Profiling Faculty Adoption of Generative AI: A Latent Profile Analysis of Platform Engagement and Inferred Drivers
Este estudio utiliza el Análisis de Perfiles Latentes sobre datos objetivos de registros de la plataforma de 358 miembros del profesorado para identificar dos perfiles distintos de uso de la IA generativa —"Asistencia en la Enseñanza" y "Apoyo en la Investigación"— cerrando así la brecha entre las intenciones autoinformadas y los comportamientos reales para informar estrategias de apoyo institucional diferenciadas.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Imagina que estás tratando de entender cómo un grupo de personas utiliza una nueva herramienta mágica. En el mundo de la ciencia, esto se llama a menudo "adopción tecnológica". Durante mucho tiempo, los investigadores han preguntado a las personas: "¿Te gusta esta herramienta? ¿Con qué frecuencia la usas?". Pero hay un inconveniente: las personas no siempre son honestas. Pueden decir que usan una herramienta todos los días porque suena genial, o pueden olvidar las veces que realmente la usaron. Esta brecha entre lo que la gente dice que hace y lo que realmente hace es un gran problema. Para solucionar esto, los científicos están empezando a observar las "huellas digitales": los rastros invisibles que dejamos al hacer clic, escribir y desplazarnos en las computadoras. Al estudiar estas huellas en lugar de hacer preguntas, los investigadores pueden ver la historia real. Este artículo se sumerge en ese mundo, analizando cómo los profesores universitarios utilizan un nuevo tipo de "cerebro mágico" llamado IA Generativa. Se pregunta: ¿Están los profesores usándola solo para facilitar sus tareas, o la están usando para descubrir nuevos secretos del universo? Y, ¿importa si son buenos con las computadoras o si apenas están comenzando?
Este estudio, titulado "Perfilado de la Adopción de la IA Generativa por parte del Profesorado", ofrece una mirada fresca a cómo un grupo de 358 profesores universitarios en Dalian, China, utilizaron realmente una plataforma de aprendizaje inteligente entre enero y junio de 2025. En lugar de enviar encuestas y esperar la verdad, los investigadores actuaron como detectives digitales. Analizaron los "registros" (logs): los registros automáticos de cada clic, cada minuto dedicado y cada función utilizada por los profesores. Querían ver si había patrones ocultos en el comportamiento de estos profesores.
Utilizando una técnica matemática especial llamada "Análisis de Perfil Latente" (piensa en ello como una forma superinteligente de clasificar a las personas en grupos según sus hábitos), los investigadores descubrieron que los profesores naturalmente se dividieron en dos campos muy diferentes. No solo usaban la IA un poco o mucho; la usaban por razones completamente distintas.
El primer grupo es el "Tipo de Asistencia Docente". Imagina a estos profesores como los "Ayudantes del Aula". La mayoría de ellos aparece durante los días laborables, justo durante el horario escolar normal, tal como una jornada laboral regular. Usan la IA para hacer cosas que les ayudan a enseñar: generar planes de clase, calificar tareas y crear materiales de estudio. Estos profesores tienden a ser principiantes con la tecnología. Usan la herramienta para que su trabajo diario de enseñanza sea más fluido y rápido, pero no suelen profundizar en tareas de investigación complejas. Son los trabajadores confiables que usan la herramienta para cumplir con su trabajo principal.
El segundo grupo es el "Tipo de Apoyo a la Investigación". Estos son los "Buceadores Profundos". Son mucho más activos durante las noches y los fines de semana, momentos en los que la mayoría de la gente está relajándose. No solo usan la IA para tareas simples; la usan para el trabajo pesado, como escribir artículos académicos, gestionar conocimientos complejos y analizar datos de investigación. Este grupo está compuesto principalmente por expertos que se sienten muy cómodos con la tecnología. Tratan a la IA como un socio poderoso en sus descubrimientos científicos, utilizándola para periodos largos y sostenidos para resolver problemas difíciles.
El estudio sugiere que estos dos grupos son bastante distintos. Los profesores de "Asistencia Docente" son como los viajeros que usan el tren para llegar al trabajo a tiempo, mientras que los de "Apoyo a la Investigación" son como exploradores que usan el tren para viajar a tierras nuevas y desconocidas tarde en la noche. Los datos mostraron que, aunque ambos grupos usan la herramienta, sus hábitos, tiempos y niveles de habilidad son muy diferentes.
Un detalle interesante que encontró el estudio es que ser bueno con las computadoras importa. Los "Buceadores Profundos" (Apoyo a la Investigación) tenían muchas más probabilidades de ser expertos, mientras que los "Ayudantes del Aula" eran mayoritariamente principiantes. Esto sugiere que, si se quiere que los profesores usen la IA para la investigación profunda, primero podrían necesitar más capacitación y confianza.
Los investigadores advierten cuidadosamente que esto se basa en los datos de una sola universidad, por lo que no podemos estar 100% seguros de que esto sea cierto para todas las escuelas del mundo. Sin embargo, los patrones que encontraron son claros y fuertes dentro de sus datos. Argumentan que las escuelas no deberían tratar a todos los profesores por igual. En lugar de dar a todos el mismo entrenamiento aburrido, las escuelas deberían ofrecer diferentes tipos de ayuda: consejos rápidos y fáciles para los "Ayudantes del Aula" que solo quieren calificar papeles más rápido, y talleres avanzados de inmersión profunda para los "Buceadores Profundos" que desean expandir los límites de la ciencia.
Al observar las huellas digitales reales en lugar de solo escuchar lo que la gente dice, este artículo abre una ventana al mundo real de cómo los profesores se están adaptando al futuro. Muestra que, aunque todos usan la misma herramienta, la están utilizando de dos maneras muy diferentes para resolver dos problemas muy diferentes.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.