Literacidad en Inteligencia Artificial
en la Educación Superior: Un Análisis Reflexivo sobre Necesidades Formativas y
Percepciones Estudiantiles
Artificial Intelligence Literacy in Higher Education: A
Reflective Analysis of Training Needs and Student
Dr. Emmanuel Magallanes. Universidad Politécnica de Zacatecas. México.
Dr. José Iván López Flores. Universidad Politécnica de Zacatecas. México.
Dra. Carolina Carillo García. Universidad Politécnica de Zacatecas. México.
Recibido:
2025/09/01 Revisado: 2025/10/29 Aceptado: 2025/11/21 Publicado: 2026/01/01
Cómo citar este artículo:
Magallanes, E., López
Flores, J.I., & Carrillo García, C. (2025). Literacidad en Inteligencia
Artificial en la Educación Superior: Un Análisis Reflexivo sobre Necesidades
Formativas y Percepciones Estudiantiles [Analysis of a Practical Case of a
Didactic Model for Critical Thinking with Artificial Intelligence (AI) in
Higher Education]. Pixel-Bit, Revista de Medios y Educación, 75, Art. 4. https://doi.org/10.12795/pixelbit.117817
RESUMEN
Partiendo de una retrospectiva histórica sobre la
incorporación de la tecnología a la vida escolar, este artículo expone una
reflexión sobre la ineludible responsabilidad de la escuela en la formación
mediática y tecnológica de los estudiantes. Desde un enfoque cualitativo, se
argumenta que, como en su momento fue crucial alfabetizar en medios
tradicionales, es imperativo integrar la literacidad en inteligencia artificial
(IA) como un componente esencial del currículo. Para explorar esta necesidad
formativa, se realizó un estudio diagnóstico con 392 alumnos de diversas
universidades, aplicando una encuesta para medir sus percepciones en las
dimensiones de la literacidad en IA, desde de su utilidad hasta sus
implicaciones éticas. El análisis de datos, mediante estadística descriptiva,
revela que los estudiantes universitarios identifican una alta utilidad de la
IA principalmente en tareas instrumentales, como la redacción de textos y la
búsqueda de información. Sin embargo, reportan una escasa integración de estas
herramientas en sus procesos de aprendizaje formales y una limitada comprensión
de sus fundamentos y alcances. Esta disonancia entre el uso funcional y la
falta de integración académica subraya una brecha significativa, evidenciando
la urgencia de que las instituciones de educación superior asuman un rol
proactivo en el desarrollo de competencias en IA.
ABSTRACT
Drawing from a historical
perspective on the integration of technology into academic life, this article
reflects on the school's unavoidable responsibility in the media and
technological education of students. Using a qualitative approach, it argues
that just as traditional media literacy was once crucial, it is now imperative
to integrate artificial intelligence (AI) literacy as an essential component of
the curriculum. To explore this educational need, a diagnostic study was
conducted with 392 university students through a survey measuring their
perceptions on AI literacy, from its utility to its ethical implications. Data
analysis, using descriptive statistics, reveals that students identify a high
utility for AI, primarily in instrumental tasks such as writing texts and
searching for information. However, they report a scarce integration of these
tools into their formal learning processes and a limited understanding of their
fundamentals and scope. This dissonance between functional use and lack of academic
integration underscores a significant gap, highlighting the urgent need for
higher education institutions to assume a proactive role in developing critical
competencies in artificial intelligence.
PALABRAS CLAVES· KEYWORDS
Literacidad en Inteligencia Artificial; Educación
Superior; Competencias Digitales; Tecnología Educativa; Currículo
Universitario.
Artificial Intelligence Literacy; Higher Education;
Digital Competencies; Educational Technology; University Curriculum.
1. Introducción
No hay ningún utensilio que,
por el mero hecho de tomarlo en la mano, convierta a nadie en artesano o atleta
ni sirva para nada a quien no haya adquirido los conocimientos del oficio ni
tenga atesorada suficiente experiencia
—Platón,
La República
La IA, antes ciencia
ficción, es ahora accesible para casi todos, este acceso no garantiza su uso
correcto, entendido como uso consciente, ético y efectivo. La suposición de que
la facilidad de uso equivale a competencia es una falacia histórica que se repite
con cada nueva tecnología. En el ámbito educativo, esta idea es más peligrosa
al creerse que la tecnología, por su sola presencia, asegura un aprendizaje
profundo y sin esfuerzo.
En los inicios del cine
mudo, Béla Balázs planteaba una “Teoría del filme” que comenzaba con una serie
de reflexiones sobre la educación hasta el momento, es notorio que su teoría
fílmica iniciaba con un capítulo titulado: “Los peligros de la ignorancia” y
algunos párrafos más adelante se podía leer:
En nuestras universidades
hay cátedras de literatura y de todas las artes, excepto la del cine. La
primera Academia de Arte que incluyó la teoría del arte cinematográfico en su
plan de estudios se inauguró en Praga en 1947. Los [libros de texto] que se utilizan
en nuestras escuelas secundarias tratan sobre otras artes, pero no sobre el
arte cinematográfico. Millones de personas oyen hablar de los [grandes] de la
literatura y la pintura, pero nunca harán uso de esos conocimientos, ya que no
leen libros ni ven cuadros. Sin embargo, los millones de personas que acuden al
cine no reciben ni una sola palabra que les enseñe a apreciar el arte
cinematográfico. (Balázs, 1970, p. 18)
Señala la fecha de 1947 como
tardía, —él moriría en 1949 y la obra que contiene la cita se publicaría en
1957— incluso titula “oportunidad perdida” uno de sus capítulos. Sobre la
concepción de la cultura y del hombre culto, de manera incisiva Balázs señalaba
que una persona culta conocía vida y obra de Leonardo, Beethoven o Miguel
Ángel, sin embargo, se podría ser “una persona culta” sin conocer a Eisenstein
—director importante de la época—. Para el crítico, el público debe ir
preparado antes de enfrentarse a una obra cinematográfica. Recoge de una de sus
presentaciones un nombre para señalar esa preparación en la apreciación
cinematográfica, la llama: “film-conscious” que pudiera traducirse como
“conciencia fílmica”. Este nombre implica que no es algo espontáneo o fortuito,
sino algo que debe ser adquirido, refinado, reflexionado y trabajado. Así, el
lugar idóneo para adquirir la conciencia fílmica es precisamente la escuela:
Hasta que no haya una
historia del arte cinematográfico en todos los libros de texto sobre historia
del arte y estética; hasta que el arte cinematográfico no tenga una cátedra en
nuestras universidades y un lugar en el plan de estudios de nuestras escuelas
secundarias, no habremos consolidado firmemente en la conciencia de nuestra
generación este desarrollo artístico tan importante de nuestro siglo. (Balázs,
1970, p. 19)
Las clases de cine en la
secundaria no han aparecido, como tampoco hay unidades temáticas dedicadas a
los filmes en los libros de texto; la “conciencia fílmica” no se consolidó ni
como objetivo, ni tampoco como objeto de estudio. De acuerdo con Bálazs, no
aprendimos a realmente ver el cine. Después del cine vino la televisión, su
innegable penetración en los hogares y las instituciones la presentaba como un
medio idóneo por su alcance, pero también por su facilidad de uso. Por lo que
se pensó que para alumnos y docentes sería muy sencillo utilizarla como un
vehículo didáctico y herramienta pedagógica para el Estado. Ya desde ese
momento Ferrés y Pisticelli advertían:
La competencia mediática
exige, pues, el desarrollo de una capacidad crítica respecto al propio espíritu
crítico, porque, como consecuencia del predominio del cerebro emocional sobre
el racional, resulta más ajustado a la realidad referirse al ser humano como un
animal racionalizador que como un animal racional. (Ferrés & Piscitelli,
2012, p. 79)
Es necesaria una reflexión
sobre el medio que va mucho más allá del uso. Estos autores, particularmente
Ferrés practicaron estudios de una escala monumental, investigando ciudades
enteras de España (Ferrés Prats et al., 2012) y a una población muy diversa,
por ejemplo, en la Comunidad Autónoma de Andalucía. Encontró “graves carencias”
en la capacidad para interpretar mensajes audiovisuales de manera reflexiva y
crítica. El estudio exhibe que el grado de competencia en muchos casos no es el
óptimo. Lo anterior derriba por completo el supuesto de que la facilidad de uso
se traducirá paulatinamente en un dominio del medio o de la tecnología.
Por otro lado, cuando se
habla de carencias, es necesario identificar ¿carentes en qué? Propusieron una
serie dimensiones en las que se podría conocer el grado de competencia
mediática que tenían los individuos encuestados: “Las necesidades formativas afectan
a las seis dimensiones que componen dicha competencia: estética, lenguajes,
ideología y valores, tecnología, producción y programación, y recepción y
audiencia” (Aguaded et al., 2011, p. 99). Las dimensiones replantean el acto de
“ver televisión” como un acto comunicativo que a su vez conlleva más
implicaciones. Para realmente ver televisión se requiere un conocimiento del
lenguaje y de la lengua, pero también cinematográficos y visuales, entre otras
habilidades. Solo en este contexto la televisión puede ser realmente
aprovechada. Durante mucho tiempo a la televisión se le atribuyeron rasgos y
efectos negativos, principalmente entre las niñas y los niños y los jóvenes,
que le valieron ser llamada “la caja idiota”. Tal vez no todos los efectos sean
atribuibles a la “caja idiota” o tal vez la “idiotez” de la caja sea un reflejo
de las carencias que el usuario tiene en su competencia mediática.
En este punto se observan
similitudes en la experiencia pasada con el cine. A decir de Ferrés es
necesaria la distinción de educar con la televisión y en la televisión. El
cambio de la preposición implica una reflexión mucho más profunda, pues la
tecnología se piensa como un medio didáctico, pero poco se habla de la
educación en los medios. La competencia mediática viene de la necesidad de
conocer el grado de dominio del individuo en las dimensiones antes citadas y,
una vez más, al igual que en el cine, el mero hecho de ver televisión no las
desarrollará de manera automática, estas deben ser analizadas, reflexionadas y
enseñadas en la escuela.
En este contexto si una escuela
no enseña a ver televisión, ¿para qué mundo educa? La escuela tiene la
obligación de ayudar a las nuevas generaciones de alumnos a interpretar los
símbolos de su cultura. ¿Qué símbolos ayuda a interpretar hoy la escuela? ¿Los
de qué cultura? Si educar exige preparar a los ciudadanos para integrarse de
una manera reflexiva y crítica en la sociedad, ¿cómo se integrarán unos
ciudadanos que no están preparados para realizar de manera crítica aquella
actividad a la que más horas dedican? (Ferrés, 1994, p. 15)
Según diversas fuentes (Choi
et al., 2023; Encuesta Nacional sobre Disponibilidad y Uso de Tecnologías de la
Información en los Hogares (ENDUTIH) 2024, s/f; Estadísticas de la situación
digital de México 2023-2024 - Branch,2025; Ganson et al., 2023), el tiempo de
pantalla de los usuarios ronda las ocho horas, esto es, un tiempo similar al
que se dedica a dormir o a trabajar, de acuerdo con Ferrés, por esa razón se
debería enseñar en la escuela.
Las tecnologías digitales
como el internet trajeron desafíos, retos y muchas áreas de oportunidad en casi
todos los ámbitos de la vida cotidiana que se denominó como: “Brecha Digital”,
aunque en esencia se repetía el fenómeno de la televisión. Para Van Dijk (2017)
hablar de la brecha digital lleva a malentendidos.
Resulta revelador que antes
de la observación de Van Dijk, Ferrés hablaba de “grados” coincidiendo en el
hecho de que al hablar de “brechas” indica un vacío, casi maniqueo, se tiene o
no se tiene. Esa posición estática no permite hablar en términos de crecimiento
o mejora. Aclarado lo anterior, el error más grande al hablar de brechas es que
se habla en general, pero el autor las divide en tres clases de brechas: acceso
físico, acceso de habilidades, acceso de uso (physical access, skills access,
and usage access).
La primera brecha es la del
acceso físico, esto es, el acceso que tiene un usuario a un dispositivo, una
computadora, por ejemplo. Este acceso dependerá de la situación económica,
social, geográfica y otro tipo de variables. Sobre esto hay dos puntos más a
destacar: el primero es que es la brecha más estudiada y es la que se considera
como la más importante, atribuyendo la brecha digital a características del
individuo como la posición económica o la edad, pues se relacionan con la
capacidad de compra. En segundo término, es poca o nula la incidencia de los
docentes y la escuela en este tipo de brecha.
La segunda brecha es la de
habilidades: Destacar que el problema de la desigualdad digital no termina una
vez que se ha logrado el acceso físico, sino que, en realidad, comienza cuando
el uso de los medios digitales se incorpora a la vida cotidiana. (Van Dijk,
2017, p. 2) las ocho horas de internet antes mencionadas dan cuenta de que
definitivamente la tecnología digital ocupa un espacio muy importante en la
vida cotidiana.
Así, la segunda brecha forma
parte de las necesidades formativas de la sociedad. El autor las llama “digital
or media literacy”, puede traducirse como Literacidad Digital o Literacidad
Mediática, aunque advierte que son difíciles de conocer en tanto que no son
enseñadas de manera formal, se basa más bien en la experiencia y uso de los
individuos. De modo que coincide con Bálazs y Ferrés en que no hay una
estructuración de ese conocimiento, por ende, evaluarlo es complicado. La
tercera barrera de acceso es la del uso en sí, la usabilidad. Esta se refleja
en el tiempo de uso, pero también en la actividad y creatividad de uso, es
decir, en la apropiación tecnológica. Solo salvando las dos barreras anteriores
es posible llegar a la tercera.
Apareciendo el concepto de
Literacidad Digital, quedan desde luego dos cuestiones, definirla y desde
luego, medirla. Aunque hay muchas formas de definirla, Ala-Mutka (2011) realiza
un mapeo de la literacidad digital.
Figura 1
Mapeo
de la Literacidad Digital traducido/adaptado por Álvarez (2012)
Fuente: elaboración
propia.
A la par de la conciencia
fílmica de Bálazs y de la competencia mediática de Ferrés, Ala-Mutka plantea
una serie de elementos que la vuelven mucho más compleja, debido a la
naturaleza del medio. A diferencia del cine y la televisión, la participación
en internet es mucho más activa, no solo se reciben mensajes, sino que se
producen mensajes y contenido. Por ejemplo, la ética en los medios anteriores
consistía en la discreción de ver o no un contenido, o en su caso, mostrar o no
un contenido, en cualquier caso, la acción ética era ver o no ver. En las
herramientas digitales, la posición ética es mucho más compleja, en tanto que
consiste en la discreción de ver o compartir o editar o sugerir o crear o
modificar y otras posibilidades más.
El mapeo de Kirsti
Ala-Mutka, no descarta en ningún punto los medios anteriores como el cine o la
televisión, sino que los incorpora como parte de sus habilidades más básicas.
Además de ello, se entiende su cotidianidad como situaciones tanto de trabajo como
de ocio (Eurostat, 2018). Se establecieron niveles de dominio, habilidad, luego
competencia, luego literacidad. También se establecen conocimientos técnicos
mínimos para desenvolverse en los medios, navegar seguro y ético.
El estudio de la Literacidad
Digital aumentó significativamente alrededor del 2020 (Reddy et al., 2020,
2023; Tinmaz et al., 2022, 2023), debido al cierre de escuelas por pandemia la
literacidad digital cobró más protagonismo (Magallanes Ulloa, 2023). En gran
parte de esa producción científica hubo comunes denominadores, entre ellos, la
necesidad de integrarla al curriculum, y en los casos en que sí se incluye,
aumentar su presencia (Alowais et al., 2024; Breakstone et al., 2018; W. Ng,
2012; Reddy et al., 2023; Spante et al., 2018). Asimismo, su necesidad no solo
fue académica, sino como una posibilidad de aumentar la empleabilidad (Nikou et
al., 2022) e incluso como una variable de la salud (Arias López et al., 2023).
Apenas volviendo a la
llamada “nueva normalidad” post Covid-19, en 2022 aparecieron nuevos servicios
de Inteligencia Artificial Generativa. A diferencia de las otras tecnologías
mencionadas, la Inteligencia Artificial Generativa pulverizó de golpe las primeras
dos barreras de Van Dijk, la de acceso y la de habilidades. Si bien la
inteligencia artificial no es un concepto nuevo, pertenecía a laboratorios
secretos y películas de ciencia ficción, pero a partir de 2022 se volvió
accesible en millones de dispositivos y se integró a servicios de herramientas
ofimáticas, mensajería o correo electrónico. Además, eran, al menos
parcialmente, gratuitos. Las interfaces amigables y de tipo chat, esto es,
mediante la lengua natural, derriban casi por completo, la barrera de la
habilidad. Entonces queda solo la barrera del uso.
Para algunos (Bender, 2024;
H. Wang et al., 2020) el uso de la IA es una habilidad más que habría de
enmarcarse dentro de la Literacidad digital. Sin embargo, el consenso general
es que se debería de crear un marco propio para la IA. Long y Magerko (2020)
parten de cuatro preguntas muy simples: ¿Qué es la IA?; ¿Qué puede hacer la
IA?; ¿Cómo funciona la IA?; ¿Cómo debe utilizarse la IA? y ¿Cómo percibe la
gente la IA? La simpleza de las preguntas es lo que hace brillante el
planteamiento pues despoja de toda especialización a la IA.
De lo anterior se establecen
las primeras dimensiones para la Literacidad en Ia Conciencia, Uso, Evaluación
y Ética. La conciencia se refiere a la capacidad de identificar y comprender la
tecnología de IA durante el uso de aplicaciones relacionadas con esta. El uso
hace referencia a la capacidad de aplicar y aprovechar la tecnología de IA para
realizar tareas de manera eficaz. La evaluación implica la capacidad de
analizar, seleccionar y valorar críticamente las aplicaciones de IA y sus
resultados. La ética se refiere a la capacidad de reconocer las
responsabilidades y los riesgos asociados al uso de la tecnología de IA (Wang
et al., 2023).
Por otra parte, Ng et al.
(2021b) identificaron que la alfabetización en IA puede clasificarse en cuatro
dimensiones fundamentales: conocer y comprender la IA, utilizar y aplicar la
IA, evaluar y desarrollar IA, y considerar la ética en la IA. Touretzky et al.
(2019) propusieron cinco ideas clave IA en los niveles educativos de K-12:
percepción, representación y razonamiento, aprendizaje, interacción natural e
impacto social de la IA. Zhang et al. (2023) diseñaron un plan de estudios para
nivel secundaria enfocado en fomentar la alfabetización en IA, estructurado en
tres componentes principales: nociones básicas de IA, implicaciones éticas y
sociales, y orientación vocacional en carreras relacionadas con la IA.
De lo anterior se desprende
otro marco teórico que considera cuatro dimensiones, el marco ABCE (affective,
behavioural, cognitive and ethical). Las dimensiones ABCE del desarrollo de la
alfabetización en IA en los estudiantes comprenden cuatro ámbitos esenciales:
el aspecto afectivo, que se refiere a las actitudes, emociones e intereses
hacia la IA; el aspecto conductual, relacionado con las acciones y la
aplicación práctica del conocimiento sobre IA; el aspecto cognitivo, enfocado
en la comprensión teórica y conceptual de la IA; y la dimensión ética, que
implica la reflexión crítica sobre las implicaciones morales y sociales del uso
de esta tecnología.
De la misma forma que en el
caso de la Literacidad Digital, estas dimensiones generan un listado de
habilidades en IA.
Tabla 1
Habilidades
esenciales para el uso de la IA por diferentes autores
|
Autor(es) |
Enfoque Principal |
Componentes Clave
(Resumidos) |
|
(Long & Magerko, 2020) |
16 Competencias Holísticas |
Reconocimiento, Comprensión, Pasos del ML,
Literacidad de datos, Ética. |
|
(Ng et al., 2021a, 2021b) |
Taxonomía Cognitiva (Bloom) |
6 niveles: Saber, Comprender, Aplicar,
Analizar, Evaluar, Crear en IA. |
|
(Rizvi et al., 2023) |
4 Niveles de Profundidad |
Desde lo Social/Ético (sesgos) hasta el
"Motor" (funcionamiento técnico). |
|
(Annapureddy et al., 2024) |
Habilidades en IA Generativa |
12 habilidades: Ingeniería de prompts,
Detección de contenido, Evaluación, Ética. |
Uno de los trabajos
referentes es la Taxonomía de Bloom (1979); sus niveles taxonómicos permiten
matizar o gradar el estado de Literacidad en IA. Tanto las dimensiones como las
habilidades establecen un panorama mucho más amplio sobre el uso de la IA. Conocer
el grado de dominio o conocimiento, perfiles de usuario y tipos de uso, permite
escapar de los dualismos, “sabe o no sabe”, “tiene o no tiene” y entender que
la relación con la IA es mucho más compleja que la contratación de un servicio
o el uso específico de una aplicación específica. El entramado anterior,
posibilita formular reactivos que precisen esa relación y hacer futuras
comparaciones. El instrumento que se presenta en este estudio está basado en
dichos marcos teóricos.
2. Metodología
Se aplicó un cuestionario
digital, distribuido mediante Google Forms, a 392 estudiantes universitarios de
diversas instituciones mexicanas. El muestreo fue realizado por conveniencia.
La muestra incluyó 203 mujeres y 189 hombres, con edades entre 17 y 56 años (M
= 20.82, DE = 4.19). Los participantes se agruparon en cuatro áreas: Ingeniería
(58.16%), Ciencias Sociales (35.20%), Ciencias Básicas (3.32%) y Ciencias de la
Salud (3.32%).
El instrumento tenía dos
secciones. La primera recopiló datos sociodemográficos (edad, género,
institución, área de estudio). La segunda incluyó 47 ítems Likert organizados
en cinco dimensiones —conocimientos y habilidades, dimensión afectiva,
dimensión ética, aplicación contextual y experiencia académica— además de 8
preguntas abiertas. Las respuestas se codificaron en una escala de cuatro
puntos (1 = menor grado de acuerdo, 4 = mayor grado). Las preguntas abiertas
ofrecieron un espacio de expresión libre.
El cuestionario se abordó
con dos enfoques: cuantitativo y cualitativo. En el primero se realizó un
Análisis Factorial Confirmatorio (AFC), y el modelo de cinco factores mostró
buen ajuste (CFI = 0.914, TLI = 0.903, RMSEA = 0.043, SRMR = 0.052). Posteriormente,
para identificar subgrupos naturales en la muestra, se aplicó un análisis de
clúster. La solución de tres grupos fue la más interpretable y estadísticamente
sólida, definiendo los perfiles de “Observadores Curiosos”, “Escépticos
Informados” y “Desconectados”.
No obstante, este artículo
enfatiza el análisis cualitativo y exploratorio, incorporando todas las respuestas,
incluidas las no integradas al modelo validado, con especial atención a las
preguntas abiertas. Para el diseño de los ítems se recurrió a instrumentos
previos (Carolus et al., 2023; Hornberger et al., 2023; Koch et al., 2024) y a
formulaciones propias, adaptadas al contexto latinoamericano.
Cada subescala refleja un
componente específico de la alfabetización en IA:
·
Conocimientos
y habilidades: mide la comprensión de principios y vocabulario propios de la
IA, así como la capacidad de utilizar o explicar sus herramientas.
·
Dimensión
afectiva: alude al interés, la motivación y el confort emocional en la
interacción con sistemas de IA.
·
Conciencia
ética: incluye la responsabilidad,
el marco regulatorio y la reflexión crítica sobre las implicaciones sociales de
la IA.
·
Aplicación
contextual: valora la pertinencia y utilidad de la IA en ámbitos académicos y
profesionales.
·
Experiencia
académica: considera la interacción con herramientas, contenidos o metodologías
vinculadas a la IA en el entorno educativo formal.
Las respuestas abiertas del
cuestionario se analizaron mediante un procedimiento de análisis temático
asistido por R, orientado a identificar patrones de sentido en las percepciones
estudiantiles sobre la Inteligencia Artificial (IA).
El procesamiento se realizó
con los paquetes tidytext, dplyr, stringr y ggplot2, bajo un enfoque
exploratorio mixto. En primer lugar, se efectuó la tokenización del texto
(conversión de cada respuesta en unidades léxicas individuales) y la limpieza
léxica mediante la eliminación de signos de puntuación y de las stopwords en
español e inglés (stopwords("es"), stopwords("en")). Esto
permitió conservar únicamente palabras con significado semántico relevante,
incluyendo variantes acentuadas del español.
Posteriormente, se aplicó
una clasificación semántica inductiva basada en coincidencias léxicas que
agrupan los términos por su proximidad conceptual. Se definieron tres campos
temáticos de análisis:
1. Uso instrumental, asociado a términos como
usar, tarea, herramienta, aplicación, ayuda, escribir;
2. Comprensión conceptual, vinculado con
algoritmo, datos, procesamiento, aprendizaje, máquina, inteligencia; y
3. Reflexión ética, relacionado con ético,
moral, responsabilidad, riesgo, privacidad, plagio.
Cada palabra detectada fue
asignada automáticamente al campo correspondiente mediante expresiones
regulares (str_detect) y revisada manualmente por los investigadores para
garantizar la validez semántica de las categorías. Las ocurrencias no
clasificables se agruparon en la categoría Otro, que posteriormente se
inspeccionó para verificar la ausencia de términos relevantes. Finalmente, se
seleccionaron citas textuales representativas —anonimizadas y vinculadas a las
preguntas originales— que ilustran el sentido de cada categoría.
3. Resultados
A continuación, se comparten
algunos resultados. Primero en la dimensión de conocimiento:
Tabla 2
Comparación
de ítems sección conocimiento
|
Ítem |
Muy de acuerdo |
De acuerdo |
En desacuerdo |
Muy en desacuerdo |
Total |
|
C3. Puedo describir qué es la IA |
20.15% |
70.15% |
9.44% |
0.26% |
100.00% |
|
C1. Puedo saber si las tecnologías que uso se apoyan
en IA |
24.23% |
65.82% |
9.44% |
0.51% |
100.00% |
|
C5. Puedo explicar qué es un algoritmo |
17.86% |
55.36% |
23.47% |
3.32% |
100.00% |
|
C16. Conozco algún lenguaje de programación |
17.86% |
34.18% |
31.63% |
16.33% |
100.00% |
La Tabla 2 muestra que la
confianza disminuye conforme aumenta la especialización: los alumnos podían describir
la IA, pero tenían menos seguridad al reconocerla en tecnologías o explicar un
algoritmo, concepto básico para comprenderla.
Es importante que al usar la
IA haya al menos cierto grado de comprensión de su funcionamiento, sin llegar a
la especialización. En la IA la generatividad es un rasgo característico, que
acentúa la posibilidad de la creación. El conocer un lenguaje de programación
amplía el panorama tanto al entendimiento como al aprovechamiento del recurso.
La exploración textual
permitió identificar las palabras más frecuentes en cada una de las preguntas
abiertas del cuestionario (Figura 2). Se observa una alta recurrencia de
términos asociados a la comprensión conceptual de la inteligencia artificial
(algoritmo, datos, aprendizaje, sistema), al uso instrumental en contextos
académicos (tareas, escribir, redacción, ayuda), y en menor medida, a aspectos
éticos (ético, plagio, responsabilidad).
Figura 2
Palabras
más frecuentes por pregunta abierta
Fuente: elaboración propia.
El procedimiento de
clasificación semántica generó tres temas principales: uso instrumental (n = 2213),
comprensión conceptual (n = 1401) y reflexión ética (n = 129), además de un
conjunto residual de respuestas no clasificables (n = 22 963). A partir de esta
clasificación se identificaron tres campos de sentido, que se describen a
continuación con citas representativas.
3.1. Uso instrumental
Las respuestas de este grupo
describen a la inteligencia artificial como una herramienta práctica que
facilita tareas cotidianas o académicas. Los estudiantes destacan su utilidad
para redactar textos, realizar búsquedas o resolver problemas de manera más
rápida.
Por ejemplo, ante la
pregunta “¿Para ti qué es la Inteligencia Artificial?”, algunos estudiantes
respondieron:
«Una nueva tecnología
avanzada que ayuda a resolver fácil y rápido los problemas que requieren
soluciones a base de conocimientos.»
Del mismo modo, frente a la
pregunta “¿En tu vida cotidiana, para qué usas la inteligencia artificial?”, se
señalaron usos frecuentes en redacción y apoyo académico:
«Para tareas que requieren
de un tutor. Tareas diarias. Redacción de texto, mensajes, etc.»
«Es la que nos puede ayudar
a investigar algo más rápido.»
En este campo predomina una
visión funcional de la IA centrada en la eficiencia y la productividad, con
escasa problematización conceptual o ética.
3.2. Comprensión conceptual
Las respuestas de esta
categoría revelan distintos niveles de apropiación de nociones como algoritmo,
aprendizaje o procesamiento de datos. Algunos participantes ofrecen
definiciones estructuradas, mientras que otros confunden la IA con bases de
datos o sistemas automáticos.
Ante la pregunta “¿Qué es un
algoritmo?”, algunos participantes escribieron:
«Conjunto de datos ordenados
y claros.»
En “¿Cuál crees que es la
diferencia entre Google y ChatGPT?”, se evidencia la distinción entre búsqueda
de información y generación automática de respuestas:
«Google es un buscador y
ChatGPT es inteligencia artificial creada para responder a diferentes
problemas.»
Estos enunciados evidencian
una comprensión emergente, a menudo asociada a experiencias de usuario más que
a conocimientos técnicos formales.
3.3. Reflexión ética
En este grupo aparecen
consideraciones morales sobre el uso responsable de la IA, especialmente en el
ámbito escolar. Se observa tensión entre el reconocimiento de su valor como
apoyo y la preocupación por el plagio o la pérdida de aprendizaje.
Ante la pregunta
“¿Consideras que es ético el uso de la IA en trabajos escolares?, justifica tu
respuesta”, las opiniones muestran ambivalencia:
«Sí, siempre y cuando se
utilice como una base, punto de partida, correcciones e ideas; de lo contrario
no solo no es ético, sino que es nulo el aprendizaje.»
«No lo considero ético ya que
se consideraría trampa, pero si es para fomentar tu aprendizaje sí es
éticamente correcto.»
«Es ético hasta cierto
punto, pero no en su totalidad.»
Esta categoría, aunque
minoritaria en frecuencia, refleja un incipiente posicionamiento crítico frente
a los dilemas éticos del uso de la IA en la educación.
Desde una perspectiva ética,
el 69% de los estudiantes se muestra a favor del uso de la IA para la
realización de trabajos escolares; sin embargo, un 67% considera inapropiado su
uso durante los exámenes. Al presentarles posibles aplicaciones de la IA —como
cálculos, organización de datos, resúmenes— la opción más elegida fue:
"Permitir asistencia de IA solo en la estructuración, generación de ideas,
edición o corrección, pero realizar personalmente la mayor parte del trabajo”.
En contraste, para los exámenes las opciones más elegidas fueron “En
desacuerdo” y “Muy en desacuerdo”, con 67.35%
Los estudiantes ven mayor
aplicabilidad de la IA en Lengua y Comunicación (43%), más que en su área
profesional (37%) o en matemáticas (17%). Aunado a ello se realizaron unas
series de preguntas de tipo “Uso la IA para trabajos relacionados con…” obteniendo
los siguientes resultados:
·
Cálculo
(EX5): La mayoría de los estudiantes indica usar la IA rara vez (44.64%) o
nunca (38.01%) para trabajos relacionados con cálculo. Solo un 13.78% dice
usarla casi siempre y un 3.57% siempre. Esto sugiere que en esta área, la IA se
emplea poco, posiblemente por preferencia o imposición de métodos
tradicionales.
·
Gráficas
(EX6): El patrón es similar al del cálculo.
·
Imágenes
(EX7): Hay una distribución más equilibrada; es decir, la mayoría de los
estudiantes eligieron las opciones intermedias.
·
Redacción
de textos (EX8): En esta área la IA tiene mayor presencia. El 35.97% la usa
casi siempre para redactar textos y un 10.46% siempre. Solo el 36.99% dice
usarla rara vez y apenas el 16.58% nunca. Este resultado destaca que los
estudiantes encuentran en la IA una herramienta útil y accesible para apoyar
procesos de escritura.
Aunque el 86% está de
acuerdo en que la IA debe incorporarse en el entorno escolar, el 74% señala que
no la utiliza en sus clases. Sin embargo, para los alumnos del área de
educación, el porcentaje „de acuerdo“ desciende al 75.44%. Sobre realizar
tareas, en el área de Educación el 10.53% de los estudiantes está muy de
acuerdo con usar IA para realizar tareas, mientras que el 43.86% está de
acuerdo. En el grupo de otros campos de estudio, el 15.22% se mostró muy de
acuerdo, el 62.69% de acuerdo. Estos datos reflejan una mayor aceptación del
uso de la IA en tareas escolares entre estudiantes de áreas distintas a
Educación. Hay pues una correspondencia entre aceptación, utilización y
conocimiento.
En conjunto, los resultados
cualitativos complementan los hallazgos estadísticos al evidenciar cómo el
estudiantado articula percepciones prácticas, conceptuales y éticas sobre la
inteligencia artificial, aportando una visión integral de su alfabetización en
IA.
4. Conclusiones
La selección muestral fue
por conveniencia, limitando la generalización. Los estudiantes usan más la IA
para redacción que para cálculo. La integración varía por disciplina: los de
computación muestran mayor comprensión, mientras que los de educación exhiben
rezago y escepticismo, lo que podría impactar en su futura aplicación
didáctica. En lo ético, hay consenso en su uso como complemento, con oposición
a su aplicación en evaluaciones. Manifiestan escasa integración de la IA en la
vida académica, subrayando una urgente necesidad de formación formal.
Esa es la misma urgencia que
señalaba Béla Balázs sobre el cine y que también se ha trasladado a otras
tecnologías. Es necesario aprender de las experiencias anteriores para la
incorporación pertinente de la IA en la vida escolar y también como preparación
a otros aspectos de la vida cotidiana donde la IA se vuelve cada vez más
relevante.
Financiación
Esta investigación no
recibió financiación externa
Disponibilidad de los datos
El conjunto de datos utilizados
en este estudio está disponibles previa solicitud razonable al autor
de correspondencia
Conflicto de interés
Los autores declaran no
tener ningún conflicto de interés
Referencias
Aguaded, J. I., Ferrés i Prats, J., Pérez
Rodríguez, M. A., Sánchez Carrero, J., Delgado Ponce, Á., & Cruz Díaz, M.
R. (2011). El grado de competencia mediática en la ciudadanía andaluza.
Grupo Comunicar.
Ala-Mutka, K. (2011). Mapping Digital Competence:
Towards a Conceptual Understanding.
Alowais, M., Rudd, G., Besa, V., Nazar, H., Shah, T.,
& Tolley, C. (2024). Digital literacy in undergraduate pharmacy education:
a scoping review. Journal of the American Medical Informatics Association,
31(3), 732–745. https://doi.org/10.1093/ijpp/riae013.042
Alvarez, D. (2012). Los
PLE en el marco europeo de Competencias Digitales. e-aprendizaje.
http://bit.ly/45HV76T/
Annapureddy, R., Fornaroli, A., & Gatica-Perez, D.
(2024). Generative AI Literacy: Twelve Defining Competencies. Digital
Government: Research and Practice, 6(1), 1–21.
https://doi.org/10.1145/3685680
Arias López, M. del P., Ong, B. A., Borrat Frigola,
X., Fernández, A. L., Hicklent, R. S., Obeles, A. J. T., Rocimo, A. M., &
Celi, L. A. (2023). Digital literacy as a new determinant of health: a scoping
review. PLOS Digital Health, 2(10), e0000279.
https://doi.org/10.1371/journal.pdig.0000279
Balázs, B. (1970). Theory of the Film;
Character and Growth of a New Art.
Bender, S. M. (2024). Awareness of Artificial
Intelligence as an Essential Digital Literacy: ChatGPT and Gen-AI in the
Classroom. Changing English: Studies in Culture and Education, 31(2),
161–174. https://doi.org/10.1080/1358684X.2024.2309995
Bloom, B. (1979). Taxonomía
de objetivos educativos. Alcoy Marfil.
Breakstone, J., McGrew, S., Smith, M., Ortega, T.,
& Wineburg, S. (2018). Why we need a new approach to teaching digital
literacy. Phi Delta Kappan, 99(6), 27–32.
https://doi.org/10.1177/0031721718762419
Carolus, A., Koch, M. J., Straka, S., Latoschik, M.
E., & Wienrich, C. (2023). MAILS - Meta AI literacy scale: Development and
testing of an AI literacy questionnaire based on well-founded competency models
and psychological change- and meta-competencies. Computers in Human
Behavior: Artificial Humans, 1(2), 100014.
https://doi.org/10.1016/j.chbah.2023.100014
Choi, E. J., King, G. K. C., & Duerden, E. G.
(2023). Screen time in children and youth during the pandemic: A systematic
review and meta-analysis. Global
Pediatrics, 6, 100080.
https://doi.org/10.1016/J.GPEDS.2023.100080
Encuesta
Nacional sobre Disponibilidad y Uso de Tecnologías de la Información en los
Hogares (ENDUTIH) 2024.
(s/f). Recuperado el 9 de junio de 2025, de
https://bit.ly/4n6GMXv
Estadísticas
de la situación digital de México 2023-2024 - Branch. (s/f). Recuperado el 9 de junio de 2025,
de http://bit.ly/41AdZSW
Eurostat. (2018).
Estadísticas de energía renovable. En Statistics Explained.
Ferrés, J. (1994). Televisión y educación.
Paidós.
Ferrés, J., &
Piscitelli, A. (2012). La competencia mediática: propuesta articulada de
dimensiones e indicadores. Comunicar, XIX(38), 75–82.
https://doi.org/10.3916/c38-2012-02-08
Ferrés Prats, J.,
Aguaded-Gómez, I., & García-Matilla, A. (2012). La competencia mediática de
la ciudadanía española: dificultades y retos. Revista ICONO14. Revista
científica de Comunicación y Tecnologías emergentes, 10(3), 23–42.
https://doi.org/10.7195/ri14.v10i3.201
Ganson, K. T., Nagata, J.
M., Jones, C. P., Testa, A., Jackson, D. B., & Hammond, D. (2023). Screen time,
social media use, and weight-change behaviors: Results from an international
sample of adolescents. Preventive Medicine, 168, 107450.
https://doi.org/10.1016/J.YPMED.2023.107450
Hornberger, M., Bewersdorff, A., & Nerdel, C.
(2023). What do university students know about Artificial Intelligence?
Development and validation of an AI literacy test. Computers and Education:
Artificial Intelligence, 5(June), 100165.
https://doi.org/10.1016/j.caeai.2023.100165
Koch, M. J., Carolus, A., Wienrich, C., &
Latoschik, M. E. (2024). Meta AI literacy scale: Further validation and
development of a short version. Heliyon, 10(21).
https://doi.org/10.1016/j.heliyon.2024.e39686
Long, D., & Magerko, B. (2020). What is AI
Literacy? Competencies and Design Considerations. Conference on Human
Factors in Computing Systems - Proceedings, 1–16.
https://doi.org/10.1145/3313831.3376727
Magallanes Ulloa, E. (2023).
La Literacidad Digital, el otro síntoma de la pandemia. En M. Mónica Muñoz, N.
Castillo Olvera, V. León Moncada, & Taberna Libraria Editories (Eds.), Alternativas
desde la competencia comunicativa. Educación, Violencia y Pandemia (pp.
83–97). Universidad Autónoma de Zacatecas.
Ng, D. T. K., Leung, J. K.
L., Chu, K. W. S., & Qiao, M. S. (2021a). AI Literacy:
Definition, Teaching, Evaluation and Ethical Issues. Proceedings of the
Association for Information Science and Technology, 58(1), 504–509.
https://doi.org/10.1002/pra2.487
Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., &
Qiao, M. S. (2021b). Conceptualizing AI literacy: An exploratory review. Computers
and Education: Artificial Intelligence, 2. https://doi.org/10.1016/j.caeai.2021.100041
Ng, W. (2012). Can we teach digital natives digital
literacy? Computers and Education, 59(3), 1065–1078.
https://doi.org/10.1016/j.compedu.2012.04.016
Nguyen, L. A. T., &
Habók, A. (2024). Tools for assessing teacher digital literacy: a
review. Journal of Computers in Education, 11(1), 305–346.
https://doi.org/10.1007/s40692-022-00257-5
Nikou, S., De Reuver, M., & Mahboob Kanafi, M.
(2022). Workplace literacy skills—how information and digital literacy affect
adoption of digital technology. Journal of Documentation, 78(7),
371–391. https://doi.org/10.1108/JD-12-2021-0241/FULL/PDF
Oh, S. S., Kim, K.-A., Kim, M., Oh, J., Chu, S. H.,
& Choi, J. (2021). Measurement of digital literacy among older adults:
systematic review. Journal of medical Internet research, 23(2),
e26145.
Pérez, J., & Murray, M. (2018). Introducing DigLit
Score: An Indicator of Digital Literacy Advancement in Higher Education. Proceedings
of the 2018 InSITE Conference, 013–020. https://doi.org/10.28945/4037
Reddy, P., Chaudhary, K., & Hussein, S. (2023). A
digital literacy model to narrow the digital literacy skills gap. Heliyon,
9(4), 2405–8440.
https://doi.org/10.1016/J.HELIYON.2023.E14878/ATTACHMENT/C809EC21-F250-4687-A117-B85F5EDC5BF8/MMC1.DOCX
Reddy, P., Sharma, B., & Kaylash Chaudhary, F.
(2020). Digital Literacy: A Review of Literature. International Journal of
Technoethics, 11(2). https://doi.org/10.4018/IJT.20200701.oa1
Rizvi, S., Waite, J., & Sentance, S. (2023).
Artificial Intelligence teaching and learning in K-12 from 2019 to 2022: A
systematic literature review. Computers and Education: Artificial
Intelligence, 4, 100145. https://doi.org/10.1016/j.caeai.2023.100145
Spante, M., Hashemi, S. S., Lundin, M., & Algers,
A. (2018). Digital competence and digital literacy in higher education
research: Systematic review of concept use. Cogent Education, 5(1),
1–21. https://doi.org/10.1080/2331186X.2018.1519143
Tinmaz, H., Fanea-Ivanovici, M., & Baber, H.
(2023). A snapshot of digital literacy. Library Hi Tech News, 40(1),
20–23. https://doi.org/10.1108/LHTN-12-2021-0095
Tinmaz, H., Lee, Y. T., Fanea-Ivanovici, M., &
Baber, H. (2022). A systematic review on digital literacy. Smart Learning
Environments, 9(1). https://doi.org/10.1186/s40561-022-00204-y
Touretzky, D., Gardner-McCune, C., Martin, F., &
Seehorn, D. (2019). Envisioning AI for K-12: What should every child know about
AI? Proceedings of the AAAI conference on artificial intelligence, 33(01),
9795–9799.
Van Dijk, J. (2017). Digital Divide: Impact of Access.
The International Encyclopedia of Media Effects, 1–11.
https://doi.org/10.1002/9781118783764.wbieme0043
Wang, B., Patrick Rau, P.-L., & Yuan, T. (2022). Measuring
user competence in using artificial intelligence: validity and reliability of
artificial intelligence literacy scale.
https://doi.org/10.1080/0144929X.2022.2072768
Wang, B., Rau, P. L. P., & Yuan, T. (2023).
Measuring user competence in using artificial intelligence: validity and
reliability of artificial intelligence literacy scale. Behaviour and
Information Technology, 42(9), 1324–1337.
https://doi.org/10.1080/0144929X.2022.2072768
Wang, H., Liu, Y., Han, Z., & Wu, J. (2020).
Extension of media literacy from the perspective of artificial intelligence and
implementation strategies of artificial intelligence courses in junior high
schools. Proceedings - 2020 International Conference on Artificial
Intelligence and Education, ICAIE 2020, 63–66.
https://doi.org/10.1109/ICAIE50891.2020.00022
Yoon, J., Lee, M., Ahn, J. S., Oh, D., Shin, S.-Y.,
Chang, Y. J., & Cho, J. (2022). Development and validation of digital
health technology literacy assessment questionnaire. Journal of medical
systems, 46(2), 13.
Zhang, H., Lee, I., Ali, S., DiPaola, D., Cheng, Y.,
& Breazeal, C. (2023). Integrating ethics and career futures with technical
learning to promote AI literacy for middle school students: An exploratory
study. International Journal of
Artificial Intelligence in Education, 33(2),
290–324.