����������������������������������������������������������������������������������

 

 

Evaluaci�n de la disposici�n estudiantil para la adopci�n de modelos de aprendizaje con inteligencia artificial en la educaci�n agropecuaria

 

Assessment of student readiness to adopt artificial intelligence learning models in agricultural education

 

Avalia��o da prontid�o dos alunos para adotar modelos de aprendizagem de intelig�ncia artificial na educa��o agr�cola

 

 

 

 

 

 

 

 

 

 

Correspondencia: bmocha@utmachala.edu.ec

 

 

Ciencias de la Educaci�n

Art�culo de Investigaci�n

 

* Recibido: 26 de agosto de 2025 *Aceptado: 11 de agosto de 2025 * Publicado: �27 de septiembre de 2025

 

       I.          Universidad T�cnica de Machala, Ecuador.

     II.          Universidad T�cnica de Machala, Ecuador.

   III.          Universidad T�cnica de Machala, Ecuador.

 

Resumen

La inteligencia artificial (IA) representa una oportunidad estrat�gica para personalizar la educaci�n agr�cola, pero su adopci�n depende de la disposici�n estudiantil y de factores asociados. El objetivo de este estudio fue evaluar la disposici�n de estudiantes de carreras agropecuarias para adoptar modelos de aprendizaje personalizado con IA, considerando sus niveles de comprensi�n, percepciones de beneficios, preocupaciones y barreras. Se desarroll� una investigaci�n cuantitativa, descriptiva y transversal con 240 estudiantes de la Facultad de Ciencias Agropecuarias de la Universidad T�cnica de Machala, aplicando un cuestionario de 15 �tems basado en el Technology Acceptance Model (TAM) y dimensiones de utilidad, facilidad de uso, influencia social, confianza y �tica. Los resultados muestran una alta disposici�n a la adopci�n (62% interesados y muy interesados; 87% percepci�n positiva de impacto), destacando beneficios como mayor productividad, calidad de productos y optimizaci�n de recursos. Las principales preocupaciones se centraron en la p�rdida de empleos y la dependencia tecnol�gica. Aunque el conocimiento declarado sobre IA fue en su mayor�a b�sico o moderado, no limit� la actitud favorable, pero s� evidenci� la necesidad de alfabetizaci�n digital cr�tica y formaci�n t�cnica. Se concluye que la implementaci�n de estos modelos es viable y estrat�gica, siempre que se articule con pol�ticas claras, formaci�n docente y marcos �ticos adaptados al contexto agr�cola.

Palabras Clave: inteligencia artificial; aprendizaje personalizado; educaci�n agr�cola; aceptaci�n tecnol�gica; alfabetizaci�n digital.

 

Abstract

Artificial intelligence (AI) represents a strategic opportunity to personalize agricultural education, but its adoption depends on student willingness and associated factors. The objective of this study was to evaluate the willingness of agricultural students to adopt personalized learning models with AI, considering their levels of understanding, perceptions of benefits, concerns, and barriers. A quantitative, descriptive, and cross-sectional study was conducted with 240 students from the Faculty of Agricultural Sciences at the Technical University of Machala, applying a 15-item questionnaire based on the Technology Acceptance Model (TAM) and dimensions of utility, ease of use, social influence, trust, and ethics. The results show a high willingness to adopt (62% interested and very interested; 87% positive perception of impact), highlighting benefits such as increased productivity, product quality, and resource optimization. The main concerns focused on job loss and technological dependence. Although the declared knowledge about AI was mostly basic or moderate, it did not limit favorable attitudes, but it did highlight the need for critical digital literacy and technical training. It is concluded that the implementation of these models is viable and strategic, provided that it is articulated with clear policies, teacher training and ethical frameworks adapted to the agricultural context.

Keywords: Artificial intelligence; personalized learning; agricultural education; technology acceptance; digital literacy.

 

Resumo

A intelig�ncia artificial (IA) representa uma oportunidade estrat�gica para personalizar a educa��o agr�cola, mas a sua ado��o depende da disposi��o do aluno e de fatores associados. O objetivo deste estudo foi avaliar a disposi��o dos alunos agr�colas para adotar modelos de aprendizagem personalizados com IA, considerando os seus n�veis de compreens�o, perce��es de benef�cios, preocupa��es e barreiras. Foi realizado um estudo quantitativo, descritivo e transversal com 240 alunos da Faculdade de Ci�ncias Agr�rias da Universidade T�cnica de Machala, aplicando um question�rio de 15 itens baseado no Modelo de Aceita��o de Tecnologia (TAM) e dimens�es de utilidade, facilidade de utiliza��o, influ�ncia social, confian�a e �tica. Os resultados mostram uma elevada disposi��o para a ado��o (62% interessados ​​e muito interessados; 87% perce��o positiva de impacto), destacando benef�cios como o aumento da produtividade, a qualidade do produto e a otimiza��o de recursos. As principais preocupa��es centraram-se na perda de emprego e na depend�ncia tecnol�gica. Embora o conhecimento declarado sobre a IA fosse principalmente b�sico ou moderado, isto n�o limitou as atitudes favor�veis, mas destacou a necessidade de literacia digital cr�tica e forma��o t�cnica. Conclui-se que a implementa��o destes modelos � vi�vel e estrat�gica, desde que articulada com pol�ticas claras, forma��o de professores e quadros �ticos adaptados ao contexto agr�cola.

Palavras-chave: Intelig�ncia artificial; aprendizagem personalizada; educa��o agr�cola; aceita��o da tecnologia; alfabetiza��o digital.

 

Introducci�n

La inteligencia artificial (IA) ha transformado r�pidamente el panorama de la educaci�n superior, redefiniendo tanto los procesos de ense�anza como de aprendizaje a trav�s de herramientas generativas avanzadas. En este contexto, el uso de modelos personalizados de aprendizaje asistidos por IA representa una de las aplicaciones m�s prometedoras para responder a la diversidad de estilos cognitivos, ritmos de estudio y niveles de competencia entre los estudiantes (Tbaishat et al., 2025). Tecnolog�as como los chatbots de IA, los asistentes virtuales y los sistemas de recomendaci�n adaptativa han permitido una retroalimentaci�n en tiempo real, tutor�a personalizada y automatizaci�n de tareas repetitivas, mejorando la eficacia pedag�gica y la motivaci�n del alumnado (Agyare et al., 2025).

Estudios recientes se�alan que los estudiantes universitarios muestran actitudes generalmente positivas hacia la incorporaci�n de herramientas de IA en sus procesos acad�micos, aunque persisten preocupaciones relacionadas con el uso �tico, la privacidad y la autonom�a en el aprendizaje (Tbaishat et al., 2025; Agyare et al., 2025). La disposici�n a adoptar estas tecnolog�as no depende �nicamente del acceso o la familiaridad con las herramientas, sino tambi�n de factores como la autoeficacia tecnol�gica, la percepci�n de utilidad, la influencia social y el apoyo institucional (Agyare et al., 2025). Estos elementos, conceptualizados en modelos como el Technology Acceptance Model (TAM), han demostrado ser predictivos del comportamiento de adopci�n tecnol�gica en m�ltiples contextos educativos.

Sin embargo, la implementaci�n efectiva de modelos de aprendizaje personalizado con IA en la educaci�n agr�cola enfrenta desaf�os particulares. A pesar del crecimiento de la inteligencia artificial en sectores productivos como la agricultura de precisi�n (Upadhyay et al., 2024), la integraci�n curricular de estas tecnolog�as en carreras agropecuarias contin�a siendo limitada. Factores estructurales como el acceso desigual a recursos digitales, la escasa capacitaci�n docente en herramientas de IA y la falta de pol�ticas claras sobre su uso pedag�gico constituyen barreras importantes para su adopci�n generalizada (Dembani et al., 2025).

Adicionalmente, el surgimiento de herramientas generativas como ChatGPT ha generado debates �ticos en torno al plagio, la dependencia tecnol�gica y la integridad acad�mica. Aunque muchos estudiantes reconocen los beneficios de estas herramientas para mejorar el rendimiento y facilitar el acceso a contenidos, tambi�n expresan incertidumbre sobre los l�mites �ticos de su uso (Huang et al., 2025). Esta ambivalencia subraya la necesidad de comprender mejor la disposici�n estudiantil hacia modelos de aprendizaje que, aunque prometedores, requieren de una regulaci�n clara y de una alfabetizaci�n digital cr�tica para evitar pr�cticas inapropiadas.

En este marco, la presente investigaci�n tiene como objetivo evaluar la disposici�n de los estudiantes de carreras agr�colas para adoptar modelos de aprendizaje personalizado con inteligencia artificial, tomando en cuenta sus niveles de comprensi�n sobre la IA, su inter�s en aplicarla a su formaci�n profesional, y sus percepciones sobre los beneficios, desaf�os y preocupaciones �ticas relacionadas. Este enfoque busca contribuir al dise�o de estrategias pedag�gicas y pol�ticas institucionales que permitan una integraci�n responsable y efectiva de la IA en la educaci�n agr�cola.

 

Metodolog�a

Este estudio se enmarca dentro de un enfoque cuantitativo, de tipo descriptivo y transversal, orientado a analizar la disposici�n de los estudiantes de carreras agr�colas hacia la adopci�n de modelos de aprendizaje personalizado basados en inteligencia artificial. La poblaci�n objeto de estudio estuvo conformada por 240 estudiantes de la Facultad de Ciencias Agropecuarias de la Universidad T�cnica de Machala, Ecuador. Se emple� un muestreo no probabil�stico intencional, dada la accesibilidad de los participantes y su pertinencia respecto a los objetivos de la investigaci�n.

El instrumento utilizado consisti� en un cuestionario estructurado de 15 �tems, dise�ado con base en los factores clave del modelo de aceptaci�n tecnol�gica (TAM), complementado con dimensiones asociadas a la percepci�n de utilidad, facilidad de uso, influencia social, confianza, y preocupaciones �ticas identificadas en estudios recientes sobre el uso educativo de la inteligencia artificial (Albayati, 2024; St�hr et al., 2024). Las preguntas combinaron formatos de respuesta cerrada, selecci�n m�ltiple y escalas tipo Likert de cinco puntos, lo que permiti� captar con mayor precisi�n las actitudes y percepciones de los estudiantes.

La validez del instrumento fue determinada a trav�s de juicio de expertos en tecnolog�as educativas y educaci�n superior, lo que garantiz� la pertinencia y claridad de los �tems. Asimismo, se llev� a cabo una prueba piloto con un subconjunto de la poblaci�n objetivo para verificar la fiabilidad del cuestionario y realizar los ajustes necesarios antes de su aplicaci�n final.

La recolecci�n de datos se efectu� de manera digital utilizando la plataforma Microsoft Office Forms, lo cual facilit� la participaci�n remota y segura de los estudiantes. Este medio permiti� automatizar la captura de datos y reducir errores asociados al procesamiento manual. Una vez recopilada la informaci�n, se procedi� a su an�lisis estad�stico descriptivo mediante medidas de tendencia central y dispersi�n, con el fin de caracterizar las variables relacionadas con la disposici�n estudiantil hacia la IA. En correspondencia con estudios previos, se consideraron tambi�n diferencias de percepci�n vinculadas con aspectos demogr�ficos, nivel acad�mico y experiencia previa con tecnolog�as digitales (St�hr et al., 2024; Weng et al., 2024).

 

Resultados-discusi�n

• La presente secci�n expone los principales hallazgos derivados del an�lisis de los datos obtenidos a trav�s de la encuesta aplicada a estudiantes de las carreras de Agronom�a, Acuicultura y Medicina Veterinaria de la Universidad T�cnica de Machala. La muestra estuvo conformada por 240 estudiantes, de los cuales el 66% corresponde al g�nero masculino y el 34% al g�nero femenino, sin reportes de otras categor�as de identidad de g�nero. En cuanto al conocimiento previo sobre inteligencia artificial, el 90% de los encuestados indic� haber escuchado sobre IA antes de ingresar a la universidad, lo cual evidencia una familiaridad generalizada con el tema desde etapas tempranas de su formaci�n. Asimismo, el 87% considera que la inteligencia artificial puede tener un impacto positivo en la producci�n agropecuaria, mientras que apenas el 1% opina lo contrario y el 13% declara no tener una opini�n al respecto. Estos antecedentes reflejan una actitud predominantemente favorable hacia el uso de la inteligencia artificial en contextos productivos, lo que permite contextualizar de manera pertinente los resultados que se presentan a continuaci�n en torno al nivel de comprensi�n, percepciones, preocupaciones y disposici�n para adoptar modelos de aprendizaje personalizados con soporte en IA.
• Al segmentar las preocupaciones de los estudiantes por g�nero, se observan diferencias relevantes en las percepciones. La preocupaci�n (Figura 1) m�s recurrente en ambos grupos fue la p�rdida de empleos, con una frecuencia de 125 menciones en hombres y 55 en mujeres. La dependencia excesiva de la tecnolog�a tambi�n destac� como una inquietud com�n, especialmente entre los hombres (95) en comparaci�n con las mujeres (38). En cuanto al impacto negativo en el medio ambiente, 40 hombres y 28 mujeres lo identificaron como una preocupaci�n. Por otro lado, los riesgos para la seguridad alimentaria fueron mencionados por una menor proporci�n de participantes: 15 hombres y 10 mujeres. Finalmente, la opci�n "desconozco" fue seleccionada de forma relativamente equitativa por 13 hombres y 12 mujeres.
• Estos resultados reflejan una mayor frecuencia absoluta de preocupaciones entre los estudiantes de g�nero masculino, lo cual podr�a estar asociado a su mayor representaci�n en la muestra. Sin embargo, las tendencias relativas sugieren que tanto hombres como mujeres comparten inquietudes comunes respecto a los efectos de la inteligencia artificial, particularmente en el �mbito laboral y tecnol�gico.

 

Figura 1: Principales preocupaciones sobre el uso de la inteligencia artificial.

Fuente: Elaboraci�n propia

• Van Quaquebeke et al. (2025) ofrecen una visi�n cr�tica sobre el impacto de la IA en la investigaci�n y la educaci�n superior, advirtiendo sobre riesgos como la homogeneizaci�n epist�mica, la p�rdida de agencia investigativa y la dependencia excesiva de herramientas automatizadas. Estos riesgos tambi�n fueron mencionados por los estudiantes en esta investigaci�n, quienes expresaron inquietudes �ticas y tecnol�gicas, como la p�rdida de empleos y la dependencia tecnol�gica. La literatura sugiere que estas preocupaciones deben abordarse mediante estrategias formativas que promuevan la alfabetizaci�n digital cr�tica y el uso �tico de la IA (Baek et al., 2024; Van Quaquebeke et al., 2025).
• En cuanto al nivel de comprensi�n que los estudiantes manifiestan tener sobre qu� es la inteligencia artificial y c�mo funciona, los resultados muestran una distribuci�n claramente inclinada hacia los niveles b�sicos. La mayor�a indic� poseer un conocimiento muy b�sico (53,14%), seguido por un 31,38% que report� tener un conocimiento moderado. Solo el 9,21% afirm� no tener ning�n conocimiento al respecto. Por otro lado, los niveles altos de comprensi�n fueron muy poco frecuentes, con un 5,44% que se identific� con conocimiento avanzado y apenas un 0,84% que se consider� muy conocedor. Este panorama revela una necesidad formativa evidente en torno a los fundamentos y aplicaciones de la IA, incluso dentro de un entorno acad�mico orientado al sector agropecuario, lo cual refuerza la pertinencia de incluir estos contenidos de manera sistem�tica en los planes de estudio.
• Respecto a los beneficios percibidos de la inteligencia artificial (IA) como se evidencia en la Figura 2, los estudiantes manifestaron una valoraci�n predominantemente positiva. La opci�n m�s destacada fue la mejora en la productividad, seleccionada por 148 estudiantes, lo que representa aproximadamente el 33% del total de respuestas. Este resultado evidencia una alta expectativa sobre el potencial de la IA para aumentar los rendimientos y la eficiencia en el sector agropecuario. Le siguen en frecuencia la mejora en la calidad de los productos (96 respuestas, 21%) y la optimizaci�n de recursos naturales como agua, suelo, etc. (94 respuestas, 21%), lo cual indica una conciencia significativa sobre el v�nculo entre tecnolog�as inteligentes y sostenibilidad ambiental. La reducci�n de costos fue identificada por 81 estudiantes (18%), destacando el inter�s por los beneficios econ�micos derivados de la automatizaci�n y toma de decisiones basada en datos.
• Por otro lado, 35 estudiantes (8%) indicaron desconocer los beneficios de la IA, lo que sugiere una necesidad de reforzar los contenidos educativos relacionados con esta tem�tica en las carreras agropecuarias. Estos hallazgos reflejan un panorama alentador en cuanto a la receptividad estudiantil hacia la IA, al mismo tiempo que subrayan la importancia de fortalecer la alfabetizaci�n tecnol�gica desde una perspectiva agropecuaria.

Figura 2: Beneficios percibidos de la inteligencia artificial (IA).

Fuente: Elaboraci�n propia

• La percepci�n positiva de los estudiantes sobre los beneficios de la IA, especialmente en t�rminos de productividad, calidad y sostenibilidad, coincide con lo reportado por Baek et al. (2024), quienes encontraron que m�s del 60% de los estudiantes universitarios en EE.UU. utilizan ChatGPT para tareas generales y acad�micas, y que su uso est� influenciado por factores como el tipo de instituci�n, edad, g�nero y pol�ticas institucionales. Este estudio tambi�n destaca que los estudiantes con menor conocimiento sobre IA tienden a expresar mayores preocupaciones, lo cual se alinea con la asociaci�n inversa observada en el presente trabajo entre nivel de comprensi�n y grado de preocupaci�n.
• Al correlacionar estos resultados, con las carreras estudiadas en esta investigaci�n se puede inferir que los estudiantes de Agronom�a y Acuicultura, al tener contacto directo con procesos productivos, tienden a priorizar beneficios como la mejora de la productividad, la eficiencia en el uso de recursos naturales y la calidad de los productos. Esto evidencia una comprensi�n funcional de c�mo la IA puede aportar valor al rendimiento y sostenibilidad de los sistemas productivos agropecuarios. Por otro lado, el grupo correspondiente a Medicina Veterinaria, aunque menor en n�mero, podr�a estar m�s orientado a aplicaciones espec�ficas de IA en la salud animal, por lo cual su percepci�n sobre beneficios como la optimizaci�n de recursos o la reducci�n de costos tambi�n se justifica, aunque se requerir�a un desglose espec�fico por carrera para afinar esta interpretaci�n.
• En relaci�n con el nivel de inter�s de los estudiantes por aprender sobre inteligencia artificial (IA) aplicada en la Figura 3, los resultados muestran una tendencia mayoritariamente favorable. El 39,75% de los encuestados se declar� interesado, seguido de un 22,18% que manifest� estar muy interesado, lo que representa en conjunto m�s del 60% de la muestra con una actitud positiva hacia el aprendizaje de esta tecnolog�a. Un 25,52% se ubic� en una posici�n neutral, mientras que las respuestas menos frecuentes correspondieron a estudiantes poco interesados (9,21%) y nada interesados (3,35%). Estos resultados sugieren una disposici�n general favorable entre los estudiantes hacia la incorporaci�n de contenidos sobre IA en su formaci�n profesional en el �mbito agropecuario, aunque tambi�n revelan la existencia de un grupo significativo que a�n no se posiciona claramente al respecto.

 

 

 

 

 

 

Figura 3: Nivel de inter�s de los estudiantes por aprender sobre inteligencia artificial (IA)

Fuente: Elaboraci�n propia

• El estudio de Kong et al. (2025) sobre la escala EUAIPS demuestra que el empoderamiento en el uso de IA para la resoluci�n de problemas se estructura en tres dimensiones clave: impacto, autoeficacia y significado. Estos factores son esenciales para que los estudiantes perciban la IA no solo como una herramienta funcional, sino como un medio para alcanzar metas personales y profesionales. En el contexto agr�cola, donde la toma de decisiones basada en datos es cada vez m�s relevante, fortalecer la autoeficacia en el uso de IA puede facilitar la apropiaci�n de modelos personalizados de aprendizaje, especialmente si se vinculan con problemas reales del entorno rural.
• A partir del cruce de variables analizadas, se puede inferir una alta disposici�n de los estudiantes para adoptar modelos de aprendizaje personalizados con soporte en inteligencia artificial. Esta disposici�n se fundamenta, en primer lugar, en un inter�s mayoritario por aprender sobre IA aplicada a la producci�n agropecuaria (62% entre interesados y muy interesados), as� como en una familiaridad previa significativa con el concepto de IA (90% hab�a o�do hablar del tema antes de la universidad). Aunque los niveles de comprensi�n declarados sobre su funcionamiento tienden a ser bajos o moderados, esta brecha no parece limitar la actitud favorable hacia su adopci�n, como lo demuestra el hecho de que el 87% considera que la IA puede tener un impacto positivo en el sector agropecuario. Adem�s, los estudiantes manifiestan una percepci�n positiva sobre los beneficios concretos de la IA, especialmente en relaci�n con la mejora de la productividad, calidad y sostenibilidad de los procesos agr�colas. No obstante, tambi�n expresan preocupaciones �ticas y tecnol�gicas como la p�rdida de empleos o la dependencia excesiva, lo cual pone de manifiesto la necesidad de acompa�ar la implementaci�n de estos modelos con estrategias formativas que promuevan la alfabetizaci�n digital cr�tica, la �tica profesional y el uso responsable de las herramientas de IA.
• Existe una asociaci�n inversa probable entre el nivel de conocimiento y el grado de preocupaci�n: Quienes reportan menor comprensi�n sobre la IA tienden a tener mayores preocupaciones, especialmente en aspectos como p�rdida de empleo o dependencia tecnol�gica. Esto puede deberse al desconocimiento de c�mo la IA puede ser utilizada como herramienta complementaria, m�s que como sustituto total del trabajo humano.
• Por otro lado, los pocos estudiantes que indicaron tener conocimientos avanzados o ser muy conocedores de la IA, parecen tener una visi�n m�s cr�tica y espec�fica, evidenciada en preocupaciones como el impacto ambiental o riesgos alimentarios, m�s ligados a un an�lisis t�cnico que a un temor generalizado. Garg et al. (2025) evidencian que el entrenamiento estructurado en t�cnicas de prompting (como few-shot, chain-of-thought y el marco CLEAR) mejora significativamente las habilidades de programaci�n y an�lisis de datos en estudiantes de ingenier�a. Este hallazgo es particularmente relevante para la educaci�n agr�cola, donde el an�lisis de datos (clim�ticos, productivos, econ�micos) es fundamental. La incorporaci�n de estrategias de prompting en entornos de IA generativa puede potenciar la capacidad de los estudiantes para formular preguntas precisas, interpretar resultados y tomar decisiones informadas, lo cual es clave en escenarios de aprendizaje personalizado.
• Bagherimajd y Khajedad (2025) proponen un modelo de educaci�n sostenible basado en IA que articula siete dimensiones: estructura organizacional, curr�culo, ciudadan�a global, aprendizaje continuo, creatividad e innovaci�n, proceso de ense�anza-aprendizaje y comunicaci�n. Este enfoque sist�mico permite visualizar c�mo la IA puede integrarse de manera �tica, inclusiva y contextualizada en la educaci�n superior. En el �mbito agr�cola, donde la sostenibilidad es un eje transversal, este modelo ofrece una gu�a para dise�ar entornos de aprendizaje que no solo personalicen la experiencia educativa, sino que tambi�n promuevan valores de equidad, responsabilidad social y resiliencia tecnol�gica.
• La investigaci�n de Panday-Shukla, fundamentada en la teor�a de Rogers, destaca cinco atributos clave que influyen en la adopci�n de tecnolog�as como la IA generativa: ventaja relativa, compatibilidad, complejidad, capacidad de prueba y observabilidad. Estos factores se alinean con los hallazgos de esta investigaci�n, donde la ventaja percibida (como la personalizaci�n del aprendizaje y la eficiencia en la toma de decisiones) se presenta como un motivador clave, mientras que la complejidad percibida y la falta de formaci�n act�an como barreras. En el contexto agr�cola, la compatibilidad con pr�cticas tradicionales y la posibilidad de observar beneficios tangibles (por ejemplo, en simulaciones de producci�n o gesti�n de cultivos) son esenciales para fomentar la adopci�n.

 

Conclusiones

• La evaluaci�n realizada confirma una alta disposici�n estudiantil para adoptar modelos de aprendizaje personalizado con inteligencia artificial en el �mbito agrario, sustentada en una percepci�n mayoritariamente positiva sobre su potencial para mejorar la productividad, optimizar el uso de recursos y elevar la calidad de los productos. Aunque el nivel de comprensi�n declarado sobre el funcionamiento de la IA es predominantemente b�sico o moderado, esta limitaci�n no impide que los estudiantes reconozcan ventajas sustantivas y muestren inter�s por su integraci�n en la formaci�n profesional agropecuaria. Las principales preocupaciones identificadas como p�rdida de empleos y dependencia tecnol�gica, revelan la necesidad de acompa�ar la implementaci�n de estos modelos con estrategias formativas orientadas a la alfabetizaci�n digital cr�tica, el uso �tico y el fortalecimiento de la autoeficacia tecnol�gica. Asimismo, la persistencia de barreras estructurales, como la desigualdad en el acceso a recursos digitales, la limitada capacitaci�n docente y la ausencia de pol�ticas institucionales claras, subraya que la adopci�n efectiva de la IA requiere un marco institucional s�lido y contextualizado al sector agropecuario.

En conjunto, los hallazgos evidencian que la incorporaci�n de modelos de aprendizaje personalizado con IA en la educaci�n agr�cola es viable y estrat�gica, siempre que se articule con marcos �ticos, formaci�n espec�fica y pr�cticas pedag�gicas adaptadas a las necesidades del sector, garantizando as� una adopci�n responsable, inclusiva y sostenible.

 

 

 

 

 

 

 

Referencias

����������� Agyare, B., Asare, J., Kraishan, A., Nkrumah, I., & Adjekum, D. K. (2025). A cross-national assessment of artificial intelligence (AI) Chatbot user perceptions in collegiate physics education. Computers and Education: Artificial Intelligence, 8, 100365. https://doi.org/10.1016/j.caeai.2025.100365

����������� Albayati, H. (2024). Investigating undergraduate students� perceptions and awareness of using ChatGPT as a regular assistance tool: A user acceptance perspective study. Computers and Education: Artificial Intelligence, 6, 100203. https://doi.org/10.1016/j.caeai.2024.100203

����������� Baek, C., Tate, T., & Warschauer, M. (2024). �ChatGPT seems too good to be true�: College students� use and perceptions of generative AI. Computers and Education: Artificial Intelligence, 7, 100294. https://doi.org/10.1016/j.caeai.2024.100294

����������� Bagherimajd, K., & Khajedad, K. (2025). Designing a model of sustainable education based on artificial intelligence in higher education. Computers and Education: Artificial Intelligence, 9, Article 100439. https://doi.org/10.1016/j.caeai.2025.100439

����������� Dembani, R., Karvelas, I., Akbar, N. A., Rizou, S., Tegolo, D., & Fountas, S. (2025). Agricultural data privacy and federated learning: A review of challenges and opportunities. Computers and Electronics in Agriculture, 232, 110048. https://doi.org/10.1016/j.compag.2025.110048

����������� Garg, A., Soodhani, K. N., & Rajendran, R. (2025). Enhancing data analysis and programming skills through structured prompt training: The impact of generative AI in engineering education. Computers and Education: Artificial Intelligence, 8, Article 100380. https://doi.org/10.1016/j.caeai.2025.100380

����������� Huang, D., Hash, N., Cummings, J. J., & Prena, K. (2025). Academic cheating with generative AI: Exploring a moral extension of the theory of planned behavior. Computers and Education: Artificial Intelligence, 8, 100424. https://doi.org/10.1016/j.caeai.2025.100424

����������� Kong, S. C., Zhu, J., & Yang, Y. N. (2025). Developing and validating a scale of empowerment in using artificial intelligence for problem-solving for senior secondary and university students. Computers and Education: Artificial Intelligence, 8, Article 100359. https://doi.org/10.1016/j.caeai.2024.100359

����������� Panday-Shukla, P. (2025). Exploring generative artificial intelligence in teacher education. Teaching and Teacher Education, 165, 105088. https://doi.org/10.1016/j.tate.2025.105088

����������� St�hr, C., Ou, A. W., & Malmstr�m, H. (2024). Perceptions and usage of AI chatbots among students in higher education across genders, academic levels and fields of study. Computers and Education: Artificial Intelligence, 7, 100259. https://doi.org/10.1016/j.caeai.2024.100259

����������� Tbaishat, D., Amoudi, G., & Elfadel, M. (2025). Adapting teaching and learning with existing generative AI by higher education students: Comparative study of Zayed University and King Abdulaziz University. Computers and Education: Artificial Intelligence, 8, 100421. https://doi.org/10.1016/j.caeai.2025.100421

����������� Upadhyay, A., Zhang, Y., Koparan, C., Rai, N., Howatt, K., Bajwa, S., & Sun, X. (2024). Advances in ground robotic technologies for site-specific weed management in precision agriculture: A review. Computers and Electronics in Agriculture, 225, 109363. https://doi.org/10.1016/j.compag.2024.109363

����������� Van Quaquebeke, N., Tonidandel, S., & Banks, G. C. (2025). Beyond efficiency: How artificial intelligence (AI) will reshape scientific inquiry and the publication process. The Leadership Quarterly, 36, 101895. https://doi.org/10.1016/j.leaqua.2025.101895

����������� Weng, X., Xia, Q., Ahmad, Z., & Chiu, T. K. F. (2024). Personality traits for self-regulated learning with generative artificial intelligence: The case of ChatGPT. Computers and Education: Artificial Intelligence, 7, 100315. https://doi.org/10.1016/j.caeai.2024.100315.

 

�

 

 

 

 

 

� 2025 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).