Determinantes de la Satisfacción de los Estudiantes de Ingeniería Comercial de la UATF con el Uso de Herramientas de Inteligencia Artificial en la Educación en la Ciudad De Potosí Un Enfoque PLS-SEM
Barra lateral del artículo
Contenido principal del artículo
Resumen
La incorporación de herramientas de inteligencia artificial (IA) generativa en la educación superior está modificando progresivamente la forma en que los estudiantes aprenden, acceden a la información y resuelven tareas académicas. En este marco, el presente estudio analizó los factores asociados a la satisfacción estudiantil con el uso de IA generativa en un programa universitario del área de ciencias empresariales en el sur de Bolivia. La investigación adoptó un enfoque cuantitativo, con un diseño transversal y alcance correlacional, y se aplicó el modelado de ecuaciones estructurales por mínimos cuadrados parciales (PLS-SEM) a una muestra de 100 estudiantes.
Los resultados evidencian que la satisfacción estudiantil se explica principalmente por variables de carácter funcional y cognitivo. En particular, la utilidad percibida ( beta= 0.340; p = 0.008) y la credibilidad percibida de la información ( beta= 0.201; p = 0.036) mostraron efectos estadísticamente significativos, mientras que la absorción cognitiva y el bienestar emocional no presentaron influencia directa. El modelo explicó el 66.7% de la varianza de la satisfacción (R² = 0.667). En conjunto, los hallazgos sugieren que la satisfacción con la IA generativa se sustenta más en su valor práctico y confiabilidad que en componentes emocionales, lo que orienta a fortalecer estrategias institucionales centradas en el desarrollo de competencias de uso crítico y verificación de información.
Detalles del artículo
Número
Sección
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
La Revista Búsqueda se publica bajo una licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0).
Esta licencia permite a cualquier persona: Compartir, copiar y redistribuir el material en cualquier medio o formato. Adaptar remezclar, transformar y construir sobre el material para cualquier propósito, incluso comercialmente. La única condición es la atribución adecuada del trabajo original. Esto significa que se debe dar crédito apropiado, proporcionar un enlace a la licencia y, en su caso, indicar si se realizaron cambios. Bajo esta licencia, los autores conservan la totalidad de sus derechos de autor sobre sus obras, y se les permite el uso comercial de sus artículos, así como depositarlos en cualquier repositorio institucional o temático (autoarchivo), siempre que se respete la atribución original.
Para acceder al texto completo de la licencia, visite: https://creativecommons.org/licenses/by/4.0/deed.es
Cómo citar
Referencias
Abu Talib, A., Muhamad Ariff, N., Sufian Hasim, M., & Hafiz Hanafiah, M. (2022). Sustainable facilities management (SFM) initiatives in Malaysia hotel industry: Reliability and validity analysis using Smart-PLS. IOP Conference Series: Earth and Environmental Science, 1067(1), 012079. https://doi.org/10.1088/1755-1315/1067/1/012079
Alamäki, A., Ali Khan, U., Kauttonen, J., & Schlögl, S. (2024). An experiment of AI-based assessment: Perspectives of learning preferences, benefits, intention, technology affinity, and trust. Education Sciences, 14(12), 1386. https://doi.org/10.3390/educsci14121386
Almufarreh, A. (2024). Determinants of students’ satisfaction with AI tools in education: A PLS-SEM-ANN approach. Sustainability, 16(13), 5354. https://doi.org/10.3390/su16135354
Álvarez Pérez, P R (2020) Competencias de adaptabilidad y factores de éxito académico del alumnado universitario Revista Iberoamericana de Educación Superior, 11(32), 18–37. https://doi.org/10.22201/iisue.20072872e.2020.32.815
Apaza Coro, O. F., & Flores Lopez, J. E. (2025). Marketing de raíz. Ciencia Latina Internacional. https://doi.org/10.37811/cli_w1235
Apaza Coro, O. F., Bleichner Lopez, J. E., Mendoza Osuna, H. M., & Gutierrez Gonzales, L. P. (2024). Influencia de los creadores de contenido de Instagram en la decisión de compra: Un estudio bibliométrico integrativo. RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação, (75), 585–600. https://dialnet.unirioja.es/servlet/articulo?codigo=10138759
Arango Ramírez, P., González Rosales, V., Leyva Hernández, S., & Galván Mendoza, O. (2023). Validity and reliability of an instrument for measuring types of residents from the perspective of social representations. Revista de Alimentación Contemporánea y Desarrollo Regional, 33(62). https://doi.org/10.24836/es.v33i62.1351
Balasubramanian, K. (2023). Transforming autodidactic experiences with ChatGPT - New challenges in teaching-learning. Edu Spectra, 5(1), 64–72. https://doi.org/10.34293/eduspectra.v5i1.may23.011
Banh, L., & Strobel, G. (2023). Generative artificial intelligence. Electronic Markets, 33(1), 24. https://doi.org/10.1007/s12525-023-00650-7
Calle Díaz, D., Porras Cruz, F., & Santamaría Freire, E. (2024). Modelo de aceptación tecnológica y la difusión de contenidos en estudiantes universitarios. MQRInvestigar, 8(4), 5685–5705. https://doi.org/10.56048/mqr.v8i4.2024.5685-5705
Changoluisa Jaya, L. (2024). Efectos de la inteligencia artificial en el desarrollo socioemocional de adolescentes. Ciencia Latina Revista Científica Multidisciplinar, 8(3), 11565. https://doi.org/10.37811/cl_rcm.v8i3.11565
Ferreira Mello, R., Freitas, E., Dwan Pereira, F., Cabral, L., Tedesco, P., & Ramalho, G. (2023). Education in the era of generative AI: Context and recent developments. Computers and Education: Artificial Intelligence, 5, 100190. https://doi.org/10.1016/j.caeai.2023.100190
Flores, L. J., & Apaza Coro, O. F. (2024). Mapeando la investigación: Estudio bibliométrico sobre customer experience en la fidelización de clientes del sector hotelero. Revista Veritas de Difusión Científica, 5(2), 1215–1235. https://doi.org/10.61616/rvdc.v5i2.144
Franganillo, J. (2023). La inteligencia artificial generativa y su impacto en la creación de contenidos mediáticos. Methaodos: Revista de Ciencias Sociales, 11(2), e23. https://doi.org/10.17502/mrcs.v11i2.710
Gallent Torres, C., Zapata González, A., & Ortego Hernando, J. L. (2023). El impacto de la inteligencia artificial generativa en educación superior: Una mirada desde la ética y la integridad académica. RELIEVE - Revista Electrónica de Investigación y Evaluación Educativa, 29(2). https://doi.org/10.30827/relieve.v29i2.29134
García Martínez, R., Poblano Ojinaga, E., & Noriega Morales, S. (2024). Modelo de regresión lineal PLS-SEM para evaluar el efecto de las capacidades dinámicas en el proceso de mejoramiento de la competitividad en las empresas. CienciaUAT, 19(2), 140–160. https://doi.org/10.29059/cienciauat.v19i2.1843
García Peñalvo, F. J., Llorens Largo, F., & Vidal García, J. (2024). La nueva realidad de la educación ante los avances de la inteligencia artificial generativa. RIED: Revista Iberoamericana de Educación a Distancia, 27(1), 9–39. https://doi.org/10.5944/ried.27.1.37716
Guevara Lozano, C., Camacho Chiriguaya, J. J., Montoya Bonilla, M., Arias Mendoza, N., & Wong Valero, B. (2024). Aprendizaje activo apoyado por inteligencia artificial: Estrategias personalizadas para el desarrollo de la inteligencia emocional en aulas híbridas. Ciencia Latina Revista Científica Multidisciplinar, 8(5), 14217. https://doi.org/10.37811/cl_rcm.v8i5.14217
Hair, J. F., Jr., Hult, G. T. M., Ringle, C. M., Sarstedt, M., Danks, N. P., & Ray, S. (2021). Partial least squares structural equation modeling (PLS- SEM) using R. Springer. https://doi.org/10.1007/978-3-030-80519-7
Hinojosa Mamani, J., Ticona Paucar, J., Mamani Gamarra, J., Yana Pariapaza, D., & Cavero Aybar, H. (2024). ChatGPT y la investigación científica en la educación superior universitaria. Universidad, Ciencia y Tecnología, 28(125), 17–28. https://doi.org/10.47460/uct.v28i125.851
Huang, Q., Lv, C., Lu, L., & Tu, S. (2025). Evaluating the quality of AI- generated digital educational resources for university teaching and learning. Systems, 13(3), 174. https://doi.org/10.3390/systems13030174
Karzan, I., & Szabolcs, D. (2021). Investigación de la relación entre la calidad percibida del servicio de transporte público y la satisfacción: Una técnica PLS-SEM. Sustainability, 13(23), 13018. https://doi.org/10.3390/su132313018
Kim, J., Merrill, K., Jr., Xu, K., & Kelly, S. (2022). Credibilidad percibida de un instructor de IA en la educación en línea: El papel de la presencia social y las funciones de voz. Computers in Human Behavior, 136, 107383. https://doi.org/10.1016/j.chb.2022.107383
Lee, H., Arowosegbe, A., Alqahtani, J., & Oyelade, T. (2024). Percepción del uso de la IA generativa en la educación superior del Reino Unido. Frontiers in Education, 9. https://doi.org/10.3389/feduc.2024.1463208
Li, F., & Yang, Y. (2024). Impacto de las etiquetas de contenido generadas por inteligencia artificial en la precisión percibida, la credibilidad de los mensajes y la intención de compartir información errónea: Experimento controlado, aleatorio y basado en la web. Journal of Medical Internet Research, 26, e60024. https://doi.org/10.2196/60024
Lillo Fuentes, F., Venegas, R., & Lobos, I. (2023). Evaluación automatizada y semiautomatizada de la calidad de textos escritos: Una revisión sistemática. Perspectiva Educacional, 62(2), 5–36. https://doi.org/10.4151/07189729-vol.62-iss.2-art.1420
Maureira Carsalade, N., Flores, S., Olguin Barraza, M., & Maureira Carsalade, N. (2022). Alfa de Cronbach y su intervalo de confianza. Nutrición Hospitalaria, 41(1). https://doi.org/10.20960/nh.04961
Merino Tejedor, E. (2024). Motivación y compromiso académico: Modelo teórico y aplicaciones educativas. International Journal of Developmental and Educational Psychology, 1(1), 225–234. https://doi.org/10.17060/ijodaep.2024.n1.v1.2652
Milla Diaz, K. (2024). Influencia del estrés en el rendimiento académico de los estudiantes universitarios iberoamericanos: Una revisión sistemática. Revista Tribunal, 4(9), 424–445. https://doi.org/10.59659/revistatribunal.v4i9.87
Nolasco Mamani, M., Choque Salcedo, R., Choque Salcedo, C., & Villalba Condori, K. (2024). El papel de la autoeficacia como mediador entre factores educativos y la satisfacción estudiantil. Evidencia desde un modelo de ecuaciones estructurales. Formación Universitaria, 17(6). https://doi.org/10.4067/s0718-50062024000600067
Pearson, A. (2024). Creatividad: Inteligencia artificial generativa a toda máquina. Revista de Marketing Digital y de Redes Sociales, 12(1), 52– 64. https://doi.org/10.69554/vskl5622
Pineda Castillo, K., Cortés Calderón, L., & Yedra, R. (2024). Perspectiva de los estudiantes universitarios sobre el aprendizaje multimedia en formato vídeo: Un estudio cualitativo asistido por inteligencia artificial. IE Revista de Investigación Educativa de la REDIECH, 15, e2009. https://doi.org/10.33010/ie_rie_rediech.v15i0.2009
Pokvić, L., Deumić, A., Softić, A., & Badnjević, A. (2023). Aplicación de la inteligencia artificial para la gestión del mantenimiento y la predicción del rendimiento. En IFMBE Proceedings. Springer. https://doi.org/10.1007/978-3-031-43444-0_6
Ponce, R., & Caguana Telenchana, L. (2023). Regulación emocional y bienestar psicológico en estudiantes universitarios. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, 4(1), 275–288. https://doi.org/10.56712/latam.v4i1.275
Purushottam Ashtikar, S., Manoharan, G., & Muppidi, S. (2025). Navegando la educación en la era de la IA generativa. LATIA, 3, 327. https://doi.org/10.62486/latia2025327
Reinoso Molina, W., Chaguaro Castillo, R., Rodríguez Brusil, D., Cervantes Toledo, B., & Canchig Romero, A. (2024). El efecto adverso del ambiente escolar en la salud emocional de los alumnos de educación básica. Ciencia Latina Revista Científica Multidisciplinar, 8(2), 10762– 10775. https://doi.org/10.37811/cl_rcm.v8i2.10762
Reynaga Marín, M., Apaza Coro, O. F., Zegarra Arce, S., & Flores Lopez, J. E. (2024). Influencia de TikTok en la intención de uso empresarial de la Generación Z de la ciudad de Potosí, Bolivia: Un análisis mediante ecuaciones estructurales. Revista Veritas de Difusión Científica, 5(3), 191–210. https://doi.org/10.61616/rvdc.v5i3.191
Rodríguez Fernández, L., Fernández Mena, A., Torres Magaña, M., & Rodríguez Magaña, M. (2024). Inteligencia artificial en la educación: Modelo de lenguaje de gran tamaño (LLM) como recurso educativo. Revista Ipsumtec, 7(3), 321–334. https://doi.org/10.61117/ipsumtec.v7i2.321
Rubiyanti, N., Abu Sujak, A., Nina Madiawati, P., Nurutami, F., Raja Razali, R., & Syahputra. (2023). Utilidad percibida: Una visualización bibliométrica. IEEE. https://doi.org/10.1109/icondbtm59210.2023.10327098
Ruppar, A., Bubash, S., & Kurth, J. (2022). Identificar y priorizar objetivos de aprendizaje a corto y largo plazo. En Desarrollo de planes educativos. Routledge. https://doi.org/10.4324/9781003175735-12
Sánchez García, E., Martínez Falcó, J., & Marco Lajara, B. (2023). Cercanía cognitiva como fuente de conocimiento e innovación empresarial. RECIAMUC, 7(3), 2–19. https://doi.org/10.26820/reciamuc/7.(3).sep.2023.2-19
Song, X., Hsieh, W. C., Bi, Z., Jiang, C., Liu, M., & Wang, Y. (2024). Modelos lingüísticos de gran escala en los sectores sin fines de lucro y de bienes públicos. OSF Preprints. https://doi.org/10.31219/osf.io/gtfj2
Szűts, Z., Lengyelné Molnár, T., Racskó, R., Vaughan, G., Ceglédi, S., & Dominek, L. (2025). Análisis de la dinámica de flujo de la inteligencia artificial en aplicaciones de aula en tiempo real. Computers, 14(7), 275. https://doi.org/10.3390/computers14070275
Tu, Y., Jiang, S., An, Y., & Yang, Z. (2024). IA vs. Humano vs. IA + Humano: Un estudio sobre la percepción del consumidor sobre la novedad en obras creadas por diferentes entidades. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.5027234
Vafadar, M., & Moradi Amani, A. (2024). La educación académica en la era de la inteligencia artificial generativa. Journal of Electrical and Electronic Engineering, 3, 117–133. https://doi.org/10.37256/jeee.3120244010
Vieriu, A., & Petrea, G. (2025). The impact of artificial intelligence (AI) on students. Education Sciences, 15(3), 343. https://doi.org/10.3390/educsci15030343
Wang, S., Wang, C., Zhu, Z., Wang, J., Tran, T., & Du, Z. (2024). Inteligencia artificial en educación: Una revisión sistemática de la literatura. Expert Systems with Applications, 252, 124167. https://doi.org/10.1016/j. eswa.2024.124167
Zabala, R. M., Granja, L. G., Calderón, H. A., & Velasteguí, L. E. (2021). Efecto en la gestión organizacional y la satisfacción de los usuarios de un sistema informático de planificación de recursos empresariales (ERP) en Riobamba, Ecuador. Información Tecnológica, 32(5), 91–100. https://doi.org/10.4067/s0718-07642021000500101
Zábojník, R., & Hromada, V. (2024). The role of generative AI in empowering generation Z in higher education. Media and Identity, 2024, 75–88. https://doi.org/10.34135/mmidentity-2024-75
Zegarra Arce, S., Apaza Coro, O. F., Reynaga Marín, M. D., & Flores Lopez, J. E. (2024). Estudio sobre la relación entre la calidad del servicio de transporte público y la satisfacción de los pasajeros en Potosí, Bolivia, utilizando PLS-SEM. Revista Veritas de Difusión Científica, 5(3), 339– 358. https://doi.org/10.61616/rvdc.v5i3.339