Learners’ Engagement with Artificial Intelligence: Validation of the Cognitive-Affective AI Engagement Model
Este estudio valida el Modelo de Compromiso Cognitivo-Afectivo con la IA (CAAIEM) como un marco de cuatro dimensiones fiable para medir el compromiso de los estudiantes universitarios con las herramientas de IA basadas en LLM, demostrando sólidas propiedades psicométricas mediante el análisis factorial confirmatorio de datos de 1.249 estudiantes húngaros de primer año, al tiempo que señala la necesidad de una mayor validación transcultural.
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
En el aula moderna, se está produciendo una revolución silenciosa, impulsada no por nuevos libros de texto o pizarras, sino por programas informáticos inteligentes capaces de escribir ensayos, resolver problemas y mantener conversaciones. Estas herramientas, conocidas como modelos de lenguaje extensos, han pasado del reino de la ciencia ficción a la vida cotidiana de los estudiantes. Para los educadores e investigadores, ha surgido una pregunta apremiante: ¿cómo se conectan realmente los alumnos con estas tecnologías? ¿Es su relación con la inteligencia artificial simplemente una cuestión de marcar una casilla de utilidad, o implica sentimientos, hábitos y esperanzas futuras más profundos? Para entender esto, los científicos observan el compromiso (engagement), un concepto que describe qué tan profundamente se involucra una persona en una actividad. Tradicionalmente, esto se ha visto a través del lente de si una herramienta es útil o fácil de usar. Sin embargo, a medida que la inteligencia artificial se vuelve más conversacional y personal, los investigadores sospechan que el panorama es más complejo. Probablemente involucra con qué frecuencia interactúa un estudiante con la herramienta, cuánto disfruta la experiencia, qué tan seguro se siente de su capacidad para usarla de manera efectiva y si planea seguir aprendiendo con ella en los años venideros. Comprender estos niveles es crucial, porque si las escuelas y los desarrolladores solo se enfocan en si una herramienta funciona, pueden pasar por alto los impulsores emocionales y conductuales que hacen que los estudiantes regresen para aprender.
Un equipo de investigadores de la Universidad de Szeged en Hungría se propuso mapear este territorio inexplorado. Propusieron una nueva forma de ver cómo los estudiantes se comprometen con la inteligencia artificial, sugiriendo que no es un sentimiento único, sino una combinación de cuatro partes distintas. Llamaron a esto el Modelo de Compromiso de IA Cognitivo-Afectivo. La primera parte es la intensidad de la interacción, que simplemente mide con qué frecuencia y qué tan profundamente utiliza los estudiantes estas herramientas en su vida diaria y estudios. La segunda es la eficacia instrumental, que captura la creencia del estudiante de que la tecnología realmente le ayuda a realizar su trabajo de manera más rápida y mejor. La tercera es el compromiso afectivo, un término que se refiere al lado emocional de la experiencia: ¿sienten los estudiantes disfrute, comodidad y un gusto genuino cuando usan la IA? La pieza final es la intención de continuidad del aprendizaje, que mira hacia el futuro, midiendo si el estudiante planea seguir aprendiendo sobre y utilizando estas tecnologías a medida que evolucionan.
Para probar si este modelo de cuatro partes reflejaba con precisión la realidad, los investigadores reunieron a un gran grupo de estudiantes universitarios de primer año. Invitaron a 1,249 estudiantes de diversas facultades de la universidad a participar en un estudio. Los participantes, que tenían mayoritariamente entre 18 y 22 años, completaron un cuestionario diseñado para medir cada una de estas cuatro áreas. Las preguntas les pedían informar con qué frecuencia usaban las aplicaciones de IA, cuánto estaban de acuerdo en que la IA mejoraba su rendimiento, cuánto disfrutaban usándola y si tenían la intención de seguir aprendiendo sobre ella en el futuro. Luego, los investigadores utilizaron métodos estadísticos sofisticados para ver si las respuestas de los estudiantes se agrupaban naturalmente en las cuatro categorías que el modelo predecía, o si los datos sugerían una estructura diferente.
Los resultados fueron claros y respaldaron el nuevo modelo. Cuando los investigadores analizaron los datos, encontraron que las cuatro categorías que habían propuesto eran, de hecho, la mejor manera de describir cómo estos estudiantes se comprometían con la inteligencia artificial. Los datos no se ajustaban a un modelo más simple donde todas las respuestas apuntaban a un solo sentimiento general, ni se ajustaban a un modelo con solo tres categorías. En cambio, las cuatro dimensiones distintas destacaron como partes separadas pero conectadas de la experiencia total. Las respuestas de los estudiantes mostraron consistentemente que su comportamiento, sus creencias sobre la utilidad, sus emociones y sus planes futuros eran todos aspectos medibles y distintos de su compromiso. El estudio confirmó que estas cuatro partes trabajan juntas para formar una imagen completa de cómo un alumno se relaciona con la IA.
Los investigadores también verificaron para asegurar que las preguntas que hicieron fueran confiables y que realmente estuvieran midciendo lo que pretendían medir. Encontraron que las preguntas para cada una de las cuatro áreas eran consistentes; por ejemplo, las preguntas sobre el disfrute estaban estrechamente relacionadas entre sí, al igual que las preguntas sobre planes futuros. Esto les dio confianza en que el modelo era una herramienta sólida para entender el comportamiento de los estudiantes. Además, verificaron que estas cuatro áreas eran lo suficientemente diferentes entre sí como para ser tratadas como conceptos separados, aunque estuvieran relacionados. Por ejemplo, un estudiante que encontraba útil la IA también tendía a disfrutar usándola, pero el estudio mostró que la utilidad y el disfrute no eran lo mismo. Del mismo modo, un estudiante que usaba la IA con frecuencia tenía motivaciones diferentes a las de uno que simplemente planeaba usarla en el futuro.
Este estudio ofrece un paso significativo en la comprensión del lado humano de la inteligencia artificial en la educación. Al desglosar el compromiso en estos cuatro componentes específicos, los investigadores proporcionaron un marco que los educadores y desarrolladores pueden utilizar para ver más allá de las simples estadísticas de uso. Sugiere que, para que los estudiantes se beneficien realmente de la IA, la tecnología no solo debe ser efectiva, sino también emocionalmente resonante y alineada con sus metas de aprendizaje a largo plazo. Los hallazgos indican que la integración exitosa de estas herramientas requiere prestar atención a cómo se sienten los estudiantes respecto a la tecnología y cómo la imaginan utilizando en su futuro, no solo si les ayuda a completar una tarea hoy. Si bien el estudio se centró en un grupo específico de estudiantes en Hungría, el modelo que validó ofrece un nuevo lenguaje para describir la compleja relación entre los alumnos y las máquinas inteligentes que cada vez más moldean su educación.
¿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.