Distinción entre textos de guion escritos por humanos y generados por IA: un estudio preliminar con estudiantes de Cine.

PIXEL-BIT REVISTA DE MEDIOS Y EDUCACIÓN Nº 72 - ENERO- 2025 h ps:// e is apixelbi .com Píxel-Bi . Re is a de Medios y Educación. 2025 - ISSN: 1133-8482. e-ISSN: 2171-7966. PIXEL-BIT REVISTA DE MEDIOS Y EDUCACIÓN ENERO 2 0 2 5 EQUIPO EDITORIAL (EDITORIAL BOARD) EDITOR JEFE (EDITOR IN CHIEF) Nº 72 D . Julio Cabe o Almena a, Depa amen o de Didác ica y O ganización Educa i a, Facul ad de CC de la Educación, Di ec o del G upo de In es igación Didác ica. Uni e sidad de Se illa (España) EDITOR ADJUNTO (ASSISTANT EDITOR) D . Juan Jesús Gu ié ez Cas illo, Depa amen o de Didác ica y O ganización Educa i a. Facul ad de CC de la Educación, Uni e sidad de Se illa (España) D . Ósca M. Gallego Pé ez, G upo de In es igación Didác ica, Uni e sidad de Se illa (España) EDITORES ASOCIADOS D a. U za Ga ay Ruiz, Uni e sidad del País Vasco. (España) D a. I ano nna Milqueya C uz Picha do, Pon i icia Uni e sidad Ca ólica Mad e y Maes a. (República Dominicana) D a. Ca men Llo en e Cejudo, Uni e sidad de Se illa (España) CONSEJO METODOLÓGICO D . José González Such, Uni e sidad de Valencia (España) D . An onio Ma as Te ón, Uni e sidad de Málaga (España) D a. Cyn hia Ma ínez-Ga ido, Uni e sidad Au ónoma de Mad id (España) D . Luis Ca o Sanc is óbal, Uni e sidad de Valladolid (España) D a. Nina Hidalgo Fa an, Uni e sidad Au ónoma de Mad id (España) CONSEJO DE REDACCIÓN D a. Ma ía Puig Gu ié ez, Uni e sidad de Se illa. (España) D a. Sand a Ma ínez Pé ez, Uni e sidad de Ba celona (España) D . Selín Ca asco, Uni e sidad de La Pun a (A gen ina) D . Jackson Colla es, Uni e sidades Fede al do Amazonas (B asil) D a. Ki y Gaona, Uni e sidad Au ónoma de Asunción (Pa aguay) D . Vi o José de Jesús Ca ioca. Ins i u o Poli écnico de Beja Ciencias da Educación (Po ugal) D a. El i a Es he Na as, Uni e sidad Me opoli ana de Venezuela (Venezuela) D . Angel Puen es Puen e, Pon i icia Uni e sidad Ca ólica Mad e y Maes a. San o Domingo (República Dominicana) D . Fab izio Manuel Si ignano, Uni e si à degli S udi Suo O sola Benincasa (I alia) D a. Sonia Aguila Ga i a. Uni e sidad de Cádiz (España) D a. Eloisa Reche U bano. Uni e sidad de Có doba (España) CONSEJO TÉCNICO D a. Raquel Ba agán Sánchez, G upo de In es igación Didác ica, Uni e sidad de Se illa (España) D . An onio Palacios Rod íguez, G upo de In es igación Didác ica, Uni e sidad de Se illa (España) D . Manuel Se ano Hidalgo, G upo de In es igación Didác ica, Uni e sidad de Se illa (España) Diseño de po ada: Dña. Lucía Te ones Ga cía, Uni e sidad de Se illa (España) Re iso /co ec o de ex os en inglés: D a. Rubicelia Valencia O iz, MacMillan Educa ion (México) Re iso es me odológicos: e aluado es asignados a cada a ículo CONSEJO CIENTÍFICO Jo di Adell Segu a, Uni e sidad Jaume I Cas ellón (España) Ignacio Aguaded Gómez, Uni e sidad de Huel a (España) Ma ía Vic o ia Aguia Pe e a, Uni e sidad de Las Palmas de G an Cana ia (España) Olga Ma ía Aleg e de la Rosa, Uni e sidad de la Laguna Tene i e (España) Manuel Á ea Mo ei a, Uni e sidad de la Laguna Tene i e (España) Pa icia Á ila Muñoz, Ins i u o La inoame icano de Comunicación Educa i a (México) Ma ía Paz P endes Espinosa, Uni e sidad de Mu cia (España) Angel Manuel Bau is a Valencia, Uni e sidad Cen al de Panamá (Panamá) Jos Beishuizen, V ije Uni e si ei Ams e dam (Holanda) Píxel-Bi . Re is a de Medios y Educación. 2025 - ISSN: 1133-8482. e-ISSN: 2171-7966. Flo en ino Blázquez En onado, Uni e sidad de Ex emadu a (España) Sil ana Calap ice, Uni e si à degli s udi di Ba i (I alia) Selín Ca asco, Uni e sidad de La Pun a (A gen ina) Raimundo Ca asco So o, Uni e sidad de Du ango (México) Zulma Ca aldi, Uni e sidad de Buenos Ai es (A gen ina) Luciano Cecconi, Uni e si à degli S udi di Modena (I alia) Jean-F ançois Ce isie , Uni e si é de Poi ie s, F ancia Jo di Lluís Coidu as Rod íguez, Uni e sidad de Lleida (España) Jackson Colla es, Uni e sidades Fede al do Amazonas (B asil) En icoma ia Co bi, Uni e si à degli S udi Suo O sola Benincasa (I alia) Ma ialau a Cunzio, Uni e si à degli S udi Suo O sola Benincasa (I alia) B igi e Denis, Uni e si é de Liège (Bélgica) Flo iana Falcinelli, Uni e si à degli S udi di Pe ugia (I alia) Ma ia Cecilia Fonseca Sa di, Uni e sidad Me opoli ana de Venezuela (Venezuela) Ma ibel San os Mi anda Pin o, Uni e sidade do Minho (Po ugal) Ki y Gaona, Uni e sidad Au ónoma de Asunción (Pa aguay) Ma ía-Jesús Gallego-A u a , Uni e sidad de G anada (España) Lo enzo Ga cía A e io, UNED (España) Ana Ga cía-Valca cel Muñoz-Repiso, Uni e sidad de Salamanca (España) An onio Bau is a Ga cía-Ve a, Uni e sidad Complu ense de Mad id (España) José Manuel Gómez y Méndez, Uni e sidad de Se illa (España) Me cedes González Sanmamed, Uni e sidad de La Co uña (España) Manuel González-Sicilia Llamas, Uni e sidad Ca ólica San An onio-Mu cia (España) An ónio José Meneses Osó io, Uni e sidade do Minho (Po ugal) Ca ol Halal O ali, Uni e sidad Tecnológica de Chile INACAP (Chile) Mau icio He nández Ramí ez, Uni e sidad Au ónoma de Tamaulipas (México) Ana Lande a E xebe ía, Uni e sidad a Dis ancia de Mad id (UDIMA) Linda La elle, Plymou h Ins i u e o Educa ion (Ingla e a) Fe nando Leal Ríos, Uni e sidad Au ónoma de Tamaulipas (México) Paul Le e e, Cca (UK) Ca los Ma celo Ga cía, Uni e sidad de Se illa (España) F ancois Ma chessou, Uni e sidad de Poi ie s, Pa ís (F ancia) F ancesca Ma one, Uni e si à degli S udi di Napoli Fede ico II (I alia) F ancisco Ma ínez Sánchez, Uni e sidad de Mu cia (España) I o y de Lou des Mogollón de Lugo, Uni e sidad Cen al de Venezuela (Venezuela) Angela Muschi iello, Uni e si à degli s udi di Ba i (I alia) Ma ghe i a Musello, Uni e si à degli S udi Suo O sola Benincasa (I alia) El i a Es he Na as, Uni e sidad Me opoli ana de Venezuela (Venezuela) T inidad Núñez Domínguez, Uni e sidad de Se illa (España) James O’Higgins, de la Uni e sidad de Dublín (UK) José An onio O ega Ca illo, Uni e sidad de G anada (España) Gab iela Padilla, Uni e sidad Au ónoma de Tumalipas (México) Ramón Pé ez Pé ez, Uni e sidad de O iedo (España) Angel Puen es Puen e, Pon i icia Uni e sidad Ca ólica Mad e y Maes a. San o Domingo (República Dominicana) Juan Jesús Gu ié ez Cas illo, Uni e sidad de Se illa (España) Julio Manuel Ba oso Osuna, Uni e sidad de Se illa (España) Rosalía Rome o Tena. Uni e sidad de Se illa (España) Hommy Rosa io, Uni e sidad de Ca abobo (Venezuela) Pie Giuseppe Rossi, Uni e si à di Mace a a (I alia) Jesús Salinas Ibáñez, Uni e sidad Islas Balea es (España) Yamile Sando al Rome o, Uni e sidad de San iago de Cali (Colombia) Albe Sang á Mo e , Uni e sidad Obe a de Ca alunya (España) Ángel Sanma ín Alonso, Uni e sidad de Valencia (España) Ho acio San ángelo, Uni e sidad Tecnológica Nacional (A gen ina) F ancisco Solá Cab e a, Uni e sidad de Se illa (España) Jan F ick, S a ange Uni e si y (No uega) Ka l S e ens, Uni e sidad de Colonia (Alemania) Seppo Tella, Helsinki Uni e si y (Finlandia) Hanne Wache Kjae gaa d, Aa hus Uni e si y (Dinama ca) Píxel-Bi . Re is a de Medios y Educación. 2025 - ISSN: 1133-8482. e-ISSN: 2171-7966. FACTOR DE IMPACTO (IMPACT FACTOR) SCOPUS Q1 Educa ion: Posición 236 de 1406 (83% Pe cen il). Ci eSco e T acke 2023: 5,3 - Jou nal Ci a ion Indica o (JCI). Eme ging Sou ces Ci a ion Index (ESCI). Ca ego ía: Educa ion & Educa ional Resea ch. Posición 556 de 1506. Cua il Q2 (Pe cen il: 65.29) – FECYT (2023): Ciencias de la Educación. Cua il 1. Posición 12. Pun uación: 39,22- DIALNET MÉTRICAS (Fac o impac o 2022: 1.78. Q1 Educación. Posición 13 de 235) - REDIB Cali icación Glogal: 29,102 (71/1.119) Pe cen il del Fac o de Impac o No malizado: 95,455- ERIH PLUS - Clasi icación CIRC: B- Ca ego ía ANEP: B - CARHUS (+2018): B - MIAR (ICDS 2020): 9,9 - Google Schola (global): h5: 34; Mediana: 52 - Jou nal Schola Me ic Q2 Educación. Ac ualización 2016 Posición: 405a de 1,115- C i e ios ANECA: 20 de 21 - INDEX COPERNICUS Pun uación ICV 2019: 95.10 Píxel-Bi , Re is a de Medios y Educación es á indexada en e o as bases en: SCOPUS, Fecy , DOAJ, I esie, ISOC (CSIC/CINDOC), DICE, MIAR, IN-RECS, RESH, Ul ich’s Pe iodicals, Ca álogo La index, Biné-EDUSOL, Dialne , Redine , OEI, DOCE, Sc ibd, Redalyc, Red Ibe oame icana de Re is as de Comunicación y Cul u a, Gage Cengage Lea ning, Cen o de Documen ación del Obse a o io de la In ancia en Andalucía. Además de es a p esen e en po ales especializados, Buscado es Cien í icos y Ca álogos de Biblio ecas de econocido p es igio, y pendien e de e aluación en o as bases de da os. EDITA (PUBLISHED BY) G upo de In es igación Didác ica (HUM-390). Uni e sidad de Se illa (España). Facul ad de Ciencias de la Educación. Depa amen o de Didác ica y O ganización Educa i a. C/ Pi o ecnia s/n, 41013 Se illa. Di ección de co eo elec ónico: e is apixelbi @us.es. URL: h ps:// e is apixelbi .com/ ISSN: 1133-8482; e-ISSN: 2171-7966; Depósi o Legal: SE-1725-02 Fo ma o de la e is a: 16,5 x 23,0 cm Los ecu sos incluidos en Píxel Bi es án suje os a una licencia C ea i e Commons A ibu ion-NonComme cial- Sha eAlike 4.0 Unpo ed (Reconocimien o-NoCome cial-Compa i Igual)(CC BY-NC-SA 4.0), en consecuencia, las acciones, p oduc os y u ilidades de i adas de su u ilización no pod án gene a ningún ipo de luc o y la ob a gene ada sólo pod á dis ibui se bajo es a misma licencia. En las ob as de i adas debe á, asimismo, hace se e e encia exp esa a la uen e y al au o del ecu so u ilizado. ©2025 Píxel-Bi . No es á pe mi ida la ep oducción o al o pa cial po ningún medio de la e sión imp esa de Píxel-Bi . Píxel-Bi . Re is a de Medios y Educación. 2025 - ISSN: 1133-8482. e-ISSN: 2171-7966. Nº 72 PIXEL-BIT REVISTA DE MEDIOS Y EDUCACIÓN Índice E N E R O 2 0 2 5 1.- Análisis de la Disposición Espacial de Con enido en en o nos de Realidad Aumen ada y su E ec o en la Ca ga Cogni i a de los Usua ios [Analysis o he Spa ial Layou o Con en in Augmen ed Reali y En i onmen s and i s E ec on Use s' Cogni i e Load] Luis Edua do Bau is a, Fe nanda Ma adei, Gab iel Ped aza 2.- E aluación de ac i udes hacia la ciencia, ecnología, ingenie ía y ma emá icas (STEM) pa a omen a la c ea i idad en la educación secunda ia [Assessing A i udes Towa d Science, Technology, Enginee ing, and Ma hema ics (STEM) o Enhancing C ea i i y in Seconda y Educa ion] Mujib Mujib, Ma diyah Ma diyah 3.- Dis inción en e ex os de guion esc i os po humanos y gene ados po IA: un es udio p elimina con es udian es de Cine [Dis inc ion be ween Sc eenplay Tex s W i en by Humans and Gene a ed by AI: a P elimina y S udy wi h Film S uden s] Ja ie Lu i-Rod íguez, Elio Qui oga-Rod íguez 4.- E ec o mediado del au ocon ol sob e la au oes ima y el uso de Ins ag am en adolescen es. Relaciones con el endimien o académico y el es és ecnológico [Media ing e ec o sel -moni o ing on sel - es eem and Ins ag am use in adolescen s. Rela ionships wi h academic pe o mance and echnological s ess] F ancisco José Rubio-He nández, Ado ación Díaz-López, Vanessa Caba-Machado, Elena González- Calaho a 5.- Phubbing: edad y p esencia en línea como condiciones necesa ias [Phubbing: Age and Online P esence as Necessa y Condi ions] An onio Ma as-Te ón 6.- IA gene a i a e sus p o eso es: e lexiones desde una e isión de la li e a u a [Gene a i e AI s. Teache s: insigh s om a li e a u e e iew] And es Chiappe, Ca olina San Miguel, Fabiola Mabel Sáez Delgado 7.- ¿Coinciden la comunidad cien í ica y la sociedad sob e el uso de la In eligencia A i icial en educación? [Do he scien i ic communi y and socie y ag ee on he use o A i icial In elligence in educa ion?] Sonia Ma ín-Gómez, Ángel Ba olomé Muñoz de Luna 8.- La u ilidad pe cibida del Cha GPT po pa e del alumnado uni e si a io [Pe cei ed use ulness o Cha GPT by uni e si y s uden s] Pablo Ja ie O ega-Rod íguez, F ancisco Ja ie Pe icacho Gómez 9.- La ho a del Book ok: ca ac e ización de nue os ídeos pa a la p omoción lec o a en el mó il [Book ok Time: Cha ac e iza ion o New Videos o Mobile Reading P omo ion] José Ro i a-Collado, F ancisco An onio Ma ínez-Ca a alá, Sebas ián Mi as 10.- A Cómo po encia el pensamien o c í ico en la uni e sidad a a és de compe encias en línea: e aluación de la in o mación y la ne ique a: Un análisis en u u os docen es según el sexo // C i ical hinking and skills in e alua ing online in o ma ion, a 21s cen u y challenge: A gende analysis o p ospec i e eache s Magalí Denoni Buján, Ana Cebolle o Salinas 7 39 70 87 103 119 139 159 180 199 Píxel-Bi . Re is a de Medios y Educación. 2025 - ISSN: 1133-8482. e-ISSN: 2171-7966. Pixel-Bi . Re is a de Medios y Educación, 72, 70-86 | 2025 | h ps://doi.o g/10.12795/pixelbi .108802 Dis inción en e ex os de guion esc i os po humanos y gene ados po IA: un es udio p elimina con es udian es de Cine. Dis inc ion be ween Sc eenplay Tex s W i en by Humans and Gene a ed by AI: A P elimina y S udy wi h Film S uden s. D . Ja ie Lu i Rod íguez PDI Uni e sidad del A lán ico Medio. España D. Elio Qui oga Rod íguez Cineas a. PDI Uni e sidad del A lán ico Medio. España Recibido: 2024/06/25; Re isado: 2024/04/19; Acep ado: 2024/11/24; Online Fi s : 2024/12/03; Publicado: 2025/01/07 RESUMEN La mayo ía de las incógni as que susci a el desa ollo de la in eligencia a i icial en con ex os como el académico o el p o esional, es án elacionadas con cie a in usión de la ecnología, no solo po ealiza labo es adicionalmen e humanas, sino ambién po hace lo de una mane a que puede esul a di ícil de iden i ica . El p esen e a ículo es udia cómo dis in os es udian es del G ado de Cine dis inguen en e guiones c eados con IA y sin ella, mues a elegida po suponé sele un juicio madu o en es e campo. A 24 alumnos se les acili a on es opciones de una misma escena de guion, jun o con un cues iona io en el que debían econoce la p ocedencia, humana o de in eligencia a i icial gene a i a, de cada uno de los ex os, así como jus i ica las azones de su elección. En e los es ex os acili ados había p oducción exclusi amen e humana y ex o sin é ico de a ias p ocedencias. Un análisis cuan i a i o mues a una des acable inclinación hacia la pe cepción de que se a a de ex os sin é icos, independien emen e de que es os ealmen e lo sean, esul ando una pa icula incapacidad de disce nimien o. Po o o lado, un análisis cuali a i o ha podido des aca cla es sob e cómo los es udian es pe ciben o p esuponen las di e en es p ocedencias, esul ando des acables cie as nociones de “na u alidad” desc i as po los pa icipan es. ABSTRACT Mos unce ain ies su ounding he de elopmen o a i icial in elligence in academia o p o essional en i onmen s a e ela ed o a ce ain in usion o echnology, no only because i pe o ms asks adi ionally done by humans, bu also because i can be di icul o iden i y. This a icle s udies how di e en s uden s o he Bachelo 's deg ee in Film dis inguish be ween sc ip s c ea ed wi h and wi hou AI. The sample was chosen unde he assump ion ha he s uden s possess ma u e judgmen ega ding he opic in es iga ed. 24 s uden s we e p o ided wi h h ee e sions o he same scene sc ip , oge he wi h a ques ionnai e o iden i y he ex s' o igin, ei he human o om Gene a i e A i icial In elligence, as well as jus i y he easons o hei choice. Among he h ee ex s p o ided, some we e exclusi ely human-gene a ed and o he s we e di e en ypes o syn he ic ex s. A quan i a i e analysis shows a conside able endency o pe cei e ha he ex s a e syn he ic, ega dless o hei ac ual o igin, esul ing in a speci ic inabili y o dis inguish. On he o he side, a quali a i e analysis has highligh ed keys on how s uden s pe cei e o assume he ex s' o igin. Ce ain no ions o "na u alness" desc ibed by he pa icipan s we e signi ican . PALABRAS CLAVES · KEYWORDS In eligencia a i icial; E aluación de la pe cepción; Es udian es uni e si a ios; Na a i a audio isual; Guion cinema og á ico; Iden i icación de au o ía; A i icial In elligence; Use Pe cep ion E alua ion; Uni e si y S uden s; Audio isual Na a i e; Sc eenw i ing; Au ho ship Iden i ica ion Pixel-Bi . Re is a de Medios y Educación, 72, 70-86 | 2025 | h ps://doi.o g/10.12795/pixelbi .108802 PÁGINA | 71 1. In oducción En el pano ama ac ual de la in eligencia a i icial (IA), un escena io en cons an e cambio y dis upción, los a ances en la gene ación de lenguaje na u al han alcanzado al os ni eles de so is icación, ace cando cada ez más las ca ac e ís icas de la c eación humana a la gene ada po máquinas. En es a línea de desa ollo se encuen an los modelos de lenguaje basados en IA, como Gemini de Google y Cha GPT de OpenAI, que son capaces de p oduci ex o de mane a luida y cohe en e, incluso en á eas an apa en emen e complejas como la edacción de ex os d amá icos (Anan asi ichai & Bull, 2021; Anguiano & Becke , 2023). Es e ni el de pe eccionamien o ha ocasionado la ápida i upción de es a ecnología en di e sos ámbi os de la c eación li e a ia y de guiones audio isuales (Chow, 2020), ocasionando mul i ud de in e ogan es sob e su alcance, en e los que pod íamos des aca , como p ima ios, ¿cuán p esen e pod ía es a es a ecnología sin ad e i lo? y con ello ¿cuál es su po encial ac ual pa a unciona de mane a indis inguible a la de un c eado humano? (Dayo e al., 2023). La necesidad de explo a y comp ende es a capacidad de disce nimien o se uel e cada ez más ele an e en un mundo donde la p esencia de IA en la p oducción de con enido es cada ez más p ominen e. ¿Has a qué pun o puede se suplan able una edacción d amá ica humana po una gene ada au omá icamen e po ecnología ac ual de IA? ¿Exis e una di e encia pe cep ible en la calidad, el es ilo o la cohe encia en e los ex os p oducidos po humanos y aquellos gene ados po IA? Los in e ogan es sob e la capacidad de las pe sonas pa a dis ingui en e una ob a c eada po humanos y una gene ada g acias a es as máquinas, o lo que es lo mismo, la capacidad ac ual de las máquinas pa a engaña nos con un p oduc o c ea i o (Ku , 2018), esul a una cues ión de doble in e és: po una lado e alúa la uncionalidad de la in eligencia a i icial en un con ex o conc e o, y po o o, an ea nues a capacidad de disce nimien o, lo que puede conlle a una e lexión sob e nues a consciencia del alcance de es a ecnología (InFocus, 2023). Pe o, además, el especial in e és de lle a es os análisis de iden i icación a las ob as a ís icas, como es el caso de la esc i u a de un ex o d amá ico, se undamen a en una cues ión de as ondo: ¿pueden las máquinas p oduci ob as exp esi as y llega a emociona nos (Çelik, 2024; F ancois, 2024)? A eno de las con encionales p emisas de dis inción en e el se humano y las máquinas, es a esul a una cues ión de calado, y odo ace camien o pa cial a es e campo de indagación puede colabo a , ampliando un poco más el ángulo de isión global (Li, 2022). 2. Me odología Pa a la ealización del es udio, se omó una secuencia de un guion de la gome aje ealizada po un guionis a, que desconocía la inalidad del ex o y el obje o de in es igación. Po o o lado, se ins uyó a dos in eligencias a i iciales, Gemini, de Google (Me z & G an , 2023), y Cha GPT, de OpenAI, en su e sión 3.5 (Kozachek, 2023), median e la edacción de un p omp ex enso idén ico pa a las dos IAs (Anexo 1). Es e, con enía las ins ucciones pa a que esc ibie an la escena dándoles unos g andes asgos en o ma de sinopsis den o del mismo 1 . 1 Los ex os de las IA ue on ob enidos el 2 / 12 / 2023 y los cues iona ios ue on ellenados po los 24 suje os du an e eb e o y ma zo de 2024. Pixel-Bi . Re is a de Medios y Educación, 72, 70-86 | 2025 | h ps://doi.o g/10.12795/pixelbi .108802 PÁGINA | 72 Una mues a de 24 alumnos, que compone la o alidad del alumnado de 1º, 2º y 3º del G ado en Cine de la Uni e sidad del A lán ico Medio, pa icipó median e un o mula io anónimo en el que cada indi iduo debía indica su cu so y sexo, pa a después dis ingui , en cada una de las es opciones de una misma escena de un guion, si es aba esc i a po una pe sona o una IA. Se en ega on una opción esc i a po una pe sona, o a esc i a po Cha GPT y la e ce a po Gemini, indicándoles que cualquie a de las es escenas que iban a lee pod ía es a esc i a po una IA, o po un humano (Anexo 2). También se pidió a los pa icipan es que azona an sob e po qué han omado cada decisión, edac ando una espues a co a pa a cada caso de iden i icación. Los esul ados ecabados se some ie on a un análisis cuan i a i o pa a analiza la capacidad de los pa icipan es pa a iden i ica la p ocedencia, buscando ambién a iables elacionadas como el ipo de IA u ilizada o el sexo de los pa icipan es. Las jus i icaciones apo adas po los alumnos si ie on pa a ealiza un análisis cuan i a i o en el que se di idie on las espues as po ca ego ías semán icamen e a ines en busca de pa ones de econocimien o. Es o se hizo de mane a global, a endiendo a cada una de las es p ocedencias y ambién dis inguiendo en e las iden i icaciones co ec as y las inco ec as de los pa icipan es. 3. Análisis y esul ados 3.1 Resul ados cuan i a i os (capacidad de iden i icación): Las al e na i as e an A (escena esc i a po Gemini), B (escena esc i a po un guionis a) y C (escena esc i a po Cha GPT); los es udian es enían que ma ca si cada escena es aba esc i a po una IA o una pe sona, esul ando: • A (Gemini): Co ec as = 16, Inco ec as = 8 • B (Pe sona): Co ec as = 7, Inco ec as = 17 • C (Cha GPT): Co ec as = 15, Inco ec as = 9 En la Figu a 1 se mues a un his og ama con las p opo ciones de las espues as co ec as. A p ime a is a pa ece que la opción B, la esc i a po un guionis a, no ue iden i icada como al. Con odo, pa a e alua si los suje os pudie on dis ingui en e las opciones, es necesa io compa a su desempeño con lo que pod íamos espe a al aza . Si suponemos que las pe sonas es án adi inando po aza , en onces espe a íamos que ace a an ap oximadamen e 8 espues as (ya que hay 24 pe sonas y 3 opciones posibles). Pixel-Bi . Re is a de Medios y Educación, 72, 70-86 | 2025 | h ps://doi.o g/10.12795/pixelbi .108802 PÁGINA | 79 que signi ica que los alumnos iden i ica on inco ec amen e el ex o esc i o po una pe sona como si ue a esc i o po una IA. Los esul ados del análisis median e ma iz de con usión sugie en que los alumnos u ie on di icul ades pa a dis ingui con p ecisión en e los ex os esc i os po IA y los esc i os po pe sonas; si bien ue on mejo es pa a iden i ica ex os esc i os po IA, ambién come ie on una can idad conside able de e o es al clasi ica ex os esc i os po pe sonas. Todo ello es cohe en e con lo ob enido an e io men e median e chi-cuad ado. 3.2 Resul ados cuali a i os (c i e ios mani es ados): Apa e de la iden i icación en e ex o con IA y pu amen e humano, a los pa icipan es se les pidió una b e e jus i icación esc i a de cada elección, con la in ención de busca pa ones desc ip i os de los juicios al espec o. A con inuación, se comen a á lo que los pa icipan es han mani es ado sob e las azones pa a deduci la au o ía, a i icial o humana, de cada uno de los es ex os. • En p ime luga , sob e el p ime ex o ealizado con in eligencia a i icial (Opción A, IA Gemini), se ha encon ado que: a) De en e las espues as co ec as, se pueden iden i ica es bloques de espues as que des acan como las es azones p incipales pa a iden i ica la p ocedencia a i icial del ex o. En el p ime bloque, el de mayo ni el de coincidencias (dos e cios de los que ace a on), encon amos jus i icaciones que pueden elaciona se con una uncionalidad excesi a. En él encon amos explicaciones basadas en los é minos “esquemá ico”, “di ec o”, “plano”, “me ódico”, “li e alidad” o exp esiones como “ a al g ano”, “dicen exac amen e lo que dice la sinopsis”, o “es como si die an en el cla o en odos los pun os d amá icos pe o sin la emoción necesa ia”. El siguien e bloque de espues as (la mi ad de los que ace a on), ienen que e con la ap eciación de al a de na u alidad, es e bloque ag upa espues as en o no a é minos como “a i icial”, “ obo izado”, “ obó ico”, “au omá ico” o exp esiones como “no na u al”, “poco pe sonal”, o “de dicciona io”. En unos pocos casos es os mo i os además se asociaban con la emoción, añadiendo exp esiones como “sin la emoción necesa ia”, “ ío”, “desganado” o “poco exp esi o”. El e ce bloque des acable ( ambién de la mi ad de los que ace a on), es á compues o con explicaciones elacionadas con la simplicidad, ag upando ases en o no a los é minos “simple”, b e e”, “ acío”, “pob e” o exp esiones como “desc ipciones de los pe sonajes son escasas” o “ iene muy pocos de alles”. b) Po o o lado, con meno mues a ep esen a i a, de en e las espues as que no ace a on, c eyendo que e a humano, las jus i icaciones p incipales (la mi ad de los que alla on) se elacionan ambién con la na u alidad, con espues as en o no a ideas como “bas an e humano”, “bas an e na u al”, “c eíble” o incluso, Pixel-Bi . Re is a de Medios y Educación, 72, 70-86 | 2025 | h ps://doi.o g/10.12795/pixelbi .108802 PÁGINA | 80 más explíci amen e: “C eo que la exp esión de las o aciones y el modo de o dena las aco aciones e in e enciones son como las que eo en mis compañe os y hago yo al esc ibi guiones”. En es e caso, sin hace alusión a la emoción. • En segundo luga , sob e el segundo ex o ealizado con in eligencia (Opción C, IA Cha GPT), se ha encon ado que: a) De en e las espues as co ec as, se pueden iden i ica dos bloques de espues as des acables, ambos con la misma can idad de mención (poco más de la mi ad de los que ace a on). Uno de es os dos bloques coincide con la ca ego ía iden i icada ambién en el p ime ex o, nomb ada an e io men e como al a de na u alidad. En ella se ag upan es a ez exp esiones como “ al a na u alidad”, “suena muy o zado”, “p egun as y espues as muy obó icas”, “poco c eíble”, “mecánico”, “diálogos no na u ales”, o “exp esiones ehechas y p ecocinadas”. En es e caso, ampoco se elaciona con aspec os elacionados con la emoción. El o o bloque ele an e de espues as se cen a en la iden i icación de e o es de cong uencia en el con enido, ag upando exp esiones como “incong uencias”, “incohe encias”, “e o es de cohe encia”, “p oblemas de cohe encia”, y a ios ejemplos como “ espues as no ienen elación con lo que el o o p egun a”. b) Del o o lado, el de las jus i icaciones cuando son espues as e óneas, c eyendo que e a ex o humano, como en la IA an e io hay meno mues a ep esen a i a (poco más de la mi ad de los que alla on), e indican en p ime luga azones elacionadas con la no simplicidad, con ases en o no a “más especi icado”, “mucho de alle”, “más comple o” o “desa ollado”. El bloque an es iden i icado como na u alidad ambién apa ece (con solo un e cio de los que alla on), con ideas como “diálogos luidos y na u ales”, “con e sación no mal en e pe sonas”, o “se mues a cómo eacciona cada pe sona an e alguna si uación”; a es o se le pod ía añadi o a azón elacionada con la emoción, y o o pequeño bloque (la mi ad de los que alla on) que aduce que el o ma o le lle a (e óneamen e) a c ee que es humano: “nomencla u a mejo p esen ada”, “su icien es aco aciones”, “ espe a al cien po cien las eglas del o ma o”. • En e ce luga , en elación con el ex o ealizado po un guionis a humano (Opción B), se puede des aca que: a) De en e las espues as co ec as, solo se puede des aca un bloque modes o de espues as (poco más de la mi ad de los que ace a on) que co esponde con cues iones elacionadas con la mencionada na u alidad pe cibida, Pixel-Bi . Re is a de Medios y Educación, 72, 70-86 | 2025 | h ps://doi.o g/10.12795/pixelbi .108802 PÁGINA | 81 ecogiendo explicaciones basadas en exp esiones como “con e sación humana”, “no se e o zado”, “ luido”, “coloquiales y na u ales”. b) En lo e e en e a las espues as inco ec as, c eyendo que el ex o no es humano, des aca de nue o el bloque, bas an e mayo i a io (poco más de la mi ad de los que alla on) que podemos ag upa con las jus i icaciones elacionadas con la na u alidad pe cibida. Respues as basadas en é minos como “poco o gánicos”, “sin na u alidad”, “exp esiones ebuscadas”, “diálogo obó ico”, o “no son del odo con incen es” uel en a concu i como p incipales c i e ios de iden i icación. Es as espues as sob e la na u alidad, en es e caso ca ecen de inculación explíci a con la emoción, que apa ece solo en la espues a de o o pa icipan e aislado. No se ha encon ado ningún pa ón signi ica i o que elacione el ipo de espues as con el cu so ni con el sexo de los pa icipan es. Con odo ello, se puede sin e iza que enquis en a ios bloques de espues as ecu en es, en e los que des aca en p ime luga el que hemos denominado “na u alidad”, siendo el más p esen e an o en las espues as co ec as como en las inco ec as de la Opción B (Humana), ambién el más p esen e en las espues as co ec as de la Opción C (IA Cha GPT), y en las inco ec as de la Opción A (IA Gemini). O o bloque de espues as ele an e esul ó se el que se elaciona con un exceso de uncionalidad, siendo el de mayo p esencia en la Opción A (IA Gemini). O os bloques de espues as ambién pa ecen des acables, como el elacionado con la simplicidad, el mayo i a io en e las espues as inco ec as de la Opción C (IA Cha GPT), ambién p esen e en e las espues as co ec as de la Opción A (IA Gemini). 4. Discusión A pesa del limi ado alcance del p esen e es udio, los esul ados a ojados apun an hacia la idea de que alumnos uni e si a ios no pueden dis ingui aho a mismo los ex os d amá icos esc i os po pe sonas de los esc i os con in eligencias a i iciales gene a i as. El hecho de que los da os se hayan ob enido de alumnado de una Facul ad de Cine, e ue za la signi icación de los esul ados, ya que son es udian es supues amen e in e esados y amilia izados con el lenguaje cinema og á ico los que han mos ado incapacidad a la ho a de dis ingui la p ocedencia humana de una secuencia de guion. Las azones de es a iden i icación apo adas po los pa icipan es pa ecen desc ibi componen es humanos y obó icos, que se han podido desglosa en dis in as ca ac e ís icas como la excesi a uncionalidad, la al a o p esencia de na u alidad, así como de simplicidad, las incohe encias o cohe encias an o de con enido como de o ma o y la p esencia o ca encia de emoción. Teniendo en cuen a la limi ada mues a usada, es a disc iminación ha pe mi ido una desc ipción bas an e de allada de los dis in os c i e ios elec i os de los suje os. Pixel-Bi . Re is a de Medios y Educación, 72, 70-86 | 2025 | h ps://doi.o g/10.12795/pixelbi .108802 PÁGINA | 82 Con el e ue zo de o as in es igaciones con mayo alcance, se pod ían con i ma los da os aquí expues os sob e la incapacidad de disce ni la p ocedencia humana de ex os d amá icos, lo que pod ía mo e a una e lexión que escapa al alcance de es e abajo. Además, es e e ue zo o la ampliación del p esen e es udio, puede ayuda a explica con más de alle y iabilidad las ca ac e ís icas que se a ibuyen a los c eado es d amá icos humanos y a los a i iciales. Las implicaciones de ales desc ipciones compa a i as se pueden in ui ascenden es, an o pa a los humanos implicados en la li e a u a cinema og á ica, como pa a los desa ollado es de in eligencia a i icial. En es e pun o, esul a pe inen e ma iza que el p esen e es udio no ecoge una compa ación adical en e la o ma de c eación humana y la que es capaz de hace una máquina; se ha alo ado la capacidad de gene a ex o li e a io, pe o en base a unas di ec ices conc e as in oducidas p e iamen e po un humano. Po an o, más que con on a al humano con la máquina, lo que se ha compa ado es la p oducción humana, sin ayuda de una he amien a de edacción au oma izada, con la p oducción con la ayuda de es a he amien a. Es esa au oma ización, la de la edacción li e a ia de una idea p e ijada, a la que aquí se ha a endido, como un campo an es exclusi o de la maña humana. La au o ía inal del p oduc o a ís ico que haya sido gene ado con he amien as de IA, es una cues ión de análisis ajena a las p e ensiones de es e abajo. Con el acele ado desa ollo y la c ecien e ele ancia de la in eligencia a i icial hoy, es indiscu ible el in e és po segui a endiendo a es a mo ilidad de on e as en e las compe encias de la in eligencia a i icial y las humanas. Como o os han pues o de elie e, “Cha GPT es una o ma de ida digi al en cons an e e olución (…) pod ía desdibuja las líneas de su na u aleza de he amien a” (Luchen & Zhongwei, 2023). Po o o lado, pa ece coge ue za la idea de que p uebas como la del p esen e abajo o incluso el mismo es de Tu ing esul an cla amen e insu icien es pa a iden i ica ex o sin é ico. Tu ing, ya en los años cincuen a, p opuso una p ueba en la que un in e locu o se comunicaba po esc i o con un humano y con una máquina, de no dis ingui se a la máquina, es a es a ía pasando la p ueba (F ench, 2000). En las in es igaciones ac uales, esul a in e esan e a ende a si se in es iga a la máquina o al humano, es deci , si se a a de alo a la so is icación de la ecnología o si po el con a io se es á e aluando la capacidad de disce nimien o del usua io, sus capacidades y ecu sos pa a ello. Que en el p esen e abajo los pa icipan es hayan is o aspec os a i iciales y “ obó icos” de mane a masi a en el ex o humano, pod ía in e p e a se como una descon ianza impos ada po el o gullo del que no quie e e cues ionado su c i e io. Y es que, especialmen e en el ámbi o de la educación, exis e un in e és acucian e po iden i ica la alsi icación y la in usión asociada a es as p oducciones sin é icas en e el alumnado. Es o es á lle ando a una ca e a de pe spicacia y desa ollo de so wa e, en la que el bando de la c eación sin é ica a po delan e del de la iden i icación humana, pe o an o en el mundo académico como en el p o esional, c ecen las ilas de los que dese an de es a ba alla, po imposible o innecesa ia, pa a cen a se en diseña o mas en la que in eg a la in eligencia a i icial de mane a anspa en e y e ec i a en los p ocesos de educación y de c eación. 5. Conclusiones Es e abajo busca e alua la capacidad de es udian es pa a dis ingui en e ex os esc i os po pe sonas y aquellos gene ados po in eligencias a i iciales (IA), Pixel-Bi . Re is a de Medios y Educación, 72, 70-86 | 2025 | h ps://doi.o g/10.12795/pixelbi .108802 PÁGINA | 83 especí icamen e Gemini de Google y Cha GPT de OpenAI, así como de hace un análisis de las azones aducidas po los pa icipan es a la ho a de dis ingui es a p ocedencia. Los esul ados, en un análisis cuan i a i o, indican que los pa icipan es log a on dis ingui en e las opciones p opo cionadas po Gemini y Cha GPT, pe o no log a on dis ingui de mane a signi ica i a en e ex os esc i os po pe sonas y aquellos gene ados po las IA. El análisis de los esul ados a a és de la p ueba de chi-cuad ado mos ó que las espues as de los pa icipan es es aban signi ica i amen e alejadas de lo que se espe a ía al aza pa a las opciones de Gemini y Cha GPT, lo que sugie e que los pa icipan es pudie on dis ingui en e es as opciones mejo que simplemen e eligiendo al aza . Además, se lle ó a cabo un análisis po géne o pa a de e mina si había di e encias en los acie os en e homb es y muje es. Los esul ados indica on que no hubo di e encias signi ica i as en e homb es y muje es en los acie os pa a ninguna de las opciones e aluadas. En cualquie caso, el acie o o no a la ho a de iden i ica la p ocedencia de los ex os, puede conside a se una cues ión al ma gen del análisis de los c i e ios de iden i icación de los pa icipan es. Las ca ac e ís icas a endidas y eseñadas po los pa icipan es con ienen un alo signi ica i o p opio, al desc ibi la imagen, p ejuicios y expec a i as, que se iene de es a ecnología, y su uso en ex os li e a ios. Es a imagen subje i a de la IA se es á desc ibiendo en o as in es igaciones con o os ipos de alumnado uni e si a io, como el de In o má ica (Singh e al., 2023) o el de Ciencias (Yilmaz e al., 2023), como en el p o eso ado (Iqbal e al., 2022) con imp esiones más gené icas sob e el uso de es a ecnología, en e las que des aca el escep icismo sob e el impac o en el ap endizaje (Lozano e al., 2021), especialmen e en lo e e en e al pensamien o c í ico (González, 2023), y en las que se mani ies a una a ención especial a la con ianza de i ada de la c edibilidad pe cibida en es as he amien as. Un análisis cuali a i o sob e las espues as edac adas po los pa icipan es, ha des acado dis in os bloques de espues as ecu en es, en e los que des aca en p ime luga el que se ha denominado como “na u alidad”. Es e bloque, sob e el que hemos desc i o di e sos ejemplos en ipos de ases, se ha aislado de o os aspec os elacionados, como la simplicidad, los e o es de o ma o o con enido o la explíci a e e encia a cues iones elacionadas con la emoción. Queda po an o en es a ca ego ía de espues as, las ideas más elacionadas con un modo de exp esión que se ha desc i o como “la escena se sien e demasiado o zada, las exp esiones se sien en como dibujos animados”, “ espues as y p egun as muy “ obó icas”, incluso con análisis más elacionados con conno aciones psicológicas como “no eo más allá de las palab as que se u ilizan. No hay ans ondo”, o incluso con juicios como “es e guión es pob e y desganado, ío y plano. Si ue ealizado po una pe sona, se a a ía de un niño o una niña, o al menos de un adul o sin alma y sin ganas de i i ”. Todas es as mani es aciones son ace ando en iden i ica una IA, pe o exp esiones simila es se encuen an cuando e an diciendo que es de IA el ex o humano: “diálogos poco o gánicos”, “sin chicha y poco humano”, “exp esiones a eces me pa ecen ebuscadas y poco na u ales” o incluso “diálogo obó ico” o “si lo ha hecho una pe sona esul a ía e iden e su al a de inspi ación y ca encias en la comp ensión”. También cuando allan iden i icando como humano lo que es IA se dan azones simila es elacionadas con la na u alidad: “Los diálogos son c eíbles, no es án excesi amen e ado nados”, un es ilo que con unde has a hace mani es a que “la exp esión de las o aciones y el modo de o dena las aco aciones e in e enciones son como las que eo en mis compañe os y hago yo al esc ibi guiones”. Pixel-Bi . Re is a de Medios y Educación, 72, 70-86 | 2025 | h ps://doi.o g/10.12795/pixelbi .108802 PÁGINA | 84 Aunque la ca ego ización de las obse aciones de los pa icipan es ha pe mi ido isualiza dis in as ca ac e ís icas y alo a su ele ancia según su p esencia ela i a, sin duda con una mues a mayo y más di e sa pod ían alcanza se ca ac e ís icas más conc e as y iables. Es e es udio cons i uye un modes o p ime paso en la comp ensión de cómo las pe sonas pe ciben y dis inguen en e ex os gene ados po IA y aquellos esc i os po humanos, apo ando pa a ello un modelo de in es igación cuali a i a y cuan i a i a uncional. Sin emba go, en cuan o a los esul ados de al diseño, se econoce que el amaño de la mues a es pequeño, dando un e o mues al mejo able. Po ello, se anima a eplica el es udio con una mues a más g ande y di e sa, así como u iliza una a iedad más amplia de ex os pa a la p ueba, con el in de ob ene esul ados más obus os y gene alizables. Con ibuciones de au o es Concep ualización – J.L.R. y E.Q.R.. Cu ación de da os – J.L.R. y E.Q.R.. Análisis o mal – J.L.R. y E.Q.R.. In es igación – J.L.R. y E.Q.R.. Me odología – J.L.R. y E.Q.R.. Redacción – bo ado o iginal – J.L.R. y E.Q.R.. Redacción – e isión y edición – J.L.R. y E.Q.R.. Ag adecimien os Los au o es quie en exp esa su ag adecimien o a Ma a Núñez Zamo ano, Di ec o a de Sec e a ía Académica de la Uni e sidad del A lán ico Medio, po su ayuda gene osa en la logís ica de es a in es igación, así como a las alumnas y alumnos de los es p ime os cu sos del G ado en Cine de la Uni e sidad, po su amable y desin e esada colabo ación. También el apoyo de Ignacio Lu i Rod íguez, de la DePaul Uni e si y, Chicago. Ap obación po Comi é É ico Es e abajo de in es igación ha sido ealizado con la ap obación del Comi é É ico de In es igación de la Uni e sidad del A lán ico Medio, con código N.º: CEI/03-002. Re e encias Anan asi ichai, N., & Bull, D. (2021). A i icial in elligence in he c ea i e indus ies: A e iew. A i icial In elligence Re iew, 55(4), 589-656. h ps://doi.o g/10.1007/s10462-021-10039-7 Anguiano, D., & Becke , L. (2023, Oc obe 1). How Hollywood w i e s iumphed o e AI – and why i ma e s. The Gua dian. Chow, P.-S. (2020). Ghos in he (Hollywood) machine: Eme gen applica ions o a i icial in elligence in he ilm indus y. NECSUS_Eu opean Jou nal o Media S udies, 9(1), 193–214. h ps://doi.o g/10.25969/media ep/14307 Çelik, K. AI s. Human in Sc eenw i ing: Is AI he Fu u e Sc eenw i e ?. (2024) Saka ya İle işim, 4(1), 1-22. Dayo, F., Memon, A. A., & Dha ejo, N. (2023). Sc ip w i ing in he Age o AI: Re olu ionizing S o y elling wi h A i icial In elligence. Jou nal o Media & Communica ion, 4(1), 24-38. Fe nández Cano, A. (2009). C í ica y al e na i as a la signi icación es adís ica en el con as e de hipó esis. Ed. La Mu alla. F ancois, S. (2024). AI in Sc ip w i ing: Can a Compu e Cap u e Human Emo ion?. Cla emon McKenna College. Pixel-Bi . Re is a de Medios y Educación, 72, 70-86 | 2025 | h ps://doi.o g/10.12795/pixelbi .108802 PÁGINA | 85 F ench, R. M. (2000). The Tu ing Tes : The i s 50 yea s. T ends in Cogni i e Sciences, 4(3):115– 122. ISSN 1364-6613, 1879-307X. h ps://doi.o g/10.1016/S1364-6613(00)01453-4 González, M. A. M. (2023). Uso esponsable de la in eligencia a i icial en es udian es uni e si a ios: Una mi ada ecnoé ica. Re is a Bole ín Redipe, 12(9), 172-178. InFocus Film School. (2023, 8 agos o). Will AI eplace sc eenw i e s?: 8 easons AI can’ w i e good sc ip s. Re ie ed om h ps://in ocus ilmschool.com/will-ai- eplace-sc eenw i e s/ Kozachek, D. (2023, June). In es iga ing he Pe cep ion o he Fu u e in GPT-3,-3.5 and GPT-4. In P oceedings o he 15 h Con e ence on C ea i i y and Cogni ion, 282-287. h ps://doi.o g/10.1145/3591196.3596827 Ku , D. E. (2018). A is ic c ea i i y in a i icial in elligence (Mas e ’s hesis). Radboud Uni e si y. Iqbal, N., Ahmed, H., & Azha , K. A. (2022). Explo ing eache s’ a i udes owa ds using cha gp . Global Jou nal o Managemen and Adminis a i e Sciences, 3(4), 97–111. h ps://doi.o g/10.46568/gjmas. 3i4.163 Lancas e , H. O., & Sene a, E. (2005). Chi squa e dis ibu ion. Encyclopedia o bios a is ics, 2. h ps://doi.o g/10.1002/0470011815.b2a15018 Li, Y. (2022). Resea ch on he applica ion o a i icial in elligence in he ilm indus y. In SHS Web o Con e ences (Vol. 144, p. 03002). EDP Sciences. Lozano, I. A., Molina, J. M., & Gijón, C. (2021). Pe cep ion o A i icial In elligence in Spain. Telema ics and In o ma ics, 63, 101672. h ps://doi.o g/10.1016/j. ele.2021.101672 Luchen, F., & Zhongwei, L. (2023). Cha GPT begins: A e lec ion on he in ol emen o AI in he c ea ion o ilm and ele ision sc ip s. F on ie s in A Resea ch, 5(17). h ps://doi.o g/10.25236/FAR.2023.051701 Me z, C., & G an , N. (2023, Decembe 8). Google Upda es Ba d Cha bo Wi h'Gemini'AI as I Chases Cha GPT. In e na ional New Yo k Time. h ps://www.ny imes.com/2023/12/06/ echnology/google- ai-ba d-cha bo -gemini.h ml Pea son, K. (1904). Ma hema ical con ibu ions o he heo y o e olu ion.—on a o m o spu ious co ela ion which may a ise when indices a e used in he measu emen o o gans. P oceedings o he oyal socie y o london, 60(359-367), 489-498. h ps://api.seman icschola .o g/Co pusID:119589729 Singh, H., Taya ani-Naja an, M. H., & Yaqoob, M. (2023). Explo ing compu e science s uden s’ pe cep ion o Cha GPT in highe educa ion: A desc ip i e and co ela ion s udy. Educa ion Sciences, 13(9), 924. h ps://doi.o g/10.3390/educsci13090924 Yilmaz, H., Maxu o , S., Bai eko , A., & Bal a, N. (2023). S uden a i udes owa ds cha GPT: A echnology accep ance Model su ey. In e na ional Educa ional Re iew, 1(1), 57-83. h ps://doi.o g/10.58693/ie .114 Pixel-Bi . Re is a de Medios y Educación, 72, 70-86 | 2025 | h ps://doi.o g/10.12795/pixelbi .108802 PÁGINA | 86 Anexos: h ps://doi.o g/10.5281/zenodo.14176306