📄 social_science

Ethical Awareness, Translanguaging-based EFL Proficiency, and AI Usefulness Predict Decision Quality among University Students

Basado en un estudio de 409 estudiantes universitarios indonesios, la conciencia ética y la fluidez en el idioma inglés mejoran de forma independiente la calidad de la toma de decisiones asistida por IA, siendo que la conciencia ética también aumenta significativamente la utilidad percibida de la IA, lo que sugiere que integrar la alfabetización ética y la competencia lingüística es crucial para una integración efectiva de la IA en la educación superior.

Autores originales: Havid Ardi, Rino Dwi Putra, An Fauzia Rozani Syafei, Dian Safitri, Anisa Nurjanah

Publicado 2026-09-05

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Havid Ardi, Rino Dwi Putra, An Fauzia Rozani Syafei, Dian Safitri, Anisa Nurjanah

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, los estudiantes ya no aprenden de forma aislada; están navegando por un paisaje complejo donde el pensamiento humano se encuentra con la inteligencia artificial. En el corazón de esta nueva realidad hay tres fuerzas distintas que moldean cómo los estudiantes universitarios aprenden y toman decisiones. Primero, está la creciente presencia de las herramientas de IA, que pueden generar texto, resolver problemas y ofrecer información al instante. Segundo, está la propia conciencia ética del estudiante, una especie de brújula interna que les ayuda a juzgar qué es justo, honesto y responsable al utilizar estas poderosas máquinas. Tercero, está la capacidad lingüística, específicamente la habilidad de moverse fluidamente entre diferentes idiomas, una práctica conocida como translenguaje. En muchas partes del mundo, incluyendo Indonesia, los estudiantes no solo alternan entre el inglés y su lengua materna; los mezclan para dar sentido a ideas complejas. Comprender cómo interactúan estos tres elementos es crucial porque determina si la decisión final de un estudiante —ya sea en un ensayo, un proyecto de investigación o una elección de carrera— es reflexiva y de alta calidad, o simplemente una copia apresurada de lo que sugirió una máquina.

Un equipo de investigadores de la Universidad Estatal de Padang, en Indonesia, se propuso mapear las conexiones entre estas fuerzas. Querían saber si el sentido del bien y del mal de un estudiante cambia la utilidad que le encuentran a la IA, y si su capacidad para manejar múltiples lenguajes les ayuda a usar la IA para tomar mejores decisiones. Para encontrar las respuestas, los investigadores encuestaron a estudiantes de pregrado de universidades privadas de todo el país. Estos estudiantes variaban en edad, desde menores de 18 hasta más de 26 años, con una mezcla de aquellos que estudiaban inglés y aquellos que estudiaban otras materias. Los investigadores les hicieron preguntas detalladas sobre sus hábitos, sus creencias sobre la privacidad de los datos y el sesgo, cómo usaban herramientas de IA como ChatGPT y cómo evaluaban la información que esas herramientas proporcionaban. El análisis final se basó en 313 respuestas válidas recolectadas de estos estudiantes. Al analizar las respuestas, el equipo pudo ver qué factores impulsaban realmente la calidad de las decisiones que tomaban los estudiantes.

El estudio reveló una historia clara y poderosa sobre el papel de la ética. Los estudiantes que poseían un fuerte sentido de la conciencia ética no solo veían a la IA como un gadget genial; la veían como una herramienta genuinamente útil para su trabajo académico. Cuando los estudiantes se sentían seguros de que comprendían los riesgos del sesgo o la importancia de proteger los datos personales, eran más propensos a confiar en la IA e integrarla en su flujo de trabajo. Esta confianza no era ciega; más bien, era un compromiso responsable que conducía a mejores resultados. Los datos mostraron que esta conciencia ética tenía una línea directa hacia la calidad de las decisiones de los estudiantes. Aquellos que pensaban cuidadosamente sobre las implicaciones morales del uso de la IA eran mejores filtrando información, detectando errores y tomando decisiones que resistían el escrutinio. En resumen, una brújula moral sólida hacía que la tecnología funcionara mejor para el estudiante.

La investigación también confirmó que el simple hecho de encontrar la IA útil conduce a mejores resultados. Cuando los estudiantes creían que la IA les ayudaba a trabajar más rápido o a pensar más profundamente, producían decisiones académicas de mayor calidad. Esta relación fue fuerte y constante en todo el grupo. Sin embargo, el estudio desafió una suposición común sobre las habilidades lingüísticas. Los investigadores habían hipotetizado que los estudiantes que eran altamente hábiles al mezclar el inglés y el indonesio obtendrían un impulso adicional al usar la IA. La idea era que estos estudiantes bilingües podrían ser mejores traduciendo la producción de la IA o detectando matices que otros pasarían por alto, actuando efectivamente como un puente que hacía que la tecnología fuera aún más poderosa para ellos. Los datos, sin embargo, contaron una historia diferente. Si bien los estudiantes con fuertes habilidades lingüísticas también tomaban mejores decisiones por sí mismos, su capacidad lingüística no amplificaba los beneficios de la IA. La tecnología ayudaba a todos por igual, independientemente de su fluidez lingüística. Las dos ventajas —ser bueno con el lenguaje y usar bien la IA— trabajaban de la mano, sumándose al resultado final, pero no se multiplicaban entre sí.

Estos hallazgos sugieren que el camino hacia la toma de decisiones de alta calidad en la era de la IA tiene menos que ver con tener un superpoder lingüístico específico y más con cultivar una mentalidad responsable. El estudio indica que los estudiantes más efectivos son aquellos que combinan una comprensión profunda de los principios éticos con una creencia práctica en el valor de las herramientas que utilizan. Su capacidad para emitir juicios sólidos proviene de un compromiso crítico más que de la flexibilidad lingüística. Para educadores y responsables de políticas, esto significa que la formación de los estudiantes en el uso de la IA debe centrarse fuertemente en la ética y el pensamiento crítico. Enseñar a los estudiantes a cuestionar a la máquina, a buscar el sesgo y a comprender los límites de la tecnología parece ser tan importante, si no más, que enseñarles cómo redactar un "prompt" en un idioma específico. El estudio concluye que, si bien las habilidades lingüísticas siguen siendo un activo valioso para cualquier estudiante, el verdadero motor de un uso eficaz de la IA es el marco ético que el estudiante aporta a la interacción.

Resumen Técnico: La conciencia ética, la competencia de EFL basada en el translenguaje y la utilidad de la IA predicen la calidad de la decisión entre estudiantes universitarios

Planteamiento del problema y brecha de investigación
La rápida integración de la IA generativa en la educación superior requiere una comprensión más profunda de cómo los factores humanos —específicamente la conciencia ética y las competencias lingüísticas— interactúan con las herramientas tecnológicas para moldear la toma de decisiones académicas. Aunque la literatura existente ha examinado por separado las actitudes éticas hacia la IA, los beneficios cognitivos del translenguaje en el aprendizaje de lenguas y la utilidad de las herramientas de IA, persisten desconexiones teóricas significativas. Los estudios previos suelen operacionalizar la ética simplemente como un antecedente unidimensional de la aceptación de la tecnología, sin explorar su doble potencial tanto como motor de la utilidad percibida como filtro independiente de la calidad de la decisión. Además, aunque se sabe que el translenguaje mejora la flexibilidad cognitiva, no está claro si la competencia lingüística actúa como un moderador (amplificando el efecto de la IA en los resultados) o como un predictor aditivo (operando como un recurso independiente). Asimismo, los modelos de adopción existentes (p. ej., TAM, UTAUT) desarrollados en contextos occidentales y de predominio inglés han sido aplicados a entornos no occidentales sin adaptación teórica, lo que podría pasar por alto cómo el razonamiento ético-normativo y la flexibilidad cognitiva multilingüe reconfiguran la relación entre la utilidad de la IA y la calidad de la decisión. Este estudio aborda estas brechas proponiendo y probando empíricamente un modelo reconceptualizado dentro del contexto de la educación superior indonesia.

Metodología
El estudio emplea un diseño cuantitativo transversal utilizando Modelado de Ecuaciones Estructurales de Mínimos Cuadrados Parciales (PLS-SEM) para analizar datos de 313 estudiantes de pregrado de nueve universidades en Indonesia. La muestra incluye una mezcla heterogénea de estudiantes de programas de lengua inglesa (26.2%) y de programas no ingleses (73.8%), asegurando la varianza en la competencia de EFL basada en el translenguaje.

Recolección de datos: Se distribuyó un cuestionario en línea a través de Google Forms mediante un muestreo por conveniencia y de propósito. La participación fue voluntaria y se obtuvo el consentimiento informado.
Instrumentación: Se midieron cuatro constructos clave utilizando escalas Likert de múltiples ítems (5 puntos) adaptadas de literatura validada:
- Conciencia Ética (ETHICS): 8 ítems que evalúan la privacidad de los datos, la responsabilidad, el reconocimiento de sesgos y la adherencia a las directrices éticas.
- Competencia de EFL basada en el translenguaje (EFL): 10 ítems que miden la integración estratégica del indonesio y el inglés al interactuar con herramientas de IA (p. ej., prompts, edición, evaluación).
- Utilidad Percibida de la IA (USEFUL): 8 ítems que reflejan la facilidad de uso, la eficiencia de las tareas y el apoyo cognitivo.
- Calidad de la Decisión (QUALITY): 8 ítems que capturan la capacidad de evaluar, verificar, contextualizar y simplificar la información generada por la IA.
Enfoque analítico: Los datos fueron examinados para detectar valores faltantes y valores atípicos. El modelo de medición se evaluó para la confiabilidad de los indicadores (cargas externas $\ge$ 0.70), consistencia interna (Confiabilidad Compuesta y alfa de Cronbach), validez convergente (AVE $\ge$ 0.50) y validez discriminante (relación HTMT < 0.90). El modelo estructural se probó utilizando SmartPLS con 5,000 remuestreos de bootstrap para evaluar los coeficientes de trayectoria, niveles de significancia, tamaños de efecto ( $f^2$ ) y relevancia predictiva ( $Q^2$ ). Se realizó un análisis de moderación para probar si la competencia de EFL altera la relación entre la utilidad percibida de la IA y la calidad de la decisión.

Resultados Clave
El modelo estructural demostró un poder explicativo sustancial, con los predictores explicando el 65.3% de la varianza en la Calidad de la Decisión ( $R^2 = 0.653$ ) y el 35.3% de la varianza en la Utilidad Percibida de la IA.

La Conciencia Ética como un Doble Motor: La conciencia ética influye significativa y positivamente tanto en la Utilidad Percibida de la IA ( $\beta = 0.594, p < 0.001$ ) como directamente en la Calidad de la Decisión ( $\beta = 0.291, p < 0.001$ ). Esto confirma que los estudiantes con mayor sensibilidad ética no solo perciben la IA como más útil, sino que también toman decisiones de mayor calidad independientemente de su percepción de la utilidad de la herramienta.
Impacto de la Utilidad Percibida: La Utilidad Percibida de la IA tiene un efecto directo, positivo y fuerte sobre la Calidad de la Decisión ( $\beta = 0.406, p < 0.001$ ), lo que indica que los estudiantes que encuentran la IA útil la aprovechan para tomar mejores decisiones académicas.
Papel de la Competencia de EFL basada en el Translenguaje:
- Efecto Directo: La competencia de EFL predice significativamente la Calidad de la Decisión ( $\beta = 0.230, p < 0.001$ ), lo que respalda la hipótesis de que la competencia lingüística sirve como un recurso cognitivo independiente que mejora la toma de decisiones.
- Efecto de Moderación: La interacción entre la competencia de EFL y la Utilidad Percibida de la IA no fue significativa ( $\beta = -0.044, p = 0.148$ ). En consecuencia, se rechazó la hipótesis de que la competencia de translenguaje modera (fortalece) el vínculo entre la utilidad de la IA y la calidad de la decisión. Los datos sugieren que la competencia lingüística y la utilidad de la IA operan como factores aditivos en lugar de interactivos en este contexto.

Contribuciones Clave y Significado
El artículo afirma realizar tres contribuciones primordiales a la literatura:

Refinamiento Teórico de la Conciencia Ética: Va más allá de ver la ética únicamente como un precursor de la aceptación tecnológica, demostrando su doble papel tanto como configuradora de la utilidad percibida como un filtro independiente que eleva directamente la calidad de la decisión.
Clarificación de los Mecanismos Lingüísticos: Al rechazar la hipótesis de moderación, el estudio desafía la suposición de que la competencia lingüística amplifica los beneficios de la IA. En su lugar, postula que la competencia de EFL basada en el translenguaje funciona como un recurso cognitivo aditivo, mejorando la calidad de la decisión a través de mecanismos independientes (p. ej., función ejecutiva, conciencia metalingüística) en lugar de alterar la eficacia de las herramientas de IA.
Adaptación Contextual: El estudio proporciona un modelo probado empíricamente para un contexto educativo multilingüe y no occidental (Indonesia), abordando la brecha donde los modelos de origen occidental se aplican sin adaptación teórica a las realidades lingüísticas y éticas locales.

Implicaciones Prácticas
Los autores sugieren que las partes interesadas en la educación deben integrar la alfabetización ética y la competencia lingüística en la educación de la IA para mejorar la efectividad de la decisión. Específicamente, recomiendan:

Para Profesionales: Implementar una formación específica en ética de la IA y seleccionar sistemas de IA transparentes y justos que expliquen sus procesos de toma de decisiones.
Para Estudiantes: Fomentar el cuestionamiento crítico de los resultados de la IA e integrar la alfabetización en IA con consideraciones éticas en los currículos.
Para Responsables de Políticas: Promover regulaciones que exijan auditorías éticas de las herramientas de IA educativas y apoyar la formación docente en ética de la IA y alfabetización.

Limitaciones
Los autores reconocen modestamente varias limitaciones: la naturaleza transversal y de autoinforme de los datos limita las afirmaciones causales; los índices de medición para algunos constructos podrían refinarse; la muestra es específica de las universidades indonesias, lo que limita la generalizabilidad; y el resultado de moderación no significativo puede reflejar la sensibilidad de la medición o restricciones contextuales más que una ausencia real de interacción. Se recomienda para investigaciones futuras emplear diseños longitudinales, medidas de desempeño objetivas y métodos mixtos para explorar más a fondo estas dinámicas.

Más como este