Resumen Técnico: Alfabetización en IA y la Autopercepción de la Empleabilidad en Estudiantes de Pregrado

Planteamiento del Problema

La rápida integración de la Inteligencia Artificial (IA) en los mercados laborales contemporáneos ha intensificado la necesidad de que los graduados posean capacidades relacionadas con la IA. Si bien la literatura existente reconoce el vínculo entre la alfabetización en IA (AIL, por sus siglas en inglés) y los resultados de los estudiantes, existe una notable brecha en la investigación empírica que examine cómo las percepciones de los estudiantes sobre la IA influyen en sus decisiones educativas y aspiraciones profesionales. Específicamente, los mecanismos mediante los cuales la alfabetización fundamental en IA se traduce en competencia práctica, confianza en la toma de decisiones de carrera y, finalmente, en la autopercepción de la empleabilidad (SPE) permanecen insuficientemente explorados. Además, el papel de los recursos psicológicos, como la mentalidad de crecimiento (GM), al moderar estas relaciones dentro del contexto del desarrollo profesional impulsado por la IA, no ha sido investigado suficientemente.

Metodología

Este estudio empleó un diseño de investigación cuantitativo y transversal utilizando un cuestionario estructurado administrado a estudiantes de pregrado en China.

• Muestra: Los datos fueron recolectados de 381 estudiantes de pregrado de tiempo completo de siete universidades en la provincia de Zhejiang. La muestra fue diversa en cuanto a género (54.39% mujeres), carrera académica (desde Administración de Empresas hasta Artes y Derecho) y año de estudio (principalmente 3.º y 4.º año).
• Instrumentación: El estudio utilizó escalas establecidas adaptadas de la literatura previa para medir cinco constructos clave en una escala Likert de cinco puntos:
  • Alfabetización en IA (AIL): Conocimiento fundacional y comprensión procedimental de las herramientas de IA.
  • Competencia en IA (AIC): La capacidad de aplicar y gestionar eficazmente la IA en contextos académicos y laborales.
  • Autoeficacia en la Toma de Decisiones de Carrera (CDMSE): Confianza en tomar y comprometerse con decisiones de carrera.
  • Mentalidad de Crecimiento (GM): Creencias respecto a la maleabilidad de la inteligencia y las habilidades a través del esfuerzo.
  • Autopercepción de la Empleabilidad (SPE): La evaluación de los estudiantes sobre su capacidad para obtener y retener un empleo.
• Enfoque Analítico: El análisis de datos se llevó a cabo en tres fases utilizando SPSS 23.0 y AMOS 23.0:
  1. Evaluación del Modelo de Medición: Se utilizó el Análisis Factorial Confirmatorio (CFA) para evaluar la confiabilidad (alfa de Cronbach, confiabilidad compuesta) y la validez (validez convergente y discriminante mediante los criterios AVE y Fornell-Larcker).
  2. Evaluación de Sesgo: El sesgo de método común (CMB) se mitigó mediante controles procedimentales (aleatorización, anonimato) y pruebas estadísticas (prueba de factor único de Harman, técnica de marcador CFA).
  3. Modelado Estructural: Se aplicó el Modelado de Ecuaciones Estructurales (SEM) para probar las relaciones directas hipotetizadas y los efectos moderadores de la GM.

Resultados Clave

El análisis de modelado de ecuaciones estructurales arrojó los siguientes hallazgos significativos:

1. Relaciones Directas:

   • AIL $\rightarrow$ AIC y CDMSE: La alfabetización en IA está asociada de manera positiva y significativa tanto con la competencia en IA ($B=0.285, p<0.001$) como con la autoeficacia en la toma de decisiones de carrera ($B=0.372, p<0.001$).
   • AIC $\rightarrow$ SPE y CDMSE: La competencia en IA predice significativamente la autopercepción de la empleabilidad ($B=0.108, p<0.05$) y está asociada positivamente con la CDMSE ($B=0.261, p<0.001$).
   • CDMSE $\rightarrow$ SPE: La autoeficacia en la toma de decisiones de carrera es un predictor positivo significativo de la autopercepción de la empleabilidad ($B=0.159, p<0.001$).

2. Efectos Moderadores de la Mentalidad de Crecimiento (GM):

   • La GM fortalece significativamente la relación positiva entre la alfabetización en IA y la competencia en IA (Efecto de interacción: $B=0.155, p<0.001$).
   • La GM fortalece significativamente la relación positiva entre la alfabetización en IA y la autoeficacia en la toma de decisiones de carrera (Efecto de interacción: $B=0.171, p<0.001$).
   • Esto indica que los estudiantes con una mentalidad de crecimiento más sólida son más capaces de convertir la alfabetización en IA en habilidades prácticas y confianza profesional.

3. Ajuste del Modelo: El modelo propuesto de cinco factores demostró un buen ajuste a los datos ($CFI=0.941, TLI=0.942, RMSEA=0.068$), superando a los modelos alternativos de uno, dos, tres y cuatro factores.

Contribuciones Clave

El estudio realiza tres contribuciones primordiales a la literatura sobre desarrollo de carrera y empleabilidad:

1. Avance Conceptual: Conceptualiza empíricamente la alfabetización en IA no solo como conocimiento técnico, sino como un recurso fundacional que moldea tanto la competencia práctica en IA como la autoeficacia en la toma de decisiones de carrera dentro de los mercados laborales impulsados por la IA.
2. Integración Teórica: Basado en la Teoría Cognitiva Social de la Carrera (SCCT), el estudio clarifica las interrelaciones entre AIL, AIC, CDMSE y SPE, demostrando cómo las experiencias de aprendizaje tecnológico interactúan con las creencias de autoeficacia para influir en los resultados de la carrera.
3. Identificación de Condiciones Límite: El estudio amplía la investigación previa al identificar la Mentalidad de Crecimiento como una variable moderadora crítica. Demuestra que los recursos psicológicos (GM) amplifican el impacto de la alfabetización en IA sobre capacidades clave relacionadas con la carrera, resaltando la importancia de las creencias de aprendizaje adaptativo en contextos intensivos en tecnología.

Significado y Reivindicaciones

Los autores sostienen que este estudio ofrece una explicación más integrada de la autopercepción de la empleabilidad de los estudiantes de pregrado en la era de la IA. Al ir más allá de los modelos que se centran únicamente en habilidades o actitudes, la investigación demuestra que el desarrollo efectivo de la SPE requiere la convergencia de recursos tecnológicos (AIL y AIC) y recursos psicológicos (CDMSE y GM).

Los hallazgos sugieren que, en mercados laborales que evolucionan rápidamente, la confianza de los estudiantes en su empleabilidad se ve reforzada no solo por saber usar las herramientas de IA, sino por poseer la adaptabilidad psicológica para aprovechar ese conocimiento en la planificación de su carrera. El estudio concluye que, si bien la alfabetización en IA es fundamental, su pleno potencial para mejorar la empleabilidad se maximiza cuando los estudiantes poseen una mentalidad de crecimiento que fomenta la persistencia y el desarrollo continuo de habilidades.

Limitaciones señaladas por los autores:
Los autores reconocen explícitamente que el diseño transversal impide la inferencia causal. También señalan la dependencia de datos autoinformados, lo que puede introducir un sesgo de método común, y la limitada generalizabilidad de la muestra a los estudiantes de pregrado chinos. En consecuencia, los autores llaman a realizar futuros estudios longitudinales, experimentales y transculturales para validar más a fondo estas relaciones.