📄 ciencias sociales

Determinants of ChatGPT Adoption in Higher Education: Proposed Research Model Based on the Extended UTAUT Framework

Este estudio utiliza un marco UTAUT extendido para demostrar que la expectativa de desempeño, la expectativa de esfuerzo, la influencia social, la motivación hedónica y la confianza configuran significativamente las actitudes y las subsiguientes intenciones de comportamiento de los estudiantes universitarios jordanos hacia la adopción de ChatGPT en la educación superior.

Autores originales: Tariq Khairo Aldaabseh, Nader Mohammad Aljawarneh, Tamara Adel Al-Maaitah, Ahmad Rasheed Al Fares

Publicado 2026-10-15

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Tariq Khairo Aldaabseh, Nader Mohammad Aljawarneh, Tamara Adel Al-Maaitah, Ahmad Rasheed Al Fares

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, una revolución silenciosa está en marcha, impulsada no por nuevos libros de texto o currículos actualizados, sino por un nuevo tipo de conversación. La inteligencia artificial, específicamente las herramientas que pueden mantener un diálogo y generar texto de apariencia humana, ha entrado en la vida de los estudiantes universitarios. Estos sistemas, a menudo llamados IA generativa, actúan como asistentes de investigación incansables y compañeros de escritura, capaces de ayudar a los estudiantes a intercambiar ideas, resolver problemas y redactar ensayos. Sin embargo, a medida que estas herramientas se vuelven más comunes, surge una pregunta fundamental: ¿qué es lo que realmente convence a un estudiante de usarlas? Rara vez se trata solo de si la tecnología funciona; se trata de cómo se siente usarla, si el estudiante confía en las respuestas que ofrece y qué piensan sus compañeros y profesores al respecto. Los investigadores han estudiado durante mucho tiempo cómo las personas aceptan nuevas tecnologías, apoyándose a menudo en un marco que analiza si una herramienta es útil, fácil de usar y está respaldada por la sociedad. No obstante, cuando se trata de la IA conversacional, el panorama es más complejo. Los estudiantes no solo están evaluando una calculadora; están interactuando con un compañero que puede ser divertido, confuso o incluso poco fiable. Comprender la mezcla de beneficios prácticos, presión social y conexión emocional que impulsa la adopción es crucial para las universidades que intentan integrar estas herramientas de manera responsable.

Un equipo de investigadores de la Universidad de Jadara en Jordania se propuso mapear este panorama centrándose en estudiantes de negocios y recursos humanos. Reunieron a un grupo de 385 estudiantes de universidades tanto públicas como privadas para comprender los factores específicos que moldean su disposición a usar ChatGPT. Para asegurar que todos partieran desde el mismo punto, los investigadores mostraron a los participantes un video corto y neutral que explicaba cómo funciona la herramienta, eliminando cualquier exageración o temor para centrarse puramente en la funcionalidad. Luego, pidieron a los estudiantes que compartieran sus opiniones honestas a través de una encuesta detallada. El estudio fue diseñado para probar una teoría específica: que la decisión de un estudiante de usar la tecnología depende de cinco aspectos clave. Primero, ¿cree el estudiante que la herramienta realmente le ayudará a obtener mejores calificaciones o a terminar el trabajo más rápido? Segundo, ¿es la herramienta fácil de aprender y de usar sin frustraciones? Tercero, ¿piensan las personas que le rodean —amigos, familia y profesores— que debería estar usándola? Cuarto, ¿el hecho de hablar con la IA le aporta una sensación de disfrute o curiosidad? Y finalmente, ¿confía el estudiante en que la información que proporciona la IA es precisa y que sus datos están seguros?

Los investigadores analizaron las respuestas para ver cómo se conectaban estos diferentes factores entre sí. Encontraron que los cinco factores desempeñaron un papel significativo en la formación de la actitud de los estudiantes hacia la tecnología. Cuando los estudiantes sentían que ChatGPT mejoraría su rendimiento académico, lo veían de manera más favorable. Del mismo modo, cuando encontraban la interfaz sencilla y directa, sus sentimientos positivos crecían. El entorno social también importó enormemente; los estudiantes eran más propensos a aceptar la herramienta si sentían que sus compañeros e instructores apoyaban su uso. Quizás lo más interesante es que el estudio demostró que el lado emocional de la experiencia era tan importante como el lado práctico. Los estudiantes que encontraban la interacción con la IA agradable y estimulante tenían más probabilidades de desarrollar una actitud positiva hacia ella. La confianza también surgió como un pilar crítico; los estudiantes que creían que el sistema era fiable y actuaba en su mejor interés estaban mucho más dispuestos a adoptarlo.

Una vez formadas estas actitudes, estas se tradujeron directamente en acción. El estudio reveló un camino claro: el sentimiento general de un estudiante sobre la tecnología predecía fuertemente su intención de usarla realmente en sus estudios. Si un estudiante sentía que la herramienta era útil, fácil, socialmente aceptada, divertida y digna de confianza, era muy probable que planeara usarla para sus trabajos académicos. Los datos mostraron que estos factores no funcionaban de forma aislada, sino que se combinaban para crear un fuerte impulso hacia la adopción. Los investigadores señalaron que, aunque el estudio se limitó a estudiantes de negocios en Jordania y dependió de respuestas auto-informadas, los resultados ofrecen un retrato claro de la mentalidad actual. Esto sugiere que, para que las universidades integren con éxito la IA generativa, no basta con proporcionar acceso al software. También deben fomentar un entorno donde la tecnología sea vista como útil, fácil de navegar, socialmente aceptable, agradable de interactuar y fundamentalmente confiable. Los hallazgos indican que el futuro de la IA en la educación depende de equilibrar los beneficios prácticos con los elementos humanos de la confianza y el compromiso.

Resumen Técnico: Determinantes de la Adopción de ChatGPT en la Educación Superior

Planteamiento del Problema y Contexto de la Investigación
La rápida integración de la IA generativa, específicamente de los sistemas conversacionales como ChatGPT, en la educación superior ha reconfigurado la forma en que los estudiantes acceden a la información y completan tareas académicas. Si bien estas herramientas ofrecen beneficios potenciales para la investigación, la escritura y la toma de decisiones, su adopción se ve complicada por las preocupaciones relativas a la fiabilidad, la integridad académica y el uso apropiado. La literatura existente sugiere que la adopción no es impulsada únicamente por la utilidad percibida y la facilidad de uso, sino que también está influenciada por factores sociales, motivacionales y de confianza. Sin embargo, existe una falta de evidencia contextual específica sobre cómo estos factores interactúan dentro de los programas de administración de empresas y gestión de recursos humanos en Jordania. Este estudio aborda esta brecha investigando los determinantes que influyen en las actitudes y las intenciones conductuales de los estudiantes universitarios hacia la adopción de ChatGPT.

Metodología
El estudio emplea un marco extendido de la Teoría Unificada de Aceptación y Uso de la Tecnología (UTAUT). El modelo de investigación postula que la Expectativa de Desempeño, la Expectativa de Esfuerzo, la Influencia Social, la Motivación Hedónica y la Confianza son antecedentes de la Actitud de los estudiantes hacia ChatGPT, la cual, a su vez, influye en la Intención Conductual de utilizar la herramienta.

Recolección de Datos: Los datos se recolectaron mediante un cuestionario anónimo y no invasivo de 385 estudiantes matriculados en programas de administración de empresas y gestión de recursos humanos en universidades públicas y privadas en Ammán, Jordania.
Muestreo: Se utilizó una técnica de muestreo por conveniencia no probabilística. Para asegurar una comprensión común de la tecnología, los participantes vieron un video explicativo sobre las funcionalidades de ChatGPT antes de completar la encuesta.
Análisis: El estudio utilizó el Modelado de Ecuaciones Estructurales de Mínimos Cuadrados Parciales (PLS-SEM) mediante el software Smart PLS. El análisis consistió en evaluar el modelo de medición (cargas de los indicadores, confiabilidad compuesta, validez convergente y discriminante) y el modelo estructural (coeficientes de trayectoria, prueba de hipótesis mediante bootstrapping con 3,000 remuestreos).
Verificaciones de Validez: La Varianza del Método Común (CMV) se abordó mediante controles procedimentales y evaluación estadística (los valores VIF oscilaron entre 2.712 y 4.305, por debajo del umbral de 5.0). La validez discriminante se confirmó utilizando tanto el criterio de Fornell-Larcker como la razón de Heterotrait-Monotrait (HTMT).

Resultos Clave
El análisis del modelo estructural arrojó resultados estadísticamente significativos para todas las hipótesis propuestas (p < 0.001):

Antecedentes de la Actitud:
- Expectativa de Desempeño: Influye significativamente de forma positiva en la actitud ( $\beta = 0.277$ ).
- Expectativa de Esfuerzo: Influye significativamente de forma positiva en la actitud ( $\beta = 0.360$ ).
- Influencia Social: Influye significativamente de forma positiva en la actitud ( $\beta = 0.255$ ).
- Motivación Hedónica: Influye significativamente de forma positiva en la actitud ( $\beta = 0.310$ ).
- Confianza: Influye significativamente de forma positiva en la actitud ( $\beta = 0.430$ ).
Actitud hacia la Intención:
- La Actitud influye significativa y fuertemente en la Intención Conductual de usar ChatGPT ( $\beta = 0.850$ ).

El modelo explica una proporción sustancial de la varianza de los constructos endógenos, siendo el valor $R^2$ para la Intención Conductual de 0.712. El Ajuste de Bondad (GoF) para el modelo se calculó en 0.770.

Contribuciones Clave

Extensión Teórica: El estudio extiende el marco tradicional de UTAUT al incorporar la Motivación Hedónica y la Confianza como determinantes críticos para la adopción de la IA generativa. Esto reconoce que los estudiantes evalúan ChatGPT no solo por su valor instrumental (utilidad/facilidad de uso), sino también por el disfrute derivado de la interacción y la confianza en la fiabilidad del sistema.
Evidencia Contextual: Proporciona evidencia empírica de un contexto regional específico (Jordania) y un enfoque disciplinar (Negocios y Gestión de RR.HH.), abordando la necesidad de estudios de adopción específicos por disciplina.
Modelo Integrado: Demuestra cómo los factores funcionales, sociales, afectivos y relacionados con la confianza moldean conjuntamente las actitudes de los estudiantes y sus posteriores intenciones conductuales en un entorno educativo.

Significancia y Reivindicaciones
Los autores afirman que el estudio contribuye a la creciente literatura sobre la adopción de la IA al validar un modelo integral que captura la naturaleza multidimensional de la aceptación de la IA generativa. Los hallazgos sugieren que, para que las universidades apoyen la integración responsable de ChatGPT, deben abordar algo más que el simple acceso técnico.

Implicaciones Prácticas: El estudio sugiere que las instituciones educativas deben diseñar iniciativas de alfabetización en IA que aborden la utilidad, la facilidad de uso y la verificación responsable de los resultados de la IA. Se recomienda la orientación docente para fomentar ChatGPT como una herramienta de apoyo al aprendizaje, enfatizando al mismo tiempo la evaluación crítica del contenido para mantener la integridad académica.
Modestia en las Reivindicaciones: Los autores señalan explícitamente las limitaciones, incluyendo el uso de un muestreo por conveniencia (que limita la generalización), el diseño transversal (que impide el análisis de cambios conductuales a lo largo del tiempo) y el contexto cultural específico de Jordania. También reconocen que el video explicativo utilizado para estandarizar la comprensión pudo haber introducido un ligero sesgo de información. En consecuencia, los autores enmarcan sus hallazgos como evidencia para contextos específicos en lugar de leyes universales, haciendo un llamado a futuras investigaciones en diferentes disciplinas, culturas y utilizando diseños longitudinales.

Resumen Técnico: Determinantes de la Adopción de ChatGPT en la Educación Superior

Más como este