Wilcoxon
Los resultados muestran diferencias estadísticamente significativas en la mayoría de los
ítems evaluados. En dos afirmaciones no se encontraron diferencias significativas: "Estoy
impresionado con lo que se puede hacer con la IA" (U = 11865.50, p = .346) y "Es mejor
dejar algunas decisiones complejas al sistema de IA" (U = 10096.50, p = .118). Sin embargo,
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1205
especialidades Laboratorista químico-Administración de RH lo que permite comprobar que
existen diferencias significativas en las actitudes hacia la IA para el ítem en mención.
Las actitudes hacia la IA y el género
Para contrastar las actitudes positivas hacia la IA y el género de los alumnos (as), se hace
uso de la prueba estadística de U de Mann-Whitney (U) para muestras independientes
utilizada para corroborar la existencia de diferencias significativas en dos grupos
independientes.
Actitudes positivas
A continuación, en la tabla 7, se presentan los resultados que arrojan las pruebas de
correlación realizadas a las actitudes positivas hacia la IA y el género de los alumnos y
alumnas participantes de la investigación.
Tabla 7. Análisis de la prueba U
Resumen de prueba U de Mann-Whitney
Actitudes positivas y el género U W Sig.
Estoy impresionado con lo que se puede hacer con la IA 11865,500 26400,500 ,346
Es mejor dejar algunas decisiones complejas al sistema
de IA 10096,500 24631,500 ,118
La creación de la IA me hace admirar el ingenio humano 9076,500 23611,500 ,003
Quisiera usar sistemas de IA en todas las actividades de
mi vida cotidiana 9308,000 23843,000 ,008
Todas las aplicaciones de IA son muy útiles para mí 9149,500 23684,500 ,004
Me emociona lo que se ha logrado con la IA 9405,500 23940,500 ,012
La IA ayuda al desarrollo de las personas 8985,500 23520,500 ,002
Me fascina absolutamente todo sobre la IA 8353,000 22718,000 ,000
Los sistemas de IA funcionan mejor que los del ser
humano 8741,500 23106,500 ,001
Fuente: Elaboración propia
Nota: Se agrega la prueba de suma de rangos W de Wilcoxon
Los resultados muestran diferencias estadísticamente significativas en la mayoría de los
ítems evaluados. En dos afirmaciones no se encontraron diferencias significativas: "Estoy
impresionado con lo que se puede hacer con la IA" (U = 11865.50, p = .346) y "Es mejor
dejar algunas decisiones complejas al sistema de IA" (U = 10096.50, p = .118). Sin embargo,
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1206
siete ítems revelaron diferencias significativas. El patrón general indica que existe una
discrepancia significativa en las puntuaciones de actitud positiva en función del género para
la mayoría de las dimensiones evaluadas, especialmente aquellas relacionadas con la
fascinación, la utilidad percibida y la admiración.
La prueba U de Mann-Whitney se acompaña del cálculo del tamaño del efecto, mismo que
se presenta en la tabla 8.
Tabla 8. Tamaño del efecto
U Z Sig. r
La creación de la IA me hace admirar el ingenio
humano
9076,500 -2.983 ,003
,171
Quisiera usar sistemas de IA en todas las actividades de
mi vida cotidiana
9308,000 -2.645 ,008 ,152
Todas las aplicaciones de IA son muy útiles para mí 9149,500 -2.855 ,004 ,164
Me emociona lo que se ha logrado con la IA 9405,500 -2.512 ,012 ,144
La IA ayuda al desarrollo de las personas 8985,500 -3.082 ,002 ,177
Me fascina absolutamente todo sobre la IA 8353,000 -3.878 ,000 ,223
Los sistemas de IA funcionan mejor que los del ser
humano
8741,500 -3.376 ,001
,194
Fuente: Elaboración propia
Actitudes negativas
Finalmente, la tabla 9 presenta los resultados que arrojaron las pruebas de correlación
realizadas a las actitudes negativas hacia la IA y el género de los estudiantes en cuestión.
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1206
siete ítems revelaron diferencias significativas. El patrón general indica que existe una
discrepancia significativa en las puntuaciones de actitud positiva en función del género para
la mayoría de las dimensiones evaluadas, especialmente aquellas relacionadas con la
fascinación, la utilidad percibida y la admiración.
La prueba U de Mann-Whitney se acompaña del cálculo del tamaño del efecto, mismo que
se presenta en la tabla 8.
Tabla 8. Tamaño del efecto
U Z Sig. r
La creación de la IA me hace admirar el ingenio
humano
9076,500 -2.983 ,003
,171
Quisiera usar sistemas de IA en todas las actividades de
mi vida cotidiana
9308,000 -2.645 ,008 ,152
Todas las aplicaciones de IA son muy útiles para mí 9149,500 -2.855 ,004 ,164
Me emociona lo que se ha logrado con la IA 9405,500 -2.512 ,012 ,144
La IA ayuda al desarrollo de las personas 8985,500 -3.082 ,002 ,177
Me fascina absolutamente todo sobre la IA 8353,000 -3.878 ,000 ,223
Los sistemas de IA funcionan mejor que los del ser
humano
8741,500 -3.376 ,001
,194
Fuente: Elaboración propia
Actitudes negativas
Finalmente, la tabla 9 presenta los resultados que arrojaron las pruebas de correlación
realizadas a las actitudes negativas hacia la IA y el género de los estudiantes en cuestión.
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1207
Tabla 9. Resultados de la prueba U
Resumen de la prueba U de Mann-Whitney
Actitudes negativas hacia la IA y el género U W Sig.
Cuando pienso en uso futuro de la IA, me siento incómodo 13071,500 27606,500 ,011
Tengo un rechazo espontáneo por la IA 11017,000 25552,000 ,778
La IA me parece siniestra 12763,500 27298,500 ,034
La gente como yo será reemplazada si la IA se usa cada
vez más
11359,500 25894,500 ,849
Los sistemas de IA cometen errores de información 11983,000 26518,000 ,288
La IA se utiliza para saber ilegalmente los datos de las
personas
11026,000 25561,000 ,880
Se debe prohibir que la IA tome decisiones de vida o
muerte
12185,000 26720,000 ,177
El uso de la IA pondrá en peligro nuestra sociedad 13262,000 27797,000 ,002
La IA debería ser utilizada para asuntos de poca
importancia
11472,000 26007,000 ,725
Fuente: Elaboración propia
Nota: Se agrega la prueba de suma de rangos W de Wilcoxon
Los resultados indican que los ítems evaluados no muestran diferencias significativas. Sin
embargo, se identificaron tres excepciones donde sí existen diferencias significativas entre
hombres y mujeres. Los resultados indican que la mayoría de los ítems evaluados no
muestran diferencias significativas. Sin embargo, se identificaron tres excepciones donde sí
existen diferencias significativas entre hombres y mujeres.
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1207
Tabla 9. Resultados de la prueba U
Resumen de la prueba U de Mann-Whitney
Actitudes negativas hacia la IA y el género U W Sig.
Cuando pienso en uso futuro de la IA, me siento incómodo 13071,500 27606,500 ,011
Tengo un rechazo espontáneo por la IA 11017,000 25552,000 ,778
La IA me parece siniestra 12763,500 27298,500 ,034
La gente como yo será reemplazada si la IA se usa cada
vez más
11359,500 25894,500 ,849
Los sistemas de IA cometen errores de información 11983,000 26518,000 ,288
La IA se utiliza para saber ilegalmente los datos de las
personas
11026,000 25561,000 ,880
Se debe prohibir que la IA tome decisiones de vida o
muerte
12185,000 26720,000 ,177
El uso de la IA pondrá en peligro nuestra sociedad 13262,000 27797,000 ,002
La IA debería ser utilizada para asuntos de poca
importancia
11472,000 26007,000 ,725
Fuente: Elaboración propia
Nota: Se agrega la prueba de suma de rangos W de Wilcoxon
Los resultados indican que los ítems evaluados no muestran diferencias significativas. Sin
embargo, se identificaron tres excepciones donde sí existen diferencias significativas entre
hombres y mujeres. Los resultados indican que la mayoría de los ítems evaluados no
muestran diferencias significativas. Sin embargo, se identificaron tres excepciones donde sí
existen diferencias significativas entre hombres y mujeres.
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1208
Tabla 10. Tamaño del efecto
U Z Sig. r
Cuando pienso en uso futuro de la IA, me siento
incómodo
13071,500
2.528 ,011
,145
La IA me parece siniestra 12763,500 2.120 ,034 ,121
El uso de la IA pondrá en peligro nuestra sociedad 13262,000 3.067 ,002 ,176
Fuente: Elaboración propia
DISCUSIÓN
El presente estudio analiza las actitudes hacia la inteligencia artificial en estudiantes de
bachillerato, contribuyendo de manera significativa al conocimiento sobre la transformación
digital en el nivel educativo medio superior. Como fundamenta Socorro (2024), la
identificación sistemática de percepciones, actitudes y expectativas hacia tecnologías
emergentes constituye un prerrequisito fundamental para diseñar estrategias pedagógicas
efectivas y genuinamente alineadas con las necesidades dinámicas del alumnado. Esta
investigación adquiere una relevancia metodológica particular al centrarse de manera
intencional en la cohorte de último año, lo que permite realizar un análisis comparativo de
las actitudes desde una doble variable: la especialidad académica cursada y el género
autodefinido. Dicho enfoque posibilita una comprensión más granular y contextualizada de
los diversos factores que modulan la aceptación y las expectativas hacia la IA, generando
información crítica para la implementación futura de programas educativos adaptativos en
un entorno caracterizado por una acelerada innovación tecnológica.
Los resultados obtenidos en la escala de actitudes revelan un patrón claro: la mayoría de las
respuestas se concentraron en la categoría "Neutral", aunque con una tendencia hacia la
opción "De acuerdo". Este hallazgo sugiere que los estudiantes mantienen una postura en
proceso de formación respecto a las implicaciones sociales de la IA.
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1208
Tabla 10. Tamaño del efecto
U Z Sig. r
Cuando pienso en uso futuro de la IA, me siento
incómodo
13071,500
2.528 ,011
,145
La IA me parece siniestra 12763,500 2.120 ,034 ,121
El uso de la IA pondrá en peligro nuestra sociedad 13262,000 3.067 ,002 ,176
Fuente: Elaboración propia
DISCUSIÓN
El presente estudio analiza las actitudes hacia la inteligencia artificial en estudiantes de
bachillerato, contribuyendo de manera significativa al conocimiento sobre la transformación
digital en el nivel educativo medio superior. Como fundamenta Socorro (2024), la
identificación sistemática de percepciones, actitudes y expectativas hacia tecnologías
emergentes constituye un prerrequisito fundamental para diseñar estrategias pedagógicas
efectivas y genuinamente alineadas con las necesidades dinámicas del alumnado. Esta
investigación adquiere una relevancia metodológica particular al centrarse de manera
intencional en la cohorte de último año, lo que permite realizar un análisis comparativo de
las actitudes desde una doble variable: la especialidad académica cursada y el género
autodefinido. Dicho enfoque posibilita una comprensión más granular y contextualizada de
los diversos factores que modulan la aceptación y las expectativas hacia la IA, generando
información crítica para la implementación futura de programas educativos adaptativos en
un entorno caracterizado por una acelerada innovación tecnológica.
Los resultados obtenidos en la escala de actitudes revelan un patrón claro: la mayoría de las
respuestas se concentraron en la categoría "Neutral", aunque con una tendencia hacia la
opción "De acuerdo". Este hallazgo sugiere que los estudiantes mantienen una postura en
proceso de formación respecto a las implicaciones sociales de la IA.
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1209
Esta situación de incertidumbre representa una oportunidad institucional y un punto de
intervención pedagógica. En este sentido, se retoman las ideas de Salmerón et al. (2023),
quienes destacan que, al integrar y aprovechar esta tecnología de manera ética y adecuada,
las instituciones de educación no solo pueden modernizar sus procesos, sino
fundamentalmente preparar a los estudiantes para afrontar con solvencia los complejos
desafíos del siglo XXI, potenciando así sus habilidades y su futuro éxito en un mundo laboral
en constante evolución.
Esta perspectiva se complementa con el análisis de Zamora y Mendoza (2023), quienes
observan que, en el campo educativo y específicamente en la educación superior, la
adopción de la IA ha experimentado un crecimiento exponencial. Dicho fenómeno plantea,
indudablemente, desafíos importantes en materia de formación docente, equidad de acceso
y actualización curricular. Sin embargo, al mismo tiempo, abre un amplio espectro de
oportunidades para enriquecer la experiencia de aprendizaje, personalizar la enseñanza y
desarrollar competencias digitales avanzadas tanto en el alumnado como en el profesorado.
Por lo tanto, los hallazgos de este estudio, que reflejan una actitud cautelosa pero abierta por
parte de los estudiantes de bachillerato, subrayan la urgencia de que las instituciones de
educación media superior desarrollen marcos de acción claros y programas de
alfabetización digital que guíen esta incipiente curiosidad hacia una adopción crítica,
creativa y responsable de la inteligencia artificial en su trayectoria académica y profesional
posterior.
Profundizando en el análisis de los resultados, se identifica una distinción en las actitudes
según el género. La postura de las mujeres presenta una tendencia a posicionar sus
respuestas en los baremos más altos de la escala, lo que permite inferir una mayor apertura
y disposición positiva hacia las herramientas emergentes basadas en IA. Cabe mencionar
que los resultados referentes al tamaño del efecto (r), oscilaron entre 0,121 y 0,223 lo que
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1209
Esta situación de incertidumbre representa una oportunidad institucional y un punto de
intervención pedagógica. En este sentido, se retoman las ideas de Salmerón et al. (2023),
quienes destacan que, al integrar y aprovechar esta tecnología de manera ética y adecuada,
las instituciones de educación no solo pueden modernizar sus procesos, sino
fundamentalmente preparar a los estudiantes para afrontar con solvencia los complejos
desafíos del siglo XXI, potenciando así sus habilidades y su futuro éxito en un mundo laboral
en constante evolución.
Esta perspectiva se complementa con el análisis de Zamora y Mendoza (2023), quienes
observan que, en el campo educativo y específicamente en la educación superior, la
adopción de la IA ha experimentado un crecimiento exponencial. Dicho fenómeno plantea,
indudablemente, desafíos importantes en materia de formación docente, equidad de acceso
y actualización curricular. Sin embargo, al mismo tiempo, abre un amplio espectro de
oportunidades para enriquecer la experiencia de aprendizaje, personalizar la enseñanza y
desarrollar competencias digitales avanzadas tanto en el alumnado como en el profesorado.
Por lo tanto, los hallazgos de este estudio, que reflejan una actitud cautelosa pero abierta por
parte de los estudiantes de bachillerato, subrayan la urgencia de que las instituciones de
educación media superior desarrollen marcos de acción claros y programas de
alfabetización digital que guíen esta incipiente curiosidad hacia una adopción crítica,
creativa y responsable de la inteligencia artificial en su trayectoria académica y profesional
posterior.
Profundizando en el análisis de los resultados, se identifica una distinción en las actitudes
según el género. La postura de las mujeres presenta una tendencia a posicionar sus
respuestas en los baremos más altos de la escala, lo que permite inferir una mayor apertura
y disposición positiva hacia las herramientas emergentes basadas en IA. Cabe mencionar
que los resultados referentes al tamaño del efecto (r), oscilaron entre 0,121 y 0,223 lo que
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1210
significa un efecto bajo según la teoría. Esta inclinación encuentra respaldo en
investigaciones precedentes, como la de Martínez-Pérez y Fernández-Robles (2018), quienes
destacan que las mujeres muestran una notable predisposición a disfrutar trabajando con
sistemas de inteligencia artificial. Esta disposición se traduce en actitudes como una
fascinación por las capacidades tecnológicas o la percepción de superioridad de estos
sistemas sobre las habilidades humanas. No obstante, dentro de esta perspectiva favorable,
también se identifican divergencias en cuanto a la confianza puesta en los sistemas
automatizados para la toma de decisiones finales. Este panorama complejo retoma los
aportes de Álvarez y Pérez (2025), quienes subrayan que, si bien la IA ofrece ventajas
transformadoras, simultáneamente plantea una serie de desafíos éticos, sociales y prácticos
que deben ser metódicamente abordados para maximizar su potencial de manera
responsable y equitativa, evitando sesgos y garantizando la transparencia.
En el polo opuesto de la escala, el análisis de las actitudes negativas revela que el nivel de
temor o pesimismo respecto al impacto social y laboral de la IA varía de manera sustancial
en función de la especialidad académica cursada por los estudiantes. Los análisis
estadísticos post-hoc indican que estas diferencias son particularmente significativas entre
los alumnos de la especialidad de Laboratorista Químico y los de Administración de
Recursos Humanos, siendo estos últimos quienes expresan el mayor grado de inquietud. Su
preocupación central se focaliza en la posibilidad tangible de que la IA pueda sustituir a los
humanos en tareas administrativas, de gestión y de interacción que son nucleares en su
campo de formación profesional. Este hallazgo hace eco de las observaciones de Gallent,
Zapata y Ortega (2023) en el contexto docente, donde se documenta el temor a que
herramientas como la IA Generativa puedan reemplazar o alterar sustancialmente el rol del
educador, resultando en una percibida pérdida de autonomía, creatividad pedagógica e
interacción humana esencial con el alumnado.
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1210
significa un efecto bajo según la teoría. Esta inclinación encuentra respaldo en
investigaciones precedentes, como la de Martínez-Pérez y Fernández-Robles (2018), quienes
destacan que las mujeres muestran una notable predisposición a disfrutar trabajando con
sistemas de inteligencia artificial. Esta disposición se traduce en actitudes como una
fascinación por las capacidades tecnológicas o la percepción de superioridad de estos
sistemas sobre las habilidades humanas. No obstante, dentro de esta perspectiva favorable,
también se identifican divergencias en cuanto a la confianza puesta en los sistemas
automatizados para la toma de decisiones finales. Este panorama complejo retoma los
aportes de Álvarez y Pérez (2025), quienes subrayan que, si bien la IA ofrece ventajas
transformadoras, simultáneamente plantea una serie de desafíos éticos, sociales y prácticos
que deben ser metódicamente abordados para maximizar su potencial de manera
responsable y equitativa, evitando sesgos y garantizando la transparencia.
En el polo opuesto de la escala, el análisis de las actitudes negativas revela que el nivel de
temor o pesimismo respecto al impacto social y laboral de la IA varía de manera sustancial
en función de la especialidad académica cursada por los estudiantes. Los análisis
estadísticos post-hoc indican que estas diferencias son particularmente significativas entre
los alumnos de la especialidad de Laboratorista Químico y los de Administración de
Recursos Humanos, siendo estos últimos quienes expresan el mayor grado de inquietud. Su
preocupación central se focaliza en la posibilidad tangible de que la IA pueda sustituir a los
humanos en tareas administrativas, de gestión y de interacción que son nucleares en su
campo de formación profesional. Este hallazgo hace eco de las observaciones de Gallent,
Zapata y Ortega (2023) en el contexto docente, donde se documenta el temor a que
herramientas como la IA Generativa puedan reemplazar o alterar sustancialmente el rol del
educador, resultando en una percibida pérdida de autonomía, creatividad pedagógica e
interacción humana esencial con el alumnado.
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1211
Para autores como Benítez (2025), este tipo de temor suele correlacionarse con una menor
familiaridad o experiencia directa en el uso de herramientas digitales básicas, sugiriendo que
la alfabetización tecnológica podría actuar como un amortiguador de la ansiedad ante la
automatización.
De manera general, y más allá de estas variaciones, los alumnos en su conjunto muestran
una tendencia dominante a percibir la inteligencia artificial primordialmente como un
recurso auxiliar o complementario. En esta visión, se limita conceptualmente su utilidad a
tareas de apoyo logístico, de automatización de procesos rutinarios o de asistencia en la
búsqueda de información, antes que, a funciones críticas, de alto impacto o de toma de
decisiones autónomas. Esta postura colectiva refleja una cautela prudente y un escepticismo
saludable frente a la autonomía plena de los sistemas de IA, sugiriendo que, a pesar de
reconocer su utilidad instrumental, estos no deberían asumir responsabilidades decisivas en
entornos educativos o profesionales donde el juicio humano, la ética y la experiencia
contextual son insustituibles. Esta conceptualización de la IA como coadyuvante se alinea
con las propuestas de Sorbara (2023), quien aboga por emplearla como una herramienta
adicional que complemente y enriquezca los métodos de enseñanza tradicionales, nunca
como un sustituto integral. En la misma línea, Alpizar y Martínez (2024) resaltan el potencial
de la IA Generativa como una herramienta pedagógica prometedora para potenciar el
aprendizaje activo y personalizado, siempre que su implementación esté guiada por una
comprensión clara de sus límites y por un diseño instruccional que ponga al estudiante y al
docente en el centro del proceso. En síntesis, el panorama que emerge es el de una
generación que navega entre el reconocimiento del potencial transformador de la IA y la
defensa instintiva de la agencia humana, una tensión productiva que debe ser el punto de
partida para cualquier iniciativa formativa en este ámbito.
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1211
Para autores como Benítez (2025), este tipo de temor suele correlacionarse con una menor
familiaridad o experiencia directa en el uso de herramientas digitales básicas, sugiriendo que
la alfabetización tecnológica podría actuar como un amortiguador de la ansiedad ante la
automatización.
De manera general, y más allá de estas variaciones, los alumnos en su conjunto muestran
una tendencia dominante a percibir la inteligencia artificial primordialmente como un
recurso auxiliar o complementario. En esta visión, se limita conceptualmente su utilidad a
tareas de apoyo logístico, de automatización de procesos rutinarios o de asistencia en la
búsqueda de información, antes que, a funciones críticas, de alto impacto o de toma de
decisiones autónomas. Esta postura colectiva refleja una cautela prudente y un escepticismo
saludable frente a la autonomía plena de los sistemas de IA, sugiriendo que, a pesar de
reconocer su utilidad instrumental, estos no deberían asumir responsabilidades decisivas en
entornos educativos o profesionales donde el juicio humano, la ética y la experiencia
contextual son insustituibles. Esta conceptualización de la IA como coadyuvante se alinea
con las propuestas de Sorbara (2023), quien aboga por emplearla como una herramienta
adicional que complemente y enriquezca los métodos de enseñanza tradicionales, nunca
como un sustituto integral. En la misma línea, Alpizar y Martínez (2024) resaltan el potencial
de la IA Generativa como una herramienta pedagógica prometedora para potenciar el
aprendizaje activo y personalizado, siempre que su implementación esté guiada por una
comprensión clara de sus límites y por un diseño instruccional que ponga al estudiante y al
docente en el centro del proceso. En síntesis, el panorama que emerge es el de una
generación que navega entre el reconocimiento del potencial transformador de la IA y la
defensa instintiva de la agencia humana, una tensión productiva que debe ser el punto de
partida para cualquier iniciativa formativa en este ámbito.
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1212
CONCLUSIONES
En conclusión, el presente estudio permite identificar un perfil actitudinal hacia la
inteligencia artificial entre los estudiantes de bachillerato, ofreciendo contribuciones
empíricas relevantes para la transformación digital en la educación media superior. El
hallazgo principal indica una postura colectiva neutra, aunque con una inclinación hacia la
aceptación, lo que revela una actitud ambivalente y en fase de construcción crítica. Esta
ambivalencia constituye un capital pedagógico y una oportunidad para que las instituciones
diseñen e implementen procesos de capacitación hacia una adopción consciente y
competente. La investigación identifica variaciones significativas; por una parte, se observa
que el género femenino manifiesta una disposición más positiva y una mayor apertura a las
herramientas de IA. Esta disposición, no equivale a una confianza total, ya que persisten
reservas importantes sobre la autonomía de los sistemas para tareas de alta responsabilidad.
Por otra parte, el análisis evidencia que las actitudes negativas, particularmente el temor al
impacto disruptivo en el empleo, no se distribuyen de manera homogénea, sino que varían
sustancialmente según la especialidad académica. La prueba estadística post-hoc confirma
que las diferencias más significativas se presentan entre los estudiantes de Laboratorista
Químico y aquellos de Administración de Recursos Humanos, siendo estos últimos quienes
expresan un mayor pesimismo asociado a la percepción de sustitución laboral. Este
resultado subraya la importancia de contextualizar la implementación de la IA,
reconociendo que las percepciones y resistencias están profundamente ancladas en las
narrativas y expectativas profesionales propias de cada disciplina. En síntesis, los aportes de
este ejercicio científico destacan la necesidad de políticas educativas que trasciendan un
enfoque único. Se recomienda el desarrollo de programas de alfabetización digital e
iniciativas de integración curricular que, partiendo de esta actitud general de cautelosa
apertura, atiendan de forma diferenciada las mayores disposiciones positivas identificadas y,
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1212
CONCLUSIONES
En conclusión, el presente estudio permite identificar un perfil actitudinal hacia la
inteligencia artificial entre los estudiantes de bachillerato, ofreciendo contribuciones
empíricas relevantes para la transformación digital en la educación media superior. El
hallazgo principal indica una postura colectiva neutra, aunque con una inclinación hacia la
aceptación, lo que revela una actitud ambivalente y en fase de construcción crítica. Esta
ambivalencia constituye un capital pedagógico y una oportunidad para que las instituciones
diseñen e implementen procesos de capacitación hacia una adopción consciente y
competente. La investigación identifica variaciones significativas; por una parte, se observa
que el género femenino manifiesta una disposición más positiva y una mayor apertura a las
herramientas de IA. Esta disposición, no equivale a una confianza total, ya que persisten
reservas importantes sobre la autonomía de los sistemas para tareas de alta responsabilidad.
Por otra parte, el análisis evidencia que las actitudes negativas, particularmente el temor al
impacto disruptivo en el empleo, no se distribuyen de manera homogénea, sino que varían
sustancialmente según la especialidad académica. La prueba estadística post-hoc confirma
que las diferencias más significativas se presentan entre los estudiantes de Laboratorista
Químico y aquellos de Administración de Recursos Humanos, siendo estos últimos quienes
expresan un mayor pesimismo asociado a la percepción de sustitución laboral. Este
resultado subraya la importancia de contextualizar la implementación de la IA,
reconociendo que las percepciones y resistencias están profundamente ancladas en las
narrativas y expectativas profesionales propias de cada disciplina. En síntesis, los aportes de
este ejercicio científico destacan la necesidad de políticas educativas que trasciendan un
enfoque único. Se recomienda el desarrollo de programas de alfabetización digital e
iniciativas de integración curricular que, partiendo de esta actitud general de cautelosa
apertura, atiendan de forma diferenciada las mayores disposiciones positivas identificadas y,
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1213
simultáneamente, aborden de manera específica los temores contextuales, especialmente en
aquellas especialidades más sensibles a la automatización. Solo mediante una estrategia
doblemente articulada—que potencie la oportunidad y mitigue la amenaza percibida—se
podrá capitalizar plenamente el potencial transformador de la IA en la preparación de los
estudiantes para los desafíos del siglo XXI.
Además, el estudio identifica un consenso en la percepción de la inteligencia artificial: los
alumnos conceptualizan esta tecnología como un recurso auxiliar o complementario. Esta
visión se centra en tareas de apoyo instrumental, automatización y asistencia en la gestión
de información, excluyéndola de funciones críticas o de toma de decisiones autónomas.
Esta postura refleja una cautela frente a la autonomía plena de los sistemas de IA, sugiriendo
que, a pesar de reconocer su utilidad, estos no deberían asumir responsabilidades decisivas
en entornos educativos o profesionales donde el juicio y la experiencia humana se
consideran insustituibles. Esta conceptualización restringida contrasta con la mayor apertura
y disposición positiva identificada en el género femenino hacia la adopción y el uso de
herramientas tecnológicas basadas en IA, lo que sugiere que una mayor receptividad no
necesariamente implica un aval a la autonomía total del sistema, sino más bien un interés
por su potencial como herramienta de apoyo.
Respecto a las limitaciones del estudio, es fundamental señalar aquellas vinculadas con su
alcance metodológico. Para una comprensión profunda y generalizable del fenómeno,
futuras investigaciones deberían superar las restricciones de este enfoque y diseño. En
primer lugar, sería necesario profundizar en el análisis de las causalidades a las correlaciones
identificadas, utilizando métodos que combinen escalas cuantitativas con entrevistas en
profundidad o grupos focales. Esto permitiría explorar los porqués detrás de las posturas
neutrales, los temores y las percepciones de utilidad. En segundo lugar, se recomienda
ampliar la población de estudio para incluir no solo a alumnos de otros grados académicos
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1213
simultáneamente, aborden de manera específica los temores contextuales, especialmente en
aquellas especialidades más sensibles a la automatización. Solo mediante una estrategia
doblemente articulada—que potencie la oportunidad y mitigue la amenaza percibida—se
podrá capitalizar plenamente el potencial transformador de la IA en la preparación de los
estudiantes para los desafíos del siglo XXI.
Además, el estudio identifica un consenso en la percepción de la inteligencia artificial: los
alumnos conceptualizan esta tecnología como un recurso auxiliar o complementario. Esta
visión se centra en tareas de apoyo instrumental, automatización y asistencia en la gestión
de información, excluyéndola de funciones críticas o de toma de decisiones autónomas.
Esta postura refleja una cautela frente a la autonomía plena de los sistemas de IA, sugiriendo
que, a pesar de reconocer su utilidad, estos no deberían asumir responsabilidades decisivas
en entornos educativos o profesionales donde el juicio y la experiencia humana se
consideran insustituibles. Esta conceptualización restringida contrasta con la mayor apertura
y disposición positiva identificada en el género femenino hacia la adopción y el uso de
herramientas tecnológicas basadas en IA, lo que sugiere que una mayor receptividad no
necesariamente implica un aval a la autonomía total del sistema, sino más bien un interés
por su potencial como herramienta de apoyo.
Respecto a las limitaciones del estudio, es fundamental señalar aquellas vinculadas con su
alcance metodológico. Para una comprensión profunda y generalizable del fenómeno,
futuras investigaciones deberían superar las restricciones de este enfoque y diseño. En
primer lugar, sería necesario profundizar en el análisis de las causalidades a las correlaciones
identificadas, utilizando métodos que combinen escalas cuantitativas con entrevistas en
profundidad o grupos focales. Esto permitiría explorar los porqués detrás de las posturas
neutrales, los temores y las percepciones de utilidad. En segundo lugar, se recomienda
ampliar la población de estudio para incluir no solo a alumnos de otros grados académicos
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1214
dentro del bachillerato, sino también de otras instituciones, lo que permitiría establecer
correlaciones más sólidas, identificar posibles variables adicionales y extrapolar los
hallazgos en distintos entornos de educación media superior. La incorporación sistemática
de estos enfoques cualitativos y comparativos enriquecería la interpretación de los datos
cuantitativos, garantizando una visión más amplia y contextualizada de la construcción de
las actitudes hacia la IA en esta etapa educativa.
REFERENCIAS BIBLIOGRÁFICAS
Acosta-Rivera, LG, & Bedón Vaca, CD (2025). Impacto de la Inteligencia Artificial en el
Aprendizaje del Inglés como Lengua Extranjera en Estudiantes de Bachillerato en Ecuador.
Revista RedCA, 8 (22), 140-164.
Alpizar Garrido, Luis Octavio, & Martínez Ruiz, Héctor. (2024). Perspectiva de estudiantes
de nivel medio superior respecto al uso de la inteligencia artificial generativa en su
aprendizaje. RIDE. Revista Iberoamericana para la Investigación y el Desarrollo
Educativo, 14(28), e628. Epub 11 de noviembre de 2024.
https://doi.org/10.23913/ride.v14i28.1830
Álvarez Hernández, GA, Pérez Velasco, AA (2025). Percepciones del estudiantado
universitario en el uso y apropiación de la inteligencia artificial. Revista Electrónica
"Actualidades Investigativas en Educación", 25 (1), 1-27.
https://doi.org/10.15517/aie.v25i1.6062 Casanova Pistón, Azahara; Martínez
Domínguez, Mónica. Producción Científica sobre Inteligencia Artificial y Educación:
Un Análisis Cienciométrico. Hachetetepé. Revista científica de educación y
comunicación, núm. 28, 2024, Enero-Mayo, pp. 1-23. Universidad de Cádiz. España. DOI:
https://doi.org/10.25267/Hachetetepe.2024.i28.1102
Gómez-Gómez M, Danglot-Banck C, Vega-Franco L. Sinopsis de pruebas estadísticas no
paramétricas. Cuando usarlas. Rev Mex Pediatr. 2003;70(2):91-99.
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1214
dentro del bachillerato, sino también de otras instituciones, lo que permitiría establecer
correlaciones más sólidas, identificar posibles variables adicionales y extrapolar los
hallazgos en distintos entornos de educación media superior. La incorporación sistemática
de estos enfoques cualitativos y comparativos enriquecería la interpretación de los datos
cuantitativos, garantizando una visión más amplia y contextualizada de la construcción de
las actitudes hacia la IA en esta etapa educativa.
REFERENCIAS BIBLIOGRÁFICAS
Acosta-Rivera, LG, & Bedón Vaca, CD (2025). Impacto de la Inteligencia Artificial en el
Aprendizaje del Inglés como Lengua Extranjera en Estudiantes de Bachillerato en Ecuador.
Revista RedCA, 8 (22), 140-164.
Alpizar Garrido, Luis Octavio, & Martínez Ruiz, Héctor. (2024). Perspectiva de estudiantes
de nivel medio superior respecto al uso de la inteligencia artificial generativa en su
aprendizaje. RIDE. Revista Iberoamericana para la Investigación y el Desarrollo
Educativo, 14(28), e628. Epub 11 de noviembre de 2024.
https://doi.org/10.23913/ride.v14i28.1830
Álvarez Hernández, GA, Pérez Velasco, AA (2025). Percepciones del estudiantado
universitario en el uso y apropiación de la inteligencia artificial. Revista Electrónica
"Actualidades Investigativas en Educación", 25 (1), 1-27.
https://doi.org/10.15517/aie.v25i1.6062 Casanova Pistón, Azahara; Martínez
Domínguez, Mónica. Producción Científica sobre Inteligencia Artificial y Educación:
Un Análisis Cienciométrico. Hachetetepé. Revista científica de educación y
comunicación, núm. 28, 2024, Enero-Mayo, pp. 1-23. Universidad de Cádiz. España. DOI:
https://doi.org/10.25267/Hachetetepe.2024.i28.1102
Gómez-Gómez M, Danglot-Banck C, Vega-Franco L. Sinopsis de pruebas estadísticas no
paramétricas. Cuando usarlas. Rev Mex Pediatr. 2003;70(2):91-99.
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1215
González Fernández, MO, Romero-López, MA, Sgreccia, NF y Latorre Medina, MJ (2025).
Marcos normativos para una IA ética y confiable en la educación superior: estado de
la cuestión. RIED-Revista Iberoamericana de Educación a Distancia, 28 (2), 181-208.
https://doi.org/10.5944/ried.28.2.43511
Hernández, R., Fernández, C., Baptista, P. (2006) Metodología de la investigación. México:
McGrawHill.
Jumbo Misquero, P. F., Arias Salazar, E. A., & Yánez Villarroel, S. R. (2025). Influencia de la
inteligencia artificial (IA) en el desarrollo de habilidades digitales en estudiantes de
Educación Superior. Ciencia Y Educación, 6(9), 156 - 169.
https://doi.org/10.5281/zenodo.17173527
Lugo García, M. G. (2025, 1 de diciembre). La actividad del cerebro disminuye al usar IA:
Pilar Durán Hernández. Gaceta UNAM. https://www.gaceta.unam.mx/la-actividad-
del-cerebro-disminuye-al-usar-ia-pilar-duran-hernandez/
Martínez-Pérez, S., y Fernández-Robles, B. (2018). Objetos de Realidad Aumentada:
Percepciones del alumnado de pedagogía. Pixel-Bit. Revista de Medios y Educación,
53, 207-220. https://doi.org/10.12795/pixelbit.2018.i53.14
Puche, V. D. J. (2025). La inteligencia artificial y el fraude académico en el contexto
universitario. Revista Digital de Investigación y Postgrado, 6(11), 77-93.
https://doi.org/10.59654/kg944e15
Recio Sastre, A., (2025). La pregunta por la enseñanza de la ética como límite de la
inteligencia artificial. Sophia, Colección de Filosofía de la Educación, (39), 53-81.
https://doi.org/10.17163/soph.n39.2025.01
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1215
González Fernández, MO, Romero-López, MA, Sgreccia, NF y Latorre Medina, MJ (2025).
Marcos normativos para una IA ética y confiable en la educación superior: estado de
la cuestión. RIED-Revista Iberoamericana de Educación a Distancia, 28 (2), 181-208.
https://doi.org/10.5944/ried.28.2.43511
Hernández, R., Fernández, C., Baptista, P. (2006) Metodología de la investigación. México:
McGrawHill.
Jumbo Misquero, P. F., Arias Salazar, E. A., & Yánez Villarroel, S. R. (2025). Influencia de la
inteligencia artificial (IA) en el desarrollo de habilidades digitales en estudiantes de
Educación Superior. Ciencia Y Educación, 6(9), 156 - 169.
https://doi.org/10.5281/zenodo.17173527
Lugo García, M. G. (2025, 1 de diciembre). La actividad del cerebro disminuye al usar IA:
Pilar Durán Hernández. Gaceta UNAM. https://www.gaceta.unam.mx/la-actividad-
del-cerebro-disminuye-al-usar-ia-pilar-duran-hernandez/
Martínez-Pérez, S., y Fernández-Robles, B. (2018). Objetos de Realidad Aumentada:
Percepciones del alumnado de pedagogía. Pixel-Bit. Revista de Medios y Educación,
53, 207-220. https://doi.org/10.12795/pixelbit.2018.i53.14
Puche, V. D. J. (2025). La inteligencia artificial y el fraude académico en el contexto
universitario. Revista Digital de Investigación y Postgrado, 6(11), 77-93.
https://doi.org/10.59654/kg944e15
Recio Sastre, A., (2025). La pregunta por la enseñanza de la ética como límite de la
inteligencia artificial. Sophia, Colección de Filosofía de la Educación, (39), 53-81.
https://doi.org/10.17163/soph.n39.2025.01
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1216
Romeu Fontanillas, T., Romero Carbonell, M., Guitert Catasús, M., & Baztán Quemada, P.
(2025). Desafíos de la Inteligencia Artificial generativa en educación superior:
fomentando su uso crítico en el estudiantado. RIED-Revista Iberoamericana de
Educación a Distancia, 28 (2), 189-231. https://doi.org/10.5944/ried.28.2.43535
Salmerón Moreira, Y. M., Luna Álvarez, H. E., Murillo Encarnación, W. G., & Pacheco
Gómez, V. A. (2023). El futuro de la Inteligencia Artificial para la educación en las
instituciones de Educación Superior. Revista Conrado, 19(93), 27-34.
Saz-Pérez, F., Lizana Carrió, A., Pizà-Mir, B., & de Benito Crosetti, B. (2025). Posibilidades de
aprendizaje autónomo de estudiantes de secundaria en la creación de imágenes
mediante inteligencia artificial. Hachetetepé. Revista científica de educación y
comunicación, (30), 1-31. https://doi.org/10.25267/Hachetetepe.2025.i30.1201
Schepman, A., & Rodway, P. (2020). Initial validation of the general attitudes towards
Artificial Intelligence Scale. Computers in Human Behavior Reports, 1, 100014.
https://doi.org/10.1016/j.chbr.2020.100014
Socorro, J. (2024). Actitudes del profesorado ante el uso y manejo de la inteligencia artificial
generativa (IAG) de modo eficiente. Revista Vitalia, 5(3), 1183–1213.
https://doi.org/10.61368/r.s.d.h.v5i3.325
Sorbara, A. (2023). La inteligencia artificial y el aprendizaje. Dilemas Contemporáneos:
Educación, Política y Valores, 11. https://doi.org/10.46377/dilemas.v11i1.3746
Tramallino, Carolina Paola; Zeni, Adriana Marize. Avances y discusiones sobre el uso de
inteligencia artificial (IA) en educación. Educación, vol. 33, núm. 64, 2024, Enero-
Junio, pp. 29-54. Pontificia Universidad Católica del Perú. DOI:
https://doi.org/10.18800/educacion.202401.M002
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1216
Romeu Fontanillas, T., Romero Carbonell, M., Guitert Catasús, M., & Baztán Quemada, P.
(2025). Desafíos de la Inteligencia Artificial generativa en educación superior:
fomentando su uso crítico en el estudiantado. RIED-Revista Iberoamericana de
Educación a Distancia, 28 (2), 189-231. https://doi.org/10.5944/ried.28.2.43535
Salmerón Moreira, Y. M., Luna Álvarez, H. E., Murillo Encarnación, W. G., & Pacheco
Gómez, V. A. (2023). El futuro de la Inteligencia Artificial para la educación en las
instituciones de Educación Superior. Revista Conrado, 19(93), 27-34.
Saz-Pérez, F., Lizana Carrió, A., Pizà-Mir, B., & de Benito Crosetti, B. (2025). Posibilidades de
aprendizaje autónomo de estudiantes de secundaria en la creación de imágenes
mediante inteligencia artificial. Hachetetepé. Revista científica de educación y
comunicación, (30), 1-31. https://doi.org/10.25267/Hachetetepe.2025.i30.1201
Schepman, A., & Rodway, P. (2020). Initial validation of the general attitudes towards
Artificial Intelligence Scale. Computers in Human Behavior Reports, 1, 100014.
https://doi.org/10.1016/j.chbr.2020.100014
Socorro, J. (2024). Actitudes del profesorado ante el uso y manejo de la inteligencia artificial
generativa (IAG) de modo eficiente. Revista Vitalia, 5(3), 1183–1213.
https://doi.org/10.61368/r.s.d.h.v5i3.325
Sorbara, A. (2023). La inteligencia artificial y el aprendizaje. Dilemas Contemporáneos:
Educación, Política y Valores, 11. https://doi.org/10.46377/dilemas.v11i1.3746
Tramallino, Carolina Paola; Zeni, Adriana Marize. Avances y discusiones sobre el uso de
inteligencia artificial (IA) en educación. Educación, vol. 33, núm. 64, 2024, Enero-
Junio, pp. 29-54. Pontificia Universidad Católica del Perú. DOI:
https://doi.org/10.18800/educacion.202401.M002
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1217
Torres Nabel, L. C., & Basilio Rizo, L. I. (2025). Inteligencia Artificial Generativa en
estudiantes de Educación Media Superior en México. El uso de ChatGPT en
estudiantes del Centro de Enseñanza Técnica Industrial (CETI). Ciencia Latina Revista
Científica Multidisciplinar, 9(4), 11317-11353.
https://doi.org/10.37811/cl_rcm.v9i5.19721
Vélez-Rivera, R., Muñoz-Álvarez, D., Leal-Orellana, P., & Ruiz-Garrido, A. (2024). Uso de
Inteligencia Artificial en educación superior y sus implicancias éticas. Mapeo
sistemático de literatura. Hachetetepé. Revista científica de educación y comunicación,
(28), 1-17. https://doi.org/10.25267/Hachetetepe.2024.i28.1105
Zamora Varela, Y. y Mendoza Encinas, MD (2023). La inteligencia artificial y el futuro de la
educación superior desafíos y oportunidades. Horizontes Pedagógicos, 25 (1), 1-13.
https://doi.org/10.33881/0123-8264.hop.25101
La Revista utiliza códigos para identificar al Revisor y al equipo de
PARES REVISORES. Si tiene dudas o consultas, contacte a:
contacto@cienciayreflexion.org
Código de Editor: 107
Código de Revisores: 956
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1217
Torres Nabel, L. C., & Basilio Rizo, L. I. (2025). Inteligencia Artificial Generativa en
estudiantes de Educación Media Superior en México. El uso de ChatGPT en
estudiantes del Centro de Enseñanza Técnica Industrial (CETI). Ciencia Latina Revista
Científica Multidisciplinar, 9(4), 11317-11353.
https://doi.org/10.37811/cl_rcm.v9i5.19721
Vélez-Rivera, R., Muñoz-Álvarez, D., Leal-Orellana, P., & Ruiz-Garrido, A. (2024). Uso de
Inteligencia Artificial en educación superior y sus implicancias éticas. Mapeo
sistemático de literatura. Hachetetepé. Revista científica de educación y comunicación,
(28), 1-17. https://doi.org/10.25267/Hachetetepe.2024.i28.1105
Zamora Varela, Y. y Mendoza Encinas, MD (2023). La inteligencia artificial y el futuro de la
educación superior desafíos y oportunidades. Horizontes Pedagógicos, 25 (1), 1-13.
https://doi.org/10.33881/0123-8264.hop.25101
La Revista utiliza códigos para identificar al Revisor y al equipo de
PARES REVISORES. Si tiene dudas o consultas, contacte a:
contacto@cienciayreflexion.org
Código de Editor: 107
Código de Revisores: 956