📄 social_science

The Influence of ChatGPT Usage, Learning Content, and Digital Competence on Biology Students’ Learning Motivation in the Digital Education Era: A Moderated Effect Analysis Model

Este estudio utiliza Modelado de Ecuaciones Estructurales en 366 estudiantes de biología para demostrar que, si bien el uso de ChatGPT y el contenido de aprendizaje influyen positivamente en la motivación por aprender, la competencia digital actúa como un moderador crítico que potencia la efectividad del contenido y determina el grado en que ChatGPT contribuye al compromiso del estudiante.

Autores originales: Ibrahim Ibrahim, Juli Firmansyah, Jalaluddin Jalaluddin, Marwan Marwan

Publicado 2026-08-07

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Ibrahim Ibrahim, Juli Firmansyah, Jalaluddin Jalaluddin, Marwan Marwan

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 aula del futuro no como un salón con pizarras de tiza, sino como un vasto patio de recreo digital donde el aprendizaje ocurre a través de la conversación. En este mundo, hay tres personajes principales tratando de descubrir cómo entusiasmar a los estudiantes con el aprendizaje. Primero, está ChatGPT, un tutor de IA superinteligente e incansable que puede charlar contigo en cualquier momento, responder tus preguntas al instante y ayudarte a desenredar conceptos complicados. Piensa en él como una enciclopedia mágica que te responde. Segundo, está el Contenido de Aprendizaje, que es lo que realmente estudias: los libros de texto, videos y tareas. Si este contenido es aburrido, incluso la mejor IA no podrá salvar el día; pero si es divertido y relevante, actúa como un propulsor para tu cerebro. Finalmente, está la Competencia Digital, que es simplemente qué tan bueno eres usando la tecnología. Es la diferencia entre alguien que solo sabe encender una computadora y alguien que puede usarla para construir una nave espacial.

Durante mucho tiempo, los educadores se han preguntado: ¿Tener un tutor de IA genial y buenas lecciones hace que los estudiantes quieran aprender más automáticamente? ¿O importa qué tan "expertos en tecnología" sean los estudiantes? Esta pregunta es crucial porque las escuelas se están apresurando a añadir herramientas de IA, pero no quieren perder tiempo en dispositivos que en realidad no despierten la curiosidad del estudiante. Este estudio se sumerge en ese misterio exacto, observando cómo estos tres ingredientes se mezclan para crear (o fallan en crear) la motivación por el aprendizaje entre estudiantes universitarios en Indonesia.

El Estudio: Mezclando IA, Lecciones y Habilidades Tecnológicas

Un equipo de investigadores decidió probar esta receta preguntando a 366 estudiantes universitarios en Indonesia sobre sus hábitos. Querían ver si el uso de ChatGPT, la calidad de las lecciones y las propias habilidades tecnológicas de los estudiantes podían predecir qué tan motivados se sentían esos estudiantes por sus estudios. Utilizaron una herramienta estadística sofisticada llamada "Modelado de Ecuaciones Estructurales" (piensa en ello como un mapa superpreciso que muestra cómo una cosa impulsa a otra) para procesar los números.

Aquí está lo que encontraron, servido con algunas analogías para mantener las cosas claras:

1. El Tutor de IA es un Motivador, no un Constructor de Habilidades
El estudio encontró que el uso de ChatGPT es un enorme impulso para la motivación por el aprendizaje. Cuando los estudiantes usaban la IA, se sentían más entusiasmados y comprometidos. Es como tener un animador personal que siempre está disponible para explicar un concepto difícil o ayudar con la tarea; hace que todo el proceso se sienta menos solitario y más divertido.

Sin embargo, aquí está el giro: usar ChatGPT no hizo que los estudiantes fueran automáticamente mejores en el uso de la tecnología en general. Los investigadores encontraron solo un vínculo muy débil entre charlar con la IA y realmente mejorar la "competencia digital". Es un poco como jugar un videojuego: puedes volverte muy bueno en ese juego específico, pero eso no significa necesariamente que hayas aprendido a reparar un auto o construir una computadora. Solo hablar con la IA no convierte mágicamente a un principiante en un mago de la tecnología, a menos que sean guiados para hacer más que solo chatear.

2. Las Buenas Lecciones son el Verdadero Superpoder
El ingrediente más poderoso en la mezcla fue el Contenido de Aprendizaje. El estudio mostró que las lecciones de alta calidad, interesantes y bien estructuradas tenían un impacto masivo tanto en la motivación como en las habilidades digitales. Si el material es bueno, los estudiantes se emocionan y también mejoran en el uso de las herramientas para explorarlo. Es como darle a alguien una comida deliciosa y nutritiva: obtienen energía (motivación) y los nutrientes que necesitan para crecer (habilidades). Los investigadores encontraron que el buen contenido es el motor más fuerte de todos.

3. El Factor "Experto en Tecnología": Una Espada de Doble Filo
Aquí es donde se pone muy interesante. Los investigadores observaron la Competencia Digital (qué tan expertos en tecnología eran los estudiantes) para ver si esto cambiaba la forma en que funcionaban los otros factores. Descubrieron que ser bueno con la tecnología actúa como un filtro o una lente.

Para las Buenas Lecciones: Ser experto en tecnología hacía que las lecciones funcionaran aún mejor. Los estudiantes que ya sabían cómo usar las herramientas digitales eran capaces de exprimir más jugo de un contenido de alta calidad, volviéndolos aún más motivados. Es como tener el motor de alto rendimiento en un auto deportivo; si tienes las habilidades para conducirlo, el auto va más rápido.
Para ChatGPT: Sorprendentemente, ser muy experto en tecnología en realidad debilitó el impulso que ChatGPT le daba a la motivación. Los investigadores sugieren que los estudiantes que ya se sienten muy cómodos con la tecnología podrían no necesitar tanto la IA para sentirse entusiasmados. Ellos ya pueden tener sus propias formas de mantenerse motivados, por lo que la IA no añade tanta chispa extra para ellos como lo hace para los estudiantes que tienen menos confianza con la tecnología.

4. La Gran Sorpresa: Las Habilidades no son Iguales a la Motivación
Una de las cosas más importantes que el estudio descartó es la idea de que "si eres bueno con las computadoras, amarás aprender". Los datos mostraron ningún vínculo estadísticamente significativo entre la competencia digital y la motivación por el aprendizaje. En términos simples, la prueba estadística (con un valor p de 0.843) confirmó que simplemente ser un genio de la tecnología no se traduce directamente en un mayor deseo de estudiar. La motivación proviene de la experiencia de aprender (la ayuda de la IA y las buenas lecciones), no solo de tener las habilidades para usar las herramientas.

La Conclusión Final

El estudio concluye que, si bien las herramientas de IA como ChatGPT son fantásticas para entusiasmar a los estudiantes, no son una varita mágica para enseñar habilidades tecnológicas. Para encender verdaderamente el fuego de un estudiante, necesitas gran contenido primero. Y aunque ser bueno con la tecnología ayuda a los estudiantes a sacar el máximo provecho de las buenas lecciones, no garantiza que estén motivados para aprender en primer lugar.

Los investigadores advierten cuidadosamente que estos hallazgos se basan en un grupo específico de estudiantes y en un momento determinado, por lo que no podemos asegurar que esto se aplique a cada estudiante en todas partes. Pero el mensaje es claro: No solo entregues a los estudiantes una herramienta de IA genial y espera lo mejor. Dales grandes lecciones, ayúdales a entender cómo usar las herramientas profundamente y recuerda que ser un experto en tecnología no convierte automáticamente a alguien en un aprendiz motivado. La magia ocurre cuando las herramientas adecuadas se encuentran con el contenido adecuado.

Resumen Técnico: La influencia del uso de ChatGPT, el contenido de aprendizaje y la competencia digital en la motivación de aprendizaje de los estudiantes de Biología

Nota sobre el alcance: Aunque el título hace referencia a "Estudiantes de Biología", la metodología y las secciones de resultados del estudio especifican que la población consistió en estudiantes de pregrado de la Facultad de Formación de Profesores y Ciencias de la Educación de la Universidad Syiah Kuala, abarcando las carreras de Educación Física, Educación de Inglés, Psicología y Matemáticas. El siguiente resumen refleja los datos y el alcance reales presentados en el artículo.

1. Planteamiento del problema y objetivos de la investigación

El estudio aborda una brecha en la literatura existente con respecto al impacto empírico de la IA Generativa (específicamente ChatGPT) en la motivación de aprendizaje de los estudiantes. Mientras que investigaciones previas han descrito las capacidades de las herramientas de IA, existe una comprensión limitada de cómo los patrones de uso específicos, la calidad del contenido de aprendizaje y la competencia digital de los estudiantes interactúan para influir en la motivación. Además, el papel de la competencia digital como variable moderadora en estas relaciones sigue siendo poco investigado.

La investigación tiene como objetivos:

Evaluar el impacto del uso de ChatGPT y el contenido de aprendizaje en la competencia digital y la motivación de aprendizaje de los estudiantes.
Determinar si la competencia digital influye directamente en la motivación de aprendizaje.
Investigar si la competencia digital modera los efectos del uso de ChatGPT y el contenido de aprendizaje en la motivación de aprendizaje.

2. Metodología

Diseño de investigación:
El estudio emplea un diseño de investigación cuantitativa utilizando Modelado de Ecuaciones Estructurales con Mínimos Cuadrados Parciales (SEM-PLS) a través del software SmartPLS. Este enfoque fue seleccionado para manejar relaciones causales complejas y efectos moderadores dentro de un tamaño de muestra moderado.

Población y muestreo:

Población: Estudiantes de pregrado (semestres 4–8) de la Facultad de Formación de Profesores y Ciencias de la Educación, Universidad Syiah Kuala.
Muestra: 366 encuestados seleccionados mediante muestreo aleatorio estratificado para asegurar una representación proporcional en género, año académico y especialidades académicas (Educación Física, Educación de Inglés, Psicología y Matemáticas).
Demografía: La muestra incluyó un 55% de mujeres y un 45% de hombres, con la mayoría (50%) con edades entre 21 y 23 años.

Instrumentación:
Los datos se recolectaron utilizando un cuestionario estructurado con ítems medidos en una escala Likert de 5 puntos. El instrumento evaluó cuatro constructos latentes:

Uso de ChatGPT (X1): Frecuencia, duración y modo de uso.
Contenido de Aprendizaje (X2): Percepción de relevancia, calidad e intensidad de interacción.
Competencia Digital (X3): Habilidades técnicas, confianza y adaptabilidad.
Motivación de Aprendizaje (X4): Impulsores motivacionales intrínsecos y extrínsecos.

Validez y confiabilidad:
El modelo de medición demostró una robusta validez y confiabilidad. Todas las cargas factoriales superaron el 0.70 (excepto una de 0.608, que se mantuvo basándose en la validez constructo general). Los valores de Alfa de Cronbach oscilaron entre 0.739 y 0.888, los valores de Confiabilidad Compuesta (CR) superaron el 0.834, y los valores de Varianza Extraída Media (AVE) estuvieron por encima del umbral de 0.50 para todos los constructos. La validez discriminante se confirmó utilizando el criterio de Fornell-Larcker.

Control de sesgo:
Se emplearon remedios procedimentales (anonimato, redacción clara de los ítems) y pruebas estadísticas (prueba de factor único de Harman) para mitigar el sesgo de método común.

3. Resultados Clave

El análisis del modelo estructural arrojó los siguientes hallazgos:

Efectos Directos:

Uso de ChatGPT $\rightarrow$ Motivación de Aprendizaje: Un efecto positivo fuerte y altamente significativo ( $\beta = 0.422, p < 0.001$ ). El uso frecuente de ChatGPT mejora significativamente la motivación de los estudiantes.
Contenido de Aprendizaje $\rightarrow$ Motivación de Aprendizaje: El efecto directo más fuerte en el modelo ( $\beta = 0.550, p < 0.001$ ). El contenido de alta calidad, relevante e interactivo es el principal motor de la motivación.
Contenido de Aprendizaje $\rightarrow$ Competencia Digital: Un efecto positivo significativo ( $\beta = 0.171, p < 0.05$ ). El contenido estimulante contribuye al desarrollo de las habilidades digitales.
Uso de ChatGPT $\rightarrow$ Competencia Digital: Un efecto positivo marginalmente significativo ( $\beta = 0.146, p = 0.067$ ). Aunque el uso de ChatGPT tiende a mejorar la competencia digital, el efecto es relativamente débil.
Competencia Digital $\rightarrow$ Motivación de Aprendizaje: No Soportado. La relación no fue estadísticamente significativa ( $\beta = -0.005, p = 0.843$ ). Poseer habilidades digitales por sí solo no se traduce directamente en una mayor motivación de aprendizaje.

Efectos Moderadores:

La Competencia Digital moderando Uso de ChatGPT $\rightarrow$ Motivación: Un efecto moderador negativo significativo ( $\beta = -0.091, p = 0.032$ ). Una mayor competencia digital debilita la relación positiva entre el uso de ChatGPT y la motivación. Los autores interpretan esto como un efecto compensatorio: los estudiantes con altas habilidades digitales pueden depender menos de ChatGPT para la motivación, ya que poseen otras capacidades de aprendizaje autorregulado.
La Competencia Digital moderando Contenido de Aprendizaje $\rightarrow$ Motivación: Un efecto moderador positivo significativo ( $\beta = 0.132, p = 0.024$ ). Una mayor competencia digital fortalece la relación entre el contenido de aprendizaje y la motivación. Los estudiantes con mejores habilidades digitales son más capaces de aprovechar el contenido de alta calidad para aumentar su motivación.

Ajuste del Modelo:

El modelo explica el 81.3% de la varianza en la Motivación de Aprendizaje ( $R^2 = 0.813$ ), lo que indica un alto poder predictivo.
El modelo explica solo el 8.7% de la varianza en la Competencia Digital ( $R^2 = 0.087$ ), lo que sugiere que otros factores (por ejemplo, experiencia previa, infraestructura) juegan un papel más importante en la determinación de la competencia digital que las variables incluidas en este estudio.

4. Contribuciones y Afirmaciones Clave

El artículo afirma las siguientes contribuciones al campo de la educación digital:

Papel de la IA en la Motivación: El estudio confirma empíricamente que ChatGPT es un impulsor significativo de la motivación de aprendizaje, probablemente debido a su capacidad para proporcionar retroalimentación inmediata y personalizada, así como apoyo a la autonomía.
Primacía de la Calidad del Contenido: La investigación destaca que, si bien las herramientas de IA son beneficiosas, la calidad y el diseño del contenido de aprendizaje siguen siendo los factores más críticos para el compromiso y la motivación de los estudiantes.
Papel Matizado de la Competencia Digital:
- El estudio desafía la suposición de que las habilidades digitales conducen automáticamente a una mayor motivación, al no encontrar un vínculo directo significativo.
- Establece la competencia digital como un moderador crítico en lugar de un predictor directo. Actúa como un "filtro" o "amplificador": potencia los beneficios de un buen contenido, pero puede disminuir la dependencia de las herramientas de IA para la motivación entre los estudiantes con altas capacidades.
Limitaciones de la IA para el Desarrollo de Habilidades: La significancia marginal de ChatGPT en la competencia digital sugiere que la mera exposición a la IA es insuficiente para un desarrollo integral de las habilidades digitales; se requiere un uso guiado y estrategias de alfabetización digital más amplias.

5. Significado e Implicaciones

Los autores concluyen que la integración de herramientas de IA como ChatGPT es efectiva para mejorar la motivación de los estudiantes, pero esta efectividad es condicional. El estudio enfatiza que:

El Diseño Pedagógico Importa: La tecnología debe integrarse con contenido de aprendizaje de alta calidad e interactivo para maximizar los resultados motivacionales.
Habilidad vs. Motivación: Mejorar la competencia digital es necesario para acceder a las herramientas, pero no es un sustituto de los impulsores motivacionales. La motivación está más fuertemente influenciada por el entorno de aprendizaje y la relevancia del contenido que por la competencia técnica por sí sola.
Dependencia Contextual: El impacto de la tecnología varía según el nivel de competencia digital del estudiante. Los educadores deben reconocer que los estudiantes altamente competentes pueden derivar diferentes beneficios motivacionales de las herramientas de IA en comparación con aquellos que tienen una competencia menor.

El artículo concluye que las futuras estrategias educativas deben centrarse en la integración sinérgica de contenido de alta calidad, uso estratégico de la IA y el desarrollo de la competencia digital, en lugar de confiar en la tecnología como una solución independiente para la motivación.