Propensity for learning automation through the use of generative artificial intelligence
DOI:
https://doi.org/10.32870/dse.v0i34.1739Abstract
This study aims to explore the current state of the use of artificial intelligence platforms in a university context, as support and assistance for students in the preparation of academic work, a practice that promotes the automation of learning. The study is structured from a quantitative perspective, using an exploratory, cross-sectional approach, and reconciles descriptive and correlational analyses. A standardized ad hoc questionnaire was implemented for 445 students from a private university in El Salvador, collecting data over a three-month period between 2023 and 2024. The results demonstrate a trend towards the regular and standardized use of AI tools by just over 60% of students, at varying levels of frequency. These tools provide support that facilitates students in completing activities that are part of the assessment system. In conclusion, the use of these resources involves practices that border on potential ethical and pedagogical risks. The normalization of these platforms' use is justified by the immediate benefits and positive outcomes students obtain. This demonstrates that teaching and assessment processes need to adapt to the advances in these technologies.
Keywords: Artificial intelligence, learning process, student assessment, academic performance, higher education.
Downloads
References
Almogren, A.; W. Al-Rahmi; N. Dahri (2024). Exploring factors influencing the acceptance of ChatGPT in higher education: A smart education perspective. Heliyon, 10(11), e31887. https://doi.org/10.1016/j.heliyon.2024.e31887
Al-Zahrani, A. (2024). Unveiling the shadows: Beyond the hype of AI in education. Heliyon, 10(9), e30696. https://doi.org/10.1016/j.heliyon.2024.e30696
An, Q.; J. Yang; X. Xu; Y. Zhang; H. Zhang (2024). Decoding AI ethics from Users' lens in education: A systematic review. Heliyon, 10(20), e39357. https://doi.org/10.1016/j.heliyon.2024.e39357
Arévalo, J.; M. Quinde (2023). ChatGPT: La creación automática de contenidos con Inteligencia Artificial y su impacto en la comunicación académica y educativa. Revista Desiderata, (22),136-142. https://bit.ly/481FdCQ
Badii, M.; A. Guillen; O. Lugo; J. Aguilar (2014). Correlación No-Paramétrica y su aplicación en la investigaciones científica. Daena: International Journal of Good Conscience, 9(2), 31-40. https://bit.ly/4hG5T03
Bernal, C. (2012). Metodología de la investigación: administración, economía, humanidades y ciencias sociales (3ª. ed.). Colombia: Pearson Educación.
Briñis-Zambrano, A. (2024). Beneficios y limitaciones en docentes y estudiantes universitarios salvadoreños sobre el uso de IA en procesos de enseñanza-aprendizaje. European Public & Social Innovation Review, 9, 1-19. https://doi.org/10.31637/epsir-2024-368
Browne, M.; R. Cudeck (1993). Alternative ways of assessing model fit. En: Bollen, K.; J. Long, (eds.). Testing Structural Equation Models. USA: Sage, 136-162.
Boateng, G.; T. Neilands; T. Frongillo; H. Melgar-Quiñonez; S. Young (2018). Best Practices for Developing and Validating Scales for Health, Social, and Behavioral Research: A Primer. Front Public Health, 6, 149. https://doi.org/10.3389/fpubh.2018.00149
Buzzetto-Hollywood, N.; A. Alade (2018). An examination of Gen Z learners attending a minority university. Interdisciplinary Journal of e-Skills and Lifelong Learning, 14, 41-53. https://doi.org/10.28945/3969
Carrión, W.; V. Bravo; M. Yánez; C. Beltrán (2022). Aplicaciones de la Inteligencia Artificial en la Preservación de la Originalidad y la Integridad Académica en estudiantes Universitarios. Journal of Science and Research, 7(2), 179-200. https://bit.ly/3IqSvRN
Castillejos, B. (2022). Inteligencia artificial y los entornos personales de aprendizaje: atentos al uso adecuado de los recursos tecnológicos de los estudiantes universitarios. Educación, 31(60), 9-24. https://doi.org/10.18800/educacion.202201.001
Chao-Rebolledo, C.; M. Rivera-Navarro (2024). Usos y percepciones de herramientas de inteligencia artificial en la educación superior en México. Revista Iberoamericana De Educación, 95(1), 57-72. https://doi.org/10.35362/rie9516259
Deleon, M. (2025). Data Base. Student Use of Artificial Intelligence in Academic Work. Mendeley Data, V1. https://doi.org/10.17632/hhr76c6bds.1
Diego, F.; I. Morales; M. Vidal (2023). Chat GPT: origen, evolución, retos e impactos en la educación. Educación Médica Superior, 37(2). http://bit.ly/4hSVKxn
Dominguez-Lara, S. (2019). Correlación entre residuales en análisis factorial confirmatorio: una breve guía para su uso e interpretación. Interacciones - Revista de Avances en Psicología, 5(3), e207. https://doi.org/10.24016/2019.v5n3.207
Frías-Navarro, D. (2020). Apuntes de consistencia interna de las puntuaciones de un instrumento de medida. España: Universidad de Valencia. https://bit.ly/480u8TG
Galindo-Domínguez, H.; N. Delgado; L. Campo; M. Sainz (2024). Uso de ChatGpt en educación superior: un análisis en función del género, rendimiento académico, año y grado universitario del alumnado. REDU. Revista de Docencia Universitaria, 22(2), 16-30. https://doi.org/10.4995/redu.2024.21647
Gallent, C.; A. Zapata; J. Ortego (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, F.; F. Llorens-Largo; J. Vidal (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
Gaskin, J.; J. Lim (2016). Model Fit Measures. AMOS Plugin. https://bit.ly/4fKApp7
Gil, R.; D. Gutiérrez-Ujaque; M. Teixidó (2024). De la ansiedad al empoderamiento: impacto del uso de la inteligencia artificial en la percepción de los estudiantes en educación superior. REDU. Revista de Docencia Universitaria, 22(2), 85-104. https://doi.org/10.4995/redu.2024.22009
González, L. (2020). Teoría de sesgos en el sistema educativo de la democracia del siglo XXI Nuevas garantías para la libertad de pensamiento, el “Derecho a no ser engañados”. Revista de Educación y Derecho, (22). https://doi.org/10.1344/REYD2020.22.32351
Guay, F.; C. Ratelle; A. Roy; D. Litalien (2010). Academic self-concept, autonomous academic motivation, and academic achievement: Mediating and additive effects. Learning and Individual Differences, 20(6), 644-653. https://doi.org/10.1016/j.lindif.2010.08.001
Guárdia, L.; Z. Bekerman; M. Zapata-Ros (2024). Presentación del número especial “IA generativa, ChatGPT y Educación. Consecuencias para el Aprendizaje Inteligente y la Evaluación Educativa”. Revista de Educación a Distancia (RED), 24(78). https://doi.org/10.6018/red.609801
Hernández, N.; M. Rodríguez-Conde (2024). Inteligencia artificial aplicada a la educación y la evaluación educativa en la Universidad: introducción de sistemas de tutorización inteligentes, sistemas de reconocimiento y otras tendencias futuras. Revista de Educación a Distancia (RED), 24(78). https://doi.org/10.6018/red.594651
Herrero, J. (2010). El Análisis Factorial Confirmatorio en el estudio de la Estructura y Estabilidad de los Instrumentos de Evaluación: Un ejemplo con el Cuestionario de Autoestima CA-14. Psychosocial Intervention, 19(3), 289-300. https://bit.ly/4hH29Ne
Ladrón-de-Guevara-Cortés, R.; A. Gómez; V. Peña; R. Madrid (2020). Influencia del nivel de avance educativo y el género en la toma de decisiones financieras: una aproximación desde la Prospect Theory. Revista Finanzas y Política Económica, 12(1), 19-54. https://doi.org/10.14718/revfinanzpolitecon.v12.n1.2020.3092
Lloret-Segura, S.; A. Ferreres-Traver; A. Hernández-Baeza; I. Tomás-Marco (2014). El análisis factorial exploratorio de los ítems: una guía práctica, revisada y actualizada. Anales de Psicología / Annals of Psychology, 30(3), 1151-1169. https://doi.org/10.6018/analesps.30.3.199361
López-Roldán, P.; S. Fachelli (2016). Metodología de la investigación social cuantitativa (1ª. ed., 3 ª. versión). España: Universitat Autónoma de Barcelona. https://bit.ly/3t6TpeQ
Naranjo-Pereira, M. (2009). Motivación: perspectivas teóricas y algunas consideraciones de su importancia en el ámbito educativo. Revista Educación, 33(2), 153-170. https://doi.org/10.15517/revedu.v33i2.510
Navarro-Dolmestch, R. (2023). Descripción de los riesgos y desafíos para la integridad académica de aplicaciones generativas de inteligencia artificial. Derecho PUCP, (91), 231-270. https://doi.org/10.18800/derechopucp.202302.007
Ortiz, M.; M. Fernández-Pera (2018). Modelo de Ecuaciones Estructurales: Una guía para ciencias médicas y ciencias de la salud. Terapia psicológica, 36(1), 51-57. https://dx.doi.org/10.4067/s0718-48082017000300047
Pagano, R. (1999). Estadística para las Ciencias del Comportamiento (5ª. ed.). International Thomson Editores.
Pitso, T. (2023). Telagogy: New theorisations about learning and teaching in higher education post-Covid-19 pandemic. Cogent Education, 10(2), 2258278. https://doi.org/10.1080/2331186X.2023.2258278
Rodríguez, A.; M. González (2025). Nueva realidad educativa virtual, una visión desde la perspectiva de los docentes del nivel superior. IE Revista De Investigación Educativa De La REDIECH, 16, e2290. https://doi.org/10.33010/ie_rie_rediech.v16i0.2290
Romo-Pérez, V.; J. García-Soidán; A. Selman; R. Leirós-Rodríguez (2023). ChatGPT ha llegado ¿Y ahora qué hacemos? La creatividad, nuestro último refugio. Revista de Investigación en Educación, 21(3), 320-334. https://doi.org/10.35869/reined.v21i3.4973
Roque-Hernández, R. (2020). Diseño de un instrumento para medir la aceptación y los beneficios percibidos de la programación por pares en los cursos universitarios. Acta Universitaria, 30, 1-12. https://doi.org/10.15174/au.2020.2877
Ruiz, M.; A. Pardo; R. San Martín (2010). Modelos de ecuaciones estructurales [Structural equation models]. Papeles del Psicólogo, 31(1), 34-45. https://bit.ly/3Yyo0xm
Sierra, R. (2001). Técnicas de investigación Social: Teoría y Ejercicios (14ª. ed.). España: Ediciones Paraninfo.
Tarrillo, O.; Mejía, J.; Dávila; W. Chilón; C. Pintado; C. Tapia; S. Velez (2024). Metodología de la investigación una mirada global: Ejemplos prácticos. CID - Centro de Investigación y Desarrollo. https://doi.org/10.37811/cli_w1078
Vaamonde, J.; A. Omar (2008). La deshonestidad académica como un constructo multidimensional. Revista Latinoamericana de Estudios Educativos (México), 38(3-4), 7-27. https://bit.ly/4kQV0LC
Villegas, M.; E. Rivas (2025). Evidences from the literature on the Motivations, Consequences, and Concerns Regarding the Use of Artificial Intelligence in Higher Education. Revista De Gestão Social E Ambiental, 19(3), e011575. https://doi.org/10.24857/rgsa.v19n3-097
Yan, Y.; B. Wu; J. Pi; X., Zhang (2025). Perceptions of AI in Higher Education: Insights from Students at a Top-Tier Chinese University. Education Sciences, 15(6), 735. https://doi.org/10.3390/educsci15060735
Zhai, X. (2022). ChatGPT User Experience: Implications for Education. SSRN, 4312418. http://dx.doi.org/10.2139/ssrn.4312418
Zapata-Ros, M. (2023, 29 de junio). Inteligencia artificial generativa y aprendizaje inteligente. RED. https://doi.org/10.58079/tdr9
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Universidad de Guadalajara
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Once a manuscript is accepted for publication in the journal, its author(s) must sign a letter transferring the editorial rights to the University of Guadalajara for the editing, publication and dissemination of the paper. After being notified of its publication, the author(s) will be sent a letter of transfer of rights which must be signed and sent back to the journal’s editor.
