ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (julio 2026 - diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(79)
http://www.aulavirtual.web.ve
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (julio 2026 - diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(80)
http://www.aulavirtual.web.ve
REVISTA CIENTÍFICA
AULA VIRTUAL
Director Editor:
La Revista seriada Científica Arbitrada e
Indexada Aula Virtual, es de acceso abierto y en
formato electrónico; la misma está orientada a la
divulgación de las producciones científicas
creadas por investigadores en diversas áreas del
conocimiento. Su cobertura temática abarca
Tecnología, Ciencias de la Salud, Ciencias
Administrativas, Ciencias Sociales, Ciencias
Jurídicas y Políticas, Ciencias Exactas y otras
áreas afines. Su publicación es CONTINUA,
indexada y arbitrada por especialistas en el área,
bajo la modalidad de doble ciego. Se reciben las
producciones tipo: Artículo Científico en las
diferentes modalidades cualitativas y
cuantitativas, Avances Investigativos, Ensayos,
Reseñas Bibliográficas, Ponencias o
publicaciones derivada de eventos, y cualquier
otro tipo de investigación orientada al tratamiento
y profundización de la información de los campos
de estudios de las diferentes ciencias. La Revista
Aula Virtual, busca fomentar la divulgación del
conocimiento científico y el pensamiento crítico
reflexivo en el ámbito investigativo.
• Dra. Leidy Hernández PhD.
• Dr. Fernando Bárbara
Consejo Asesor:
• MSc. Manuel Mujica
• MSc. Wilman Briceño
• Dra. Harizmar Izquierdo
• Dr. José Gregorio Sánchez
Revista Científica Arbitrada de
Fundación Aula Virtual
Email: revista@aulavirtual.web.ve
URL: http://aulavirtual.web.ve/revista
ISSN:
Depósito Legal:
País:
Año de Inicio:
Periodicidad:
Sistema de Arbitraje:
Licencia:
Volumen:
Número:
Año:
Período:
Dirección Fiscal:
2665-0398
LA2020000026
Venezuela
2020
Continua
Revisión por pares. “Doble Ciego”
Creative Commons CC BY NC ND
7
15
2026
Julio 2026 – Diciembre 2026 (continua)
Av. Libertador, Arca del Norte, Nro.
52D, Barquisimeto estado Lara,
Venezuela, C.P. 3001
Generando Conocimiento
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (julio 2026 - diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(81)
http://www.aulavirtual.web.ve
Tipo de Publicación: Articulo Científico
Área del Conocimiento: Ciencias Sociales y
Aplicadas
Recibido: 01/05/2026
Aceptado: 03/06/2026
Publicado: 21/07/2026
Código Único AV: e741
Páginas: 1(79-97)
DOI: https://doi.org/10.5281/zenodo.21472889
Autores:
Jorge Antonio Delgado Soto
Ingeniero Químico
Maestro en Ciencias, mención Gestión Ambiental
Doctor en Ciencias, mención Educación
https://orcid.org/0000-0003-2275-8608
E-mail: jdelgado@unc.edu.pe
Afiliación: Universidad Nacional de Cajamarca
País:República del Perú
Norma Heredia Aponte
Contadora
Magister en Docencia Universitaria y Gestión
Educativa
Doctora en Ciencias, mención Educación
https://orcid.org/0000-0001-5168-2695
E-mail: norma_heredia@unj.edu.pe
Afiliación: Universidad Nacional de Jaén
País:República del Perú
Thaís Nicol Delgado Ruiz
Bachiller
Salud Pública y Global
https://orcid.org/0009-0006-3514-783X
E-mail: thais.delgado@upch.pe
Afiliación: Universidad Particular Cayetano Heredia
País:República del Perú
Resumen
El objetivo de la investigación fue determinar las diferencias en la
percepción del uso de la inteligencia artificial entre los estudiantes
de la asignatura de química de las escuelas de Ingeniería Civil,
Ingeniería Forestal y Enfermería. La investigación siguió un
enfoque cuantitativo, de tipo descriptivo comparativo, de diseño no
experimental. Se evaluaron tres dimensiones: utilidad percibida en
el aprendizaje de la química, actitud y compromiso y
preocupaciones éticas y riesgos. Los resultados evidenciaron que
los estudiantes de enfermería mostraron la percepción más positiva,
totalmente de acuerdo (TDA) = 63,43%, siendo las escuelas de
Ingeniería Forestal (TDA=57,07%) y Civil las que mostraron menor
aceptación (TDA = 33,77%). La contrastación de la hipótesis, con
el estadístico Kruskal-Wallis mostró el valor de Chi cuadrado =
40,416 y la significancia p<0,001, demostrando que los estudiantes
de enfermería presentaron la mayor percepción (R=87,57), y los
estudiantes de ingeniería civil mostraron la percepción más baja
(R=40,28).
Palabras Clave
Inteligencia artificial, percepción estudiantil,
enseñanza de la química, ética educativa,
educación superior.
Abstract
The objective was to determine differences in the perception of
artificial intelligence use among students in the chemistry course at
the schools of civil engineering, forestry engineering, and nursing.
The research followed a quantitative, descriptive-comparative
approach with a non-experimental design. Three dimensions were
evaluated: perceived usefulness in learning chemistry, attitude and
commitment, and ethical concerns and risks. The results showed
that nursing students had the most positive perception, with 63,43%
strongly agreeing (SLA), while the Schools of Forestry Engineering
(SLA = 57,07%) and Civil Engineering showed the lowest
acceptance (SLA = 33,77%). Hypothesis testing using the Kruskal-
Walli’s test yielded a Chi-square value of 40,416 and a significance
level of p < 0.001, demonstrating that nursing students had the
highest perception (R = 87,57%), and civil engineering students had
the lowest (R = 40,28).
Keywords
Artificial intelligence, student perception, chemistry
teaching, educational ethics, higher education.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(82)
http://www.aulavirtual.web.ve
Introducción
La inteligencia artificial (IA) tiene sus bases
en las ciencias de la computación, surgió de la
necesidad de optimizar la solución de problemas
sociales, económicos y ambientales en el menor
tiempo posible, a partir de almacenar y procesar
bases de datos con información de toda índole. El
impacto de la IA en la educación superior ha sido
definido por Ortiz (2024) como “un elemento
disruptivo para consolidar el cambio del paradigma
educativo”.
Desde una perspectiva ontológica, la
incorporación de la IA en las aulas transforma la
naturaleza misma del acto educativo, alterando la
relación tradicional entre el sujeto que aprende (el
estudiante) y el objeto de conocimiento. Esto
redefine la realidad del estudiante universitario,
quien transita de ser un receptor o procesador de
información a un evaluador crítico de los contenidos
generados por la IA, modificando la ontología del
aprendizaje autónomo y el pensamiento crítico.
La IA de la actualidad ya no se configura
únicamente como una herramienta instrumental o
un repositorio pasivo de datos; ontológicamente,
emerge como un agente epistémico, con el cual el
estudiante desarrolla en conjunto la realidad
científica. Esta rompe muchos paradigmas,
cuestiona la forma de ensañar y evaluar, no se trata
de un cambio progresivo y gradual, es dinámico,
intencionado y raudo. Hoy en día el profesor sigue
siendo la fuente de conocimiento, pero no de forma
absoluta, ya que el conocimiento se encuentra en
todas partes, su función es saber guiar al estudiante
en dos aspectos ¿qué información buscar? y ¿qué
hacer con ella?
Esta nueva realidad educativa adquiere
matices particulares en la enseñanza de las ciencias
básicas como la Química. Ontológicamente la
química estudia la naturaleza de la materia, sus
transformaciones y las leyes que rigen el
microcosmos molecular a través de abstracciones
complejas (fórmulas reacciones químicas,
representaciones de modelos atómicos etc.).
Cuando la IA interviene en este proceso
mediante modelos predictivos o simuladores
algorítmicos la realidad fenoménica de la química
se virtualiza. El estudiante ya no solo aprende con la
materia palpable en un laboratorio, sino con una
representación ontológica abstracta mediada por el
código informático.
Menacho et al., (2024) señalaron que, la
incorporación de la IA en la educación superior
plantea múltiples desafíos, lo que genera un interés
en comprender su relevancia como herramienta en
el aprendizaje de los estudiantes de educación
superior y la práctica docente, después de analizar el
grado de importancia de la IA en el aprendizaje
autónomo de 200 estudiantes universitarios,
encontraron que el 94,0 % destacó la utilidad en
optimizar el tiempo de la búsqueda de información
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (julio 2026 - diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(83)
http://www.aulavirtual.web.ve
académica; mientras que el 6% indicó que no era
relevante, no obstante los participantes consideraron
que su uso debe ser ético y responsable.
En esta investigación el principal hallazgo
radica en la conciencia colectiva de los
participantes, quienes coinciden en que la
integración de la IA en el aula y en la práctica
docente exige de manera obligatoria, un
compromiso ético y un uso responsable.
Moreno-Montiel et al., (2025a) exploraron la
percepción de sentimientos de una muestra de 2.282
estudiantes de educación superior de diferentes
áreas del conocimiento, acerca del uso de
herramientas de IA en su aprendizaje; los resultados
revelaron que el 61,26% fueron percepciones
positivas hacia ella, el 34,88% mostraron
sentimientos neutros y el 3,86 % mostraron posturas
negativas; siendo las divisiones de ciencias básicas
y de ingeniería las que evidenciaron menos
sentimientos positivos, los hallazgos señalan la
necesidad de capacitar en el uso ético, responsable
y crítico de la IA en diversas áreas de estudio,
consolidando su potencial como un recurso
educativo transformador.
Los resultados muestran que los estudiantes
de las áreas analíticas poseen una visión más crítica
y escéptica respecto a la fiabilidad de los algoritmos.
Esta resistencia o neutralidad justifica la necesidad
de escudriñar cómo se configura dicha percepción
en asignaturas como la química, donde el rigor del
dato científico colisiona con la automatización de la
IA.
Solano-Barliza et al., (2024), Valenzuela
et al., (2024) y Rosa et al (2024) investigaron la
percepción del uso del ChatGPT y chatbots en los
procesos de enseñanza y aprendizaje de estudiantes
de pregrado, los resultados mostraron una
percepción positiva en la comprensión del
contenido por parte de los estudiantes, además
señalaron que, la IA es más interesante y ayuda a
mejorar la comprensión y su rendimiento
académico, además de facilitar la búsqueda de
información, por lo que opinan que los docentes
deben permitir el uso de esta tecnología en el aula,
también manifestaron una preocupación moderada
en relación con la probable dependencia de la IA en
el entorno educativo y respecto a la privacidad, el
plagio y la presencia de errores en los contenidos
generados.
Estos hallazgos configuran una dualidad en el
estudiante de pregrado: por un lado, se valida la
eficiencia cognitiva de los chatbots para optimizar
el aprendizaje cotidiano; por el otro emerge una
notable madurez crítica expresada en el temor a la
dependencia intelectual y al sesgo del error
algorítmico.
Berber et al., (2025) destacan la importancia
de la IA en el desarrollo de la investigación en
química y disciplinas afines, según una revisión de
las aplicaciones de la IA en la investigación química
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(84)
http://www.aulavirtual.web.ve
y afines, la investigación menciona que el
profesorado de ciencias de educación secundaria
participante reportó una mayor familiaridad con las
aplicaciones de la IA y expresó su intención de
incorporar estos temas en su docencia.
Rivera-Ramírez et al., (2025) analizaron el
uso y percepción de la IA en la educación superior,
enfocado en profesores y alumnos de una
Universidad mexicana. Los resultados revelan que
el 73,68% de los profesores y el 78,96% de los
alumnos perciben positivamente el impacto de la IA
en la educación.
Navarrete Cochancela et al. (2025) analizaron
la percepción sobre IA en la formación profesional
de una muestra de estudiantes de universidades
públicas de Ecuador, las evidencias señalan que el
40% de los estudiantes perciben que la IA facilita y
mejora su aprendizaje y desarrollo profesional, el
30% teme que la IA reemplace habilidades
esenciales en sus campos profesionales, el 60% ha
utilizado alguna herramienta de este tipo en su
proceso de aprendizaje, el 40% expresa su
disposición para aprender más sobre IA y un 40%
también muestra preocupación por el impacto
negativo de la IA en el pensamiento crítico y la
creatividad de los estudiantes..
Moreno et al., (2025) determinaron la
percepción sobre Inteligencia Artificial y
Competencias Digitales en los estudiantes de una
universidad pública de Perú, los resultados
evidenciaron un p valor=0.001, indicando que existe
relación entre las variables, concluyendo que los
alumnos perciben la importancia y necesidad del
desarrollo de competencias digitales para el
aprovechamiento óptimo de las herramientas de
inteligencia artificial.
Talamantes et al., (2025) describieron el uso y
las percepciones de la IA en estudiantes de tres
facultades agrícolas de una Universidad Mexicana,
señalando que respecto a la percepción de
efectividad y beneficios entre el 35 y 31.82%,
mostraron una posición neutral. La investigación
demostró que el valor verdadero de la IA en la
universidad no radica en si potencia técnica, sino en
su sensibilidad pedagógica, para derribar obstáculos
emocionales, aliviar la frustración cognitiva y hacer
comprensible lo complejo.
Castillo et al., (2025) analizaron la incidencia
de la IA en el proceso de enseñanza-aprendizaje de
la química en bachillerato, los resultados
evidenciaron que la implementación de la IA
permitió una enseñanza más personalizada,
mejorando la motivación y facilitando la
comprensión de contenidos difíciles mediante
simulaciones y asistentes virtuales. Sin embargo,
también identificaron la falta de capacitación
docente y recursos tecnológicos, concluyendo que la
IA optimiza la enseñanza de la química, siempre que
se aborde con criterios éticos, capacitación
adecuada y acceso equitativo a la tecnología.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (julio 2026 - diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(85)
http://www.aulavirtual.web.ve
Álvarez et al., (2023) investigaron la
implementación de la IA en la asignatura de
Química para personas con escolaridad inconclusa,
las evidencias cuantitativas informaron el impacto
de la IA, los datos cualitativos profundizaron en las
experiencias y perspectivas de los participantes, los
resultados mostraron una mejora en el rendimiento
académico, la motivación, el interés y la retención
de conocimientos, produciendo un impacto positivo.
Los hallazgos demuestran el potencial de la IA
para que los estudiantes puedan aprender química
desde un entorno amigable y personalizado. El
hecho de que esta herramienta tecnológica devuelva
la motivación a los estudiantes que presentan
dificultades para su aprendizaje, demuestra que la
IA ayuda a asimilar contenidos complejos,
motivándolos y minimizando sus frustraciones.
Mandina & Kusakara (2025) analizaron la
integración de la IA en la educación química en
Zimbabue, hallando un impacto significativo en el
rendimiento académico, donde el grupo
experimental supero al control en un 20% y el 85%
de los alumnos reportó mayor participación,
validando a la IA como optimizador de la carga
cognitiva, concluyendo que aunque la IA tiene un
potencial transformador en el método STEM, su
éxito depende de superar brechas en infraestructura,
capacitaciones docentes y acceso digital en naciones
en desarrollo.
Este hallazgo demuestra que la IA optimiza la
carga cognitiva del estudiante, liberándolo de tareas
mecánicas para enfocarse en la comprensión
abstracta de la química, evidenciando que el éxito
de esta tecnología no depende solo del algoritmo,
sino de las condiciones materiales del entorno. Así,
el estudio sitúa el debate en una dimensión
estructural, advirtiendo que, en países en desarrollo,
la IA ayuda a mejorar el rendimiento de los
estudiantes.
La investigación se justifica debido al vacío de
conocimientos y las pocas evidencias específicas
sobre cómo se percibe la IA en la enseñanza de la
Química para carreras distintas, el estudio no solo
buscó saber, sino mejorar como se enseña la
asignatura y formar profesionales que usen IA de
forma responsable y ética.
El objetivo general fue determinar si existen
diferencias significativas en la percepción del uso de
la inteligencia artificial entre los estudiantes de la
asignatura de Química de las carreras de Ingeniería
Civil, Ingeniería Forestal y Enfermería, los
objetivos específicos fueron: a) Identificar el nivel
de utilidad académica de la IA que poseen los
estudiantes de Química en las carreras de Ingeniería
Civil, Ingeniería Forestal y Enfermería; b) Describir
el nivel de actitud y compromiso hacia el uso de la
IA como apoyo en el aprendizaje asignatura de
Química y c) Comparar las preocupaciones éticas y
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(86)
http://www.aulavirtual.web.ve
riesgos hacia la IA entre las carreras de Ingeniería
Civil, Ingeniería Forestal y Enfermería.
Desarrollo
La investigación se llevó a cabo en la Filial
Jaén de la Universidad Nacional de Cajamarca, en
el año académico 2025, la investigación siguió un
enfoque cuantitativo, de tipo descriptivo
comparativo, de diseño no experimental y de corte
transversal. De acuerdo con Campbell & Stanley
(1995) la representación es la siguiente:
M1:O1, M2:O2, M3:O3
M1: estudiantes de enfermería
M2: estudiantes de Ingeniería Forestal
M3: estudiantes de Ingeniería Civil
O1≡O2≡O3
O: Representa la observación de la variable
Percepción del uso de la IA, la cual incluye tres
dimensiones según los objetivos específicos:
Oa: Utilidad académica
Ob: Actitud y compromiso
Oc: Preocupaciones éticas y riesgos
La muestra estuvo conformada por
estudiantes de las escuelas Ingeniería Forestal II y
III ciclo (40), Ingeniería Civil III ciclo (40) y
Enfermería I y II ciclo (40), el cuestionario fue
sometido a la prueba de confiabilidad alfa de
Cronbach y la validez fue evaluada por doctores en
educación.
El cuestionario estuvo conformado por las
variables Escuela y Percepción del uso de la IA, la
cual contaba con las dimensiones: Utilidad
percibida en el aprendizaje de la química
(indicadores: optimización del estudio autónomo
(I1), resolución de problemas y ejercicios (I2) y
visualización y simulaciones (I3), actitud y
compromiso (indicadores: motivación e interés (I4),
percepción de relevancia profesional (I5) y
autoeficacia tecnológica (I6)) y preocupaciones
éticas y riesgos (indicadores: integridad
académica(I7), fiabilidad de la información (I8) y
privacidad y sesgo(I9)). Cada indicador estuvo
conformado por tres ítems, totalizando un
cuestionario con 27 ítems, los cuales se aprecian en
la Tabla 1.
1 (I1)
El uso de la IA me permite comprender conceptos complejos de la química de forma más sencilla que métodos
tradicionales.
2(I1)
Utilizo herramientas de la IA para organizar mis tiempos de estudio y resolver de forma inmediata mis dudas con
respecto a la teoría.
3(I1)
La IA me ayuda a encontrar rápidamente información académica relevante para mis informes y reportes del laboratorio
de química.
4(I2)
La IA es una herramienta eficaz para verificar procedimientos y formas de resolver problemas de química.
5(I2)
Siento que el apoyo de la IA mejora mi precisión al resolver ejercicios prácticos de la asignatura.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (julio 2026 - diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(87)
http://www.aulavirtual.web.ve
6(I2)
Las explicaciones paso a paso que genera la IA facilitan mi comprensión en la resolución de problemas cuantitativos.
7(I3)
Las herramientas de la IA facilitan la visualización de estructuras moleculares y enlaces que son difíciles de imaginar.
8(I3)
Considero que las simulaciones o ejemplos generados por la IA.
9(I3)
Las interacciones con chatbots (programa informático para diseñar conversación con humamos) de IA sustituye con
éxito las consultas básicas.
10
(I4)
Me siento más motivado a estudiar química cuando puedo apoyarme en herramientas de inteligencia artificial.
11
(I4)
El uso de la IA en las clases de química hace que la asignatura me resulte más atractiva e innovadora.
12
(I4)
Prefiero buscar apoyo en la IA antes que dejar una duda de química sin resolver
13
(I5)
Considero que aprender a usar IA en química es fundamental para mi futuro desempeño como ingeniero (a) o enfermero
(a).
14
(I5)
Creo que la IA será una herramienta cotidiana en mi especialidad, sea de Ingeniero Civil o Forestal y Enfermería.
15
(I5)
Me interesa que los docentes integren oficialmente la IA en el desarrollo de su sílabo de química.
16
(I6)
Me resulta fácil aprender a usar nuevas herramientas de IA para mis tareas de química.
17
(I6)
Confío en mi capacidad para interactuar con la IA y obtener los resultados académicos que necesito.
18
(I6)
Siento que tengo el control sobre la herramienta y no que la herramienta decide por mi
19
(I7)
Me preocupa que el excesivo usa de la IA en química pueda afectar mi capacidad de pensar por mí mismo.
20
(I7)
Considero que entregar trabajos de química, generados íntegramente por IA sin revisión propia es una forma de plagio.
21
(I7)
Siento incertidumbre sobre los límites éticos que existen al usar IA para realizar tareas académicas.
22
(I8)
He detectado errores o datos falsos en las respuestas que la IA me da sobre temas químicos.
23
(I8)
Verifico siempre en libros o fuentes oficiales la información que obtenga de la IA antes de usarla en un trabajo.
24
(I8)
Me preocupa que la IA proporcione fórmulas o datos técnicos erróneos que afecten mi aprendizaje.
25
(I9)
Me preocupa como las plataformas de IA manejan mis datos personales y mis consultas académicas.
26
(I9)
Creo que las respuestas de la IA podrían tener sesgos que no siempre refleja la realidad científica de la química.
27
(I9)
Me genera desconfianza la falta de transparencia sobre las fuentes que usa la IA para generar sus respuestas.
Tabla 1. Ítems para indagar la percepción de la IA en las escuelas de Ingeniería Forestal, Ingeniería Civil y Enfermería
I = Indicador
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(88)
http://www.aulavirtual.web.ve
Resultados
Determinación de las diferencias significativas en
la percepción del uso de la IA entre los
estudiantes de la asignatura de Química de las
carreras de Ingeniería Civil, Ingeniería Forestal y
Enfermería
El cuestionario generó datos, los cuales se
procesaron para el análisis descriptivo de las
percepciones entre las tres unidades de análisis, los
hallazgos iniciales permiten visualizar diferencias
significativas en la aceptación de la IA como recurso
didáctico en el aprendizaje de la química, esta
distribución porcentual ayuda a comprender la
intensión de cada escuela en la influencia en la
valoración, de la utilidad, la actitud y los riesgos
éticos percibidos por los estudiantes. En la Figura 1
se presenta la comparación entre escuelas de estos
niveles de percepción.
Figura 1. Comparación de la percepción de la IA en el
aprendizaje de la Química, entre las escuelas de Ingeniería
Forestal, Ingeniería Civil y Enfermería
Para el contrate de la hipótesis “Los
estudiantes de Ingeniera y Enfermería perciben de
forma positiva el uso de la IA entre los estudiantes
de la asignatura de química de las carreras de
Ingeniería Civil, Ingeniería Forestal y Enfermería”,
se procedió a realizar la prueba de normalidad
Shapiro Wilk, para identificar la distribución normal
de los datos.
Shapiro Wilk
Percepción de la IA
Comparación de rangos
entre escuelas
Escuelas
Estadístico
Sig.
Escuela
N
Rango
promedio
(R)
Ing. Fores.
0,945
0,052
Ing. Fores.
39
52,78
Ing. Civil
0,935
0,024
Ing. Civil
40
40,28
Enfermería
0,883
0,001
Enfermería
41
87,57
Total
120
Tabla 2. Prueba de normalidad y Prueba de rangos
promedios, para identificar la escuela con percepción más
favorable de la IA
De acuerdo con los resultados presentados, los
datos de la escuela de Ingeniería Forestal
presentaron distribución normal (p>0,05), sin
embargo, los resultados de las escuelas de Ingeniería
Civil y Enfermería no presentan distribución normal
(p<0,05). Por lo tanto, la distribución no es normal.
Para determinar diferencias significativas entre las
carreras, utilizamos la prueba para datos no
paramétricos de Kruskal-Wallis, además de una
prueba de rangos, la cual nos permitió observar e
interpretar la dirección de los resultados.
5,95 5,83 2,64
37,08
60,40
34,22
57,05
33,77
63,43
0,00
20,00
40,00
60,00
80,00
ING. FORESTAL ING. CIVIL ENFERMERÍA
Porcentaje (%)
Escuelas
Percepción de la IA por los
estudiantes en el aprendizaje de
la química
TEDA NEUTRAL TDA
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (julio 2026 - diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(89)
http://www.aulavirtual.web.ve
Estadístico de Prueba
Percepción
H de Kruskal-Wallis
40,416
gl
2
Sig. asintótica
0,000
Tabla 3. Prueba estadística de Kruskal-Wallis, para el
contraste de la hipótesis
La Tabla 3 muestra los resultados de la prueba
estadística de Kruskal-Wallis, (X2 = 40,416, gl = 2
y p<0.001), evidenciando que existen diferencias
significativas en la percepción del uso de la IA entre
los estudiantes de química de las escuelas evaluadas.
La Figura 1 y la Tabla 2 evidencian que la escuela
de Enfermería presenta el nivel de percepción más
alto con el uso de la IA (TDA = 63,43% y R = 87,57)
y presenta el nivel más bajo de rechazo (TEDA
=2,64%).
Los estudios mostrados por Toro Flores et al.,
(2025) señalan que los estudiantes enfermería,
mostraron alto nivel de impacto de la IA (74.7%) en
la personalización del aprendizaje sobre los
contenidos formativos. La escuela de Ingeniería
Forestal muestra percepción favorable (TDA =
57.07%) y postura neutral moderada (37,08%).
En la escuela de Ingeniería Civil la mayoría de
los estudiantes mantiene una postura neutral
(60,40%) y es la escuela con menor aceptación a
pesar de ser un área altamente tecnológica (TDA =
33,77% y R = 40,28).
Comparación de la percepción de la utilidad de la
IA en el aprendizaje de la química entre los
estudiantes de las escuelas de Ingeniería Forestal,
Ingeniería Civil y Enfermería
El análisis específico de la primera dimensión,
referida a la utilidad percibida de la IA en el
aprendizaje de la Química, la cual examina la
valoración de los estudiantes, sobre la optimización
del estudio autónomo, la resolución de ejercicios
cuantitativos y la capacidad de simulación
molecular, se presentan en la Figura 2.
Figura 2. Comparación de la percepción de la utilidad de la
IA en el aprendizaje de la química
Para contrastar la hipótesis “Los estudiantes
de Ingeniería Forestal e Ingeniería Civil perciben la
utilidad de la IA en el aprendizaje de la química más
alta en comparación con los estudiantes de
enfermería, debido a su perfil técnico”. Se procedió
a determinar la prueba de rangos y Kruskal -Wallis.
4,69 6,88 2,56
50,84 55,08
36,87
44,47 38,04
61,45
0,00
20,00
40,00
60,00
80,00
ING. FORESTAL ING. CIVIL ENFERMERÍA
Porcentaje (%)
Escuela
Utilidad de la IA en el aprendizaje
de la química
TEDA NEUTRAL TDA
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(90)
http://www.aulavirtual.web.ve
Comparación de rangos
entre escuelas
Estadístico Kruskal-Wallis
Escuela
N
Rango
promedio
(R)
Utilidad de la IA en el
aprendizaje de la química
Ing. Fores.
40
54,08
H de Kruskal-Wallis
21,632
Ing. Civil
39
46,19
gl
2
Enfermería
41
80,38
Sig. asintótica
0,000
Total
120
Tabla 4. Prueba de rangos promedios, para identificar la
escuela que percibe la valoración más alta en la utilidad de la
IA en el aprendizaje de la Química y prueba de Kruskal
Wallis
Los resultados del estadístico Kruskal-Wallis
(X2 =21,632, gl=2 y p<0,001), estableciendo que
existen diferencias significativas en la percepción
de la utilidad de la IA en el aprendizaje de la
química, entre los estudiantes de las tres escuelas.
La prueba de Kruskal Wallis, resulto un valor de
p=0,000, lo que permite rechazar la hipótesis nula.
En la Figura 2 y la Tabla 4 se aprecia que los
estudiantes de enfermería presentaron el valor de
percepción de la utilidad de la IA más alta
(TDA=61,45%, R = 80,38).
La escuela de Ingeniería Civil registró la
mayor valoración de neutralidad y el mayor
porcentaje de totalmente en desacuerdo (neutralidad
= 55,08% y TEDA 6,88%, R = 46,19). Los
resultados se asemejan a los mencionados por Toro
Flores et al., (2025) quienes señalan que los
estudiantes le dieron una valoración de 3,19, en una
escala del 1 al 5, expresando dudas sobre la
aplicabilidad de la IA a la solución de problemas
complejos.
Los resultados muestran que los estudiantes
de Ingeniería Civil reconocen el potencial
tecnológico, sin embargo, son los más escépticos
sobre la “precisión en la resolución de ejercicios
prácticos” (ítem 5) o la “sustitución de consultas
básicas” (ítem 9) por parte de la IA.
Los estudiantes de la escuela de Ingeniería
Forestal exhibieron una postura predominantemente
neutral (50,84%, R = 46,19) no obstante su
aceptación (TDA = 44,47%). Los resultados
mostrados para la escuela de Ingeniería Forestal
concuerdan con los presentados por Talamantes
et al., (2025) quienes señalan que en los ítems: “IA
efectiva para resolver ejercicios numéricos
complejos en la escuela” y “Con la IA has
experimentado mejora en tus calificaciones” el
43,71% y 51,64% respondieron la alternativa Ni
acuerdo/Ni desacuerdo.
También observamos que existe la necesidad
de una formación formal en IA, por lo cual la
consideran una herramienta secundaria. Estos
hallazgos denotan una percepción de utilidad
moderada, donde la IA se utiliza más para la
“organización de tiempos de estudio” (ítem 2) que
para la resolución de problemas complejos. Se
evidencia que el perfil técnico de las ingenierías no
es un factor determinante para una percepción
superior de la IA en el ámbito académico.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (julio 2026 - diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(91)
http://www.aulavirtual.web.ve
Esto confirma que existen diferencias
estadísticamente significativas en la percepción de
la utilidad de la IA en el aprendizaje de la química
en las tres carreras. Sin embargo, los datos no
respaldan la hipótesis de investigación formulada.
La hipótesis de investigación, que sugería una
mayor percepción de la utilidad en los estudiantes
de ingeniería, no ha sido respaldada por los datos,
aunque se confirme que existen diferencias
significativas entre las carreras.
Comparación del nivel de actitud y compromiso
hacia el uso de la IA como apoyo en el
aprendizaje asignatura de química
El análisis de la dimensión relativa a la actitud
y compromiso de los estudiantes frente a la IA,
como herramienta en la asignatura de química,
evaluó no solo la motivación intrínseca y el interés
por la innovación tecnológica, sino también la
percepción de autoeficacia y la relevancia que los
futuros profesionales otorgan a estas herramientas
en sus respectivos campos laborales. Los datos
sistematizados se pueden observar en la Figura 3.
Para la contrastación de la hipótesis “El nivel
de actitud y compromiso hacia el uso de
herramientas de IA en Química es mayor en los
estudiantes Ingeniería Civil e Ingeniería Forestal en
comparación con los estudiantes de Enfermería”, se
realizó la prueba de rangos y la prueba de Kruskal-
Wallis.
Figura 3. Comparación entre las escuelas de ingeniería
forestal, Ingeniería Civil y enfermería acerca del nivel de
actitud y compromiso hacia el uso de la IA como apoyo en el
aprendizaje de la asignatura de química
Comparación de rangos
entre escuelas
Estadístico Kruskal-Wallis
Escuela
N
Rango
promedio
(R)
Actitud y compromiso hacia
el uso de la IA en el
aprendizaje de la química
Ing. Fores.
40
52,99
H de Kruskal-Wallis
14,876
Ing. Civil
39
50,39
gl
2
Enfermería
41
77,32
Sig. asintótica
0,001
Total
120
Tabla 5. Prueba de rangos promedios, para identificar la
escuela con la valoración más alta en el nivel de actitud y
compromiso hacia el uso de herramientas de IA en el
aprendizaje de la Química y Prueba de Kruskal-Wallis
Los resultados de la prueba de Kruskal-Wallis
(X2 =14,876, gl =2 y p=0,001) respecto al nivel de
actitud y compromiso hacia el uso de la IA en el
aprendizaje de la química, señalando que existen
diferencias significativas entre las carreras
evaluadas, rechazándose la hipótesis nula. No
obstante, los datos refutan la hipótesis de
8,34 5,90 3,16
46,64
69,04
40,58
45,02
25,06
56,26
0,00
20,00
40,00
60,00
80,00
ING. FORESTAL ING. CIVIL ENFERMERÍA
Porcentaje (%)
Escuela
Actitud y compromiso hacia el
uso de la IA
TEDA NEUTRAL TDA
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(92)
http://www.aulavirtual.web.ve
investigación original, la cual preveía una mayor
actitud y compromiso en los estudiantes de
ingeniería.
La Figura 3 y la Tabla 5 evidencian que los
estudiantes de la escuela de enfermería evidenciaron
la mayor actitud y compromiso (TDA = 56,26% y R
=77,32), lo cual induce a afirmar que existe una
elevada “motivación e interés” (ítems 10.12),
teniendo predisposición afectiva a usarla, prefieren
resolver sus dudas con la IA antes que dejarla sin
resolver (ítem 12) y muestran un gran interés que se
integre al sílabo (ítem15). Los resultados
presentados Salameh et al., (2025) concuerdan con
los nuestros, demostrando que los estudiantes de
enfermería tienen una actitud positiva en términos
de beneficios y disposición para usarla en la práctica
profesional.
Los estudiantes de la escuela de Ingeniería
Civil presentaron el valor de neutralidad más alto
(69,04% y R=50,53) lo cual sugiere desconexión
emocional o cautela profesional. Solo el 25,06% (1
de 4 estudiantes) se siente realmente comprometido
o motivado con la herramienta, esto podría deberse
a que no perciben la IA como “fundamental para su
futuro desempeño” (ítem 13) en la misma medida
que los otros grupos, o bien, prefieren mantener un
control estricto sobre su proceso de aprendizaje.
La investigación realizada por Moreno-
Montiel et al (2025a) evidencia que los estudiantes
de Ingeniería fueron los más escépticos, presentado
el menor índice de sentimientos positivos (46,65%
manifestaron sentimientos neutros) hacia la IA. Los
estudiantes de la escuela de Ingeniería Forestal
manifestaron un equilibrio entre la neutralidad
(46,64%) y el TDA (45,02% y (R = 52,99) es la
carrera que presenta el mayor rechazo (8,34%)
TEDA, lo que indica que existe un grupo pequeño
de estudiantes que se resiste al cambio de paradigma
en el estudio de la química o la escasez de
pensamiento crítico.
Comparación de las preocupaciones éticas y
riesgos hacia la IA entre las tres escuelas de
estudio
La exploración de la dimensión
correspondiente a las preocupaciones éticas y los
riesgos asociados al uso de la IA en el aprendizaje
de la química analizó indicadores importantes como
la integridad académica, la posibilidad de incurrir en
plagio, la fiabilidad de la información técnica genera
y la protección de datos personales, son presentados
en la Figura 4.
Para la contrastación de la hipótesis “Los
estudiantes de Enfermería manifestaron una mayor
preocupación por la dimensión ética y la fiabilidad
de los datos de la IA en comparación con los
estudiantes Ingeniería”, se procedió de la misma
forma que en los casos anteriores (Ver Tabla 6).
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (julio 2026 - diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(93)
http://www.aulavirtual.web.ve
Figura 4. Comparación del rendimiento entre las escuelas
para la comparación de la preocupación ética y riesgos hacia
el uso de la IA.
Comparación de rangos
entre escuelas
Estadístico Kruskal-Wallis
Escuela
N
Rango
promedio
(R)
Nivel de la preocupación por
la ética y la fiabilidad de los
datos de la IA
Ing. Fores.
40
48,30
H de Kruskal-Wallis
44,745
Ing. Civil
39
42,38
Gl
2
Enfermería
41
89,63
Sig. asintótica
0,001
Total
120
Tabla 6. Prueba de rangos promedios, para identificar la
escuela con la valoración más alta en la preocupación por la
dimensión ética y la fiabilidad de los datos de la IA y Prueba
de Kruskal Wallis
Los resultados de la prueba de Kruskal Wallis
evidencian que existen diferencias altamente
significativas entre las escuelas respecto a la
percepción d riesgos éticos (p=0,001). El valor de H
de Kruskal Wallis (44,745) es el más alto de todas
las dimensiones evaluadas, lo que indica que la
preocupación por la ética es el factor que más divide
las opiniones entre las carreras.
La Figura 4 y la Tabla 6 evidencia que los
estudiantes de enfermería presentan el nivel más
alto respecto a las preocupaciones y riesgos (TDA
=72,58% y 89,63%), considerando que su
formación implica la seguridad del paciente
muestran una fuerte preocupación por la “fiabilidad
de la información” y el riesgo de “datos técnicos
erróneos” (ítem 22 y 24). Para ellos, la ética no es
una barrera para el uso, sino una condición
necesaria, reflejada en su hábito de verificar siempre
en libros o fuentes oficiales (ítem 23). Los
resultados han sido confirmados por Salameh et al.,
(2025) y Han et al., (2025) señalando problemas en
la información y generando dudas en su
confiabilidad.
Los estudiantes de la escuela de Ingeniería
Civil con un 57,09% de neutralidad, mantuvieron su
línea de cautela observada en las dimensiones
anteriores. Sin embargo, un 38,21% está de acuerdo
que existen riesgos significativos posiblemente
enfocados en la falta de transparencia sobre las
fuentes (ítem 27) que utiliza la IA para generar
respuestas técnicas.
Estos datos son consistentes con los
presentado por Camarillo, Lee & Swan, (2024)
quienes mencionan que, si bien es cierto que la IA
es utilizada por los estudiantes de Ingeniería Civil,
estos manifiestan incertidumbre con respecto a la
5,41 4,70 2,21
49,01 57,09
25,22
45,59 38,21
72,58
0,00
20,00
40,00
60,00
80,00
ING. FORESTAL ING. CIVIL ENFERMERÍA
Porcentaje (%)
Escuela
Preocupaciones éticas y riesgos
de la IA
TEDA NEUTRAL TDA
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(94)
http://www.aulavirtual.web.ve
equidad y la seguridad del uso de la IA en la
educación y en la profesión.
Los estudiantes de la escuela de Ingeniería
Forestal mostraron una división casi equitativa entre
la neutralidad (49,01%) y el TDA (45,59%),
indicando que casi la mitad de la escuela reconoce
el riesgo de que el uso excesivo afecte la
“capacidad de pensar por sí mismo” (ítem 19).
Los resultados coinciden con los mencionados
por Jayashree, et al., (2024) quienes señalan que los
estudiantes de Ciencias Agrarias a pesar de mostrar
optimismo en el uso de la IA, 81% de una muestra
de 100 estudiantes señalaron barreras como la
integración tradicional a las prácticas agrícolas
tradicionales.
Conclusiones
El rango promedio obtenido por la escuela de
enfermería demostró que es la escuela con la
percepción más positiva hacia el uso de la IA en la
asignatura de química. La escuela de Ingeniería
Civil y Forestal en su mayoría mostró una posición
neutral, lo cual indica una actitud reservada,
sugiriendo que son los grupos más crítico respecto
al uso de la IA para el aprendizaje de la Química.
La percepción de la IA en el aprendizaje de la
química no es uniforme, está mediada con la
naturaleza de la formación del futuro profesional.
Mientras que en enfermería su uso principalmente
es de ayuda cognitiva, en Ingeniería Civil
predomina el escepticismo técnico, lo cual sugiere
que la alfabetización digital en IA debe ser
contextualizada, demostrando en la enseñanza el
valor específico en la resolución de problemas.
Los estudiantes de enfermería a pesar de
demostrar la actitud más positiva y el mayor uso de
la IA son simultáneamente los más consientes y
preocupados por los riesgos éticos. Esto demuestra
que una mayor familiaridad con la tecnología no es
totalmente confiable, y se debe optar por el uso
responsable de esta herramienta.
Las evidencias mostradas indican que la
integración de la IA está cambiando los paradigmas
de aprendizaje y gestión de tiempos requeridos para
indagar información acerca de la asignatura de
química. El éxito de la IA en la enseñanza
aprendizaje de la química, no dependerá de la
complejidad de la herramienta, sino de la capacidad
del sistema universitario para transformar la
percepción estudiantil de una herramienta de
consulta en un aliado para el desarrollo del
pensamiento crítico y la ética profesional.
La investigación demuestra que la inteligencia
artificial actúa como un agente de democratización
del aprendizaje, especialmente en perfiles
estudiantiles que históricamente experimenta una
mayor vulnerabilidad académica o resistencia hacia
las ciencias exactas. Al desmitificar la hostilidad
percibida de la química, la IA no se limita a
transferir información de manera automatizada; se
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (julio 2026 - diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(95)
http://www.aulavirtual.web.ve
convierte en un soporte que alivia la frustración
cognitiva y personaliza el ritmo de compresión.
Por lo tanto, la percepción positiva de los
estudiantes no responde a un simple entusiasmo
tecnológico sino al descubrimiento de un entorno de
aprendizaje empático y accesible, capaz de
transformar la abstracción del mundo molecular en
una experiencia vivencial comprensible y didáctica.
El contraste entre la aceptación optimista en la
escuela de enfermería y el escepticismo
metodológico en las escuelas de Ingeniería Civil y
Forestal pone de manifiesto que la percepción de la
IA está fuertemente condicionada por el perfil ético
y técnico de cada disciplina. Mientras que el
estudiante de salud percibe a la herramienta con un
enfoque pragmático para optimizar tiempos y
asimilar contenidos con rapidez. El estudiante de
ingeniería no acepta las respuestas de la IA, de
forma contundente, su formación analítica, los
conduce al análisis.
El hallazgo significativo en la dimensión ética
es que el estudiante universitario actual no consume
ciegamente la tecnología, siempre manifiesta una
clara preocupación por el plagio, la perdida de
privacidad y la dependencia intelectual. Esto
redefine por completo la ontología del aprendizaje
autónomo, promoviendo una demanda por la
inclusión de un nuevo marco educativo donde la IA
no remplace al docente, sino que sea un
acompañante en el aprendizaje, el cual debe ser
constantemente verificado.
La docencia universitaria en el área de las
ciencias básicas no se puede seguir sosteniendo
sobre la base de la transmisión lineal de datos o la
evaluación de tareas mecánicas, pues esas funciones
la IA ya las optimiza. El reto del profesorado radica
en rediseñar los sílabos, para integrar estas
herramientas de forma equilibrada, enseñando al
estudiante a utilizar la IA de manera responsable
para potenciar la investigación científica y la
resolución de problemas complejos del mundo real.
Referencias
Álvarez, M. et al., (2023). La inteligencia artificial
para el aprendizaje de química por personas con
escolaridad inconclusa: su impacto. Revista
Multidisciplinar Polo de Conocimiento, 8 (10),
pp 1-24. Documento en línea. Disponible DOI:
10.23857/pc.v8i10.6159
Berber, S., Brückner, M., Maurer, N., & Huwer, J.
(2025). Artificial Intelligence in Chemistry
Research─Implications for Teaching and
Learning. Journal of Chemical Education,
102(4), 1445-1456. Documento en línea.
Disponible
https://doi.org/10.1021/acs.jchemed.4c01033
Campbell, D. & Stanley, J. (1995) Diseños
experimentales y cuasi experimentales en la
investigación social. Editorial Amorrortu
editores Buenos Aires
Castillo, M. A. B., Garófalo-García, R. N., Llontop,
R. F. G., Tapia, D. E. D., Grados, O. E. G.,
Gallegos, J. P. C., Mayanga, W. C., & Guerrero,
A. W. P. (2025). La Inteligencia Artificial en el
proceso de enseñanza de la química en la
educación media. South Florida Journal of
Development, 6(10), e5847-e5847. Documento
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(96)
http://www.aulavirtual.web.ve
en línea. Disponible
https://doi.org/10.46932/sfjdv6n10-005
Camarillo, M.K, Lee, L.S & Swan, C.
(2024). Percepciones de los estudiantes sobre la
inteligencia artificial y su relevancia para la
formación profesional en ingeniería
civil. Ponencia presentada en la Conferencia y
Exposición Anual de la ASEE de 2024, Portland,
Oregón. Documento en línea. Disponible doi
10.18260/1-2--48014
Han, S., Kang, H. S., Gimber, P., & Lim, S. (2025).
Nursing Students’ Perceptions and Use of
Generative Artificial Intelligence in Nursing
Education. Nursing Reports, 15(2). Documento
en línea. Disponible
https://doi.org/10.3390/nursrep15020068
Jayashree, V. et al., (2024). Agricultural Students’
Perceptions of Artificial Intelligence: Challenges
and Opportunities in Tamil Nadu, India. Journal
of Scientific Research and Reports 30 (12):255-
62. Documento en línea. Disponible
https://doi.org/10.9734/jsrr/2024/v30i122670
Mandina, S., & Kusakara, R. (2025). The
Application of AI in Chemistry Learning:
Experiences of Secondary School Students in
Zimbabwe. European Journal of Mathematics
and Science Education, 6(1), 1-15. Documento
en línea. Disponible
https://doi.org/10.12973/ejmse.6.1.1
Menacho, M. et al., (2024)!Inteligencia artificial
como herramienta en el aprendizaje autónomo de
los estudiantes de educación superior. Revista
INVECOM, 4(2), 1-10. Documento en línea.
Disponible
https://doi.org/10.5281/zenodo.10693945
Moreno, L. R., Chaccara, V., Medina, J. C.,
Zevallos, M. E., Pecho, M. H., Florez, S.,
Moreno, L. R., Chaccara, V., Medina, J. C.,
Zevallos, M. E., Pecho, M. H., & Florez, S.
(2025). Percepción sobre inteligencia artificial y
competencias digitales en los estudiantes de una
universidad pública. Revista Espacios, 46(3), 90-
105. Documento en línea. Disponible
https://doi.org/10.48082/espacios-
a25v46n03p08
Moreno-Montiel, C. H., Miranda-Pérez, M. E.,
Moreno-Montiel, M. N., & Moreno-Montiel, B.
(2025a). Percepción de Estudiantes
Universitarios sobre el Uso de Inteligencias
Artificiales en su Educación. Revista Docentes
2.0, 18(2), 324-336. Documento en línea.
Disponible
https://doi.org/10.37843/rted.v18i2.723
Navarrete Cochancela, J. A., Nuñez Zamora, W. R.,
Viscarra Armijos, L. B., Cedillo Fajardo, M.,
Cedeño Cedeño, R. J., Navarrete Cochancela, J.
A., Nuñez Zamora, W. R., Viscarra Armijos, L.
B., Cedillo Fajardo, M., & Cedeño Cedeño, R. J.
(2025). Percepción de la inteligencia artificial
como amenaza o aliada en la formación
profesional de los universitarios. Prohominum.
Revista de Ciencias Sociales y Humanas, 7(2),
123-136. Documento en línea. Disponible
https://doi.org/10.47606/acven/ph037
Ortiz Muñoz, F.J. (2024). La Inteligencia Artificial
como elemento disruptivo para consolidar el
cambio del paradigma educativo. Derecom:
Revista Internacional de Derecho de la
Comunicación y las Nuevas Tecnologías, ISSN-
e 1988-2629, Nº. 36, 2024, págs. 65-85
Documento en línea. Disponible
https://dialnet.unirioja.es/servlet/articulo?codigo
=9509032
Rivera-Ramírez, F., Velázquez-Garduño, G.,
Archundia-Valverde, E., & Reyes-Díaz, J. I.
(2025). Uso y percepción de la inteligencia
artificial en la Educación Superior. Revista
RedCA, 441-456. Documento en línea.
Disponible
https://doi.org/10.36677/redca.v0i0.25895
Rosa, R. M. de la, Cruz-Romero, R., & Silva-Payró,
M. P. (2024). Percepción de la inteligencia
artificial por estudiantes universitarios como
acompañante en el proceso de aprendizaje.
European Public & Social Innovation Review, 9,
1-18. Documento en línea. Disponible
https://doi.org/10.31637/epsir-2024-738
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (julio 2026 - diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(97)
http://www.aulavirtual.web.ve
Salameh, B., Qaddumi, J., Hammad, B., Eqtit, F.,
Ibraheem Ayed, A. J., Fashafsheh, I.,
ALBashtawy, M., Reshia, F., & Lukic, I. (2025).
Nursing Students’ Attitudes Toward Artificial
Intelligence: Palestinian Perspectives. SAGE
Open Nursing, 11, 23779608251343297.
Documento en línea. Disponible
https://doi.org/10.1177/23779608251343297
Solano-Barliza, A. D., Ojeda, A. D., Aarón-
Gonzalvez, M., Solano-Barliza, A. D., Ojeda, A.
D., & Aarón-Gonzalvez, M. (2024). Análisis
cuantitativo de la percepción del uso de
inteligencia artificial ChatGPT en la enseñanza y
aprendizaje de estudiantes de pregrado del caribe
colombiano. Formación universitaria,
17(3),129-138. Documento en línea. Disponible
https://doi.org/10.4067/s0718-
50062024000300129
Talamantes. I., et al. (2025) Uso y percepción de la
inteligencia artificial en las facultades de
agricultura de la Universidad Autónoma de
Sinaloa, Revista Espacios, 46(6), 87-98.
Documento en línea. Disponible
https://doi.org/10.48082/espacios-
a25v46n06p08
Toro Flores, Y. A., Choquehuanca Quispe, W.,
Núñez Zevallos, M. H., Valderrama Chauca, E.
D., y Toro Flores, I. K. (2025). Comparativa de
la Percepción de Estudiantes de Ingeniería sobre
el Uso de ChatGPT: Un Estudio entre
Universidades Públicas y Privadas. Ciencia y
Reflexión, 4(2),2045–2068. Documento en línea.
Disponible https://doi.org/10.70747/cr.v4i2.491
Valenzuela, A. C. C., García, V. M. M., Meza, J. A.
V., & Romero, Y. D. (2024). Percepción de los
Estudiantes sobre el uso de la Inteligencia
Artificial en el Nivel Superior. Revista Digital de
Tecnologías Informáticas y Sistemas, 8(1), 154-
162. Documento en línea. Disponible
https://doi.org/10.61530/redtis.vol8.n1.2024.187