Competencias en inteligencia artificial para docentes universitarios
Barra lateral del artículo
Contenido principal del artículo
Resumen
El estudio diseñó y validó la Escala de Competencias Docentes en Inteligencia Artificial para la Educación Superior (ECD IAES), orientada a evaluar las competencias en inteligencia artificial del profesorado universitario de Manabí, Ecuador, y analizó su aplicación en una intervención pedagógica con estudiantes. Se desarrolló una investigación de enfoque mixto en dos fases. La primera comprendió la construcción y validación psicométrica del instrumento mediante juicio de expertos, análisis factorial exploratorio, análisis factorial confirmatorio y estimación de la fiabilidad. La segunda consistió en una intervención pedagógica aplicada por docentes con altos niveles de competencia en inteligencia artificial para valorar cambios en el rendimiento académico y en la percepción del aprendizaje significativo de estudiantes universitarios. Los resultados confirmaron una estructura de cinco dimensiones, diseño pedagógico asistido por inteligencia artificial, ética y pensamiento crítico, investigación científica, ingeniería de prompts educativos y evaluación del aprendizaje mediada por inteligencia artificial, con adecuados indicadores de validez y consistencia interna. Además, la intervención evidenció mejoras en el rendimiento académico y en la percepción del aprendizaje. El estudio aporta un instrumento contextualizado para la educación superior ecuatoriana e incorpora la ingeniería de prompts como una competencia docente diferenciada.
##plugins.themes.bootstrap3.displayStats.downloads##
Detalles del artículo
Sección
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Todos los artículos publicados en la Revista de Investigación, Formación y Desarrollo: Generando Productividad Institucional (RIF) se distribuyen bajo la Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0), que permite compartir y adaptar el contenido, siempre que se otorgue el debido reconocimiento a la autoría, no se utilice con fines comerciales y se mantenga la misma licencia.
Los autores conservan sus derechos de autor y otorgan a la revista el derecho de primera publicación. Esto permite a terceros compartir y adaptar el contenido con fines no comerciales, siempre que se atribuya correctamente la obra original y se mantenga la misma licencia.
Para más información sobre la licencia, consulte: https://creativecommons.org/licenses/by-nc-sa/4.0/
Cómo citar
Referencias
Aiken, L. R. (1980). Content validity and reliability of single items or questionnaires. Educational and Psychological Measurement, 40(4), 955–959. https://doi.org/10.1177/001316448004000419
Celik, I. (2023). Towards Intelligent-TPACK: An empirical study on teachers' professional knowledge to ethically integrate artificial intelligence (AI)-based tools into education. Computers in Human Behavior, 138, 107468. https://doi.org/10.1016/j.chb.2022.107468
Chiu, T. K. F., Ahmad, Z., & Çoban, M. (2025). Development and validation of teacher artificial intelligence (AI) competence self-efficacy (TAICS) scale. Education and Information Technologies, 30(5), 6667–6685. https://doi.org/10.1007/s10639-024-13094-z
Dai, W., Tsai, Y.-S., Lin, J., Aldino, A., Jin, H., Li, T., Gašević, D., & Chen, G. (2024). Assessing the proficiency of large language models in automatic feedback generation: An evaluation study. Computers and Education: Artificial Intelligence, 7, 100299. https://doi.org/10.1016/j.caeai.2024.100299
Laupichler, M. C., Aster, A., Haverkamp, N., & Raupach, T. (2023). Development of the “Scale for the Assessment of Non-Experts’ AI Literacy” (SNAIL): An exploratory factor analysis. Computers in Human Behavior Reports, 12, 100338. https://doi.org/10.1016/j.chbr.2023.100338
Ledesma, R. D., Ferrando, P. J., & Tosi, J. D. (2019). Uso del análisis factorial exploratorio en RIDEP: Recomendaciones para autores y revisores. Revista Iberoamericana de Diagnóstico y Evaluación, e Avaliação Psicológica, 52(3), 173–180. https://doi.org/10.21865/RIDEP52.3.13
Lee, D., & Palmer, E. (2025). Prompt engineering in higher education: A systematic review to help inform curricula. International Journal of Educational Technology in Higher Education, 22, 7. https://doi.org/10.1186/s41239-025-00503-7
Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO. https://doi.org/10.54675/ZJTE2084
Mikeladze, T., Meijer, P. C., & Verhoeff, R. P. (2024). A comprehensive exploration of artificial intelligence competence frameworks for educators: A critical review. European Journal of Education, 59(3), Article e12663. https://doi.org/10.1111/ejed.12663
Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, 100041. https://doi.org/10.1016/j.caeai.2021.100041
Redecker, C. (2017). European framework for the digital competence of educators: DigCompEdu. Publications Office of the European Union. https://doi.org/10.2760/159770
Sumba Arévalo, V. M., & Segarra Figueroa, O. P. (2026). Competencias digitales e inteligencia artificial en docentes que cursan un posgrado en educación, Ecuador. European Public & Social Innovation Review, 11, 1–19. https://doi.org/10.31637/epsir-2026-2439
Ventura-León, J. L., & Caycho-Rodríguez, T. (2017). El coeficiente Omega: Un método alternativo para la estimación de la confiabilidad [Carta al editor]. Revista Latinoamericana de Ciencias Sociales, Niñez y Juventud, 15(1), 625–627.
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 & Information Technology, 42(9), 1324–1337. https://doi.org/10.1080/0144929X.2022.2072768
Wang, S., Wang, F., Zhu, Z., Wang, J., Tran, T., & Du, Z. (2025). Towards responsible artificial intelligence in education: A systematic review on identifying and mitigating ethical risks. Humanities and Social Sciences Communications, 12, 1111. https://doi.org/10.1038/s41599-025-05252-6