Generative AI Adoption in Statistics and Data Science Higher Education

Resumen Técnico: Adopción de la IA Generativa en la Educación Superior de Estadística y Ciencia de Datos

Planteamiento del Problema
Si bien la Inteligencia Artificial Generativa (GenAI) se está integrando cada vez más en la educación STEM cuantitativa para tareas que van desde la explicación conceptual hasta la programación y la interpretación de modelos, las condiciones específicas que impulsan su adopción en cursos avanzados de estadística y ciencia de datos permanecen insuficientemente examinadas. A diferencia de los entornos académicos generales, estas disciplinas requieren un acoplamiento estrecho de razonamiento conceptual, programación, diagnóstico de modelos y evaluación de evidencia. Existe una brecha crítica en la comprensión de si los factores que impulsan la adopción (intención y uso) también garantizan un uso disciplinario responsable (verificación, juicio estadístico y divulgación transparente). La literatura actual suele detenerse en las percepciones generales o las preocupaciones de integridad, careciendo de evidencia específica de la disciplina sobre cómo los estudiantes integran la IA en flujos de trabajo analíticos complejos donde la facilidad procedimental podría enmascarar suposiciones o interpretaciones incorrectas.

Metodología
El estudio empleó un enfoque de métodos mixtos basado en un marco UTAUT2 (Teoría Unificada de la Aceptación y el Uso de la Tecnología 2) adaptado, analizado mediante el Modelado de Ecuaciones Estructurales de Mínimos Cuadrados Parciales (PLS-SEM).

• Muestra: Los datos se recolectaron de 72 estudiantes de último año de licenciatura (aproximadamente el 70% de la población elegible) inscritos en dos cursos cuantitativos avanzados (Análisis de Series Temporales y Análisis de Datos Categóricos) en una universidad privada en Egipto. Los participantes poseían una base sustancial en estadística, matemáticas y programación (R/Python).
• Instrumento: Se utilizó una encuesta adaptada de medidas validadas de UTAUT2, que presentaba una escala Likert de 5 puntos para ítems de preguntas cerradas y cuatro consignas de preguntas abiertas. El modelo conceptual incluyó inicialmente la Expectativa de Desempeño (dividida en dimensiones orientadas al aprendizaje y técnica/orientada a la tarea), la Expectativa de Esfuerzo (EE), las Condiciones Facilitadoras (FC), la Motivación Hedónica (HM) y la Autoeficacia (SE) como predictores de la Intención Conductual (BI), la cual, a su vez, predijo el Comportamiento de Uso (UB).
• Análisis: El análisis utilizó el paquete seminr en R. Los procedimientos incluyeron:
  • Evaluación del Modelo de Medición: Evaluación de la confiabilidad del indicador (cargas externas), consistencia interna (alfa de Cronbach, $\rho_A$, confiabilidad compuesta), validez convergente (AVE) y validez discriminante (criterio de Fornell-Larcker, ratios HTMT con intervalos de confianza mediante bootstrapping).
  • Estimación del Modelo Estructural: Los coeficientes de trayectoria ($\beta$) se estimaron utilizando 3,000 remuestreos de bootstrap con intervalos de confianza del 95% por percentiles. Se calcularon los tamaños del efecto ($f^2$) y los valores de $R^2$.
  • Evaluación Predictiva: La relevancia predictiva fuera de la muestra se probó mediante PLSpredict (comparando RMSE/MAE contra un modelo lineal de referencia) y $Q^2_{predict}$.
  • Pruebas de Robustez: Se realizaron análisis de sensibilidad eliminando indicadores específicos (p. ej., FC2, UB3, BI3) para evaluar las compensaciones entre la Varianza Extraída Media (AVE) y el solapamiento HTMT.
  • Componente Cualitativo: Las respuestas abiertas se analizaron descriptivamente para contextualizar los hallazgos cuantitativos respecto a beneficios, riesgos y expectativas de política.

Resultos Clave
El estudio experimentó una refinación significativa del modelo basada en la validez discriminante y la distinción teórica:

1. Refinación del Modelo:

   • La Motivación Hedónica (HM) fue descartada debido a que no mostró una contribución significativa a la Intención Conductual (BI).
   • La Expectativa de Desempeño (PE) fue excluida del modelo final. Aunque una ruta de PE orientada al aprendizaje mostró una significancia nominal en el modelo expandido, los diagnósticos de validez discriminante revelaron un solapamiento sustancial con la Expectativa de Esfuerzo, la BI y el Comportamiento de Uso. El autor concluyó que la contribución incremental de la PE no podía separarse claramente de la facilidad de uso y la intención en esta muestra.
   • Modelo Final: El modelo retenido postuló la EE, las FC y la SE como antecedentes de la BI, con la BI prediciendo el UB.

2. Estimaciones de Trayectoria Estructural:

   • La Expectativa de Esfuerzo (EE) fue el predictor más fuerte de la Intención Conductual ($\beta = 0.562, p < .001$), con un tamaño de efecto grande ($f^2 = 0.905$).
   • Las Condiciones Facilitadoras (FC) fueron el segundo predictor más fuerte ($\beta = 0.329, p = .003$), con un tamaño de efecto medio ($f^2 = 0.330$).
   • La Autoeficacia (SE) tuvo un efecto positivo menor pero significativo ($\beta = 0.195, p = .006$), con un tamaño de efecto pequeño ($f^2 = 0.112$).
   • La Intención Conductual (BI) predijo fuertemente el Comportoma de Uso (UB) ($\beta = 0.709, p < .001$), con un tamaño de efecto grande ($f^2 = 1.012$).

3. Poder Explicativo y Predictivo:

   • El modelo explicó el 73.2% de la varianza en la Intención Conductual ($R^2$) y el 50.3% de la varianza en el Comportamiento de Uso.
   • Relevancia Predictiva: La evidencia predictiva fuera de la muestra fue débil. Los valores de $Q^2_{predict}$ fueron bajos (0.086 para BI, 0.033 para UB), y las mejoras de RMSE sobre el modelo lineal de referencia fueron modestas. En consecuencia, el autor interpreta el modelo principalmente como explicativo para esta muestra específica, en lugar de una herramienta de pronóstico robusta para otras poblaciones.

4. Problemas de Validez de Medición:

   • Se observaron problemas de validez discriminante. Los intervalos de confianza de HTMT mediante bootstrap para EE-BI [0.793, 1.053] y BI-UB [0.812, 1.170] incluyeron 1, lo que indica que estos constructos no pueden tratarse como empíricamente distintos en esta muestra. El autor retuvo las rutas pero las interpretó con cautela, señalando la adyacencia teórica de estos constructos.
   • Las Condiciones Facilitadoras (FC) tuvieron un AVE de 0.479 (por debajo de la directriz de 0.50), y el alfa de Cronbach para FC y UB estuvieron por debajo de 0.70, aunque las confiabilidades compuestas fueron aceptables.

5. Perspectivas Cualitativas:

   • Los estudiantes valoraron la IA por su inmediatez, el apoyo en la codificación y la simplificación de conceptos.
   • Las preocupaciones significativas incluyeron resultados inexactos, la dependencia excesiva que reduce el pensamiento crítico y la ambigüedad respecto a las políticas de divulgación.
   • Los estudiantes distinguieron entre usar la IA para tareas (con verificación) frente a exámenes a libro cerrado, enfatizando la necesidad de rutinas de verificación claras.

Significancia y Reivindicaciones
El artículo realiza tres contribuciones principales, enmarcadas modestamente como evidencia específica de la disciplina en lugar de leyes universales:

1. Evidencia de Adopción Específica de la Disciplina: Proporciona datos empíricos sobre la adopción de GenAI específicamente dentro de cursos avanzados de STEM cuantitativa (estadística/ciencia de datos) donde la IA se cruza con la codificación, el diagnóstico y la interpretación, yendo más allá de las percepciones académicas generales.
2. Evaluación Metodológica Rigurosa: El estudio evalúa las relaciones de adopción utilizando tamaños del efecto, evaluación predictiva y análisis de sensibilidad en lugar de depender únicamente de la significancia de la trayectoria. Aborda explícitamente las limitaciones del tamaño de la muestra ($n=72$) y el solapamiento de la medición, priorizando la interpretabilidad teórica sobre la significancia estadística por sí sola.
3. Distinción entre Adopción y Uso Responsable: La reivindicación teórica central es que la adopción (la entrada de la IA en un flujo de trabajo impulsada por la facilidad, el apoyo y la confianza) es distinta del uso disciplinario responsable (la verificación de los resultados, el ejercicio del juicio estadístico y la divulgación transparente). El estudio encuentra que, si bien la facilidad de uso y el apoyo impulsan la captación, estos no garantizan que los estudiantes verifiquen los resultados de la IA o mantengan el razonamiento disciplinario.

Limitaciones
El autor reconoce explícitamente varias restricciones:

• Generalizabilidad: El estudio es un caso enfocado de una sola institución en Egipto; los resultados no deben generalizarse a todos los estudiantes de STEM sin replicación previa.
• Tamaño de la Muestra: Aunque cubre el 70% de la población elegible, $n=72$ es modesto para el modelado estructural, lo que limita la detección de efectos pequeños y la heterogeneidad de los subgrupos.
• Diseño Transversal: Los datos fueron autoinformados en un único punto temporal; la trayectoria de BI a UB representa asociación, no causalidad ni precedencia temporal.
• Problemas de Medición: La inclusión de intervalos HTMT que contienen 1 y un AVE bajo para FC sugieren que los constructos no son perfectamente distintos en este contexto.
• Debilidad Predictiva: La débil capacidad predictiva fuera de la muestra del modelo refuerza su papel como un marco explicativo para este contexto específico, más que como un modelo predictivo para otras poblaciones.

En conclusión, el artículo argumenta que para la educación avanzada en estadística y ciencia de datos, el desafío instructivo no es simplemente facilitar la adopción de la IA, sino fomentar las prácticas específicas de verificación, juicio y divulgación que constituyen el uso disciplinario responsable.