LA INTELIGENCIA ARTIFICIAL Y SU INFLUENCIA EN EL COMPORTAMIENTO DE LOS ESTUDIANTES
DOI:
https://doi.org/10.37135/kai.03.14.04Palabras clave:
aptitud, conducta, autodisciplina, aprendizaje, actitudResumen
El propósito del presente estudio es analizar la influencia de la motivación intrínseca, extrínseca, habilidades y normas subjetivas en la adopción de inteligencia artificial (IA) por parte de estudiantes ecuatorianos. Se utilizó una metodología cuantitativa para medir la intención y el comportamiento de uso de la IA, basada en un modelo de Ecuaciones Estructurales con Mínimos Cuadrados Parciales (SEM-PLS). La muestra consistió en 223 estudiantes encuestados. Los resultados revelan que la motivación extrínseca, intrínseca, intención de uso y comportamiento tienen un impacto significativo en los estudiantes, mientras que las habilidades y normas subjetivas no influyen directamente en ellos.
Descargas
Referencias
Ajzen, I. (2020). The theory of planned behavior: Frequently asked questions. Human Behavior and Emerging Technologies, 2(4), 314–324. https://doi.org/10.1002/hbe2.195
Amani, S., White, L., Balart, T., Arora, L., Shryock, K. J., Brumbelow, K., & Watson, K. L. (n.d.). Generative AI Perceptions: A Survey to Measure the Perceptions of Faculty, Staff, and Students on Generative AI Tools in Academia. arXiv preprint arXiv:2304.14415.
Belanger, F., & Crossler, R. E. (2019). Dealing with digital traces: Understanding protective behaviors on mobile devices. Journal of Strategic Information Systems, 28(1), 34–49. https://doi.org/10.1016/j.jsis.2018.11.002
Brachten, F., Kissmer, T., & Stieglitz, S. (2021). The acceptance of chatbots in an enterprise context – A survey study. International Journal of Information Management, 60. https://doi.org/10.1016/j.ijinfomgt.2021.102375
Carranza, R., Díaz, E., Sánchez-Camacho, C., & Martín-Consuegra, D. (2021). e-Banking Adoption: An Opportunity for Customer Value Co-creation. Frontiers in Psychology, 11, 621248. https://doi.org/10.3389/fpsyg.2020.621248
Chan, C. K. Y., & Lee, K. K. W. (2023). The AI generation gap: Are Gen Z students more interested in adopting generative AI such as ChatGPT in teaching and learning than their Gen X and millennial generation teachers? Smart Learning Environments, 10(1), 60. https://doi.org/10.1186/s40561-023-00269-3
Chaurasia, S. S., Verma, S., & Singh, V. (2019). Exploring the intention to use M-payment in India: Role of extrinsic motivation, intrinsic motivation and perceived demonetization regulation. Transforming Government: People, Process and Policy, 13(3–4), 276–305. https://doi.org/10.1108/TG-09-2018-0060
Chiu, T. K. F., Xia, Q., Zhou, X., Chai, C. S., & Cheng, M. (2023). Systematic literature review on opportunities, challenges, and future research recommendations of artificial intelligence in education. Computers and Education: Artificial Intelligence, (4), 100118. https://doi.org/10.1016/j.caeai.2022.100118
Christino, J. M. M., Cardozo, É. A. A., Petrin, R., & de Aguiar Pinto, L. H. (2021). Fatores que influenciam a intenção e o comportamento de uso de aplicativos de delivery para restaurantes. Revista Brasileira de Gestao de Negocios, 23(1), 21–42. https://doi.org/10.7819/rbgn.v23i1.4095
Coughlan, J. (2007). Structural Equation Modeling: Guidelines for Determining Model Fit. https://www.researchgate.net/publication/254742561
Deci, E. L., & Ryan, R. M. (2000). The “what” and “why” of goal pursuits: Human needs and the self-determination of behavior. Psychological Inquiry, 11(4), 227–268. https://doi.org/10.1207/S15327965PLI1104_01
Dwivedi, Y. K., Rana, N. P., Jeyaraj, A., Clement, M., & Williams, M. D. (2019). Re-examining the Unified Theory of Acceptance and Use of Technology (UTAUT): Towards a Revised Theoretical Model. Information Systems Frontiers, 21(3), 719–734. https://doi.org/10.1007/s10796-017-9774-y
Gao, J. (2024). R-Squared (R 2 ) – How much variation is explained? . Research Methods in Medicine & Health Sciences, 5(4), 104–109. https://doi.org/10.1177/26320843231186398
Goktas, P., & Dirsehan, T. (2024). Using PLS-SEM and XAI for casual-predictive services marketing research. Journal of Services Marketing, 39(1). https://doi.org/10.1108/JSM-10-2023-0377
Guanaquiza-Leiva, M., Espinoza-Saraguro, D., & Bonisoli, L. (2022). Análisis de los factores ambientales en la decisión de compra de los productos orgánicos en el consumidor ecuatoriano. 593 Digital Publisher CEIT, 7(2), 247–259. https://doi.org/10.33386/593dp.2022.2.1026
Ho, J. C., Wu, C. G., Lee, C. S., & Pham, T. T. T. (2020). Factors affecting the behavioral intention to adopt mobile banking: An international comparison. Technology in Society, 63. https://doi.org/10.1016/j.techsoc.2020.101360
Hoces, Z. (2023). Motivación y estrategias de aprendizaje en educación universitaria. Instituto Universitario de Innovación Ciencia y Tecnología Inudi Perú. https://doi.org/10.35622/inudi.b.117
Jang, M., Aavakare, M., Nikou, S., & Kim, S. (2021). The impact of literacy on intention to use digital technology for learning: A comparative study of Korea and Finland. Telecommunications Policy, 45(7). https://doi.org/10.1016/j.telpol.2021.102154
Kusumawati, M. D., Fauziddin, M., & Ananda, R. (2023). The Impact of Reward and Punishment on the Extrinsic Motivation of Elementary School Students. AL-ISHLAH: Jurnal Pendidikan, 15(1), 183–192. https://doi.org/10.35445/alishlah.v15i1.2856
Lai, C. Y., Cheung, K. Y., & Chan, C. S. (2023). Exploring the role of intrinsic motivation in ChatGPT adoption to support active learning: An extension of the technology acceptance model. Computers and Education: Artificial Intelligence, 5, 100178. https://doi.org/10.1016/j.caeai.2023.100178
Leong, L. Y., Hew, T. S., Ooi, K. B., Metri, B., & Dwivedi, Y. K. (2023). Extending the Theory of Planned Behavior in the Social Commerce Context: A Meta-Analytic SEM (MASEM) Approach. Information Systems Frontiers, 25(5), 1847–1879. https://doi.org/10.1007/s10796-022-10337-7
Liu, R. De, Wang, J., Gu, D., Ding, Y., Oei, T. P., Hong, W., Zhen, R., & Li, Y. M. (2019). The effect of parental phubbing on teenager’s mobile phone dependency behaviors: The mediation role of subjective norm and dependency intention. Psychology Research and Behavior Management, 12, 1059–1069. https://doi.org/10.2147/PRBM.S224133
Liu, Z., Wang, S., & Gu, Q. (2023). Study on the Mechanism of Influencing Adolescents’ Willingness to Participate in Ice Sports. Children, 10(6), 1080. https://doi.org/10.3390/children10061080
Malek, S. L., Sarin, S., & Haon, C. (2020). Extrinsic Rewards, Intrinsic Motivation, and New Product Development Performance. Journal of Product Innovation Management, 37(6), 528–551. https://doi.org/10.1111/jpim.12554
Martín-Núñez, J. L., Ar, A. Y., Fernández, R. P., Abbas, A., & Radovanović, D. (2023). Does intrinsic motivation mediate perceived artificial intelligence (AI) learning and computational thinking of students during the COVID-19 pandemic? Computers and Education: Artificial Intelligence, 4, 100128. https://doi.org/10.1016/j.caeai.2023.100128
Montalván-Vélez, C. L., Mogrovejo-Zambrano, J. N., Rodríguez-Andrade, A. E., & Andrade-Vaca, A. L. (2024). Adopción y Efectividad de Tecnologías Emergentes en la Educación desde una Perspectiva Administrativa y Gerencial. Journal of Economic and Social Science Research, 4(1), 160–172. https://doi.org/10.55813/gaea/jessr/v4/n1/92
Nguyen, G. N., & Ho, T. T. H. (2022). Interplay between subjective norm, emotions, and purchase intention towards foreign brands: evidence from Vietnam. Innovative Marketing, 18(1), 79–93. https://doi.org/10.21511/im.18(1).2022.07
Perri, C., Giglio, C., & Corvello, V. (2020). Smart users for smart technologies: Investigating the intention to adopt smart energy consumption behaviors. Technological Forecasting and Social Change, 155. https://doi.org/10.1016/j.techfore.2020.119991
Razak, N. I. A., Zamzuri, Z. H., & Suradi, N. R. M. (2018). Bootstrapping technique in structural equation modeling: A Monte Carlo study. Journal of Physics: Conference Series, 1132(1). https://doi.org/10.1088/1742-6596/1132/1/012072
Rochina Chileno, S. C., Duarte Mora, M. J., Macanchí Pico, M. L., & Tipantuña Soria, E. G. (2024). Transformación educativa en el siglo XXI: Integración de Tecnologías Emergentes para el Aprendizaje Efectivo. Reincisol., 3(6), 6092–6109. https://doi.org/10.59282/reincisol.V3(6)6092-6109
Sarango, E., Vásquez, F., & Bonisoli, L. (2024). Responsabilidad social corporativa y lealtad a la marca: un análisis empírico. Journal Business Science, 5(1), 53–68. https://doi.org/10.56124/jbs.v5i1.004
Seo, K., Tang, J., Roll, I., Fels, S., & Yoon, D. (2021). The impact of artificial intelligence on learner–instructor interaction in online learning. International Journal of Educational Technology in Higher Education, 18(1). https://doi.org/10.1186/s41239-021-00292-9
Shneor, R., & Munim, Z. H. (2019). Reward crowdfunding contribution as planned behaviour: An extended framework. Journal of Business Research, 103, 56–70. https://doi.org/10.1016/j.jbusres.2019.06.013
Singh, A., Sharma, S., & Paliwal, M. (2020). Adoption intention and effectiveness of digital collaboration platforms for online learning: the Indian students’ perspective. Interactive Technology and Smart Education, 18(4), 493–514. https://doi.org/10.1108/ITSE-05-2020-0070
Strzelecki, A. (2023). Students’ Acceptance of ChatGPT in Higher Education: An Extended Unified Theory of Acceptance and Use of Technology. Innovative Higher Education. https://doi.org/10.1007/s10755-023-09686-1
Tilibașa, M. A., Boncilică, A. N., Popa, I., Ștefan, S. C., & Tărăban, I. (2023). Implications of digital risks on teachers’ motivation and intention to use digital tools: a PLS-POS perspective in Romanian preuniversity education system. Kybernetes, 52(13), 45–60. https://doi.org/10.1108/K-06-2023-1116
Urhahne, D., & Wijnia, L. (2023). Theories of Motivation in Education: an Integrative Framework. Educational Psychology Review, 35(2), 45. https://doi.org/10.1007/s10648-023-09767-9
Wang, Y. M., Wei, C. L., Lin, H. H., Wang, S. C., & Wang, Y. S. (2022). What drives students’ AI learning behavior: a perspective of AI anxiety. Interactive Learning Environments, 32(6), 2584–2600. https://doi.org/10.1080/10494820.2022.2153147
Wu, C. H., Liu, C. H., & Huang, Y. M. (2022). The exploration of continuous learning intention in STEAM education through attitude, motivation, and cognitive load. International Journal of STEM Education, 9(1). https://doi.org/10.1186/s40594-022-00346-y
Xu, L., Zhang, J., Ding, Y., Zheng, J., Sun, G., Zhang, W., & Philbin, S. P. (2023). Understanding the role of peer pressure on engineering students’ learning behavior: A TPB perspective. Frontiers in Public Health, 10, 1069384. https://doi.org/10.3389/fpubh.2022.1069384
Yin, J., Goh, T. T., Yang, B., & Xiaobin, Y. (2021). Conversation Technology With Micro-Learning: The Impact of Chatbot-Based Learning on Students’ Learning Motivation and Performance. Journal of Educational Computing Research, 59(1), 154–177. https://doi.org/10.1177/0735633120952067
Zaccone, M. C., & Pedrini, M. (2019). The effects of intrinsic and extrinsic motivation on students learning effectiveness. Exploring the moderating role of gender. International Journal of Educational Management, 33(6), 1381–1394. https://doi.org/10.1108/IJEM-03-2019-0099
Zarouali, B., Van Den Broeck, E., Walrave, M., & Poels, K. (2018). Predicting Consumer Responses to a Chatbot on Facebook. Cyberpsychology, Behavior, and Social Networking, 21(8), 491–497. https://doi.org/10.1089/cyber.2017.0518
Publicado
Número
Sección
Licencia
Derechos de autor 2025 KAIRÓS, revista de ciencias económicas, jurídicas y administrativas
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Derechos de autor
Al enviar su trabajo a Kairós, Revista de ciencias económicas, jurídica y administrativas, el autor cede al editor de manera no exclusiva los derechos de reproducción, publicación, comunicación pública, distribución y transformación con el fin de que pueda ser publicado en la revista en versión electrónica y se pueda consultar desde la web de la revista.
Asimismo, los autores autorizan que su artículo sea publicado con una licencia Creative Commons Reconocimiento CC BY-NC-ND.
Los autores que publican en esta revista están de acuerdo con los siguientes términos:
- Los autores conservan los derechos de autor y garantizan a la revista el derecho de ser la primera publicación del trabajo al igual que licenciado bajo una licencia de Creative Commons Reconocimiento CC BY-NC-ND.
- Los autores pueden establecer por separado acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en esta revista.
- Se permite y se anima a los autores a difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales o en su propio sitio web) después de su publicación, ya que puede dar lugar a intercambios productivos, así como a una citación más temprana y mayor de los trabajos publicados (Véase The Effect of Open Access) (en inglés).
![Manual de marca](https://i.ibb.co/8mRCcNn/logo-para-manual-de-marca-Kair-s.png"){kind=logo}
