La influencia de ChatGPT en la percepción del aprendizaje entre estudiantes de educación superior

María Irene Vásquez Villacis, Elizabeth María Garcés Suárez, Emma Fernanda Garcés Suárez, Marlene Solís Sierra

Resumen


Este estudio investiga la influencia de ChatGPT en la percepción del aprendizaje entre estudiantes de educación superior. El objetivo es determinar cómo factores como la facilidad de uso, el compromiso y la motivación afectan la satisfacción de los estudiantes. Utilizando una metodología cuantitativa con un enfoque correlacional y no experimental, se recolectaron datos de 57 estudiantes de la Universidad de Guayaquil mediante encuestas. El análisis de regresión lineal múltiple reveló que la facilidad de uso (𝛽1=0.411, 𝑝=0.002), el compromiso (𝛽4=0.347, p=0.006) y la motivación (𝛽5=0.507, 𝑝=0.002) son factores significativos que influyen en la satisfacción con ChatGPT. Sin embargo, otros factores como la personalización y la accesibilidad no mostraron una relación significativa. Estos hallazgos proporcionan perspectivas valiosas para mejorar la implementación de IA en la educación.


Palabras clave


ChatGPT; Satisfacción de estudiantes; Facilidad de uso; Compromiso; Motivación.

Texto completo:

PDF HTML

Referencias


Asiah, M., Khidzir, N. Z., Deris, S., Mat Yaacob, N. H., Mohamad, M. S., & Safaai, S. S. (2019). A review on predictive modeling technique for student academic performance monitoring. MATEC Web of Conferences, 255, 03004. https://doi.org/10.1051/matecconf/201925503004

Carvajal Morales, J. M., Sarmiento Merchán, M. A., Tobar Litardo, J. E., & Pazmiño Caicedo, J. P. (2024). Relación entre las técnicas de aprendizaje dinámicas de la gamificación para el desarrollo de la motivación escolar en estudiantes de noveno de básica. Revista Polo del Conocimiento, 9(7). https://polodelconocimiento.com/ojs/index.php/es/article/view/7494

Chen, H., & Ward, P. A. S. (2021). Predicting student performance using data from an auto-grading system. arXiv preprint arXiv:2102.01270.

Hamsa, H., Indiradevi, S., & Kizhakkethottam, J. J. (2016). Student academic performance prediction model using decision tree and fuzzy genetic algorithm. Procedia technology, 25, 326-332. https://doi.org/10.1016/j.protcy.2016.08.114

Haron, N. H., Mahmood, R., Md Amin, N., Ahmad, A., & Jantan, S. R. (2025). An artificial intelligence approach to monitor and predict student academic performance. Journal of Advanced Research in Applied Sciences and Engineering Technology, 44(1), 105-119.

Kausar, S., Oyelere, S. S., Salal, Y., Hussain, S., Cifci, M., Hilcenko, S., Iqbal, M., & Huahu, X. (2020). Mining smart learning analytics data using ensemble classifiers. International Journal of Emerging Technologies in Learning (iJET), 15(12), 81-102. https://doi.org/10.3991/ijet.v15i12.13455

Latrellis, O., Savvas, I. K., Fitsilis, P., & Gerogiannis, V. C. (2021). A two-phase machine learning approach for predicting student outcomes. Education and Information Technologies, 26, 69-88. https://doi.org/10.1007/s10639-020-10260-x

Litardo, J. E. T., Arreaga, M. Y. C., Castillo, Y. M. G., & Naranjo, C. E. T. (2024). La inteligencia artificial aplicada a la gestión educativa y su incidencia en el desarrollo de las competencias docentes. Revista Mapa, 35(8).

Litardo, J. E. T., Wong, C. A. R., & Suárez, E. F. G. (2023). La formación de los docentes para la enseñanza de la industria 4.0 en la educación superior. RECIAMUC, 7(2), 180-194.

Nor, H. H., Mahmood, R., Amin, N. M., Ahmad, A., & Jantan, S. R. (2024). An Artificial Intelligence Approach to Monitor and Predict Student Academic Performance. Journal of Advanced Research in Applied Sciences and Engineering Technology, 44(1), 105-119.

Siddique, A., Jan, A., Majeed, F., Qahmash, A. I., Quadri, N. N., & Wahab, M. O. A. (2021). Predicting academic performance using an efficient model based on fusion of classifiers. Applied Sciences, 11(24), 11845. https://doi.org/10.3390/app112411845

Tobar, J. E., Moran Álvarez, J. A., Verduga Rivera, S. I., & Sellan Baque, J. C. (2024). Integración de la inteligencia artificial en la gestión educativa: Factores pedagógicos y desempeño académico. South Florida Journal of Development, 5(3), 01-14. https://doi.org/10.46932/sfjdv5n3-022




DOI: https://doi.org/10.23857/pc.v9i8.7820

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';

Bookmark and Share




Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/