Keywords
Inteligencia artificial, educación superior, aprendizaje, enseñanza, estudiante universitario, ética
Abstract
La inteligencia artificial (IA) está transformando radicalmente la educación superior, ofreciendo un potencial considerable para personalizar el aprendizaje, aunque también plantea desafíos éticos significativos como el sesgo algorítmico y la posible disminución del pensamiento crítico, este estudio contribuye al campo de la educación médica proporcionando evidencia empírica sobre cómo la formación precoz puede moldear las actitudes de los futuros profesionales hacia la inteligencia artificial (IA). Ante esta dualidad, resulta imperativo obtener datos sistemáticos sobre la percepción de los estudiantes sobre el diseño de intervenciones pedagógicas y políticas institucionales fundamentadas. Se eligió este tema ante la necesidad de preparar a los estudiantes para un entorno laboral cada vez más mediado por la tecnología, buscando reducir la ansiedad tecnológica, aumentar la autoeficacia y fomentar un uso ético y responsable de estas herramientas desde el inicio de la formación académica. El objetivo de esta investigación fue evaluar el impacto de una intervención pedagógica en la percepción de la IA de 90 estudiantes de primer año de Medicina, de la Universidad Técnica de Ambato. La investigación se desarrolló con estudiantes de Medicina, en Ecuador, integrando la IA en el aprendizaje de disciplinas como la embriología clínica. Se empleó un enfoque cuantitativo con diseño preexperimental de un solo grupo con pretest y postest. Se utilizó la escala validada PEIIA, la cual presenta una alta confiabilidad (?=0.945) para medir dimensiones como la efectividad de uso, mejoras de aprendizaje y reacciones emocionales. Fueron revelados cambios estadísticamente significativos (p < 0.05) en las dimensiones de utilidad percibida y facilidad de uso. Se observó una reducción de la ansiedad tecnológica al comprenderse que la IA puede alcanzar una precisión diagnóstica superior al 80% en áreas como la embriología clínica en comparación con la evaluación humana. La principal innovación del estudio reside en el empleo de un diseño preexperimental con pretest y postest, lo cual supera la limitación de los estudios transversales predominantes en la literatura actual al evaluar científicamente el impacto directo de una intervención pedagógica específica en la percepción estudiantil desde la visualización, la cual modificó positivamente las actitudes estudiantiles, fomentando una integración tecnológica que potencia las capacidades humanas, el uso ético de estas herramientas exige transparencia y que la responsabilidad última recaiga siempre en el operador humano.
References
Acero Ruge, L. M., Vásquez Lesmes, D. A., Hernández Rincón, E. H. y Avella Pérez, L. P. (2025). Inteligencia artificial para el abordaje integral de las enfermedades huérfanas/raras: revisión sistemática exploratoria. Medicina de Familia. SEMERGEN, 51(5), 102434. https://doi.org/10.1016/j.semerg.2024.102434
Aparicio Gómez, W. O. (2023). La Inteligencia Artificial y su Incidencia en la Educación: Transformando el Aprendizaje para el Siglo XXI. Revista Internacional de Pedagogía e Innovación Educativa, 3(2), 217–230. https://doi.org/10.51660/ripie.v3i2.133
Ayala Sánchez, W. C. (2025). Uso de la Inteligencia Artificial en Educación: Una Revisión Sistemática. Ciencia y Reflexión, 4(4), 723–745. https://doi.org/10.70747/cr.v4i4.564
Brady, A. P., Allen, B., Chong, J., Kotter, E., Kottler, N., Mongan, J., Oakden-Rayner, L., et al. (2024). Developing, Purchasing, Implementing and Monitoring AI Tools in Radiology: Practical Considerations. A Multi-Society Statement From the ACR, CAR, ESR, RANZCR & RSNA. Canadian Association of Radiologists Journal, 75(2), 226–244. https://doi.org/10.1177/08465371231222229
Cano, P., Arévalo, R., Cabello, Y. y Pons, M. (2025). Percepción y uso de la inteligencia artificial en la valoración embrionaria: resultados de una encuesta a profesionales de la embriología clínica. ASEBIR, 30(1), 16–23. https://revista.asebir.com/percepcion-y-uso-de-la-inteligencia-artificial-en-la-valoracion-embrionaria-resultados-de-una-encuesta-a-profesionales-de-la-embriologia-clinica
Cordero, A., Bertomeu-Gonzalez, V., Segura, J. V., Morales, J., Álvarez-Álvarez, B., Escribano, D., Rodríguez-Manero, M., et al. (2024). Árboles de clasificación obtenidos mediante inteligencia artificial para la predicción de insuficiencia cardiaca tras el síndrome coronario agudo. Medicina Clínica, 163(4), 167–174. https://doi.org/10.1016/j.medcli.2024.01.040
Curchoe, C. L. y Bormann, C. L. (2019). Artificial intelligence and machine learning for human reproduction and embryology presented at ASRM and ESHRE 2018. Journal of Assisted Reproduction and Genetics, 36(4), 591–600. https://doi.org/10.1007/s10815-019-01408-x
de Luis Román, D., López Gómez, J. J., Barajas Galindo, D. y García García, C. (2025). Role of artificial intelligence in predicting disease-related malnutrition: a narrative review. Nutrición hospitalaria: Órgano oficial de la Sociedad Española de Nutrición Clínica y Metabolismo (SENPE), 42(1), 173–183. https://doi.org/10.20960/nh.05672
Debnath, J. (2023). Radiology in the era of artificial intelligence (AI): Opportunities and challenges. Medical Journal Armed Forces India, 79(4), 369–372. https://doi.org/10.1016/j.mjafi.2023.05.003
Diakiw, S. M., Hall, J. M. M., VerMilyea, M. D., Amin, J., Aizpurua, J., Giardini, L., Briones, Y. G., et al. (2022). Development of an artificial intelligence model for predicting the likelihood of human embryo euploidy based on blastocyst images from multiple imaging systems during IVF. Human Reproduction, 37(8), 1746–1759. https://doi.org/10.1093/humrep/deac131
Díaz, O., Rodríguez-Ruiz, A., Gubern-Mérida, A., Martí, R. y Chevalier, M. (2021). ¿Son los sistemas de inteligencia artificial una herramienta útil para los programas de cribado de cáncer de mama? Radiología, 63(3), 236–244. https://doi.org/10.1016/j.rx.2020.11.006
Ferrando Blanco, D., Persiva Morenza, Ó., Cabanzo Campos, L. B., Sánchez Martínez, A. L., Varona Porres, D., Del Carpio Bellido Vargas, L. A. y Andreu Soriano, J. (2024). Utility of artificial intelligence for detection of pneumothorax on chest radiopgraphs done after transthoracic percutaneous transthoracic biopsy guided by computed tomography. Radiología (English Edition), 66, S40–S46. https://doi.org/10.1016/j.rxeng.2023.07.006
Geis, J. R., Brady, A. P., Wu, C. C., Spencer, J., Ranschaert, E., Jaremko, J. L., Langer, S. G., et al. (2019). Ethics of Artificial Intelligence in Radiology: Summary of the Joint European and North American Multisociety Statement. Journal of the American College of Radiology, 16(11), 1516–1521. https://doi.org/10.1016/j.jacr.2019.07.028
Giaxi, P., Vivilaki, V., Sarella, A., Harizopoulou, V. y Gourounti, K. (2025). Artificial Intelligence and Machine Learning: An Updated Systematic Review of Their Role in Obstetrics and Midwifery. Cureus, 17(3), e80394. https://doi.org/10.7759/cureus.80394
Horta, F., Salih, M., Austin, C., Warty, R., Smith, V., Rolnik, D. L., Reddy, S., et al. (2023). Reply: Artificial intelligence as a door opener for a new era of human reproduction. Human Reproduction Open, 2023(4), hoad045. https://doi.org/10.1093/hropen/hoad045
Katsantonis, A. y Katsantonis, I. G. (2024). University Students’ Attitudes toward Artificial Intelligence: An Exploratory Study of the Cognitive, Emotional, and Behavioural Dimensions of AI Attitudes. Education Sciences, 14(9), 988. https://doi.org/10.3390/educsci14090988
Kenig, N., Monton Echeverria, J. y Muntaner Vives, A. (2024). Artificial Intelligence in Surgery: A Systematic Review of Use and Validation. Journal of Clinical Medicine, 13(23), 7108. https://doi.org/10.3390/jcm13237108
Mlynska, L., Malouhi, A., Ingwersen, M., Güttler, F., Gräger, S. y Teichgräber, U. (2023). Artificial intelligence for assistance of radiology residents in chest CT evaluation for COVID-19 pneumonia: a comparative diagnostic accuracy study. Acta Radiologica, 64(6), 2104–2110. https://doi.org/10.1177/02841851231162085
Mnguni, L. E. (2014). The theoretical cognitive process of visualization for science education. SpringerPlus, 3(1), 184. https://doi.org/10.1186/2193-1801-3-184
Nair, A. V., Ramanathan, S., Sathiadoss, P., Jajodia, A. y Blair Macdonald, D. (2022). Barriers to artificial intelligence implementation in radiology practice: What the radiologist needs to know. Radiología (English Edition), 64(4), 324–332. https://doi.org/10.1016/j. rxeng.2022.04.001
Oliveira Gomes, L. M. y de Souza Francisquini, C. D. (2021). Artificial Intelligence as an ally to human reproduction and embryology. JBRA Assisted Reproduction, 25(1), 1–3. https://doi.org/10.5935/1518-0557.20200065
Ozaki, K., Kurose, Y., Kawai, K., Kobayashi, H., Itabashi, M., Hashiguchi, Y., Miura, T., et al. (2023). Development of a Diagnostic Artificial Intelligence Tool for Lateral Lymph Node Metastasis in Advanced Rectal Cancer. Diseases of the Colon & Rectum, 66(12), e1246–e1253. https://doi.org/10.1097/DCR.0000000000002719
Pérez del Barrio, A., Menéndez Fernández-Miranda, P., Sanz Bellón, P., Lloret Iglesias, L. y Rodríguez González, D. (2022). Artificial Intelligence in Radiology: an introduction to the most important concepts. Radiología (English Edition), 64(3), 228–236. https://doi.org/10.1016/j.rxeng.2022.03.005
Ricciardi, G., Cirillo Totera, J. I., Pons Belmonte, R., Romero Valverde, L., López Muñoz, F. y Manríquez Díaz, A. (2025). Uso de inteligencia artificial para predecir complicaciones en cirugías de columna toracolumbar degenerativa: revisión sistemática. Revista Española de Cirugía Ortopédica y Traumatología, 69(5), 446–460. https://doi.org/10.1016/j.recot.2025.02.007
Salih, M., Austin, C., Warty, R. R., Tiktin, C., Rolnik, D. L., Momeni, M., Rezatofighi, H., et al. (2023). Embryo selection through artificial intelligence versus embryologists: a systematic review. Human Reproduction Open, 2023(3), hoad031. https://doi.org/10.1093/hropen/hoad031
SFR-IA Group, CERF y French Radiology Community. (2018). Artificial intelligence and medical imaging 2018: French Radiology Community white paper. Diagnostic and Interventional Imaging, 99(11), 727–742. https://doi.org/10.1016/j.diii.2018.10.003
Torres-Gastelú, C. A. y Torres-Real, C. (2025). Validación de una escala sobre la percepción de la Inteligencia Artificial en la educación superior. Ciencia Latina Revista Científica Multidisciplinar, 9(2), 5706–5725. https://doi.org/10.37811/cl_rcm.v9i2.17324
Xu, S., Khan, K. I. y Shahzad, M. F. (2024). Examining the influence of technological self-efficacy, perceived trust, security, and electronic word of mouth on ICT usage in the education sector. Scientific Reports, 14(1), 16196. https://doi.org/10.1038/s41598-024-66689-4
Fundref
La investigación responde al Proyecto Científico: EDUCACIÓN PARA LA SALUD INTEGRAL DEL ADULTO JOVEN DESDE LA TELEMEDICINA Y LA INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN SUPERIOR, aprobado por el PRESIDENTE CONSEJO DE INVESTIGACIÓN E INNOVACIÓN, de la Universidad Técnica de Ambato, por Resolución Nro. UTA-CONIN-2025-0062-R, del 26 de febrero del 2025. Se agradece a la dirección de investigación y desarrollo (DIDE), por todo el apoyo recibido durante la investigación.
Crossmark
Technical information
Received: 2026-03-17 | Reviewed: 2026-04-07 | Accepted: 2026-04-12 | Online First: 2026-07-17 | Published: 2026-07-19
Metrics
Metrics of this article
Views: 38099
Abstract readings: 36810
PDF downloads: 1289
Full metrics of Comunicar 77
Views: 459033
Abstract readings: 446071
PDF downloads: 12962
Cited by
Cites in Web of Science
Currently there are no citations to this document
Cites in Scopus
Currently there are no citations to this document
Cites in Google Scholar
Currently there are no citations to this document
Descarga
Métricas alternativas
Cómo citar
Dr. Jorge Luis Losada Guerra., Dr. Elena Vicenta Hernández Navarro. (2026). Percepción de la inteligencia artificial, en la Educación Superior. Intervención Pedagógica. Comunicar, 34(86). 10.5281/zenodo.21425242
Share
Oxbridge Publishing House
4 White House Way
B91 1SE Sollihul Reino Unido
Administración 
Redacción
