📄 social_science

Unveiling the Dark Side of the Force: Factors underlying the misuse and dependence of Generative Artificial Intelligence in Higher Education

Esta revisión sistemática y metaanálisis de 53 estudios identifica que el uso indebido de la IA generativa en la educación superior es impulsado por los rasgos de la Tríada Oscura, la desvinculación moral y las políticas ambiguas, mientras que la dependencia surge de vulnerabilidades psicológicas como la ansiedad y la baja autoeficacia, lo que colectivamente socava el rendimiento académico y el pensamiento crítico.

Autores originales: Ángel Romero-Martínez

Publicado 2026-08-06

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Ángel Romero-Martínez

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 el mundo de la ciencia como una biblioteca gigante y bulliciosa. Durante décadas, los bibliotecarios (investigadores) han estudiado cómo aprenden las personas, cómo utilizan las herramientas y qué es lo que las motiva. Recientemente, llegó un nuevo asistente de bibliotecario, increíblemente poderoso: la Inteligencia Artificial Generativa (IA Generativa). Piensa en ello como un robot superinteligente que puede escribir ensayos, resolver problemas y resumir libros en segundos. Aunque este asistente es increíble para las tareas escolares, hay una preocupación persistente: ¿están los estudiantes usándolo para que piense por ellos, o se están volviendo tan adictos al robot que olvidan cómo pensar por sí mismos? Este artículo se sumerge en el "lado oscuro" de esta relación. Examina dos ideas principales: el uso indebido (usar el robot de manera inapropiada) y la dependencia (sentir que no puedes sobrevivir en la escuela sin el robot). También explora la "Tríada Oscura", un concepto psicológico que describe tres rasgos de personalidad complicados: el maquiavelismo (ser manipulador), la psicopatía (falta de empatía) y el narcisismo (ser egocéntrico), y cómo estos pueden mezclarse con el robot para causar problemas.

Entonces, ¿qué hizo realmente este estudio específico? El autor, liderado por Ángel Romero-Martínez, actuó como un detective digital. No se limitaron a suponer; rastrearon y analizaron 53 estudios científicos diferentes de todo el mundo, que involucraron a miles de estudiantes universitarios. Querían encontrar el "porqué" detrás del comportamiento. Su investigación reveló que usar la IA generativa de manera inapropiada no se trata solo de falta de compromiso; a menudo está vinculado a un cóctel de personalidad específico. Los estudiantes que obtienen puntuaciones altas en los rasgos de la "Tríida Oscura" tienen más probabilidades de usar la IA para tomar atajos. Es como tener un maestro ladrón que ve una cerradura nueva y de alta tecnología (la IA) e inmediatamente piensa: "Puedo forzarla", en lugar de "Debo aprender cómo abrirla". El estudio también encontró que los estudiantes más jóvenes son más propensos a esto, especialmente cuando se sienten abrumados por el trabajo escolar o cuando las reglas sobre el uso de la IA son difusas e imprecisas. Si un estudiante piensa: "Nadie se enterará" o "El profesor no dijo que no pudiera", es más probable que tome el atajo.

Sin embargo, la historia se complica un poco cuando hablamos de la dependencia. Esto no es solo usarla de manera inapropiada; es necesitar al robot para sentirse bien. Los investigadores descubrieron que los estudiantes que se sienten ansiosos, deprimidos o inseguros de sus propias capacidades (baja autoeficacia) son los más propensos a engancharse a la IA generativa. Es como un estudiante que tiene terror a un examen de matemáticas, agarra una calculadora con tanta fuerza que se niega a soltarla, olvidando eventualmente cómo hacer matemáticas básicas por sí mismo. El estudio sugiere que, para estos estudiantes, la IA se convierte en una muleta para evitar la sensación aterradora de no saber la respuesta. Esta dependencia no se limita solo a usarla de forma inapropiada; parece que realmente baja sus calificaciones y los hace peores en el pensamiento crítico. Cuanto más se apoyan en el robot, menos parecen confiar en sus propios cerebros.

Curiosamente, el artículo también analizó si el género o la edad siempre importan. Aunque los estudiantes más jóvenes eran más propensos a mal uso de la herramienta, el estudio sugiere que el género no es un factor determinante en si alguien se vuelve dependiente de ella. Tanto chicos como chicas pueden caer en la trampa de la sobredependencia si están luchando emocionalmente. Los investigadores también señalaron que las reglas claras son un escudo. Cuando las escuelas tienen políticas estrictas y claras sobre lo que está permitido y lo que no, los estudiantes son menos propensos a usarla de manera inapropiada. Pero cuando las reglas son vagas, es como dejar un frasco de caramelos abierto sobre una mesa; la tentación gana.

El estudio utilizó un método matemático especial llamado "metaanálisis" para combinar los resultados de todos estos diferentes estudios. Esto les dio una imagen más clara que cualquier estudio individual. Encontraron que el vínculo entre estos rasgos de personalidad y el uso inapropiado era real, pero no una garantía perfecta; variaba de bajo a moderado. En otras palabras, tener una personalidad "oscura" no significa que vayas a usarla de manera inapropiada, pero hace que sea mucho más probable. Del mismo modo, el vínculo entre la ansiedad y la dependencia de la IA fue fuerte, sugiriendo que las luchas emocionales son un motor principal para el uso excesivo de la herramienta.

Algo que el artículo tiene cuidado en decir es que no debemos entrar en pánico y llamarlo "enfermedad" todavía. Los investigadores señalan que, si bien los estudiantes pueden ser dependientes de la herramienta, no tenemos suficientes datos a largo plazo para decir que es una adicción clínica como una droga. Es más como un mal hábito difícil de romper. También descartaron la idea de que esto sea solo un "problema de chicos"; los datos mostraron que, si bien los hombres pueden usarla de manera inapropiada un poco más a menudo, los motores emocionales para la dependencia afectan a todos.

Al final, el artículo pinta la imagen de un aula donde el robot es una espada de doble filo. Por un lado, es una herramienta útil. Por otro, es una trampa para aquellos que ya están luchando o aquellos que solo quieren tomar el camino fácil. El autor sugiere que, para solucionar esto, las escuelas deben dejar de ser vagas. Necesitan trazar una línea clara en la arena sobre lo que está permitido y lo que no. También necesitan ayudar a los estudiantes que están ansiosos o que se sienten incapaces, devolviéndoles la confianza para confiar en sus propias mentes nuevamente. Si no lo hacemos, podríamos terminar con una generación de estudiantes que son excelentes pidiendo respuestas a un robot, pero que han olvidado cómo hacerse las preguntas a sí mismos. El estudio concluye que comprender estos factores "oscuros" es el primer paso para asegurar que la IA siga siendo un asistente útil, en lugar de un amo que tome el control del aula.

Resumen Técnico: Revelando el Lado Oscuro de la Fuerza

Planteamiento del Problema
La rápida adopción de la Inteligencia Artificial Generativa (GenAI), particularmente ChatGPT, ha transformado la educación superior al ofrecer posibilidades pedagógicas y, simultáneamente, desafiar los marcos de integridad académica. Si bien estas herramientas mejoran la eficiencia y el acceso a la información, su integración ha planteado preocupaciones significativas respecto a la falta de ética académica (uso no autorizado, plagio) y la "dependencia cognitiva". La literatura actual permanece fragmentada, centrándose a menudo en variables aisladas en lugar de marcos holísticos que expliquen la compleja interacción entre los rasgos psicológicos individuales, las presiones sociales y las posibilidades ambientales. Existe una falta de síntesis integral sobre los determinantes del uso indebido y la dependencia de la GenAI entre los estudiantes universitarios, lo que requiere una revisión sistemática para informar intervenciones basadas en evidencia y políticas institucionales.

Metodología
Este estudio es una revisión sistemática y un metaanálisis realizado de acuerdo con las directrices PRISMA 2020.

Estrategia de Búsqueda: Se realizó una búsqueda exhaustiva en Scopus, Web of Science, Dialnet y PubMed, complementada con un "snowballing" manual de listas de referencias y búsquedas asistidas por IA (ChatGPT y Gemini) para identificar estudios empíricos. La búsqueda se restringió a publicaciones en inglés y español.
Criterios de Inclusión: Los estudios debían ser investigaciones empíricas revisadas por pares que se centraran en estudiantes universitarios, analizando factores que explican el uso indebido y/o la dependencia de ChatGPT o chatbots de IA similares. Se excluyó la literatura gris, los capítulos de libros y los estudios que carecían de suficiente detalle demográfico o metodológico.
Selección de Datos: De un conjunto inicial de 3,556 manuscritos, 53 estudios cumplieron con los criterios de inclusión para la revisión sistemática.
Evaluación de la Calidad: Se utilizó una lista de verificación de 12 ítems para evaluar el riesgo de sesgo, categorizando los estudios como de bajo, moderado o alto riesgo.
Análisis: Las correlaciones meta-analíticas se calcularon utilizando Meta-Essentials 1.5. La heterogeneidad se evaluó mediante Tau-cuadrado ( $\tau^2$ ), la Q de Cochran e $I^2$ . El sesgo de publicación se evaluó mediante la regresión de Egger y la prueba de Begg & Mazumdar. Los valores atípicos fueron identificados y eliminados para mejorar el ajuste del modelo.

Contribuciones Clave y Resultados

1. Determinantes del Uso Indebido de la GenAI
La revisión identificó 37 estudios que analizan factores asociados con el uso poco ético de la GenAI (por ejemplo, uso no autorizado, plagio).

Rasgos de Personalidad: El uso indebido está consistentemente asociado con los rasgos de personalidad de la Tríada Oscura: Maquiavelismo (el correlato más fuerte), psicopatía y narcisismo. Estos rasgos están vinculados al uso oportunista, la reducción de la preocupación ética y el interés propio estratégico.
Factores Éticos y Morales: El desenganche moral y las normas éticas débiles están asociados positivamente con el uso indebido. Por el contrario, la conciencia ética, las consecuencias percibidas y la conciencia de la integridad actúan como factores protectores.
Demografía: La edad temprana es un correlato robusto del uso indebido; los estudiantes menores de 25 años muestran una mayor propensión al uso oportunista y una menor percepción del riesgo. Los hallazgos de género fueron mixtos, aunque algunos estudios indicaron que los hombres pueden mostrar una mayor implicación en conductas de uso no autorizado.
Factores Contextuales: Una alta carga de trabajo académico, la presión del tiempo y las políticas institucionales ambiguas respecto al uso de la IA crean un entorno propicio para el uso indebido. La presencia de pares desviados y el uso de técnicas de neutralización normalizan aún más el comportamiento deshonesto.
Hallazgos Meta-analíticos: Los coeficientes de correlación entre estas variables y el uso indebido de la GenAI oscilaron entre bajos y moderados (por ejemplo, Maquiavelismo $r \approx .24$ ; Psicopatía $r \approx .28$ ; Narcisismo $r \approx .22$ ; Percepción de Falta de Ética $r \approx -.39$ ).

2. Determinantes de la Dependencia de la GenAI
La revisión analizó 16 estudios centrados en el uso compulsivo o dependiente de la GenAI.

Factores Psicológicos: La dependencia está fuertemente vinculada a un alto neuroticismo, síntomas depresivos y ansiedad. Los estudiantes con estos rasgos suelen utilizar la GenAI como un mecanismo de afrontamiento desadaptativo o "muleta cognitiva".
Autoeficacia: La baja autoeficacia es un predictor significativo de la dependencia. Los estudiantes con baja confianza en sus capacidades académicas tienden a sobreestimar las capacidades de la GenAI, creando un ciclo de dependencia.
Resultados Académicos: La dependencia de la GenAI se asocia inversamente con el rendimiento académico y las habilidades de pensamiento crítico. La dependencia excesiva se correlaciona con un aprendizaje profundo menor y una capacidad reducida para el análisis independiente.
Demografía: A diferencia del uso indebido, la edad, el género y el tipo de carrera no mostraron asociaciones consistentes o significativas con la dependencia en el metaanálisis.
Hallazgos Meta-analíticos: Los coeficientes de correlación para la dependencia fueron generalmente moderados (por ejemplo, Neuroticismo $r \approx .25$ ; Ansiedad $r \approx .30$ ; Rendimiento Académico $r \approx -.38$ ; Pensamiento Crítico $r \approx -.26$ ).

Significancia y Reivindicaciones
El autor sostiene que este estudio proporciona un marco coherente y multidimensional para comprender la mala conducta académica y la dependencia relacionada con la GenAI. Al integrar la Teoría del Triángulo del Fraude (oportunidad, presión, racionalización) con el modelo de personalidad de la Tríada Oscura, el artículo ofrece una explicación plausible de por qué ciertos estudiantes participan en el uso poco ético de la IA bajo condiciones de presión académica y ambigüedad de políticas.

Respecten a la dependencia, el artículo distingue entre "dependencia funcional" y "dependencia patológica", advirtiendo contra la patologización excesiva del comportamiento estudiantil, al tiempo que reconoce que la inestabilidad emocional y la baja autoeficacia impulsan un ciclo compulsivo que socava el pensamiento crítico.

El estudio concluye que las intervenciones efectivas deben ir más allá de la mera detección. Aboga por:

Políticas Institucionales Claras: Eliminar la ambigüedad para reducir la "oportunidad" de racionalización.
Cambios Pedagógicos: Pasar de posturas prohibitivas a la integración de la GenAI como un aliado pedagógico con retroalimentación formativa para fomentar el juicio evaluativo.
Apoyo Dirigido: Abordar las vulnerabilidades psicológicas (neuroticismo, baja autoeficacia) que impulsan la dependencia.

El autor reconoce las limitaciones, incluyendo la recencia del campo (que limita los datos longitudinales), la restricción a dos idiomas y la dependencia de datos de autoinforme en lugar de medidas objetivas de rendimiento académico. En consecuencia, los hallazgos se presentan como un marco fundacional para la investigación futura y el desarrollo de políticas basadas en evidencia, más que como un diagnóstico clínico definitivo de la adicción a la IA.

Más como este