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

 

 

Los estudiantes est�n aprovechando la inteligencia artificial generativa para potenciar su aprendizaje aut�nomo

 

Students are leveraging generative AI to enhance their autonomous learning

 

Os alunos est�o aproveitando a IA generativa para melhorar seu aprendizado aut�nomo

 

 

 

 

 

 

 

 

 

 

 

 

 

Correspondencia: luis.vinan@unach.edu.ec

 

Ciencias de la Educaci�n

Art�culo de Investigaci�n

 

* Recibido: 16 de mayo de 2025 *Aceptado: 19 de junio de 2025 * Publicado: �10 de julio de 2025

 

        I.            M�ster en Dise�o, Docente Universidad Nacional de Chimborazo, Riobamba, Ecuador.

      II.            Mag�ster en Telem�tica, Docente Universidad Nacional de Chimborazo, Riobamba, Ecuador.

   III.            Doctora en Comunicaci�n, Docente Universidad Nacional de Chimborazo, Riobamba, Ecuador.

   IV.            Magister en Dise�o Web, Docente Universidad Nacional de Chimborazo, Riobamba, Ecuador.

     V.            Magister en Educaci�n, Docente Universidad Nacional de Chimborazo; Riobamba. Ecuador.

   VI.            M�ster en Dise�o, Docente Universidad Nacional de Chimborazo, Riobamba, Ecuador.

Resumen

La integraci�n de la Inteligencia Artificial (IA) en la educaci�n superior ha generado debate sobre su potencial para promover aprendizajes aut�nomos o fomentar la dependencia tecnol�gica. Con este prop�sito, se realiz� un estudio cuantitativo de dise�o descriptivo usando una encuesta de 30 �tems aplicada a 380 estudiantes de Educaci�n Superior de Riobamba - Ecuador, con edades entre 18 y 24 a�os, un nivel de confianza del 95 % y un margen de error del 5 %. Los datos, analizados mediante frecuencias, se organizaron en seis secciones: estrategias de consulta, construcci�n activa del conocimiento, autonom�a y metacognici�n, pensamiento cr�tico, transferencia/aplicaci�n y pr�cticas no constructivas. Los hallazgos revelan que, aunque la mayor�a emplea la IA para formular preguntas precisas, reformular contenidos y transferir aprendizajes, sus pr�cticas metacognitivas y cr�ticas se ubican en niveles moderados, y persisten usos meramente instrumentales (copiar respuestas, dependencia excesiva). El uso se clasifica como �poco constructivo�, lo que subraya la necesidad de fortalecer estrategias de autorregulaci�n y pensamiento cr�tico. Se concluye que las instituciones deben implementar programas de alfabetizaci�n digital y espacios colaborativos para promover un uso m�s reflexivo y aut�nomo de la IA en la educaci�n.

Palabras clave: Inteligencia artificial; aprendizaje aut�nomo; constructivismo; metacognici�n; educaci�n superior.�

 

Abstract

The integration of Artificial Intelligence (AI) in higher education has generated debate about its potential to promote autonomous learning or foster technological dependence. To this end, a quantitative study with a descriptive design was conducted using a 30-item survey administered to 380 higher education students in Riobamba, Ecuador, aged between 18 and 24, with a 95% confidence level and a 5% margin of error. The data, analyzed using frequencies, were organized into six sections: inquiry strategies, active knowledge construction, autonomy and metacognition, critical thinking, transfer/application, and non-constructive practices. The findings reveal that, although most students use AI to formulate precise questions, reformulate content, and transfer learning, their metacognitive and critical practices are at moderate levels, and merely instrumental uses persist (copying answers, excessive dependence). This use is classified as "not very constructive," underscoring the need to strengthen self-regulation and critical thinking strategies. The conclusion is that institutions should implement digital literacy programs and collaborative spaces to promote a more reflective and autonomous use of AI in education.

Keywords: Artificial intelligence; autonomous learning; constructivism; metacognition; higher education.

 

Resumo

A integra��o da Intelig�ncia Artificial (IA) no ensino superior tem gerado debates sobre seu potencial para promover a aprendizagem aut�noma ou fomentar a depend�ncia tecnol�gica. Para tanto, foi realizado um estudo quantitativo com delineamento descritivo, utilizando um question�rio de 30 itens aplicado a 380 estudantes do ensino superior em Riobamba, Equador, com idades entre 18 e 24 anos, com n�vel de confian�a de 95% e margem de erro de 5%. Os dados, analisados por meio de frequ�ncias, foram organizados em seis se��es: estrat�gias de investiga��o, constru��o ativa do conhecimento, autonomia e metacogni��o, pensamento cr�tico, transfer�ncia/aplica��o e pr�ticas n�o construtivas. Os resultados revelam que, embora a maioria dos estudantes utilize a IA para formular perguntas precisas, reformular conte�dos e transferir a aprendizagem, suas pr�ticas metacognitivas e cr�ticas est�o em n�veis moderados, e persistem usos meramente instrumentais (c�pia de respostas, depend�ncia excessiva). Esse uso � classificado como "pouco construtivo", ressaltando a necessidade de fortalecer as estrat�gias de autorregula��o e pensamento cr�tico. Conclui-se que as institui��es devem implementar programas de alfabetiza��o digital e espa�os colaborativos para promover um uso mais reflexivo e aut�nomo da IA na educa��o.

Palavras-chave: Intelig�ncia artificial; aprendizagem aut�noma; construtivismo; metacogni��o; ensino superior.

 

Introducci�n

La integraci�n de la Inteligencia Artificial (IA) en la educaci�n superior se ha acelerado en los �ltimos a�os, plante�ndose como una herramienta con enorme potencial transformador para la ense�anza y el aprendizaje universitario. Diversos estudios recientes destacan que la IA, conjuntamente con las tecnolog�as digitales, puede mejorar el desempe�o docente y el rendimiento estudiantil al personalizar las experiencias de aprendizaje y optimizar procesos educativos (Menacho �ngeles et al., 2024). Por ejemplo, una revisi�n sistem�tica y metaan�lisis de (Garc�a-Mart�nez et al., 2023) encontr� impactos positivos de la IA y las ciencias computacionales en el rendimiento acad�mico de los estudiantes (Menacho �ngeles et al., 2024). Asimismo, (Bates et al., 2020) plantean la cuesti�n de si la IA puede transformar la educaci�n superior, concluyendo que sus aplicaciones (como tutores inteligentes, evaluaciones automatizadas y anal�tica de datos) tienen el potencial de innovar profundamente las pr�cticas educativas siempre que se implementen de forma pedag�gicamente s�lida (Bates et al., 2020). En este sentido, la IA se ha utilizado para personalizar la ense�anza, atender la diversidad de ritmos de aprendizaje y ofrecer retroalimentaci�n instant�nea, lo cual puede fomentar aprendizajes m�s significativos en los estudiantes (Chen et al., 2020) (Gonz�lez-Videgaray & Romero-Ruiz, 2022). Al adaptarse a las necesidades individuales, la IA facilita que cada estudiante avance a su propio ritmo, promoviendo una educaci�n m�s centrada en el aprendizaje.

Adem�s, se ha documentado que los sistemas de tutor�a inteligente basados en IA permiten adaptar las rutas de aprendizaje en tiempo real, ofreciendo recomendaciones individualizadas y an�lisis predictivos que anticipan dificultades acad�micas (Sajja et al., 2024). Esta capacidad ha impulsado una transformaci�n hacia entornos educativos inteligentes, donde el estudiante no solo recibe contenido adaptado, sino tambi�n oportunidades para la autoevaluaci�n y la mejora continua mediante dashboards de aprendizaje (Merino-Campos, 2025; Topali et al., 2025). Un ejemplo destacado es el uso de asistentes virtuales inteligentes, capaces de detectar patrones de participaci�n y proponer actividades remediales antes de que aparezcan brechas de conocimiento (Sajja et al., 2024).

La evidencia tambi�n sugiere que, cuando se promueve el uso autorregulado de la IA, esta puede fortalecer la autonom�a del estudiante y su autoeficacia acad�mica. Seg�n Dembe (2024), los entornos educativos que incorporan sistemas adaptativos de IA estimulan la metacognici�n al ofrecer retroalimentaci�n visual y progresiva, convirtiendo al estudiante en agente activo de su aprendizaje. Esta capacidad de reflexi�n guiada permite la construcci�n de rutas personalizadas m�s all� del aula y potencia el desarrollo del pensamiento cr�tico y la autoevaluaci�n.

Ahora bien, la r�pida adopci�n de herramientas de IA en el �mbito educativo tambi�n conlleva desaf�os y preocupaciones. Organismos internacionales subrayan la importancia de establecer pol�ticas de uso �tico y responsable de la IA tanto para docentes como para estudiantes (Menacho �ngeles et al., 2024). La (UNESCO, 2023) advierte que, si bien las aplicaciones de IA generativa (como ChatGPT) ofrecen oportunidades in�ditas �por ejemplo, generar contenidos adaptados al lenguaje y cultura de los estudiantes, contribuyendo al desarrollo de competencias�, es imprescindible orientar su uso dentro de marcos de integridad acad�mica y privacidad. De hecho, una encuesta global en m�s de 450 instituciones de educaci�n superior revel� que apenas un 10% de ellas contaba hacia 2023 con directrices institucionales formales para el uso de IA generativa, evidenciando la necesidad de que las universidades desarrollen lineamientos claros.

En esta misma l�nea, investigaciones recientes destacan la urgencia de formar a los docentes no solo en el uso t�cnico de herramientas de IA, sino tambi�n en su aplicaci�n pedag�gica y �tica. Lagos et al. (2025) se�alan que el dise�o de �aulas inteligentes� requiere competencias docentes en an�lisis de datos educativos, privacidad digital y toma de decisiones basada en evidencia. Por tanto, se plantea la necesidad de repensar la formaci�n docente desde un enfoque interdisciplinar, donde converjan tecnolog�a, �tica e innovaci�n educativa.

Adicionalmente, existe preocupaci�n por el uso inadecuado o dependiente de estas herramientas: estudios recientes sugieren que una dependencia excesiva de la IA puede incluso afectar negativamente el rendimiento acad�mico si el estudiante adopta un rol pasivo� (Loj�n et al., 2024). Por ello, expertos en pedagog�a tecnol�gica insisten en que los estudiantes deben pasar de ser usuarios pasivos a creadores cr�ticos con la IA, aprovech�ndola para potenciar su pensamiento y no para evitar el esfuerzo intelectual (Gonz�lez-Videgaray & Romero-Ruiz, 2022). En otras palabras, la IA debe concebirse como un asistente que complementa el proceso cognitivo del alumno, no como un sustituto del mismo (Vicente-Yag�e-Jara et al., 2023).

Un hallazgo relevante a nivel regional lo aportan Vorobyeva et al. (2025), quienes en un an�lisis comparativo encontraron que las estrategias pedag�gicas apoyadas por IA tienen mayor efectividad cuando se integran con modelos de aprendizaje colaborativo. Este tipo de enfoques permite que los estudiantes combinen el trabajo en equipo con herramientas personalizadas, fomentando habilidades como la co-creaci�n de conocimiento y la resoluci�n conjunta de problemas complejos, alineadas con los Objetivos de Desarrollo Sostenible en educaci�n.

En Latinoam�rica, el inter�s por comprender e implementar la IA en la educaci�n superior ha ido en aumento, con estudios descriptivos que exploran percepciones y usos tanto en docentes como en estudiantes. Por ejemplo, (Chao-Rebolledo & Rivera-Navarro, 2024) encuestaron a profesores y alumnos universitarios en M�xico, hallando que alrededor del 33% de los estudiantes y 20% de los docentes reportan utilizar herramientas de IA en sus actividades acad�micas. Adem�s, identificaron diferencias significativas en las opiniones: muchos docentes expresaron incertidumbre sobre c�mo detectar el uso de IA por parte de sus alumnos, mientras que una proporci�n importante de estudiantes conf�a en que la IA puede tener un impacto positivo en su aprendizaje� (Chao-Rebolledo & Rivera-Navarro, 2024). Estos hallazgos reflejan tanto el creciente uso de la IA como la brecha en su adopci�n entre distintos actores educativos. En Per�, (Menacho �ngeles et al., 2024) realizaron un estudio descriptivo con 200 universitarios y encontraron que m�s del 90% percibe la IA como importante para optimizar el tiempo en la b�squeda de informaci�n acad�mica, consider�ndola una herramienta �til para mejorar su rendimiento (Menacho �ngeles et al., 2024). Incluso, m�s de la mitad de los encuestados afirm� que la IA siempre les resulta importante para agilizar sus tareas acad�micas. Estos datos regionales confirman que el alumnado empieza a incorporar la IA en su aprendizaje diario, reconociendo sus ventajas pr�cticas.

En este contexto, la investigaci�n se centra en j�venes de 18 a 24 a�os de la ciudad de Riobamba, en la provincia de Chimborazo (Ecuador). A trav�s de un enfoque emp�rico descriptivo basado en encuestas, se indaga si estos estudiantes emplean herramientas de IA para construir sus propios aprendizajes de manera aut�noma y autogestionada, tanto dentro como fuera del aula. El estudio busca generar conocimiento local sobre un fen�meno global emergente, de modo que las instituciones educativas puedan dise�ar estrategias formativas y pol�ticas que integren la IA de manera pertinente. En definitiva, el objetivo principal es determinar en qu� medida y de qu� formas la IA sirve de apoyo al aprendizaje independiente de los j�venes riobambe�os, aportando evidencia a la discusi�n internacional sobre la innovaci�n educativa impulsada por la inteligencia artificial.

 

Materiales y m�todos

La presente investigaci�n inici� con un estudio cualitativo para analizar como utilizan la IA los estudiantes y posteriormente sigui� un enfoque cuantitativo con dise�o no experimental de tipo descriptivo, el cual permite medir y caracterizar sistem�ticamente fen�menos sociales a partir de la recolecci�n y an�lisis de datos num�ricos (Hern�ndez Sampieri & Fernandez-Collado, 2014). Se enfoca en examinar la percepci�n y el uso de herramientas de Inteligencia Artificial (IA) en el aprendizaje aut�nomo, dado que posibilita la generalizaci�n de los resultados a la poblaci�n de inter�s.

La poblaci�n objetivo estuvo conformada por j�venes de 18 a 24 a�os residentes en Riobamba que cursaban estudios de educaci�n superior durante mayo 2025. Para garantizar un nivel de confianza del 95 % con un margen de error del 5 %, se calcul� un tama�o de muestra de 380 encuestados.

Se dise�o y emple� un cuestionario estructurado compuesto por 30 �tems de respuesta cerrada, dise�ado espec�ficamente para evaluar aspectos relacionados con el conocimiento, uso, actitudes y percepci�n del impacto de la IA en el aprendizaje. El instrumento fue validado por juicio de expertos y sometido a una prueba piloto para verificar su claridad y fiabilidad. La recolecci�n de datos se llev� a cabo de manera presencial y virtual mediante la aplicaci�n de encuestas auto administradas. Se garantiz� el consentimiento informado y el anonimato de los participantes, cumpliendo los principios �ticos de la investigaci�n educativa. Los datos obtenidos fueron procesados en hojas de c�lculo y analizados estad�sticamente mediante frecuencias. La interpretaci�n se enfoc� en identificar patrones generales de uso, niveles de familiaridad y percepciones sobre la IA como herramienta para la construcci�n de aprendizajes aut�nomos.

 

Resultados

Los hallazgos de este estudio se presentan de manera estructurada en seis secciones tem�ticas que reflejan las diferentes dimensiones del uso de la IA en el aprendizaje universitario. La Secci�n A re�ne las estrategias de consulta y exploraci�n utilizadas por los estudiantes para indagar y descomponer la informaci�n; la Secci�n B muestra c�mo reconstruyen activamente el conocimiento a partir de las respuestas obtenidas; la Secci�n C examina sus niveles de autonom�a y las pr�cticas metacognitivas que emplean al interactuar con la IA; la Secci�n D aborda los ejercicios de pensamiento cr�tico y an�lisis que realizan al contrastar y evaluar contenidos; la Secci�n E destaca la transferencia y aplicaci�n de lo aprendido en distintos contextos; y, finalmente, la Secci�n F, con escala inversa, identifica aquellas pr�cticas menos constructivas que indican dependencia o uso pasivo de la herramienta. Esta organizaci�n permite una lectura clara y progresiva de c�mo los estudiantes integran, reflexionan y aplican la IA en su proceso de aprendizaje.

SECCI�N A: Estrategias de consulta y exploraci�n

En esta fase inicial, los estudiantes emplean la IA como punto de partida para navegar y descomponer la informaci�n. Formulan preguntas precisas, solicitan ejemplos y analog�as, y ajustan sus consultas de manera iterativa, de modo que la interacci�n con la herramienta les permite aclarar conceptos y sentar las bases cognitivas antes de profundizar en el contenido.� La Tabla N� 1 muestra la frecuencia con que los estudiantes utilizaron diversas estrategias de consulta y exploraci�n en sus interacciones iniciales con la IA.

 

Tabla N� 1

Estrategias de consulta y exploraci�n

Elaborado: Autores

 

1.      Resultados: Cuando se trata de descomponer conceptos complejos, un 2,63 % de los estudiantes nunca recurre a la IA (�Nada�) y otro 2,63 % lo hace muy poco; un 36,84 % la emplea moderadamente, un 44,74 % bastante y un 13,16 % con mucha frecuencia. Interpretaci�n: Estos datos indican que la gran mayor�a (94,74 %) utiliza la IA de manera significativa para aclarar dudas complejas, situando esta pr�ctica como un recurso habitual de apoyo cognitivo, mientras que solo una peque�a minor�a (5,26 %) la integra de forma muy limitada.

2.      Al solicitar ejemplos y analog�as, el 2,63 % no emplea nunca esta estrategia, el 5,26 % lo hace poco, el 28,95 % moderadamente, el 47,37 % bastante y el 15,79 % mucho. Con casi un 92 % de uso en niveles moderado a muy alto, los estudiantes aprovechan mayoritariamente la IA para vincular conceptos nuevos con sus saberes previos, lo cual favorece la construcci�n de puentes cognitivos y la comprensi�n contextualizada.

3.      Frente a un problema acad�mico, el 7,89 % nunca solicita gu�a, el 5,26 % lo hace poco, un 36,84 % moderadamente, un 34,21 % bastante y un 15,79 % mucho. M�s del 86 % recurre a la IA para guiar su proceso de razonamiento, lo que se�ala una predisposici�n clara a usarla como facilitadora del pensamiento cr�tico y no simplemente como fuente de respuestas directas.

4.      Para profundizar, un 5,26 % nunca reformula sus preguntas, un 7,89 % lo hace poco, el 42,11 % moderadamente, el 21,05 % bastante y el 23,68 % con mucha frecuencia. El hecho de que m�s del 86 % utilice la reformulaci�n iterativa revela un di�logo activo con la IA, donde los estudiantes afinan sus consultas para obtener aclaraciones cada vez m�s espec�ficas y detalladas.

5.      Antes de abordar un problema, el 5,26 % no consulta conceptos relacionados, el 7,89 % lo hace poco, el 36,84 % moderadamente, el 31,58 % bastante y el 18,42 % mucho. Con cerca del 87 % empleando la IA para preparar su consulta (conocimiento previo), los alumnos muestran un enfoque planificado que busca establecer un marco s�lido antes de resolver problemas, realzando la funci�n preventiva de la herramienta en la construcci�n del aprendizaje.

En la Secci�n A, los estudiantes demostraron un uso consistente y estrat�gico de la IA para explorar y descomponer informaci�n compleja antes de profundizar en el estudio. La mayor�a solicita explicaciones paso a paso, formulan preguntas espec�ficas y reformulan sus consultas de manera iterativa para aclarar dudas puntuales. Asimismo, emplean ejemplos y analog�as para vincular lo nuevo con conocimientos previos y gu�an su propio razonamiento en lugar de recibir respuestas prefabricadas. Tambi�n adoptan un enfoque preventivo, consultando primero los conceptos relacionados que necesitan dominar antes de abordar problemas m�s complejos. En conjunto, estos patrones reflejan que la IA funciona principalmente como una herramienta de mediaci�n cognitiva que los estudiantes utilizan de forma activa para estructurar y preparar su comprensi�n, estableciendo una base s�lida para el aprendizaje posterior.

SECCI�N B: Construcci�n activa del conocimiento

Una vez obtenida la informaci�n, los aprendices la reinterpretan activamente: reformulan con sus propias palabras, aplican los conceptos a nuevos casos, establecen conexiones expl�citas entre ideas y contrastan perspectivas. Al usar la IA para verificar su comprensi�n, refuerzan la apropiaci�n conceptual y consolidan su aprendizaje de manera participativa. La Tabla N� 2 presenta las estrategias que emplean los estudiantes durante la fase de construcci�n activa del conocimiento.

 

 

 

 

 

 

Tabla N� 2

Construcci�n activa del conocimiento

Elaborado: Autores

 

6.      Tras recibir una explicaci�n de la IA, un 2,63 % de los estudiantes nunca reformula el concepto con sus propias palabras, un 7,89 % lo hace muy poco, un 23,68 % lo hace moderadamente, un 39,47 % bastante y un 26,32 % lo lleva a cabo de forma muy intensa. Estos datos muestran que la gran mayor�a (89,47 %) aplica la reformulaci�n propia en al menos un nivel moderado, lo que evidencia que los estudiantes utilizan activamente la IA como est�mulo para traducir la informaci�n a su lenguaje y fortalecer la comprensi�n, relegando solo a una m�nima minor�a a un uso ocasional o nulo.

7.      En la aplicaci�n de la informaci�n de la IA a nuevos ejemplos, el 5,26 % nunca recurre a esta estrategia, otro 5,26 % lo hace poco, el 44,74 % moderadamente, el 34,21 % bastante y el 10,53 % mucho. Con un 89,48 % de uso moderado o superior, los estudiantes demuestran que aprovechan la IA para expandir su aprendizaje m�s all� del contenido original, integrando los conceptos en contextos diversos y reforzando la transferencia del conocimiento.

8.      Para establecer conexiones expl�citas entre lo nuevo y lo previo, un 5,26 % no utiliza esta pr�ctica, un 10,53 % la emplea poco, un 31,58 % moderadamente, un 39,47 % bastante y un 13,16 % con mucha frecuencia. La mayor�a (84,21 %) posiciona esta estrategia al menos en un nivel medio, lo cual sugiere que los estudiantes valoran la capacidad de la IA para ayudarles a integrar activamente nuevos contenidos dentro de sus marcos conceptuales existentes, consolidando redes de significado.

9.      Al comparar la informaci�n de la IA con sus conocimientos previos en busca de contradicciones o nuevas perspectivas, el 2,63 % nunca lo hace, el 7,89 % lo hace poco, el 39,47 % moderadamente, el 34,21 % bastante y el 15,79 % mucho. Con un 89,47 % de respuestas en niveles moderado o superior, los estudiantes utilizan la IA como catalizadora de reflexi�n cr�tica, identificando discrepancias y ampliando su visi�n al confrontar distintos puntos de vista, lo que apunta a un enfoque anal�tico robusto.

10.  Para verificar su comprensi�n solicitando a la IA evaluar sus explicaciones o razonamientos, el 7,89 % no recurre a esta pr�ctica, otro 7,89 % lo hace poco, el 50,00 % moderadamente, el 18,42 % bastante y el 15,79 % mucho. El 84,21 % de uso moderado o superior indica que la mayor�a ve en la IA un aliado metacognitivo valioso para contrastar y calibrar su propio nivel de comprensi�n, favoreciendo ajustes inmediatos en sus estrategias de aprendizaje.

En conjunto, los resultados de la Secci�n B muestran que, tras recibir explicaciones de la IA, los estudiantes no se limitan a asimilar pasivamente la informaci�n, sino que la reconstruyen activamente: la gran mayor�a reformula los conceptos en su propio lenguaje, la aplica a nuevos casos y establece conexiones expl�citas con saberes previos. Adem�s, buen n�mero de ellos identifica contradicciones y perspectivas alternativas al contrastar la informaci�n de la IA con sus conocimientos, y utiliza el sistema para verificar sus explicaciones y razonamientos. Este patr�n de uso �con niveles moderados a muy intensos en cada una de estas pr�cticas� evidencia un compromiso s�lido con la apropiaci�n conceptual y la consolidaci�n del aprendizaje de manera participativa y reflexiva.

SECCI�N C: Autonom�a y metacognici�n

Aqu� se eval�a c�mo los estudiantes planifican y regulan su propio proceso de aprendizaje asistido por IA. Definen anticipadamente sus objetivos y �reas de consulta, practican sin dependencia continua de la herramienta y reflexionan cr�ticamente sobre las respuestas inesperadas. Este enfoque refuerza su capacidad de supervisar y ajustar sus estrategias de estudio.� La Tabla N� 3 muestra c�mo los estudiantes ejercen su autonom�a y desarrollan habilidades metacognitivas durante el aprendizaje asistido por IA.

 

 

 

 

 

 

Tabla N� 3

Autonom�a y metacognici�n

Elaborado: Autores

 

11.  En la planificaci�n anticipada, un 2,63 % de los estudiantes nunca define aspectos a entender antes de usar la IA, un 10,53 % lo hace muy poco, un 47,37 % moderadamente, un 28,95 % bastante y un 10,53 % con mucha frecuencia. La mayor�a (86,85 %) adopta un enfoque deliberado al interactuar con la IA, estructurando de antemano sus consultas para maximizar la relevancia de las respuestas, lo que evidencia un nivel alto de autorregulaci�n inicial en el proceso de aprendizaje.

12.  Al establecer objetivos espec�ficos para cada consulta, el 7,89 % nunca lo practica, el 10,53 % lo hace poco, el 50,00 % moderadamente, el 21,05 % bastante y el 10,53 % mucho. Con un 81,58 % estableciendo metas de forma moderada o m�s intensa, los estudiantes demuestran que usan la IA de forma orientada a resultados concretos, reforzando la coherencia entre sus intereses de aprendizaje y las interacciones con la herramienta.

13.  En la autoevaluaci�n explicativa, un 10,53 % nunca se cuestiona la capacidad de explicar el tema a otro, un 5,26 % lo hace poco, un 34,21 % moderadamente, un 39,47 % bastante y un 10,53 % mucho. El 84,21 % emplea esta estrategia al menos moderadamente, lo que indica que muchos estudiantes integran reflexiones metacognitivas para comprobar su dominio, consolidando as� su comprensi�n y detectando posibles vac�os de conocimiento.

14.  Para verificar el aprendizaje sin IA, el 7,89 % nunca practica la resoluci�n independiente, el 2,63 % lo hace poco, el 36,84 % moderadamente, el 42,11 % bastante y el 10,53 % mucho. Alrededor del 89,48 % recurre a este ejercicio de forma moderada o superior, lo que refleja un compromiso s�lido con la autonom�a: los alumnos ponen a prueba su entendimiento sin apoyo tecnol�gico, garantizando que el conocimiento se haya interiorizado.

15.  Cuando reciben respuestas inesperadas, un 7,89 % nunca cuestiona, un 5,26 % lo hace poco, un 34,21 % moderadamente, un 28,95 % bastante y un 23,68 % mucho. Con un 86,84 % ejerciendo cuestionamiento cr�tico, los estudiantes muestran que no aceptan pasivamente la IA como autoridad infalible, sino que indagan activamente en el razonamiento subyacente, fortaleciendo su pensamiento cr�tico y capacidad anal�tica.

En la Secci�n C, los estudiantes demuestran un s�lido desarrollo de autonom�a y habilidades metacognitivas al interactuar con la IA: la mayor�a planifica previamente sus consultas y define objetivos claros para cada sesi�n, lo que refleja una intenci�n deliberada de orientar el aprendizaje. Tras recibir las respuestas, muchos se autoeval�an pregunt�ndose si podr�an explicar el tema a otros y practican problemas sin ayuda tecnol�gica, asegurando as� que los conocimientos se interioricen de manera independiente. Adem�s, cuando la IA ofrece respuestas inesperadas, los alumnos no las aceptan pasivamente, sino que las cuestionan y analizan el razonamiento subyacente. En conjunto, estas pr�cticas evidencian que la IA no solo sirve como fuente de informaci�n, sino tambi�n como catalizador de un aprendizaje autorregulado y reflexivo.

SECCI�N D: Pensamiento cr�tico y an�lisis

La IA se convierte en un aliado para el desarrollo del pensamiento cr�tico: los estudiantes contrastan diferentes fuentes, solicitan argumentos contrapuestos y detectan posibles sesgos. Al analizar reflexivamente el feedback recibido, fortalecen su capacidad de evaluaci�n y de construcci�n de juicios informados, en lugar de limitarse a aceptar informaci�n sin cuestionarla.� La Tabla N� 4 se muestra c�mo los estudiantes desarrollan competencias de pensamiento cr�tico durante el aprendizaje asistido por IA.

 

Tabla N� 4

Pensamiento Cr�tico y An�lisis

Elaborado: Autores

 

16.  En contrastar la informaci�n de la IA con fuentes adicionales, un 5,26 % nunca lo hace, otro 5,26 % lo hace poco, un 36,84 % moderadamente, un 28,95 % bastante y un 23,68 % con mucha frecuencia. Dado que el 89,47 % de los estudiantes busca fuentes externas al menos de forma moderada, se evidencia una pr�ctica cr�tica de validaci�n: los alumnos no conf�an ciegamente en la IA, sino que corroboran sus respuestas, fortaleciendo la fiabilidad y profundidad de su aprendizaje.

17.  Al solicitar argumentos contrarios para fomentar el pensamiento cr�tico, un 5,26 % nunca lo hace, el 10,53 % lo hace poco, el 44,74 % moderadamente, el 28,95 % bastante y el 10,53 % mucho. Con un 84,22 % usando esta estrategia a niveles moderado o superiores, los estudiantes muestran apertura a perspectivas opuestas, empleando la IA como un �debate virtual� que enriquece su capacidad de an�lisis y evita el sesgo de confirmaci�n.

18.  Para identificar sesgos en su propio razonamiento, un 7,89 % no lo practica, otro 7,89 % lo hace poco, un 42,11 % moderadamente, un 31,58 % bastante y un 10,53 % mucho. El 84,22 % que emplea esta estrategia al menos moderadamente indica que la mayor�a recurre a la IA como herramienta de autoverificaci�n �tica y cognitiva, detectando posibles distorsiones en su forma de pensar y equilibrando su juicio.

19.  Al analizar reflexivamente el feedback de la IA, un 2,63 % nunca lo hace, un 7,89 % pocas veces, un 50,00 % moderadamente, un 26,32 % bastante y un 13,16 % mucho. Con un 89,48 % examinando el feedback de manera moderada o superior, los estudiantes integran esa retroalimentaci�n en su proceso reflexivo, lo que sugiere un uso s�lido de la IA para afinar y mejorar continuamente sus producciones acad�micas.

20.  En utilizar el feedback de la IA para mejorar su comprensi�n, un 5,26 % no lo hace, otro 5,26 % lo hace poco, un 50,00 % moderadamente, un 28,95 % bastante y un 10,53 % mucho. Con un 89,48 % empleando esta pr�ctica a niveles medios y altos, los alumnos demuestran que no solo reciben retroalimentaci�n, sino que la incorporan activamente en su aprendizaje, revisando y profundizando su comprensi�n a partir de las sugerencias de la IA.

En la Secci�n D, los resultados revelan que los estudiantes emplean la IA como herramienta de validaci�n y an�lisis cr�tico m�s que como fuente incuestionable de informaci�n. La gran mayor�a recurre regularmente a fuentes externas para contrastar las respuestas generadas, solicita argumentos contrapuestos y usa la IA para identificar sesgos en su propio razonamiento, lo que evidencia una actitud de apertura y balance cognitivo. Adem�s, los alumnos integran de manera reflexiva el feedback recibido, no solo revisando sus explicaciones con la IA, sino ajustando activamente sus conocimientos a partir de esas sugerencias. En conjunto, este comportamiento muestra un uso de la IA orientado a la construcci�n de juicios informados y al fortalecimiento del pensamiento cr�tico, en lugar de aceptar pasivamente las respuestas que ofrece la herramienta.

SECCI�N E: Transferencia y aplicaci�n

M�s all� de la interacci�n puntual, los alumnos buscan llevar lo aprendido a contextos diversos: integran conocimientos con otras materias o experiencias de vida, preparan explicaciones sin ayuda de la IA, y elaboran res�menes o mapas conceptuales. Esta etapa evidencia su disposici�n a consolidar y aplicar de forma aut�noma los aprendizajes construidos. La Tabla N� 5 evidencia c�mo el aprendizaje mediado por IA favorece la transferencia de conocimientos y su aplicaci�n en distintos contextos.

 

Tabla N� 5

Transferencia y aplicaci�n

Elaborado: Autores

 

21.  Para aplicar lo aprendido en diferentes contextos, un 2,63 % nunca busca oportunidades, el 10,53 % lo hace poco, el 44,74 % moderadamente, el 36,84 % bastante y el 5,26 % mucho. La mayor�a (86,84 %) utiliza la IA para extender sus aprendizajes a situaciones nuevas, lo que refleja una disposici�n activa a transferir y consolidar conocimientos m�s all� del entorno inmediato de estudio.

22.  Al relacionar lo aprendido con otras materias o experiencias vitales, el 2,63 % nunca lo hace, el 5,26 % lo hace poco, el 31,58 % moderadamente, el 52,63 % bastante y el 7,89 % mucho. Con un 92,10 % estableciendo conexiones interdisciplinares en niveles moderado o superior, los estudiantes muestran una alta capacidad para integrar la IA en su bagaje previo, enriqueciendo y articulando diversos �mbitos de conocimiento.

23.  Para prepararse sin acceso a IA (por ejemplo, en ex�menes), un 2,63 % no practica explicar conceptos sin ayuda, el 7,89 % lo hace poco, el 47,37 % moderadamente, el 28,95 % bastante y el 13,16 % mucho. Un 89,48 % de uso moderado a alto indica que la mayor�a de los alumnos reconoce la importancia de asegurar su autonom�a, entren�ndose para depender menos de la IA y fortalecer su dominio individual.

24.  Al crear res�menes y mapas conceptuales basados en lo aprendido con la IA, el 2,63 % nunca lo hace, el 7,89 % lo hace poco, el 50,00 % moderadamente, el 28,95 % bastante y el 10,53 % mucho. Con un 89,48 % empleando esta estrategia al menos moderadamente, los estudiantes evidencian que la IA sirve como punto de partida para la elaboraci�n de materiales de estudio propios, favoreciendo la s�ntesis y la organizaci�n visual del conocimiento.

25.  Al finalizar una sesi�n, reflexionar sobre lo aprendido lo realiza un 5,26 % nunca, el 7,89 % pocas veces, el 39,47 % moderadamente, el 42,11 % bastante y el 5,26 % mucho. El 86,84 % que reflexiona de forma moderada a intensa demuestra que la metacognici�n al cierre de la interacci�n con la IA es una pr�ctica consolidada, permitiendo a los estudiantes internalizar aprendizajes y calibrar sus estrategias para sesiones futuras.

En la Secci�n E, los estudiantes demuestran un claro compromiso con la transferencia y aplicaci�n de los aprendizajes obtenidos con la IA: exploran activamente oportunidades para emplear esos conocimientos en nuevos contextos, los vinculan con otras asignaturas y experiencias personales, y se anticipan a situaciones sin soporte tecnol�gico practicando explicaciones independientes. Adem�s, utilizan la IA como insumo para generar sus propios res�menes y mapas conceptuales, lo que favorece la s�ntesis y la estructuraci�n visual de la informaci�n. Finalmente, al concluir cada sesi�n reflexionan sobre lo aprendido y c�mo lo aprendieron, cerrando as� un ciclo metacognitivo que consolida los contenidos y orienta sus estrategias en futuros acercamientos.

SECCI�N F: Pr�cticas no constructivas (escala inversa)

Finalmente, se identifican patrones de uso menos productivos, como delegar por completo las tareas a la IA, copiar respuestas sin procesarlas o aceptar la informaci�n sin contraste. Reconocer estas pr�cticas permite visibilizar la l�nea que separa el uso constructivo del uso meramente instrumental y resaltar la necesidad de promover h�bitos m�s reflexivos y activos. La Tabla N� 6 evidencia muestra c�mo el aprendizaje mediado por IA tambi�n puede dar lugar a pr�cticas no constructivas durante el proceso formativo.

 

Tabla N� 6

Pr�cticas no constructivas

Elaborado: Autores

 

26.  Al solicitar a la IA que resuelva completamente las tareas sin intentar el proceso: un 7,89 % nunca recurre a esta pr�ctica, un 13,16 % lo hace rara vez, un 44,74 % lo hace moderadamente, un 31,58 % con frecuencia y un 2,63 % de manera muy intensa. Dado que casi el 79 % utiliza esta estrategia en niveles moderado o superiores, existe una tendencia relevante a delegar el esfuerzo cognitivo en la IA; esto indica un riesgo de dependencia excesiva que compromete la construcci�n activa del propio aprendizaje.

27.  En copiar directamente las respuestas sin procesarlas, un 13,16 % nunca lo hace, un 26,32 % lo hace poco, un 26,32 % moderadamente, un 31,58 % bastante y un 2,63 % mucho. Con alrededor del 60,53 % copiando respuestas al menos moderadamente, se refleja una pr�ctica pasiva que puede limitar la comprensi�n profunda; si bien una proporci�n notable de estudiantes procesa la informaci�n, existe un grupo significativo que corre el riesgo de externalizar su esfuerzo intelectual.

28.  Al usar la IA para acelerar la finalizaci�n de tareas sin enfocarse en aprender: un 13,16 % nunca, un 10,53 % pocas veces, un 42,11 % moderadamente, un 26,32 % bastante y un 7,89 % mucho. Con un 76,32 % recurriendo a esta pr�ctica en niveles medios a altos, se revela que muchos estudiantes priorizan la eficiencia sobre el proceso de aprendizaje, lo cual puede traducirse en un uso utilitario de la IA que reduce la profundidad y la calidad del aprendizaje.

29.  Al aceptar sin cuestionar las respuestas de la IA: un 23,68 % nunca lo hace, un 18,42 % lo hace pocas veces, un 23,68 % moderadamente, un 28,95 % bastante y un 5,26 % mucho. Aunque un 42,10 % lo emplea de forma limitada (�Nada� o �Poco�), el 57,89 % lo hace al menos moderadamente, lo que sugiere que m�s de la mitad de los estudiantes conf�a en la IA sin un an�lisis cr�tico, un patr�n que puede debilitar su capacidad de juicio independiente.

30.  Al evitar el esfuerzo mental usando la IA como sustituto del propio pensamiento: un 15,79 % nunca, un 23,68 % pocas veces, un 31,58 % moderadamente, un 26,32 % bastante y un 2,63 % mucho. Con un 60,53 % recurriendo a este atajo en niveles moderados o superiores, hay indicios de que un segmento importante de estudiantes utiliza la IA como reemplazo del razonamiento personal, una pr�ctica que puede erosionar su desarrollo de habilidades cognitivas esenciales.

En la Secci�n F se visibiliza un conjunto de pr�cticas contraproducentes que contrastan con el enfoque constructivo: m�s de tres cuartas partes de los estudiantes (79 %) han recurrido al menos de forma moderada a solicitar a la IA la resoluci�n total de tareas, y un 61 % copia respuestas sin procesarlas o acelera mec�nicamente el cumplimiento de ejercicios, priorizando la eficiencia sobre el aprendizaje. Adem�s, un 58 % acepta las respuestas sin someterlas a un an�lisis cr�tico y un 61 % emplea la IA como sustituto del propio razonamiento, lo que revela una tendencia a externalizar el esfuerzo cognitivo. Estos patrones se�alan un riesgo real de dependencia tecnol�gica que puede socavar el desarrollo de habilidades aut�nomas y cr�ticas, subrayando la urgencia de fomentar pr�cticas m�s reflexivas y activas en el uso de la IA.

EVALUACI�N GENERAL: A continuaci�n, en la Tabla N� 7 se presenta la evaluaci�n general del uso de la IA.

 

 

 

 

 

Tabla N� 7

Evaluaci�n general del uso de la IA

Elaborado: Autores

 

La puntuaci�n promedio de 78,98 obtenida por los 38 encuestados, calculada seg�n la f�rmula �Puntuaci�n Total = (Suma �tems 1�25) + [30 � Suma �tems 26�30]� (con inversi�n de valores en los �tems 26�30), sit�a su uso de la IA en el rango de �Uso poco constructivo� (61�90 puntos). Esto significa que, aunque los estudiantes interact�an con herramientas de IA y llevan a cabo algunas pr�cticas constructivas, su enfoque sigue siendo principalmente b�sico: existe una limitada reflexi�n profunda sobre el aprendizaje, y las estrategias metacognitivas y de aplicaci�n aut�noma a�n requieren fortalecerse. En la escala propuesta, este nivel contrasta con rangos superiores que denotan mayor autonom�a, pensamiento cr�tico y construcci�n activa del conocimiento, y tambi�n con el nivel m�s bajo, donde predomina la dependencia excesiva de la IA. Por tanto, los resultados muestran una oportunidad clara para promover un uso m�s estrat�gico y constructivo de la IA, fomentando pr�cticas que ampl�en la reflexi�n, la transferencia y la metacognici�n.

 

Conclusiones

�                    Los hallazgos de esta investigaci�n descriptiva confirman que, aunque los estudiantes de las instituciones de educaci�n superior utilizan m�ltiples estrategias de interacci�n con la IA desde la formulaci�n de preguntas espec�ficas y la solicitud de analog�as hasta la aplicaci�n pr�ctica y la reflexi�n metacognitiva, su uso global se ubica en el rango de �Uso Poco Constructivo� (puntuaci�n promedio = 78,98) seg�n la escala propuesta. Este resultado se�ala que, si bien los estudiantes llevan a cabo pr�cticas constructivas como reformular contenidos con sus propias palabras, transferir aprendizajes a nuevos contextos y contrastar informaci�n cr�ticamente, la intensidad y cohesi�n de estas pr�cticas no alcanzan a�n un nivel �ptimo de autonom�a y profundidad reflexiva. En t�rminos pedag�gicos, esto implica que los futuros profesionales est�n aprovechando la IA principalmente como un apoyo funcional, pero requieren un fortalecimiento de estrategias metacognitivas y de autorregulaci�n que promuevan una construcci�n m�s activa y sostenida del conocimiento. Coincidiendo con lo se�alado por Loj�n et al. (2024), existe un riesgo de dependencia tecnol�gica que puede limitar el desarrollo de habilidades cr�ticas si no se establecen mecanismos formativos espec�ficos. Por ello, es imprescindible que las instituciones implementen programas de alfabetizaci�n digital que incluyan, por un lado, formaci�n en dise�o de consultas efectivas y manejo de retroalimentaci�n de la IA, y por otro, espacios de reflexi�n colaborativa donde los estudiantes practiquen la elaboraci�n aut�noma de contenidos y la validaci�n externa de sus producciones.

�                    Finalmente, esta investigaci�n aporta un instrumento validado para evaluar el uso constructivo de la IA y distingue perfiles de usuario que pueden orientar intervenciones did�cticas diferenciadas. Como l�neas futuras, se recomienda profundizar en estudios cualitativos que exploren las narrativas de los estudiantes sobre su experiencia con la IA, as� como implementar y evaluar programas formativos basados en andamiaje pedag�gico integrado con IA, en consonancia con los marcos te�ricos de Vygotsky sobre mediaci�n y zona de desarrollo pr�ximo (Vygotsky, 1978) y con las recomendaciones de la UNESCO (2023) sobre un uso �tico y responsable de estas tecnolog�as. As�, las universidades podr�n avanzar hacia un modelo educativo en el que la IA deje de ser un sustituto del esfuerzo cognitivo para convertirse en un verdadero catalizador de aprendizajes propios y duraderos.

 

Referencias

1.      Bates, T., Cobo, C., Mari�o, O., & Wheeler, S. (2020). Can artificial intelligence transform higher education? International Journal of Educational Technology in Higher Education, 17(1), 42. https://doi.org/10.1186/s41239-020-00218-x

2.      Chao-Rebolledo, C., & Rivera-Navarro, M. �. (2024). Usos y percepciones de herramientas de inteligencia artificial en la educaci�n superior en M�xico. Revista Iberoamericana de Educaci�n, 95(1), Article 1. https://doi.org/10.35362/rie9516259

3.      Chen, L., Chen, P., & Lin, Z. (2020). Artificial Intelligence in Education: A Review. IEEE Access, 8, 75264-75278. https://doi.org/10.1109/ACCESS.2020.2988510

4.      Dembe, A. (2024). Advancing Personalized Learning through Educational Artificial Intelligence: Challenges, Opportunities, and Future Directions. 12(5), 101-110.

5.      Garc�a-Mart�nez, I., Fern�ndez-Batanero, J. M., Fern�ndez-Cerero, J., & Le�n, S. P. (2023). Analysing the Impact of Artificial Intelligence and Computational Sciences on Student Performance: Systematic Review and Meta-analysis. Journal of New Approaches in Educational Research, 12(1), 171-197. https://doi.org/10.7821/naer.2023.1.1240

6.      Gonz�lez-Videgaray, M., & Romero-Ruiz, R. (2022). Inteligencia artificial en educaci�n: De usuarios pasivos a creadores cr�ticos. FIGURAS REVISTA ACAD�MICA DE INVESTIGACI�N, 4(1), Article 1. https://doi.org/10.22201/fesa.26832917e.2022.4.1.243

7.      Hern�ndez Sampieri, R., & Fernandez-Collado, C. F. (2014). Metodolog�a de la investigaci�n (P. Baptista Lucio, Ed.; Sexta edici�n). McGraw-Hill Education.

8.      Lagos-Castillo, A., Chiappe, A., Ramirez-Montoya, M.-S., & Rodr�guez, D. F. B. (2025). Mapping the Intelligent Classroom: Examining the Emergence of Personalized Learning Solutions in the Digital Age. Contemporary Educational Technology, 17(1). https://eric.ed.gov/?id=EJ1460254

9.      Loj�n, M. D. C., Romero, J. A., Aguilera, D. S., & Romero, A. Y. (2024). Consecuencias de la Dependencia de la Inteligencia Artificial en Habilidades Cr�ticas y Aprendizaje Aut�nomo en los Estudiantes. Ciencia Latina Revista Cient�fica Multidisciplinar, 8(2), Article 2. https://doi.org/10.37811/cl_rcm.v8i2.10678

10.  Menacho �ngeles, M. R., Pizarro Arancibia, L. M., Osorio Menacho, J. A., Osorio Menacho, J. A., Le�n Pizarro, B. L., Menacho �ngeles, M. R., Pizarro Arancibia, L. M., Osorio Menacho, J. A., Osorio Menacho, J. A., & Le�n Pizarro, B. L. (2024). Inteligencia artificial como herramienta en el aprendizaje aut�nomo de los estudiantes de educaci�n superior. Revista InveCom, 4(2). https://doi.org/10.5281/zenodo.10693945

11.  Merino-Campos, C. (2025). The Impact of Artificial Intelligence on Personalized Learning in Higher Education: A Systematic Review. Trends in Higher Education, 4(2), Article 2. https://doi.org/10.3390/higheredu4020017

12.  Sajja, R., Sermet, Y., Cikmaz, M., Cwiertny, D., & Demir, I. (2024). Artificial Intelligence-Enabled Intelligent Assistant for Personalized and Adaptive Learning in Higher Education. Information, 15(10), Article 10. https://doi.org/10.3390/info15100596

13.  Topali, P., Ortega-Arranz, A., Rodr�guez-Triana, M. J., Er, E., Khalil, M., & Ak�apınar, G. (2025). Designing human-centered learning analytics and artificial intelligence in education solutions: A systematic literature review. Behaviour & Information Technology, 44(5), 1071-1098. https://doi.org/10.1080/0144929X.2024.2345295

14.  UNESCO. (2023). ChatGPT e inteligencia artificial en la educaci�n superior: Gu�a de inicio r�pido. https://unesdoc.unesco.org/ark:/48223/pf0000385146_spa

15.  Vicente-Yag�e-Jara, M. I., L�pez-Mart�nez, O., Navarro-Navarro, V., & Cu�llar-Santiago, F. (2023). Escritura, creatividad e inteligencia artificial. ChatGPT en el contexto universitario. Comunicar: Revista Cient�fica de Comunicaci�n y Educaci�n, 31(77), 47-57. https://doi.org/10.3916/C77-2023-04

16.  Vorobyeva, K. I., Belous, S., Savchenko, N. V., Smirnova, L. M., Nikitina, S. A., & Zhdanov, S. P. (2025). Personalized Learning through AI: Pedagogical Approaches and Critical Insights. Contemporary Educational Technology, 17(2). https://eric.ed.gov/?id=EJ1470011

 

 

 

 

 

� 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/).