Relación entre el uso de inteligencia artificial generativa en entornos educativos y la percepción de riesgo en la privacidad de datos en estudiantes universitarios

Autores/as

DOI:

https://doi.org/10.53591/revug.v140i2.3357

Palabras clave:

inteligencia artificial generativa, privacidad de datos, educación superior, percepción de riesgo, tecnología educativa

Resumen

En los últimos años, el uso de inteligencia artificial generativa en contextos educativos ha ido en aumento, lo que está cambiando la manera de aprender en las universidades. Pero este crecimiento también trae consigo dudas sobre cómo se manejan los datos personales de los estudiantes. Este trabajo tuvo como objetivo analizar si existe relación entre el uso de estas herramientas y cómo los estudiantes universitarios perciben los riesgos sobre su privacidad. Se llevó a cabo una investigación con un enfoque mixto, de tipo no experimental y con un corte transversal. Participaron 200 estudiantes universitarios, seleccionados por conveniencia. Como instrumento se aplicó un cuestionario estructurado basado en el Modelo de Aceptación Tecnológica (TAM) y en el modelo de Preocupaciones de Privacidad de la Información de Usuarios de Internet (IUIPC). El cuestionario mostró una buena validez (KMO = 0.86; p < 0.001) y una alta confiabilidad (alfa de Cronbach = 0.87). Los resultados indicaron una correlación negativa de intensidad moderada entre el uso de IA generativa y la percepción de riesgo sobre la privacidad (r = −0.41; p < 0.001). El modelo de regresión mostró que el uso de IA explica cerca del 16% de la variabilidad en la percepción de riesgo (R² = 0.16). Esto sugiere que existe una asociación entre ambas variables, pero no implica una relación de causa y efecto. Se concluye que es necesario reforzar las estrategias de alfabetización digital y de ética tecnológica dentro de la educación superior.

Referencias

Bozkurt, A., Xiao, J., Lambert, S., et al. (2023). Speculative futures on ChatGPT and generative artificial intelligence in education. Asian Journal of Distance Education.

Creswell, J. W., & Plano Clark, V. L. (2018). Designing and conducting mixed methods research (3rd ed.). SAGE Publications.

Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340.

Dwivedi, Y. K., Kshetri, N., Hughes, L., et al. (2023). So what if ChatGPT wrote it? Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI. International Journal of Information Management, 71.

European Parliament. (2016). Regulation (EU) 2016/679 (General Data Protection Regulation).

Facuy Delgado, J. P., & Díaz Espinoza, M. (2025). El rol de la inteligencia ambiental en la promoción del desarrollo sostenible en la educación básica superior. Revista InveCom, 5(3). https://doi.org/10.5281/zenodo.14635894

Facuy, J., Aguirre-Munizaga, M., Pasini, A., Estévez, E., Moran-Castro, C. (2026). Validation of an Ambient Intelligence System Applied to the Prediction of Electronic Waste in Smart Cities. In: Valencia-Garcia, R., et al. Technologies and Innovation. CITI 2025. Communications in Computer and Information Science, vol 2776. Springer, Cham. https://doi.org/10.1007/978-3-032-11494-5_17

Floridi, L., Cowls, J., Beltrametti, M., et al. (2018). AI4People—An ethical framework for a good AI society. Minds and Machines, 28(4), 689–707.

Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage Learning.

Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.

Kasneci, E., Sessler, K., Küchemann, S., et al. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274.

Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. (2016). Intelligence unleashed: An argument for AI in education. Pearson.

Malhotra, N. K., Kim, S. S., & Agarwal, J. (2004). Internet users’ information privacy concerns (IUIPC). Information Systems Research, 15(4), 336–355.

Nissenbaum, H. (2010). Privacy in context: Technology, policy, and the integrity of social life. Stanford University Press.

Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.

OpenAI. (2023). GPT-4 technical report. arXiv. https://doi.org/10.48550/arXiv.2303.08774

Toledo, A., Facuy Delgado, J., Aldaz, J., & Yerovi, E. (2026). Evaluación cuasi-experimental del uso de herramientas digitales en el desarrollo de competencias investigativas en estudiantes universitarios. Atlas Research Journal, 4(1), 69–90. https://doi.org/10.65305/arj.v4n1.2026.51

Tsai, Y. S., Moreno-Marcos, P. M., Jivet, I., et al. (2021). The SHEILA framework. Journal of Learning Analytics, 8(1), 1–15.

UNESCO. (2021). Recommendation on the ethics of artificial intelligence.

United Nations. (2015). Transforming our world: The 2030 agenda for sustainable development.

Zuboff, S. (2019). The age of surveillance capitalism. PublicAffairs.

Publicado

2026-07-03

Número

Sección

Artículos de Investigación

Cómo citar

Herrera Avila, Y. M. (2026). Relación entre el uso de inteligencia artificial generativa en entornos educativos y la percepción de riesgo en la privacidad de datos en estudiantes universitarios. Revista Universidad De Guayaquil, 140(2), 01-17. https://doi.org/10.53591/revug.v140i2.3357