Inteligencia artificial: revolución educativa innovadora en la Educación Superior

PIXEL-BIT REVISTA DE MEDIOS Y EDUCACIÓN Nº 71 - SEPTIEMBRE- 2024 https://revistapixelbit.com Píxel-Bit. Revista de Medios y Educación. 2024 - ISSN: 1133-8482. e-ISSN: 2171-7966. PIXEL-BIT REVISTA DE MEDIOS Y EDUCACIÓN SEPTIEMBRE 2 0 2 4 EQUIPO EDITORIAL (EDITORIAL BOARD) EDITOR JEFE (EDITOR IN CHIEF) Nº 71 Dr. Julio Cabero Almenara, Departamento de Didáctica y Organización Educativa, Facultad de CC de la Educación, Director del Grupo de Investigación Didáctica. Universidad de Sevilla (España) EDITOR ADJUNTO (ASSISTANT EDITOR) Dr. Juan Jesús Gutiérrez Castillo, Departamento de Didáctica y Organización Educativa. Facultad de CC de la Educación, Universidad de Sevilla (España) Dr. Óscar M. Gallego Pérez, Grupo de Investigación Didáctica, Universidad de Sevilla (España) EDITORES ASOCIADOS Dra. Urtza Garay Ruiz, Universidad del País Vasco. (España) Dra. Ivanovnna Milqueya Cruz Pichardo, Pontificia Universidad Católica Madre y Maestra. (República Dominicana) Dra. Carmen Llorente Cejudo, Universidad de Sevilla (España) CONSEJO METODOLÓGICO Dr. José González Such, Universidad de Valencia (España) Dr. Antonio Matas Terrón, Universidad de Málaga (España) Dra. Cynthia Martínez-Garrido, Universidad Autónoma de Madrid (España) Dr. Luis Carro Sancristóbal, Universidad de Valladolid (España) Dra. Nina Hidalgo Farran, Universidad Autónoma de Madrid (España) CONSEJO DE REDACCIÓN Dra. María Puig Gutiérrez, Universidad de Sevilla. (España) Dra. Sandra Martínez Pérez, Universidad de Barcelona (España) Dr. Selín Carrasco, Universidad de La Punta (Argentina) Dr. Jackson Collares, Universidades Federal do Amazonas (Brasil) Dra. Kitty Gaona, Universidad Autónoma de Asunción (Paraguay) Dr. Vito José de Jesús Carioca. Instituto Politécnico de Beja Ciencias da Educación (Portugal) Dra. Elvira Esther Navas, Universidad Metropolitana de Venezuela (Venezuela) Dr. Angel Puentes Puente, Pontificia Universidad Católica Madre y Maestra. Santo Domingo (República Dominicana) Dr. Fabrizio Manuel Sirignano, Università degli Studi Suor Orsola Benincasa (Italia) Dra. Sonia Aguilar Gavira. Universidad de Cádiz (España) Dra. Eloisa Reche Urbano. Universidad de Córdoba (España) CONSEJO TÉCNICO Dra. Raquel Barragán Sánchez, Grupo de Investigación Didáctica, Universidad de Sevilla (España) Dr. Antonio Palacios Rodríguez, Grupo de Investigación Didáctica, Universidad de Sevilla (España) Dr. Manuel Serrano Hidalgo, Grupo de Investigación Didáctica, Universidad de Sevilla (España) Diseño de portada: Dña. Lucía Terrones García, Universidad de Sevilla (España) Revisor/corrector de textos en inglés: Dra. Rubicelia Valencia Ortiz, MacMillan Education (México) Revisores metodológicos: evaluadores asignados a cada artículo CONSEJO CIENTÍFICO Jordi Adell Segura, Universidad Jaume I Castellón (España) Ignacio Aguaded Gómez, Universidad de Huelva (España) María Victoria Aguiar Perera, Universidad de Las Palmas de Gran Canaria (España) Olga María Alegre de la Rosa, Universidad de la Laguna Tenerife (España) Manuel Área Moreira, Universidad de la Laguna Tenerife (España) Patricia Ávila Muñoz, Instituto Latinoamericano de Comunicación Educativa (México) María Paz Prendes Espinosa, Universidad de Murcia (España) Angel Manuel Bautista Valencia, Universidad Central de Panamá (Panamá) Jos Beishuizen, Vrije Universiteit Amsterdam (Holanda) Píxel-Bit. Revista de Medios y Educación. 2023 - ISSN: 1133-8482. e-ISSN: 2171-7966. Florentino Blázquez Entonado, Universidad de Extremadura (España) Silvana Calaprice, Università degli studi di Bari (Italia) Selín Carrasco, Universidad de La Punta (Argentina) Raimundo Carrasco Soto, Universidad de Durango (México) Zulma Cataldi, Universidad de Buenos Aires (Argentina) Luciano Cecconi, Università degli Studi di Modena (Italia) Jean-François Cerisier, Université de Poitiers, Francia Jordi Lluís Coiduras Rodríguez, Universidad de Lleida (España) Jackson Collares, Universidades Federal do Amazonas (Brasil) Enricomaria Corbi, Università degli Studi Suor Orsola Benincasa (Italia) Marialaura Cunzio, Università degli Studi Suor Orsola Benincasa (Italia) Brigitte Denis, Université de Liège (Bélgica) Floriana Falcinelli, Università degli Studi di Perugia (Italia) Maria Cecilia Fonseca Sardi, Universidad Metropolitana de Venezuela (Venezuela) Maribel Santos Miranda Pinto, Universidade do Minho (Portugal) Kitty Gaona, Universidad Autónoma de Asunción (Paraguay) María-Jesús Gallego-Arrufat, Universidad de Granada (España) Lorenzo García Aretio, UNED (España) Ana García-Valcarcel Muñoz-Repiso, Universidad de Salamanca (España) Antonio Bautista García-Vera, Universidad Complutense de Madrid (España) José Manuel Gómez y Méndez, Universidad de Sevilla (España) Mercedes González Sanmamed, Universidad de La Coruña (España) Manuel González-Sicilia Llamas, Universidad Católica San Antonio-Murcia (España) António José Meneses Osório, Universidade do Minho (Portugal) Carol Halal Orfali, Universidad Tecnológica de Chile INACAP (Chile) Mauricio Hernández Ramírez, Universidad Autónoma de Tamaulipas (México) Ana Landeta Etxeberría, Universidad a Distancia de Madrid (UDIMA) Linda Lavelle, Plymouth Institute of Education (Inglaterra) Fernando Leal Ríos, Universidad Autónoma de Tamaulipas (México) Paul Lefrere, Cca (UK) Carlos Marcelo García, Universidad de Sevilla (España) Francois Marchessou, Universidad de Poittiers, París (Francia) Francesca Marone, Università degli Studi di Napoli Federico II (Italia) Francisco Martínez Sánchez, Universidad de Murcia (España) Ivory de Lourdes Mogollón de Lugo, Universidad Central de Venezuela (Venezuela) Angela Muschitiello, Università degli studi di Bari (Italia) Margherita Musello, Università degli Studi Suor Orsola Benincasa (Italia) Elvira Esther Navas, Universidad Metropolitana de Venezuela (Venezuela) Trinidad Núñez Domínguez, Universidad de Sevilla (España) James O’Higgins, de la Universidad de Dublín (UK) José Antonio Ortega Carrillo, Universidad de Granada (España) Gabriela Padilla, Universidad Autónoma de Tumalipas (México) Ramón Pérez Pérez, Universidad de Oviedo (España) Angel Puentes Puente, Pontificia Universidad Católica Madre y Maestra. Santo Domingo (República Dominicana) Juan Jesús Gutiérrez Castillo, Universidad de Sevilla (España) Julio Manuel Barroso Osuna, Universidad de Sevilla (España) Rosalía Romero Tena. Universidad de Sevilla (España) Hommy Rosario, Universidad de Carabobo (Venezuela) Pier Giuseppe Rossi, Università di Macerata (Italia) Jesús Salinas Ibáñez, Universidad Islas Baleares (España) Yamile Sandoval Romero, Universidad de Santiago de Cali (Colombia) Albert Sangrá Morer, Universidad Oberta de Catalunya (España) Ángel Sanmartín Alonso, Universidad de Valencia (España) Horacio Santángelo, Universidad Tecnológica Nacional (Argentina) Francisco Solá Cabrera, Universidad de Sevilla (España) Jan Frick, Stavanger University (Noruega) Karl Steffens, Universidad de Colonia (Alemania) Seppo Tella, Helsinki University (Finlandia) Hanne Wacher Kjaergaard, Aarhus University (Dinamarca) Píxel-Bit. Revista de Medios y Educación. 2023 - ISSN: 1133-8482. e-ISSN: 2171-7966. FACTOR DE IMPACTO (IMPACT FACTOR) SCOPUS Q1 Education: Posición 236 de 1406 (83% Percentil). CiteScore Tracker 2022: 5,6 - Journal Citation Indicator (JCI). Emerging Sources Citation Index (ESCI). Categoria: Education & Educational Research. Posición 257 de 739. Cuartil Q2 (Percentil: 65.29) - FECYT: Ciencias de la Educación. Cuartil 1. Posición 16. Puntuación: 35,68- DIALNET MÉTRICAS (Factor impacto 2021: 1.72. Q1 Educación. Posición 12 de 228) - REDIB Calificación Glogal: 29,102 (71/1.119) Percentil del Factor de Impacto Normalizado: 95,455- ERIH PLUS - Clasificación CIRC: B- Categoría ANEP: B - CARHUS (+2018): B - MIAR (ICDS 2020): 9,9 - Google Scholar (global): h5: 42; Mediana: 42 - Journal Scholar Metric Q2 Educación. Actualización 2016 Posición: 405a de 1,115- Criterios ANECA: 20 de 21 - INDEX COPERNICUS Puntuación ICV 2019: 95.10 Píxel-Bit, Revista de Medios y Educación está indexada entre otras bases en: SCOPUS, Fecyt, DOAJ, Iresie, ISOC (CSIC/CINDOC), DICE, MIAR, IN-RECS, RESH, Ulrich’s Periodicals, Catálogo Latindex, Biné-EDUSOL, Dialnet, Redinet, OEI, DOCE, Scribd, Redalyc, Red Iberoamericana de Revistas de Comunicación y Cultura, Gage Cengage Learning, Centro de Documentación del Observatorio de la Infancia en Andalucía. Además de estar presente en portales especializados, Buscadores Científicos y Catálogos de Bibliotecas de reconocido prestigio, y pendiente de evaluación en otras bases de datos. EDITA (PUBLISHED BY) Grupo de Investigación Didáctica (HUM-390). Universidad de Sevilla (España). Facultad de Ciencias de la Educación. Departamento de Didáctica y Organización Educativa. C/ Pirotecnia s/n, 41013 Sevilla. Dirección de correo electrónico: [email protected] . URL: https://revistapixelbit.com/ ISSN: 1133-8482; e-ISSN: 2171-7966; Depósito Legal: SE-1725-02 Formato de la revista: 16,5 x 23,0 cm Los recursos incluidos en Píxel Bit están sujetos a una licencia Creative Commons Attribution-NonCommercial- ShareAlike 4.0 Unported (Reconocimiento-NoComercial-CompartirIgual)(CC BY-NC-SA 4.0), en consecuencia, las acciones, productos y utilidades derivadas de su utilización no podrán generar ningún tipo de lucro y la obra generada sólo podrá distribuirse bajo esta misma licencia. En las obras derivadas deberá, asimismo, hacerse referencia expresa a la fuente y al autor del recurso utilizado. ©2024 Píxel-Bit. No está permitida la reproducción total o parcial por ningún medio de la versión impresa de Píxel-Bit. Píxel-Bit. Revista de Medios y Educación. 2023 - ISSN: 1133-8482. e-ISSN: 2171-7966. Nº 70 PIXEL-BIT REVISTA DE MEDIOS Y EDUCACIÓN Índice MONOGRÁFICO S E P T I E M B R E 2 0 2 4 1.- Percepciones de autoeficacia en docentes en formación en España: un estudio de caso de microenseñanza utilizando realidad virtual inmersiva // Self-efficacy beliefs in Spanish pre-service teachers: a microteaching case study using immersive virtual reality María Esther Rodríguez-Gil, Bianca Manuela Sandu, Beatriz Santana-Perera 2.- Explorando tendencias sociales en las discusiones sobre cohousing y coliving en X(Twitter) mediante el uso de técnicas de PNL y de análisis de texto // Exploring social trends in cohousing and coliving discussions on X(Twitter) using NLP and Text Analysis Techniques Rafael Sosa-Ramírez, Esteban Vázquez-Cano, Norberto Díaz-Díaz, Eloy López-Meneses 3.- Enmarcando las aplicaciones de IA generativa como herramientas para la cognición en educación // Framing Generative AI applications as tools for cognition in education Marc Fuertes-Alpiste 4.- An Assessment of Technological Pedagogical Content Knowledge (TPACK) among Pre-service Teachers: A Rasch Model Measurement // Evaluación del conocimiento tecnológico pedagógico del contenido (TPACK) entre los profesores en formación: modelo de medición Rasch Komarudin Komarudin, Suherman Suherman 5.- Rasch Measurement Validation of an Assessment Tool for Measuring Students’ Creative Problem- Solving through the Use of ICT // Validación de una Herramienta de Evaluación Basada en el Modelo Rasch para Medir la Resolución Creativa de Problemas en Estudiantes Mediante el Uso de TIC Farida Farida, Yosep Aspat Alamsyah, Bambang Sri Anggoro, Tri Andari, Restu Lusiana 6.- Influencia de la Realidad Virtual en el rendimiento académico en Educación Secundaria a través de un meta-análisis // Influence of Virtual Reality on Academic Performance in Secondary Education Through a Meta-Analysis Juan José Victoria-Maldonado, Arturo Fuentes-Cabrera, José Fernández-Cerero, Fernando José Sadio-Ramos 7.- Tecnologías abiertas e inclusivas en la complejidad del futuro de la educación: diseño de modelo basado en investigación // Open and Inclusive Technologies in the Complexity of the Future of Education: Designing a Research-Based Model María Soledad Ramírez-Montoya, Inés Álvarez-Icaza, Joanne Weber, Fidel Antonio Guadalupe Casillas- Muñoz 8.- El uso de ChatGPT en la escritura académica: Un estudio de caso en educación // The use of ChatGPT in academic writing: A case study in Education Kevin Baldrich, Juana Celia Domínguez-Oller 9.- Inteligencia artificial: revolución educativa innovadora en la Educación Superior // Artificial Intelligence: innovative educational revolution in Higher Education Virginia Villegas-José, Manuel Delgado-García 10.- Análisis de la competencia digital en profesores de educación primaria en relación con los factores de género, edad y experiencia // Analysis of Digital Competence in Elementary School teachers according to their socio-demographic factors and experience Issac González-Medina, Eufrasio Pérez-Navío, Óscar Gavín Chocano 7 25 42 59 83 107 123 143 159 171 Píxel-Bit. Revista de Medios y Educación. 2024 - ISSN: 1133-8482. e-ISSN: 2171-7966. Pixel-Bit. Revista de Medios y Educación, 71, 159-177 | 2024 | https://doi.org/10.12795/pixelbit.107760 Inteligencia artificial: revolución educativa innovadora en la Educación Superior Artificial Intelligence: innovative educational revolution in Higher Education Dña. Virginia Villegas-José Profesora sustituta. Universidad de Huelva. España Dr. Manuel Delgado-García Profesor Titular de Universidad. Universidad de Huelva. España Recibido: 2024/03/21; Revisado: 2024/04/03; Aceptado: 2024/07/11; Online First: 2024/07/15; Publicado: 2024/09/01 RESUMEN Es una realidad que, en la universidad, la innovación educativa y las inteligencias artificiales están estrechamente relacionadas. Son múltiples los beneficios resultantes de integrar la IA en la práctica docente, así como la mejora el proceso de enseñanzaaprendizaje. Esta investigación se plantea desde una metodología cuantitativa, a través de un cuestionario formado de tres escalas diferentes (previamente validadas) sobre la práctica docente, la innovación educativa y la consideración hacia las inteligencias artificiales por parte del profesorado universitario. Se obtuvo una muestra de 159 docentes de la Universidad de Huelva; con el objetivo de explorar sus opiniones sobre la IA, sus actitudes hacia la innovación educativa y su relación con las prácticas docentes. Los resultados revelaron que factores como el género son significativos en la actitud hacia la innovación. Además, se observó que la edad del profesorado influye en la actitud hacia la IA, de forma que el profesorado más joven es el que más utiliza las IA en las aulas y también tiende a ser el que más innova. En general, el profesorado tiene una opinión más positiva sobre el uso de la IA en investigación que en docencia, donde aún se localizan ciertas reticencias. ABSTRACT It is a reality that, in universities, educational innovation and artificial intelligences are closely related. There are multiple benefits resulting from integrating AI into teaching practice, as well as improving the teaching-learning process. This research is based on a quantitative methodology, using a questionnaire made up of three different scales (previously validated) on teaching practice, educational innovation and artificial intelligences in university teaching staff. A sample of 159 teachers from the University of Huelva was obtained in order to explore their opinions on AI, their attitudes towards educational innovation and its relationship with teaching practices. The results revealed that factors such as gender are significant in attitudes towards innovation. In addition, it was observed that the age of teachers influences attitudes towards AI, with younger teachers being more likely to use AI in the classroom and therefore more likely to innovate. On the other hand, it was found that teachers have a more positive opinion about the use of AI in research than in teaching. PALABRAS CLAVES · KEYWORDS Inteligencia artificial, enseñanza superior, innovación educacional, práctica pedagógica, investigación. Artificial intelligence, higher education, educational innovations, teaching practice, research. Pixel-Bit. Revista de Medios y Educación, 71, 159-177 | 2024 | https://doi.org/10.12795/pixelbit.107760 PÁGINA | 160 1. Introducción Desde los años setenta y ochenta, con el comienzo de la revolución tecnológica, la sociedad se encuentra inmersa en una oleada constante de cambios y avances de la era digital. De esta situación de metamorfoseo eclosiona la cuarta revolución industrial con los avances de la inteligencia artificial o IA (Andión & Cárdenas 2023). Diferentes organismos internacionales hacen mención al uso de la inteligencia artificial vinculándolo con un efecto positivo en diversos ámbitos sociales, así como la educación superior, puesto que brinda la oportunidad de impeler la innovación, la productividad e incluso la calidad de vida (Dogru et al., 2023; Faraj, 2022; Kelly et al., 2023). Dicha información hace que nos planteemos la siguiente cuestión ¿estamos ante una nueva revolución educativa? Cierto es que, no es hasta justo la recuperación de las actividades académicas presenciales postpandemia, cuando la Inteligencia Artificial Generativa (IAG) comenzó a aparecer por primera vez. Múltiples herramientas precursoras emergían en el plano académico en cuanto a la gestión educativa, gobernanza y políticas de desarrollo estratégico (Cedeño et al., 2024; Regalado-López et al., 2024), formando parte de una innovación tecnológica que marcaría un antes y un después en este contexto (Gallent- Torres et al., 2023). No obstante, no todo es positivo en lo que concierne a la IA, ya que esta ha generado una brecha de opiniones, combinando el entusiasmo y desconfianza en relación con su impacto y su uso como parte de la práctica docente o su consideración como innovación educativa (Flores-Vivar & García-Peñalvo, 2023). Actualmente, la IA como herramienta educativa contribuye al logro del cuarto ODS propuesto por la ONU al promover una educación inclusiva, equitativa y de calidad que, además, prepara para enfrentarse a los requerimientos actuales y futuros de la sociedad (Sanabria & Cepeda, 2016). Ayuda a personalizar las experiencias de aprendizaje y ofrece un potencial significativo en lo que respecta a prácticas docentes e innovación educativa (Bucea-Manea-Țonis et al., 2022; Chen et al., 2020). A pesar de ello, es crucial conocer tanto sus ventajas como sus limitaciones. Entre las prácticas docentes favorecedoras del proceso de enseñanza y aprendizaje en la educación superior se pueden apreciar: el aprendizaje personalizado (Jiménez-García et al., 2024; Murtaza et al., 2022), la adaptación del contenido y las estrategias de enseñanza para optimizar los resultados de aprendizaje (Kabudi et al., 2021), la tutoría inteligente (Mousavinasab et al., 2021), o la calificación automática y el análisis de datos, lo que permite al profesorado obtener información valiosa sobre el rendimiento del alumnado, la eficacia de la enseñanza y el diseño del plan de estudios (Chen et al., 2020). Respecto a sus limitaciones, es necesario tener en cuenta cuestiones éticas y de privacidad, las barreras tecnológicas y de accesibilidad (Botelho, 2021), la falta de interacción humana, la comprensión contextual limitada, la dependencia excesiva de la misma, restando importancia al pensamiento crítico (Jara & Ochoa, 2020) y la resistencia al cambio y falta de formación (Corica, 2020). Cabe destacar que el uso y la aplicación de las Inteligencias Artificiales registra en los últimos años un mayor interés divulgativo a nivel científico. A nivel internacional, hay estudios que han establecido una relación directa entre el profesorado con actitudes positivas hacia la innovación y el uso de Inteligencias Artificiales en el aula, obteniendo como resultado que la innovación individual de éstos supone una contribución importante a la correcta implementación de las inteligencias artificiales en la educación (Uzumcu & Scilmis, 2023). Otros estudios plantean que el género es una variable determinante en el Pixel-Bit. Revista de Medios y Educación, 71, 159-177 | 2024 | https://doi.org/10.12795/pixelbit.107760 PÁGINA | 161 uso de las IAs en la docencia, siendo las profesoras quienes poseen un mayor conocimiento y quienes la aplican mayoritariamente (Al-Awfi & Al-Rahili, 2021; Alissa & Hamadneh, 2023). A nivel nacional, hay investigaciones que explican que hay más docentes que han usado la IA para preparar sus clases que para integrarla con sus estudiantes en el aula y que se percibe como una herramienta para mejorar la enseñanza y el aprendizaje, así como facilitar la investigación y la preparación de materiales educativos (Sánchez, 2023; González et al., 2024). Además, Ayuso-del Puerto y Gutiérrez-Esteban, (2022) aclaran que la IA enriquece los entornos de aprendizaje en el contexto de la Educación Superior y despierta el interés y gusto por usarlas en el futuro profesional. 2. Metodología 2.1. Objetivos • Analizar la práctica y el interés por la innovación y la opinión sobre la IA del profesorado de la Universidad de Huelva. • Identificar asociaciones existentes entre el uso de prácticas docentes innovadoras y el uso de la inteligencia artificial. • Explorar la incidencia sobre la práctica y la innovación docente de variables como el género o el campo de conocimiento al que se adscribe el profesorado. 2.2. Hipótesis Se establecen las siguientes hipótesis de partida: • El profesorado de la Universidad de Huelva diversifica sus prácticas docentes, muestra interés por aplicar estrategias de innovación docente y posee una opinión positiva sobre las posibilidades que ofrece la IA. • El profesorado que innova en la docencia y tiene una visión positiva de la IA tiende también a emplearla en el proceso de enseñanza y aprendizaje. • El género y el campo de conocimiento son variables que influyen en el tipo de práctica docente empleada por el profesorado y en el interés por la innovación docente. 2.3. Método Este trabajo se apoya en una metodología de tipo encuesta, con una aplicación transversal sobre el colectivo docente universitario. 2.4. Muestra La población diana es el colectivo docente de la Universidad de Huelva del curso 2023/2024 (896 docentes). La muestra participante fue de 159 profesionales que, tomando en cuenta el tamaño de la población (N= 896), se pudo trabajar con un nivel de confianza Pixel-Bit. Revista de Medios y Educación, 71, 159-177 | 2024 | https://doi.org/10.12795/pixelbit.107760 PÁGINA | 168 correlaciona de positivamente, aunque con valores bajos, con el desarrollo de cursos de formación para mejorar la práctica docente y estar actualizado (phi= .17, p=.02) y también con considerar las IAs como una herramienta innovadora de apoyo a la enseñanza (phi= .21, p=.00). En segundo lugar, también se han encontrado asociaciones positivas, aunque bajas, entre quienes consideran las IAs como una herramienta invocadora de apoyo a la enseñanza y por tanto las utilizan en sus clases (phi= .17, p=.02) y, también, en sus investigaciones (phi= .15, p=.04). Por último, también ha sido baja la asociación entre la edad y la concepción sobre las IAs (rb= -.18, p=.02), de manera que el profesorado más joven es el que se posiciona más favorablemente hacia estas propiedades positivas de la IA. 3.2.3. Análisis de contrastes entre grupos En otro orden, en la tabla 5 se ofrece un análisis de contraste entre los grupos en los que se divide al profesorado, atendiendo a las variables relativas al empleo de prácticas docentes innovadoras y al uso de la inteligencia artificial en las clases, con respecto a los promedios de las escalas empleadas. En todos los casos se analiza el tamaño del efecto (Hedges' g), se considera pequeño (Tomczak & Tomczak, 2014) y a favor de quienes se sitúan en un plano positivo hacia el uso de prácticas docentes innovadoras y en el uso de la IAs en las clases. La fórmula empleada es la que sigue, siendo 𝑦1 𝑒 𝑦2 las medias de las muestras 1 y 2 respectivamente y Sp la variación estándar combinada. 𝑔 = 𝑦1− 𝑦2 𝑠𝑝 Tabla 5 Análisis de contrastes y tamaño del efecto N Media Desv. Desviación t gl Sig. (bilateral) Hedges' g Implemento el uso de Inteligencias Artificiales en mis clases. PD Sí 40 43.78 4.77 3,665 157 .000 ,066975 No 119 39.71 6.43 4,239 90.010 .000 ID Sí 40 44.11 3.96 4,330 157 .000 ,079146 No 119 39.63 6.12 5,326 104.322 .000 Realizo prácticas docentes innovadoras en mis clases. PD Sí 130 41.94 5.70 5,543 157 .000 ,113828 No 29 35.36 6.09 5,315 39.694 .000 ID Sí 130 41.45 5.67 3,184 157 .002 ,065387 No 29 37.65 6.39 2,948 38.417 .005 Fuente: elaboración propia. Continuando con el análisis de los datos, se emplearon dos pruebas no paramétricas como son la U de Mann-Whitney (variable género) y la H de Kruskal-Wallis (campos de conocimiento); en ambos casos los análisis arrojaron diferencias significativas en las Pixel-Bit. Revista de Medios y Educación, 71, 159-177 | 2024 | https://doi.org/10.12795/pixelbit.107760 PÁGINA | 169 variables independientes en función de las prácticas docentes desarrolladas (PD) y el interés mostrado por la innovación docente (ID). En el caso de la variable género, en la tabla 6 se muestran los ítems en los que se obtuvieron diferencias significativas (p≤.05) en las puntuaciones obtenidas, dejando entrever cómo las variables asociadas a la innovación docente presentan un mayor grado de contraste con respecto a la variable independiente; y si atendemos a conocer hacia qué grupo se generan las diferencias, se puede observar en la tabla 7, cómo en todos los casos el género femenino es el que alcanza mayores puntuaciones en los rangos promedios. Tabla 6 Prueba U de Mann-Whitney Fuente: elaboración propia. Tabla 7 Análisis de contrastes por rangos promedios Sexo N Rango promedio V4. PD Mujer 76 89.61 Hombre 83 71.20 Total 159 V6.PD Mujer 76 87.32 Hombre 83 73.30 Total 159 V2. ID Mujer 76 87.95 Hombre 83 72.72 Total 159 V4. ID Mujer 76 89.15 Hombre 83 71.62 Total 159 V5.ID Mujer 76 88.99 Hombre 83 71.77 Total 159 V6. ID Mujer 76 87.65 Hombre 83 72.99 Total 159 U de Mann-Whitney Sig. asintótica V4.PD 7,689 .006 V6. PD 4,223 .040 V2.ID 5,671 .017 V4. ID 6,603 .010 V5. ID 6,759 .009 V6. ID 4,416 .036 V7. ID 6,250 .012 V9. ID 8,894 .003 V10. ID 12,002 .001 Pixel-Bit. Revista de Medios y Educación, 71, 159-177 | 2024 | https://doi.org/10.12795/pixelbit.107760 PÁGINA | 170 Sexo N Rango promedio V7. ID Mujer 76 88.78 Hombre 83 71.96 Total 159 V9.ID Mujer 76 90.61 Hombre 83 70.28 Total 159 V10.ID Mujer 76 92.49 Hombre 83 68.56 Total 159 Fuente: elaboración propia. En el caso de la variable campo de conocimiento, en la tabla 8 se visualizan los ítems en los que se obtuvieron diferencias significativas (p≤.05) en las puntuaciones obtenidas, dejando entrever cómo entre las variables estudiadas, aproximadamente en la mitad de éstas, se localiza un grado de contraste respecto a la variable independiente. Tabla 8 Prueba H de Kruskal – Wallis H de Kruskal- Wallis gl Sig. asintótica V4. PD 22,107 10 .015 V5.PD 22,868 10 .011 V6.PD 24,257 10 .007 V8.PD 18,776 10 .043 V9.PD 20,594 10 .024 V2.ID 23,978 10 .008 V3.ID 25,277 10 .005 V4.ID 22,521 10 .013 V6.ID 30,502 10 .001 Fuente: elaboración propia. Si atendemos a conocer hacia qué grupo se generan las diferencias, en la Tabla 9 se han seleccionado a los 3 grupos que poseen mayores puntuaciones en rangos para cada una de las variables asociadas a las escalas empleadas. En concreto, en el marco de las prácticas docentes destacan las diferencias localizadas en los campos de conocimiento de Derecho y Jurisprudencia (sobresaliendo en la promoción del pensamiento crítico del alumnado -V5.PD, en el uso de la experiencia del alumnado para relacionarla con la materia –V6.PD; y en el empleo de actividades complementarias desarrolladas fuera del horario lectivo V8.PD); biología celular y molecular (destacando en el fomento de la participación activa del alumnado –V4.PD) y Ciencias Sociales políticas del comportamiento y educación (destacando en el trabajo en equipo como estrategia didáctica); aunque también hay otros campos en los que se aprecian diferencias significativas entre las variables analizadas (Ciencias de la Naturaleza, Ciencias biomédicas y Ciencias económicas y empresariales). Por su parte en la escala relativa al interés por la innovación docente aparecen como destacadas las diferencias en los campos de conocimiento que engloban a las ciencias Pixel-Bit. Revista de Medios y Educación, 71, 159-177 | 2024 | https://doi.org/10.12795/pixelbit.107760 PÁGINA | 171 biomédicas (destacan por el interés en la actualización metodológica – V4.ID y el interés por la participación activa del alumnado –V2.ID), seguido del campo de la biología celular y molecular (destaca su interés por el desarrollo de la capacidad crítica del alumnado) y el derecho y la jurisprudencia (destacando por el interés hacia la creación de actividades que buscan la relación con la comunidad –V6.ID); también hay otros campos de conocimiento en el que se aprecian diferencias significativas entre las variables estudiadas (las ciencias sociales, políticas del comportamiento y educación, la química; las ciencias de la naturaleza, la historia geografía y arte y la filosofía filología y lingüística). Tabla 9 Análisis de contrastes por rangos promedios Ítems Campo de conocimiento Rango promedio V4. PD Química 86.42 Biología celular y molecular 107.25 Ciencias Sociales políticas del comportamiento y educación 92.57 V5. PD Biología celular y molecular 95.00 Ciencias de la naturaleza 95.00 Derecho y jurisprudencia 106.00 V6. PD Química 97.50 Biología celular y molecular 116.50 Derecho y jurisprudencia 125.33 V8. PD Biología celular y molecular 95.50 Ciencias Sociales políticas del comportamiento y educación 87.52 Derecho y jurisprudencia 103.00 V9. PD Biología celular y molecular 87.00 Ciencias biomédicas 92.12 Ciencias Sociales políticas del comportamiento y educación 94.24 V2. ID Química 88.67 Ciencias biomédicas 96.31 Ciencias Sociales políticas del comportamiento y educación 91.68 V3. ID Biología celular y molecular 111.50 Ciencias biomédicas 93.73 Ciencias de la naturaleza 92.25 V4. ID Ciencias biomédicas 103.38 Derecho y jurisprudencia 90.67 Historia geografía y arte 100.88 V6. ID Ciencias Sociales políticas del comportamiento y educación 94.06 Derecho y jurisprudencia 120.00 Filosofía Filología y lingüística 100.00 Fuente: elaboración propia. Por último, se agrupa al profesorado en base a su respuesta (positiva o negativa) en los tres ítems que evalúan el uso de la IA en las aulas y la investigación, así como su concepción como herramienta innovadora. En la tabla 10, al aplicar la U de Mann-Whitney con los valores asociados a la escala sobre la potencialidad de la IA, se obtiene que todos los ítems marcan diferencias significativas (p≤.05) y los rangos promedios contrastados en Pixel-Bit. Revista de Medios y Educación, 71, 159-177 | 2024 | https://doi.org/10.12795/pixelbit.107760 PÁGINA | 172 cada variable exponen, con claridad, que es el profesorado que hace uso de las IAs o que tiene una visión de las mismas como herramienta innovadora el que más valora su potencialidad para ser empleadas en la enseñanza universitaria. Tabla 10 Análisis de contrastes por rangos promedios Ítem Grupo Rango promedio. Implemento el uso de Inteligencias Artificiales en mis clases. Rango promedio. Las Inteligencias Artificiales son una herramienta innovadora de apoyo a la enseñanza. Rango promedio. Uso Inteligencias Artificiales como herramienta de apoyo en mis investigaciones. IA1 Sí 104.45 83,37 89,93 No 71.78 56,58 71,57 IA2 Sí 108.64 85,15 89,43 No 70.37 44,18 71,99 IA3 Sí 101.55 84,96 89,27 No 72.76 45,55 72,13 IA4 Sí 106.76 84,47 88,90 No 71.00 48,93 72,44 IA5 Sí 105,05 84,55 93,21 No 71,58 48,35 68,78 IA6 Sí 104.95 85,89 86,99 No 71.61 39,08 74,07 IA7 Sí 103.23 85,83 92,04 No 72,19 39,50 69,78 IA8 Sí 96,35 85,27 86,67 No 74.50 43,40 74,34 IA9 Sí 101.70 85,49 91,29 No 72.71 41,88 70,42 IA10 Sí 93.20 83,14 88,55 No 75.56 58,18 72,74 Fuente: elaboración propia. 4. Discusión y conclusiones Una vez expuestos los resultados cabe atender a su discusión de los mismos en relación a los objetivos planteados. Atendiendo al primer objetivo, nos encontramos ante una muestra de profesorado que, a nivel de práctica docente, reconoce actualizarla e introducir elementos innovadores en la misma. No obstante, existen algunas prácticas como la organización de actividades complementarias para el aula o fuera de ella, o apoyarse en la experiencia del alumnado para construir contenidos que no poseen una alta utilización. Por su parte, en el plano de la innovación docente también conviene reforzar algunos tipos de prácticas en las que el interés del docente decae, como son el establecimiento de Pixel-Bit. Revista de Medios y Educación, 71, 159-177 | 2024 | https://doi.org/10.12795/pixelbit.107760 PÁGINA | 173 actividades que relacionen al alumnado con la comunidad o en las que se emprendan iniciativas centradas en el liderazgo, el emprendimiento, el medio ambiente o el uso de la lengua extranjera. También cabría reseñar que en el marco de las inteligencias artificiales, su inclusión en la práctica docente aún está alejada de sus propósitos (en menor medida a nivel investigador), y hay ciertas reticencias a otorgarle un carácter predictivo para contribuir en la mejora del aprendizaje del alumnado o para favorecer la interacción en el aula; aun con ello, sí que reconocen que es una herramienta de apoyo para la enseñanza universitaria. Esta situación se relaciona con la falta de formación específica en su uso y aplicación (Corica, 2020), pues Ayuso-del Puerto y Gutiérrez-Esteban (2022) argumentan que la IA enriquece los entornos de aprendizaje y despierta el interés por usarlas en la práctica. Este planteamiento sirve para dar respuesta al segundo objetivo, donde se han evidenciado varias asociaciones: por una parte, entre quienes entienden las IA como herramientas de apoyo y el empleo de las mismas en las aulas y la investigación (Kuleto et al., 2021; Leoste et al., 2021); por otra parte, también se ha mostrado cierta tendencia a que el profesorado que desarrolla prácticas docentes innovadoras y el que utiliza las IA en las aulas tiendan a ser los que diversifican dichas prácticas y también los que más apuestan por la innovación (Kumar, 2023); y finalmente, aquel profesorado que hace uso de las IAs es el que más valora la potencialidad de esta herramienta para la enseñanza, que a su vez tiende a ser un profesorado joven. Curtis y Bruch (1967) explicaban que el profesorado más joven tiene una actitud más positiva hacia la creatividad en el aula, cualidad estrechamente vinculada con la innovación docente. Se sugiere que puede deberse a una menor experiencia, lo cual les permite experimentar sin estar atado a métodos de enseñanza preestablecidos, en otras palabras, tienen menor resistencia al cambio. Además, han recibido una formación más reciente y actualizada, por lo están más familiarizados con nuevos recursos tecnológicos. Por último, atendiendo al tercer objetivo, el género aparece como una variable que incide en prácticas docentes ligadas a fortalecer el rol del alumnado en el proceso de enseñanza/aprendizaje (promoción de la participación activa y partir de las experiencias personales para la construcción del conocimiento) y también en el grado de interés hacia la innovación, ya sea en el plano de la promoción de actividades centradas en el estudiante, como aquellas que se centran en el marco de las interacciones; este hecho se evidencia con anteriores investigaciones que detectaron que las profesoras presentan una actitud predominante hacia la innovación y el uso de las TIC en educación (Guerra et al., 2010; Lane & Lyle, 2011) y son quienes poseen un mayor conocimiento sobre inteligencias artificiales (Al-Awfi & Al-Rahili, 2021; Alissa & Hamadneh, 2023). También, asociado a este objetivo, hay determinados campos de conocimiento, más próximos al terreno de las ciencias puras, que vienen a ser propensos al desarrollo de prácticas docentes e innovaciones dirigidas hacia el planteamiento de actividades que se centran en el alumnado como centro del proceso de enseñanza/aprendizaje. Esto se explica con el enfoque experimental y analítico de la enseñanza de las ciencias puras, dado que se fomenta la creatividad y la innovación, así como su constante evolución junto a nuevos avances tecnológicos, lo cual, impulsa al profesorado a encontrar formas innovadoras de complementar sus explicaciones. A modo de conclusión se puede afirmar que las hipótesis planteadas se han cumplido, aunque hay ciertas licencias que hacen que la relación entre las concepciones hacia IA y su impacto en la práctica docente y en la innovación se encuentre influenciada por variables Pixel-Bit. Revista de Medios y Educación, 71, 159-177 | 2024 | https://doi.org/10.12795/pixelbit.107760 PÁGINA | 174 como el género, el campo de conocimiento, la edad o la propia desconfianza que generan para emplearse como herramientas que potencien diversos procesos en el plano de la enseñanza y del aprendizaje. Contribuciones de autores Conceptualización e ideas: V.V.-J., Curación de datos: V.V.-J. y M.D.-G., Análisis formal: M.D.-G., Adquisición de fondos: M.D.-G., Investigación: V.V.-J. y M.D.-G., Metodología: M.D.-G., Administración del proyecto: V.V.- J. y M.D.-G., Recursos: V.V.-J., Software: M.D.-G., Supervisión: V.V.-J. y M.D.-G., Validación: M.D.-G., Visualización: V.V.-J. y M.D.-G., Redacción: V.V.-J. y M.D.-G. Financiación Este trabajo ha obtenido financiación para la traducción del mismo a través del Centro de Investigación en Pensamiento Contemporáneo e Innovación para el Desarrollo Social (COIDESO) de la Universidad de Huelva. Referencias Alissa, R.A., & Hamadneh, M. (2023). The level of science and mathematics teachers’ employment of artificial intelligence applications in the educational process. International Journal of Education in Mathematics, Science, and Technology (IJEMST), 11(6), 1597- 1608. https://doi.org/10.46328/ijemst.3806 Andión, M. & Cárdenas, D. I. (2023). Convivir con inteligencias artificiales en la educación superior. Perfiles Educativos, 45(Especial), 56-69. https://doi.org/10.22201/iisue.24486167e.2023.especial.61691 Ayuso-del Puerto, D., & Gutiérrez-Esteban, P. (2022). La Inteligencia Artificial como Recurso Educativo durante la Formación Inicial del Profesorado. RIED-Revista Iberoamericana de Educación a Distancia, 25(2), pp. 347-362. https://doi.org/10.5944/ried.25.2.32332 Bucea-Manea-Țoniş, R., Kuleto, V., Gudei, S. C. D., Lianu, C., Lianu, C., Ilić, M. P., & Păun, D. (2022). Artificial Intelligence Potential in Higher Education Institutions Enhanced Learning Environment in Romania and Serbia. Sustainability, 14(10), 5842. https://doi.org/10.3390/su14105842 Cedeño, J. G., Maitta, I. S., Vélez, M. L., & Palomeque, J. Y. (2024). Investigación universitaria con inteligencia artificial. Revista Venezolana De Gerencia, 29(106), 817- 830. https://doi.org/10.52080/rvgluz.29.106.23 Chen, L., Chen, P., & Lin, Z. (2020). Artificial Intelligence in Education: A Review. IEEE Access,8, 75264-75278. https://doi.org/10.1109/ACCESS.2020.2988510 Corica, J. (2020). Resistencia docente al cambio: Caracterizacion y estrategias para un problema no resuelto. RIED. Revista Iberoamericana de Educación a Distancia, 23(2), 255-272. http://dx.doi.org/10.5944/ried.23.2.26578 Curtis, J., & Bruch, C. (1967). What Makes a Creative Person a Creative Teacher? The Gifted Child Quarterly, 11(3), 157-159. https://doi.org/10.1177/001698626701100305 Pixel-Bit. Revista de Medios y Educación, 71, 159-177 | 2024 | https://doi.org/10.12795/pixelbit.107760 PÁGINA | 175 Drogu, T., Line, N., Mody, M., Hanks, L., Abbott, J. A., Acikgoz, F., ... & Zhang, T. (2023). Generative artificial intelligence in the hospitality and tourism industry: Developing a framework for future research. Journal of Hospitality & Tourism Research, 10963480231188663. https://doi.org/10.1177/10963480231188663 Faraj, A. O. K. (2022). A Proposal to Employ Artificial Intelligence Applications in Developing Prince Sattam bin Abdulaziz University Students’ Future Skills. Education Research International, 2, e6433372. https://doi.org/10.1155/2022/6433372 Flores-Vivar, J. M., & García-Peñalvo, F. J. (2023). Reflexiones sobre la ética, potencialidades y retos de la Inteligencia Artificial en el marco de la Educación de Calidad (ODS4). Comunicar, 31(74), 37-47. https://doi.org/10.3916/C74-2023-03 Gallent-Torres, C., Zapata-González, A., & Ortego-Hernando, J.L. (2023). El impacto de la inteligencia artificial generativa en educación superior: una mirada desde la ética y la integridad académica. RELIEVE, 29(2), 25-41. http://doi.org/10.30827/relieve.v29i2.29134 George, D., & Mallery, M. (2001). Using SPSS for Windows step by step: a simple guide and reference. Alyin y Bacon. González, J.A., López, J., & Araya, C. (2024). Educación superior e inteligencia artificial: desafíos para la universidad del siglo XXI. Revista de Psicologia, Ciències de l’Educació i de l’Esport, 42(1), 79–90. https://doi.org/10.51698/aloma.2024.42.1.79-90 Guerra, S., González, N., & García, R. (2010). Study on the Use of ICT as Teaching Tools by University Instructors. Revista Comunicar, 35(18), 141-148. https://doi.org/10.3916/C35-2010-03- 07 Jara, I., & Ochoa, J. M. (2020). Usos y efectos de la inteligencia artificial en educación. Banco Iberoamericano de Educación,1, 1-25. https://doi.org/10.18235/0002380. Jiménez-García, E., Orenes-Martínez, N., & López-Fraile, L. A. (2024). Rueda de la Pedagogía para la Inteligencia Artificial: Adaptación de la Rueda de Carrington. RIED-Revista Iberoamericana de Educación a Distancia, 27(1), 1-14. https://doi.org/10.5944/ried.27.1.37622 Kabudi, T., Pappas, I., & Olsen, D. H. (2021). AI-enabled adaptive learning systems: Asystematic mapping of the literature. Computers and Education: Artificial Intelligence, 2, 100017. https://doi.org/10.1016/j.caeai.2021.100017 Kelly, A., Sullivan, M., & Strampel, K. (2023). Generative artificial intelligence: University student awareness, experience, and confidence in use across disciplines. Journal of University Teaching & Learning Practice, 20(6), 1-16. https://doi.org/10.53761/1.20.6.12 Kuleto, V., Ilić, M., Dumangiu, M., Ranković, M., Martins, O. M. D., Păun, D., & Mihoreanu, L. (2021). Exploring Opportunities and Challenges of Artificial Intelligence and Machine Learning in Higher Education Institutions. Sustainability, 13(18). https://doi.org/10.3390/su131810424 Kumar, L. (2023). Revolutionizing Education: Artificial Intelligence’s Pioneering Role in Shaping Tomorrow’s Scholars. International Journal of Multidisciplinary Research in Arts, Science and Technology, 1(2), 1-7. https://doi.org/10.61778/ijmrast.v1i2.6 Pixel-Bit. Revista de Medios y Educación, 71, 159-177 | 2024 | https://doi.org/10.12795/pixelbit.107760 PÁGINA | 176 Lane, C., & Lyle III, H. (2011). Obstacles and supports related to the use of educational technologies: the role of technological expertise, gender, and age. Journal of Computer Higher Education, 23, 38-59. https://doi.org/10.1007/s12528-010-9034-3 Leoste, J., Jõgi, L., Õun, T., Pastor, L., San Martín López, J., & Grauberg, I. (2021). Perceptions about the Future of Integrating Emerging Technologies into Higher Education—The Case of Robotics with Artificial Intelligence. Computers, 10(9), 1-15. https://doi.org/10.3390/computers10090110 Lorenzo, M., Ferraces-Otero, M. J., Pérez, C. & Naval, C. (2019). El profesorado universitario ante el aprendizaje-servicio: variables explicativas. Revista de Educación, 386, 37–61. https://doi.org/10.4438/1988-592X-RE-2019-386-426 Mousavinasab, E., Zarifsanaiey, N., R. Niakan Kalhori, S., Rakhshan, M., Keikha, L., & GhaziSaeedi, M. (2021). Intelligent tutoring systems: A systematic review of characteristics, applications, and evaluation methods. Interactive Learning Environments, 29(1), 142-163. https://doi.org/10.1080/10494820.2018.1558257 Murtaza, M., Ahmed, Y., Shamsi, J. A., Sherwani, F., & Usman, M. (2022). AI-Based Personalized E- Learning Systems: Issues, Challenges, and Solutions. IEEE Access, 10, 81323-81342. https://doi.org/10.1109/ACCESS.2022.3193938 Raykov, T., & Marcoulides, G.A. (2017). Thanks Coefficient Alpha, We still ned you! Educational and Psychological Measurement, 79(1), 200-210. https://doi.org/10.1177/0013164417725127 Regalado-López, O., Núñez-Rojas, N., López-Gil, O., & Sánchez-Rodríguez, J. (2024). El Análisis del uso de la inteligencia artificial en la educación universitaria: una revisión sistemática). Pixel- Bit, 70, 97-122. https://doi.org/10.12795/pixelbit.106336 Sanabria, A. L., & Cepeda, O. (2016). La educación para la competencia digital en los centros escolares: la ciudadanía digital. Revista Latinoamericana de Tecnología Educativa, 15(2), 95-112. https://doi.org/10.17398/1695-288X.15.2.95 Sánchez, M.M. (2023). La inteligencia artificial como recurso docente: usos y posibilidades para el profesorado. Educar, 60(1) 33-47. https://doi.org/10.5565/rev/educar.1810 Santos, M. A., Jover, G., Naval, C., Álvarez, J. L., Vázquez, V. & Sotelino, A. (2017). Diseño y validación de un cuestionario sobre práctica docente y actitud del profesorado universitario hacia la innovación (CUPAIN). Educación XX1, 20(2), 39-71, https://doi.10.5944/educXX1.19031 Silva-Sánchez, C. A. (2022). Psychometric properties of an instrument to assess the level of knowledge about artificial intelligence in university professors. Metaverse Basic and Applied Research, 1, 1-14. https://doi.org/10.56294/mr202214 Tomczak, M., & Tomczak, E. (2014). The need to report effect size estimates revisited. An overview of some recommended measures of effect size. Trends Sport Sciences, 1(21), 19-25. http://tss.awf.poznan.pl/files/3_Trends_Vol21_2014__no1_20.pdf Pixel-Bit. Revista de Medios y Educación, 71, 159-177 | 2024 | https://doi.org/10.12795/pixelbit.107760 PÁGINA | 177 Uzumcu, O., & Acilmis, H. (2023). Do Innovative Teachers use AI-powered Tools More Interactively? A Study in the Context of Diffusion of Innovation Theory. Technology, Knowledge And Learning, 29, 1109–1128 https://doi.org/10.1007/s10758-023-09687-1 Varea, N., Naval, C. y Arbués, E. (2018). Innovación metodológica y responsabilidad social en la práctica docente universitaria. En, C. Naval E. Arbués (Eds.), Hacer la universidad en el espacio social (97-115). EUNSA.