Español (pdf)
Articulo en XML
Referencias del artículo
Traducción automática
Enviar articulo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
1. Introducción
Este artículo analiza cómo una herramienta de inteligencia artificial puede mejorar la enseñanza de estadística mediante un cuestionario que mide conocimientos, actitudes y razonamientos de los estudiantes.
Oñate et al., (2020) indican que la validez de un cuestionario se basa en su capacidad para medir con precisión la construcción del estudio, lo cual permite confirmar que se evalúa lo que realmente se desea medir (Rodríguez y Herrera, 2010). Y la confiabilidad de un instrumento, por su parte, se determina por su habilidad para obtener resultados idénticos en condiciones iguales (Villasís et al., 2018).
1.1. Inteligencia artificial
La inteligencia artificial y las nuevas TIC tienen el potencial de cambiar la educación superior, optimizando el desempeño docente y mejorando el ámbito de aprendizaje de los estudiantes. Estas tecnologías pueden adaptarse a las necesidades individuales de cada alumno, permitiendo una experiencia educativa personalizada y eficiente (García-Martínez et al., 2023; Menacho-Ángeles et al., 2024).
En ese sentido, se visualiza que la relación entre el estudiante y la inteligencia artificial se hace mas fuerte, ahora, es crucial tener en cuenta la intrincada red de necesidades, objetivos, valores y bienestar que cada estudiante aporta a esta interacción (Gálvez et al., 2024) y lo más importante es comprender cómo cada estudiante se siente respecto a la inteligencia artificial. Es decir, si la aceptan, la rechazan o tienen dudas sobre su uso en el aprendizaje (Algarni et al., 2024; Amare et al., 2024).
1.2. Importancia de Julius AI
Según Wario y Ramirez (2024) afirman que hay herramientas de IA elaboradas exclusivamente para analizar datos, por ejemplo Julius AI cuya interfaz permite visualizar un ámbito más intuitivo para el usuario de dicha herramienta.
En ese sentido, el análisis estadístico de datos es clave hoy en día. Herramientas como Julius AI democratizan este análisis, permitiendo a todos interpretar resultados complejos. Esto facilita la elaboración de tesis, la comprensión de estudios y la enseñanza en diversos campos.
Julius AI eleva el análisis de datos. Esta herramienta combina inteligencia artificial con una interfaz fácil de usar, proporcionando una solución integral. Permite interpretar hojas de cálculo y crear gráficos rápidamente. Julius AI agiliza el análisis de datos para todos, sin importar su experiencia técnica.
No cabe duda de que Julius AI representa una revolución en el análisis estadístico de datos. Su capacidad para democratizar el acceso a herramientas avanzadas de análisis proporciona una ventaja significativa tanto a estudiantes como a docentes. Al facilitar la interpretación de datos complejos y la elaboración de gráficos con una interfaz intuitiva, Julius AI no solo ahorra tiempo, sino que también potencia la comprensión y el aprendizaje.
Esta herramienta se convierte en un aliado indispensable en el ámbito académico, permitiendo que incluso aquellos con poca experiencia técnica puedan beneficiarse de sus múltiples funcionalidades. En definitiva, Julius AI es una pieza clave para el futuro de la educación, brindando oportunidades de mejora continua y adaptabilidad en el proceso educativo.
1.3. Objetivo
El objetivo de esta investigación es diseñar y validar un instrumento para evaluar el uso de la herramienta Julius en estudiantes del primer ciclo de la Universidad San Ignacio de Loyola (Perú). Validar este instrumento permitirá desarrollar e implementar programas destinados a mejorar las estrategias de enseñanza y aprendizaje. Esto contribuirá a disminuir la brecha digital y tendrá un impacto positivo en el desarrollo y formación de los estudiantes universitarios peruanos, al identificar sus necesidades digitales, lo que facilitará la realización de intervenciones y políticas educativas para optimizar la inteligencia artificial. De esta manera, se favorecerá el proceso educativo y el crecimiento general de los alumnos universitarios en Perú.
2. Metodología
La investigación se planteó con un enfoque cuantitativo y diseño preexperimental, con un solo grupo.
2.1. Participantes
Hubo 128 estudiantes de pregrado del primer ciclo de los programas de pregrado de una universidad privada de Perú. El método de muestreo utilizado fue no probabilístico, de participantes voluntarios.
2.2. Instrumento
Se ha elaborado un Cuestionario que contiene 10 ítems. Las variables consideraron el uso de la herramienta Julius AI, adaptación a la herramienta Julius AI y aspectos de privacidad y tratamiento de información de la herramienta Julius AI.
Antes de diseñar el cuestionario, se entregaron las dimensiones y los ítems a 4 profesores universitarios en educación digital e inteligencia artificial. A través de un juicio de expertos, validaron los ítems por su calidad, pertinencia y contenido.
Asimismo, al finalizar el juicio de expertos, se presentó el cuestionario a 128 alumnos universitarios del I ciclo de una Universidad Privada.
A continuación, en la Cuadro 1, se presenta el instrumento para lograr la medición el uso de la inteligencia artificial generativa Julius AI en el área de estadística. La escala Likert es del 1 al 5, donde: 1 es totalmente en desacuerdo con lo indicado, 2 es desacuerdo, 3 ni de acuerdo ni en desacuerdo, 4 es de acuerdo y 5 es totalmente de acuerdo.
Cuadro 1 Cuestionario para desarrollar el estudio de validación del instrumento
| Dimensiones | Ítem |
|---|---|
| Uso de la herramienta Julius AI | La herramienta Julius AI ayuda a generar gráficos y tablas de manera más sencilla. |
| La herramienta Julius AI permite analizar de forma oportuna los datos de una hoja de cálculo | |
| La herramienta Julius AI ayuda a identificar y limpiar datos. | |
| La herramienta Julius permite entender tus datos mediante el chat. | |
| La herramienta de Julius AI permite explorar modelos de pronóstico. | |
| Adaptación a la herramienta Julius AI | La herramienta Julius AI permite ahorrar tiempo en tareas estadísticas. |
| El uso de la herramienta Julius AI ha mejorado la calidad de mis resultados estadísticos. | |
| He utilizado la herramienta Julius AI para tareas relacionadas con la estadística. | |
| Aspectos de privacidad y tratamiento de información de Julius AI | Confío en la privacidad de los datos de la herramienta Julius AI |
| Confío en mi capacidad para identificar y corregir posibles sesgos en los resultados generados por la herramienta Julius AI. |
Fuente: Elaboración propia
2.3. Procesamiento y análisis de datos
Los datos adquiridos fueron analizados utilizando el programa SPSS (Statistical Package for the Social Sciences) versión 25. En cuanto a la validez del instrumento, se llevaron a cabo las pruebas de KMO y la prueba de esfericidad de Bartlett. Para evaluar la confiabilidad, se realizó un análisis de confiabilidad mediante el coeficiente Alfa de Cronbach (α) y un análisis descriptivo de los 10 ítems, considerando la media y la desviación estándar.
3. Resultados y discusión
Los resultados están en función de la participación total de 128 estudiantes son los siguientes: Con respecto a la validez, las matrices de correlaciones y los resultados de la prueba de Kaiser-Meyer-Olkin KMO, correspondiente a los cuadros 3, 5, y 7, muestran una relación notable entre todas las variables. Ahora, en cuadros 2, 4 y 6, la correlación es positiva, mostrando valores de correlación entre 0.705 y 1.000 y con un valor promedio de 0.757. Todas las dimensiones tienen una correlación media de variables distintas por encima de 0.571.
Cuadro 2 Matriz de correlación dimensión 1: Uso e impacto educativo del asistente de voz de Chat GPT (ítems del 1 al 5).
| Ítem 1 | Ítem 2 | Ítem 3 | Ítem 4 | Ítem 5 | |
|---|---|---|---|---|---|
| Ítem 1 | 1.000 | 0.810 | 0.792 | 0.756 | 0.741 |
| Ítem 2 | 0.810 | 1.000 | 0.801 | 0.749 | 0.705 |
| Ítem 3 | 0.792 | 0.801 | 1.000 | 0.735 | 0.789 |
| Ítem 4 | 0.756 | 0.749 | 0.735 | 1.000 | 0.736 |
| Ítem 5 | 0.741 | 0.705 | 0.789 | 0.736 | 1.000 |
Fuente: Elaboración propia
Cuadro 3 Prueba de KMO y Bartlett dimensión 1: El uso de la herramienta Julius AI (ítems del 1 al 5).
| Medida Kaiser-Meyer-Olkin de adecuación de muestreo | 0.895 |
|---|---|
| Prueba de esfericidad de Bartlett | Aprox. Chi - Cuadrado: 556.036 |
| gl (grado de libertad): 10 | |
| Sig. (significancia): < 0,001 |
Fuente: Elaboración propia
Cuadro 4 Matriz de correlación dimensión 2: Adaptación a la herramienta Julius AI (ítems del 6 al 8).
| Ítem 6 | Ítem 7 | Ítem 8 | |
|---|---|---|---|
| Ítem 6 | 1.000 | 0.798 | 0.643 |
| Ítem 7 | 0.798 | 1.000 | 0.768 |
| Ítem 8 | 0.643 | 0.768 | 1.000 |
Fuente: Elaboración propia
Cuadro 5 Prueba de KMO y Bartlett dimensión 2: Adaptación a la herramienta Julius AI (ítems del 6 al 8).
| Medida Kaiser-Meyer-Olkin de adecuación de muestreo | 0.702 |
|---|---|
| Prueba de esfericidad de Bartlett | Aprox. Chi - Cuadrado: 290.066 |
| gl (grado de libertad): 10 | |
| Sig. (significancia): < 0,001 |
Fuente: Elaboración propia
Cuadro 6 Matriz de correlación dimensión 3: Aspectos de privacidad y tratamiento de información de Julius AI (ítems del 9 al 10).
| Ítem 9 | Ítem 10 | |
|---|---|---|
| Ítem 9 | 1.000 | 0.667 |
| Ítem 10 | 0.667 | 1.000 |
Fuente: Elaboración propia
Cuadro 7 Prueba de KMO y Bartlett dimensión 3: Aspectos de privacidad y tratamiento de información de Julius AI (ítems del 9 al 10).
| Medida Kaiser-Meyer-Olkin de adecuación de muestreo | 0,500 |
|---|---|
| Prueba de esfericidad de Bartlett | Aprox. Chi - Cuadrado: 73.741 |
| gl (grado de libertad): 10 | |
| Sig. (significancia): < 0,001 |
Fuente: Elaboración propia
La confiabilidad del presente instrumento se determinó mediante consistencia interna a través de: (1) Alfa de Cronbach; asimismo (2) Omega de McDonald y luego la (3) División por Mitades. Si se asume como criterio empírico que a partir de 0,70 se comprende que es un coeficiente aceptable, en esta investigación se puede decir que los puntajes obtenidos para las dimensiones señaladas y la en total al prueba es excelente (De Vellis, 2017).
En el Cuadro 8, el análisis de los resultados de cada uno de los ítems de la prueba demuestra que el puntaje más alto corresponde al ítem No. 6, con un promedio de 4.48, sobre un puntaje máximo posible de 5 puntos. Por su parte, el promedio más bajo está en el ítem No. 8 con una media de 4.34. La dispersión más alta se encuentra en el ítem No. 8 con una desviación estándar de 1.006 y la más baja se encuentra en el ítem No. 4 con una desviación de 0.752.
En el cuadro 9 el análisis de confiabilidad demuestra que existe una correlación muy alta que muestra una consistencia interna total del instrumento adecuada, se presenta un valor alfa de Cronbach de 0.963. Este valor no mejoraría con la eliminación de alguno de los ítems, tal como se muestra en la Tabla 10, donde la totalidad de los ítems demuestra un alfa de Cronbach, en caso el elemento se vea suprimido, igual o superior a 0.956. Asimismo, muestra una correlación muy alta.
Cuadro 8 Resultados de la estadística de los elementos del Cuestionario
| N° | Media | Desv. estándar | N° de análisis |
|---|---|---|---|
| Ítem 1 | 4.41 | 0.798 | 128 |
| Ítem 2 | 4.45 | 0.822 | 128 |
| Ítem 3 | 4.39 | 0.806 | 128 |
| Ítem 4 | 4.47 | 0.752 | 128 |
| Ítem 5 | 4.38 | 0.832 | 128 |
| Ítem 6 | 4.48 | 0.794 | 128 |
| Ítem 7 | 4.41 | 0.837 | 128 |
| Ítem 8 | 4.34 | 1.006 | 128 |
| Ítem 9 | 4.37 | 0.938 | 128 |
| Ítem 10 | 4.41 | 0.855 | 128 |
Fuente: Elaboración propia
Cuadro 10 Estadísticas del total de elementos para el Cuestionario
| Media de escala si el elemento se ha suprimido | Varianza de escala si el elemento se ha suprimido | Correlación total de elementos corregida | Alfa de Cronbach si el elemento se ha suprimido | |
|---|---|---|---|---|
| 1 | 39.70 | 44.088 | 0.847 | 0.958 |
| 2 | 39.65 | 43.490 | 0.880 | 0.957 |
| 3 | 39.71 | 43.687 | 0.879 | 0.957 |
| 4 | 39.63 | 45.022 | 0.803 | 0.960 |
| 5 | 39.73 | 43.870 | 0.829 | 0.959 |
| 6 | 39.62 | 44.002 | 0.861 | 0.958 |
| 7 | 39.69 | 43.146 | 0.896 | 0.956 |
| 8 | 39.77 | 42.779 | 0.753 | 0.963 |
| 9 | 39.73 | 43.126 | 0.787 | 0.961 |
| 10 | 39.70 | 43.552 | 0.834 | 0.959 |
Fuente: Elaboración propia
El cuadro 11 muestra el análisis de confiabilidad efectuado para cada dimensión del instrumento y arroja resultados satisfactorios; así, la dimensión del uso de la herramienta Julius AI tiene un alfa de Cronbach de 0.941, adaptación a la herramienta Julius AI presenta 0.886, mientras los aspectos de privacidad y tratamiento de información de la herramienta de Julius AI es 0.798.
Cuadro 11 Estadísticas de confiabilidad de las dimensiones del Cuestionario: Alfa de Cronbach (α), Omega de McDonald y División por mitades.
| Dimensiones | Alfa de Cronbach (α) | Omega de McDonald | División por mitades |
|---|---|---|---|
| El uso de la herramienta Julius AI (ítems del 1 al 5) | 0.941 | 0.941 | 0.881 |
| Adaptación a la herramienta Julius AI (ítems del 6 al 8) | 0.886 | 0.890 | 0.811 |
| Aspectos de privacidad y tratamiento de información de la herramienta Julius AI (ítems del 9 al 10) | 0.798 | - | 0.798 |
Fuente: Elaboración propia
Es importante señalar que, para validar un instrumento asociado a la inteligencia artificial, debe ofrecer un concepto definido y unos estándares que puedan permitir identificar aquellas capacidades, conocimientos y actitudes (Vuorikari et al., 2016).
Los resultados de la validación estadística del instrumento, especialmente en el Alfa de Cronbach, presentan indicadores positivos para cada una de las dimensiones.
Respecto a la dimensión de uso de la herramienta Julius AI, ítems del 1 al 5 en el cuestionario, muestran un resultado altamente conveniente de 0.941, que demuestra que el instrumento permite identificar áreas de la herramienta de IAG Julius para ayudar a generar gráficos y tablas de manera más sencilla asimismo puede analizar de forma oportuna los datos de una hoja de cálculo.
De igual manera, la dimensión de Adaptación a la herramienta Julius AI (ítems del 6 al 8) con un resultado altamente conveniente de 0.886 comprueba que el instrumento permite identificar áreas de la herramienta de Julius AI correspondiente a ahorrar tiempo en tareas estadísticas y mejora la calidad de mis resultados estadísticos
Asimismo, la dimensión de aspectos de privacidad y tratamiento de información de la herramienta de IAG Julius, ítems del 9 al 10 en el cuestionario, muestran un resultado altamente conveniente de 0.798, que demuestra que el instrumento ayuda a identificar áreas de la herramienta de Julius AI referente a la privacidad de los datos y que las personas puedan identificar y corregir posibles sesgos en los resultados generados.
La validación de instrumentos de medida de la inteligencia artificial es fundamental tanto para las personas y ciudadanos digitales como para los estudiantes de universitarios (Silva-Quiroz et al., 2022; Revuelta et al., 2023). Estos instrumentos permiten evaluar de manera confiable el nivel de inteligencia artificial de las personas, para diseñar programas y políticas que aborden las necesidades en cuanto a inteligencia artificial.
Por otro lado, es fundamental contar con instrumentos de medición viables y confiables para lograr procesos de calidad y una adecuada formación en inteligencia artificial.
En análisis factorial demuestra una alta representación de la totalidad de ítems, con un mínimo de 0.631 (ítem No. 8) y un máximo de 0.840 (ítem No. 7), tal como se expresa en la tabla 12.
4. Conclusiones
El instrumento permite conocer el uso de la herramienta Julius AI de los estudiantes que inician su formación universitaria. Es decir, puede ser utilizado por los estudiantes que ingresan a programas de educación superior en instituciones que incluyen en su oferta modelos de educación virtual, a distancia o híbridos, en los que el contacto con la tecnología es mucho más evidente que en otros tipos de programas y la probabilidad de una brecha digital.
