Factores Sociodemográficos y Académicos Asociados al Uso Extensivo de la Inteligencia Artificial Generativa en el Nivel de Bachillerato

Ana Alhelí Salas-Canul; Sergio Humberto Quiñonez-Pech; Pedro José Canto-Herrera; Víctor Hugo Menéndez-Domínguez

doi:10.31637/epsir-2027-3092

Autores/as

Ana Alhelí Salas-Canul Autonomous University of Yucatán https://orcid.org/0009-0003-4228-7791
Sergio Humberto Quiñonez-Pech Autonomous University of Yucatán https://orcid.org/0000-0001-5220-9912
Pedro José Canto-Herrera Autonomous University of Yucatán https://orcid.org/0000-0001-5428-8343
Víctor Hugo Menéndez-Domínguez Autonomous University of Yucatán https://orcid.org/0000-0003-3587-1263

DOI:

https://doi.org/10.31637/epsir-2027-3092

Palabras clave:

inteligencia artificial, inteligencia artificial generativa, Chat GPT, Bachillerato, integridad académica, regresión binomial logística, educación, estudiantes

Resumen

Introducción: Se tuvo como objetivo determinar un modelo que explique la variación del uso extensivo académico de la IAG en trabajos académicos de bachillerato según su género, edad, grado escolar, integridad académica, tipo de software y frecuencias en usos. Metodología: Se realizó un estudio cuantitativo, con una muestra de 511 bachilleres de Mérida. Se aplicaron la Escala Uso de Inteligencia Artificial Generativa en estudiantes de Media Superior y la Escala de integridad (Zulmi, 2018), así como la solicitud de un ensayo académico. Resultados: El 51,9% de los 511 ensayos presentó uso extensivo. El modelo fue significativo (χ²= 50,0; gl=14; p<0,001; AUC = 0,83). Las estudiantes de género femenino tuvieron odds 72% menores que los de género masculino (OR= 0,28), y segundo y tercer grado, 92% y 86% menores que primero (OR= 0,08 y 0,14). Discusión: Los resultados contrastan con estudios de autorreporte sin diferencia de género. Conclusiones: Las asociaciones sugieren fortalecer la formación ética al ingresar al bachillerato.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Ana Alhelí Salas-Canul, Autonomous University of Yucatán

Maestrante en Investigación Educativa y Licenciada en Educación, ambas por parte de la Universidad Autónoma de Yucatán. Cuenta con experiencia en proyectos de investigación en comunidades rurales en el nivel de educación básica. Sus líneas de investigación son: tecnología educativa, inteligencia artificial generativa en educación, cultura de paz y arte en educación.

Sergio Humberto Quiñonez-Pech, Autonomous University of Yucatán

Cuenta con Doctorado en Investigación Educativa para el Desarrollo del Currículo y de las Organizaciones Escolares otorgado por la Universidad de Granada, España; Maestro en Innovación Educativa por la Universidad Autónoma de Yucatán. Miembro del Sistema Nacional de Investigadores en el Nivel 1 y del Padrón Estatal de Investigadores, Tecnólogos y Vinculadores del estado de Yucatán. Integrante de la Red Iberoamericana de Investigación en Posgrados en Educación (RIIFPE) y de la Red Iberoamericana de Liderazgo y Prácticas Educativas (RILPE). Sus líneas de investigación son: Competencias digitales, Alfabetización digital, Enseñanza a distancia, Afectividad en entornos virtuales, Educación en línea, Cultura de paz y tecnología.

Pedro José Canto-Herrera, Autonomous University of Yucatán

PhD en Higher Education por la Universidad de Ohio, Estados Unidos y Posdoctorado en Formación de Profesores por la Universidad de Barcelona, España. Director de la Facultad de Educación de la Universidad Autónoma de Yucatán y miembro del Sistema Nacional de Investigadoras e Investigadores en el nivel 1. Sus líneas de investigación son: formación de profesores, currículo, ética profesional, Tecnologías de la Información y Comunicación (TIC), competencias.

Víctor Hugo Menéndez-Domínguez, Autonomous University of Yucatán

Doctor en Tecnologías Informáticas Avanzadas por la Universidad de Castilla-La Mancha, España. Miembro del Sistema Nacional de Investigadoras e Investigadores en el nivel 1. Sus líneas de investigación son: Tecnologías para la enseñanza y el aprendizaje, Repositorios, Interoperabilidad, metadatos.

Citas

Acosta-Enriquez, B. G., Arbulú Ballesteros, M. A., Arbulu Perez Vargas, C. G., Orellana Ulloa, M. N., Gutiérrez Ulloa, C. R., Pizarro Romero, J. M., Gutiérrez Jaramillo, N. D., Cuenca Orellana, H. U., Ayala Anzoátegui, D. X. y López Roca, C. (2024). Knowledge, attitudes, and perceived Ethics regarding the use of ChatGPT among generation Z university students. International Journal for Educational Integrity, 20(1), Article 1. https://doi.org/10.1007/s40979-024-00157-4 DOI: https://doi.org/10.1007/s40979-024-00157-4

Alasgarova, R. y Rzayev, J. (2024). The Role of Artificial Intelligence in Shaping High School Students’ Motivation. International Journal of Technology in Education and Science, 8(2), 311-324. https://doi.org/10.46328/ijtes.553 DOI: https://doi.org/10.46328/ijtes.553

Alrayes, A., Henari, T. F. y Ahmed, D. A. (2024). ChatGPT in Education – Understanding the Bahraini Academics Perspective. Electronic Journal of E-Learning, 22(2), 112-134. https://doi.org/10.34190/ejel.22.2.3250 DOI: https://doi.org/10.34190/ejel.22.2.3250

Arees, Z., Rivas-Garrido, A., Novelo-Perez, M. y Fariña-Rivera, F. (2024). Capítulo 52 inteligencia artificial (ia): actitudes y diferencias de género entre hombres y mujeres. En A. B. Barragá-Martín, M. M. Simón-Márquez, J. J.Gázquez-Linares, E. Martínez-Casanova y S.Fernández-Gea (Eds.), Metodologías emergentes en la investigación y acción educativa (pp. 611-620). Dykinson.

Atmini, S., Jusoh, R., Prastiwi, A., Wahyudi, S. T., Hardanti, K. N. y Widiarti, N. N. (2024). Plagiarism among accounting and business postgraduate students: A fraud diamond framework moderated by understanding of artificial intelligence. Cogent Education, 11(1). https://doi.org/10.1080/2331186X.2024.2375077 DOI: https://doi.org/10.1080/2331186X.2024.2375077

Baltazar, C. (2023). Herramientas de IA aplicables a la Educación. Technology Rain Journal, 2(2). https://doi.org/10.55204/trj.v2i2.e15 DOI: https://doi.org/10.55204/trj.v1i2.15

Bin-Nashwan, S., Sadallah, M. y Bouteraa, M. (2023). Use of ChatGPT in academia: Academic Integrity hangs in the balance. Technology in Society, 75. https://doi.org/10.1016/j.techsoc.2023.102370 DOI: https://doi.org/10.1016/j.techsoc.2023.102370

Das, S. R. y J.v, M. (2024). Perceptions of Higher Education Students towards ChatGPT Usage. International Journal of Technology in Education, 7(1), 86-106. https://doi.org/10.46328/ijte.583 DOI: https://doi.org/10.46328/ijte.583

DiPietro, M. (2010). Theoretical Frameworks for Academic Dishonesty: A Comparative Review. To Improve the Academy: A Journal of Educational Development. https://digitalcommons.unl.edu/podimproveacad/717 DOI: https://doi.org/10.1002/j.2334-4822.2010.tb00606.x

Hosmer, D. W. y Lemeshow, S. (2000). Aplplied logistic regression. Wiley. https://doi.org/10.1002/0471722146 DOI: https://doi.org/10.1002/0471722146

Honig, B. y Bedi, A. (2012). The Fox in the Hen House: A Critical Examination of Plagiarism Among Members of the Academy of Management. Academy of Management Learning & Education, 11(1), 101-123. https://doi.org/10.5465/amle.2010.0084 DOI: https://doi.org/10.5465/amle.2010.0084

Imaicela, M., Armijos, C., Gonzalez, M., Castillo, H. y Ortega, J. (2025). Formación en ciudadanía digital y pensamiento crítico frente a la inteligencia artificial en el contexto educativo: Training in digital citizenship and critical thinking in the context of artificial intelligence in education. Revista Multidisciplinar de Estudios Generales, 4(4), 208-218. https://doi.org/10.70577/reg.v4i4.305 DOI: https://doi.org/10.70577/reg.v4i4.305

Johnson, R. B. y Christensen, L. B. (2013). Educational Research: Quantitative, Qualitative, and Mixed Approaches (Fifth edition). SAGE Publications, Inc.

Marquardson, J. (2024). Embracing Artificial Intelligence to Improve Self-Directed Learning: A Cybersecurity Classroom Study. Information Systems Education Journal, 22(1), 4-13. https://doi.org/10.62273/WZBY3952 DOI: https://doi.org/10.62273/WZBY3952

Miller, A. D., Murdock, T. B. y Grotewiel, M. M. (2017). Addressing Academic Dishonesty Among the Highest Achievers. Theory Into Practice, 56(2), 121-128. https://doi.org/10.1080/00405841.2017.1283574 DOI: https://doi.org/10.1080/00405841.2017.1283574

Nguyen, H. M. y Goto, D. (2024). Unmasking academic cheating behavior in the artificial intelligence era: Evidence from Vietnamese undergraduates. Education and Information Technologies, 29(12), 15999-16025. https://doi.org/10.1007/s10639-024-12495-4 DOI: https://doi.org/10.1007/s10639-024-12495-4

Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura [UNESCO]. (2024). Qué debe saber acerca de los nuevos marcos de competencias en materia de IA de la UNESCO para estudiantes y docentes. http://bit.ly/4x2QPBJ

Ortega-Rodríguez, P. J. y Pericacho-Gómez, F. J. (2025). La utilidad didáctica percibida del ChatGPT por parte del alumnado universitario. Revista De Medios y Educación, 72, 159-178. https://doi.org/10.12795/pixelbit.109778 DOI: https://doi.org/10.12795/pixelbit.109778

Podsakoff, P. M., MacKenzie, S. B., Lee, J. Y. y Podsakoff, N. P. (2003). Common method biases in behavioral research: A critical review of the literature and recommended remedies. Journal of Applied Psychology, 88(5), 879-903.

https://doi.org/10.1037/0021-9010.88.5.879 DOI: https://doi.org/10.1037/0021-9010.88.5.879

Pudasaini, S., Miralles-Pechuán, L., Lillis, D. y Llorens Salvador, M. (2025). Survey on AI-Generated Plagiarism Detection: The Impact of Large Language Models on Academic Integrity. Journal of Academic Ethics, 23(3), 1137-1170.

https://doi.org/10.1007/s10805-024-09576-x DOI: https://doi.org/10.1007/s10805-024-09576-x

Revista Mexicana de Investigación e Intervención Educativa. (s. f.). Política sobre el uso de Inteligencia Artificial | Revista Mexicana de Investigación e Intervención Educativa. https://pablolatapisarre.edu.mx/revista/index.php/rmiie/puia

Salas-Canul, A. A., Quiñonez-Pech, S. H. y Berral-Ortiz, B. (2025). Uso de la inteligencia artificial generativa y estudiantes de bachillerato: estudio piloto. En W.R. Reyes-Cabrera, O. C. Marichal-Guevara y P. J. Canto-Herrera (Coords.), Inteligencia artificial y educación: Desafíos éticos, pedagógicos y epistemilógicos en la era digital (pp. 149-159). Dykinson. https://doi.org/10.14679/4643 DOI: https://doi.org/10.14679/4643

Shadish, W. R., Cook, T. D. y Campbell, D. T. (2002). Experimental and quasi-experimental designs for generalized causal inference. Houghton, Mifflin and Company.

Sharma, S. (2024). Fostering Academic Integrity in the Digital Age: Empowering Student Voices to Navigate Technology as a Tool for Classroom Policies. A Journal of Educational Research and Practice, 33(3), 99-121. https://doi.org/10.26522/brocked.v33i3.1180 DOI: https://doi.org/10.26522/brocked.v33i3.1180

Turnitin. (2023, 23 de mayo). AI writing detection update from Turnitin's Chief Product Officer. Turnitin Blog. https://www.turnitin.com/blog/ai-writing-detection-update-from-turnitins-chief-product-officer

UNESCO. (2020). Niñas, niños y el uso de Internet en São Paulo y Buenos Aires: Estudios a partir de una perspectiva de igualdad de género—UNESCO Biblioteca Digital. https://unesdoc.unesco.org/ark:/48223/pf0000374491

Zulmi, R. (2018). Construction of academic integrity scale. International Journal of Research Studies in Psychology, 7. https://doi.org/10.5861/ijrsp.2018.3003 DOI: https://doi.org/10.5861/ijrsp.2018.3003