Fecha de recibido: 18/07/2026
Fecha de aceptado: 19/10/2026
Fecha de publicado: 02/11/2026
Introducción
La inteligencia artificial (IA) se ha incorporado progresivamente en la educación superior mediante sistemas capaces de generar contenidos, responder preguntas, ofrecer retroalimentación y apoyar la resolución de problemas. Esta transformación amplía las posibilidades de acceso a la información, personalización y acompañamiento del aprendizaje, pero también modifica la relación del estudiante con el conocimiento y exige revisar las prácticas pedagógicas, los mecanismos de evaluación y la formación digital. Viera (2024) sostiene que la IA puede optimizar la enseñanza y personalizar el aprendizaje universitario; sin embargo, advierte que su integración efectiva requiere una aplicación ética, consciente y orientada al enriquecimiento de la experiencia educativa.
La expansión reciente de la IA generativa ha acentuado esta discusión porque herramientas conversacionales y de producción automática permiten elaborar explicaciones, resúmenes, ejercicios y otros recursos académicos en pocos segundos. En una revisión sistemática de 23 estudios procedentes de Scopus, Dimensions y SciELO, Sánchez et al. (2025) identificaron beneficios potenciales para la innovación pedagógica, junto con desafíos éticos, pedagógicos y técnicos relacionados con los sesgos algorítmicos, la privacidad de los datos y la insuficiencia de evidencia empírica. Estos hallazgos muestran que la disponibilidad de la tecnología no garantiza por sí misma un aprendizaje significativo; su aporte depende de la finalidad pedagógica, la capacidad del estudiante para contrastar la información y la orientación docente.
En el ámbito de la educación universitaria, la adopción de la IA plantea además diferencias vinculadas con la experiencia, la capacitación y el área de conocimiento. Párraga Castro (2026) señala que la falta de formación constituye una barrera para la integración educativa de estas herramientas y destaca la necesidad de desarrollar criterios éticos adaptados al contexto institucional. Por consiguiente, estudiar la IA como herramienta de aprendizaje implica examinar no solo su frecuencia de uso, sino también la manera en que favorece la comprensión, la autonomía, la elaboración de contenidos y el pensamiento crítico, así como los riesgos de dependencia, desinformación o utilización poco transparente.
La necesidad de una incorporación responsable adquiere particular importancia en la formación de Enfermería. La profesión se desarrolla en escenarios en los que las tecnologías digitales, la IA, los sistemas de información y la atención virtual tienen una presencia creciente. Booth et al. (2021) plantean que la Enfermería debe avanzar hacia una profesión digitalmente capacitada y advierten que las desigualdades en infraestructura, conectividad, experiencia y formación pueden limitar los beneficios de la transformación tecnológica. En el contexto educativo, esta situación exige que el futuro profesional aprenda a utilizar herramientas digitales sin sustituir el razonamiento clínico, la comunicación terapéutica, la seguridad del paciente ni la toma de decisiones sustentada en evidencia.
La formación enfermera también demanda coherencia entre competencias académicas, aprendizaje clínico y necesidades profesionales. Sulosaari et al. (2023), al comparar programas de enfermería de práctica avanzada en países nórdicos y bálticos, encontraron que la formación clínica estaba presente en todos los programas analizados, aunque sus modalidades de implementación variaban. Si bien dicho estudio no evaluó el uso de IA, aporta un elemento pertinente para este trabajo: cualquier innovación incorporada a la enseñanza de Enfermería debe vincularse con el desarrollo de competencias y con situaciones formativas auténticas, en lugar de limitarse a la producción automática de respuestas o contenidos.
En Hispanoamérica, el estudio de la IA generativa en educación superior todavía presenta un desarrollo incipiente y heterogéneo. Sánchez et al. (2025) señalan que la literatura en español revela distintas formas de adopción y una necesidad de diferenciar las estrategias dirigidas a docentes y estudiantes. Esta situación evidencia una brecha de conocimiento: aunque se reconocen posibles beneficios para personalizar recursos y apoyar actividades académicas, todavía se requiere investigación empírica situada que permita comprender cómo la emplean los estudiantes, qué aportes perciben en su aprendizaje y cuáles son las condiciones pedagógicas y éticas necesarias para su integración.
En Ecuador, la experiencia previa con tecnologías educativas muestra que la disponibilidad, la conectividad y las estrategias docentes condicionan su contribución al aprendizaje. En una investigación desarrollada en El Carmen, Ávila Ramírez et al. (2023) determinaron que plataformas como Microsoft Teams, Zoom, Moodle y WhatsApp facilitaron la comunicación y la continuidad del proceso de enseñanza-aprendizaje durante la emergencia sanitaria. Aunque ese estudio se centró en medios tecnológicos y educación básica, sus resultados permiten reconocer, dentro del contexto local, que la utilidad educativa de una tecnología depende de las prácticas mediante las cuales docentes y estudiantes la incorporan al proceso formativo.
Una aproximación más cercana al escenario institucional fue realizada en la Universidad Laica Eloy Alfaro de Manabí (ULEAM), Extensión El Carmen. Lino Delgado et al. (2026) informaron una alta adopción y una valoración favorable de aplicaciones móviles con IA entre estudiantes de formación agropecuaria, pero también identificaron dificultades de conectividad y desconocimiento de aplicaciones especializadas. Este antecedente evidencia que existe interés por la IA en la comunidad universitaria local y que su incorporación presenta oportunidades y limitaciones; no obstante, sus resultados corresponden a otra área profesional y no permiten explicar cómo se utiliza la IA ni cómo se relaciona con el aprendizaje de los estudiantes de Enfermería.
En la carrera de Enfermería de la ULEAM, Extensión El Carmen, no se dispone en los artículos revisados de evidencia específica que caracterice el uso de la IA como herramienta de aprendizaje en estudiantes de primero a séptimo semestre. Se desconoce en qué medida estas herramientas se emplean para acceder y desarrollar contenidos disciplinares, fortalecer el aprendizaje autónomo, comprender temas de Enfermería y apoyar el análisis crítico; asimismo, es necesario conocer la percepción estudiantil sobre la verificación de respuestas, la protección de datos, la autoría académica y el uso responsable. Esta ausencia de información contextualizada dificulta fundamentar decisiones curriculares, estrategias de acompañamiento y acciones de alfabetización en IA ajustadas a las necesidades reales de la carrera.
A partir de este problema se plantea la siguiente interrogante: ¿cómo se utiliza la inteligencia artificial como herramienta en el aprendizaje de los estudiantes de primero a séptimo semestre de la carrera de Enfermería de la ULEAM, Extensión El Carmen? Como supuesto de trabajo se considera que un uso educativo, crítico y responsable de la IA puede favorecer el acceso y desarrollo de contenidos, el aprendizaje autónomo y la comprensión; sin embargo, dichos aportes pueden verse limitados por la conectividad, la falta de formación, la dependencia tecnológica, la aceptación de respuestas inexactas y las dificultades para aplicar criterios éticos y de integridad académica.
La investigación se justifica por la necesidad de generar evidencia local que oriente la innovación pedagógica en la formación de Enfermería. Conocer las prácticas y percepciones de los estudiantes permitirá identificar fortalezas, necesidades de capacitación y riesgos asociados con la IA; además, proporcionará una base para diseñar orientaciones docentes que promuevan la contrastación de fuentes, el pensamiento crítico, la autonomía y la responsabilidad académica. Su pertinencia radica también en que la incorporación de estas herramientas debe responder a las características del contexto institucional y disciplinar, manteniendo el juicio humano y el aprendizaje clínico como componentes centrales de la preparación profesional.
El estudio se abordará desde un enfoque cuantitativo, con diseño no experimental, transversal y alcance descriptivo-correlacional. Se aplicará una encuesta con escala Likert a estudiantes de primero a séptimo semestre de la carrera de Enfermería de la ULEAM, Extensión El Carmen, para caracterizar el uso de la IA y analizar su relación con dimensiones del aprendizaje. En consecuencia, el objetivo de la investigación es analizar el uso de la inteligencia artificial como herramienta en el aprendizaje de los estudiantes de Enfermería de la ULEAM, Extensión El Carmen.
La investigación se desarrolló con enfoque cuantitativo, diseño no experimental, corte transversal y alcance descriptivo-correlacional. Las variables inteligencia artificial y aprendizaje se observaron sin manipulación deliberada y la información se recopiló durante un único periodo académico. El componente descriptivo permitió caracterizar el uso y la percepción estudiantil de la inteligencia artificial, mientras que el componente correlacional posibilitó analizar su relación con las dimensiones del aprendizaje.
El objeto de estudio fue el uso de la inteligencia artificial como herramienta en el aprendizaje. Los sujetos estuvieron constituidos por estudiantes matriculados de primero a séptimo semestre de la carrera de Enfermería de la Universidad Laica Eloy Alfaro de Manabí, Extensión El Carmen, durante el periodo académico 2026-2. La población aproximada fue de 200 estudiantes. Se aplicó un muestreo censal y se invitó a participar a toda la población accesible; finalmente, se obtuvieron 156 cuestionarios válidos.
La técnica empleada para recolectar la información fue la encuesta. Se utilizó un cuestionario estructurado de 20 afirmaciones con escala Likert de cinco opciones: 1 = totalmente en desacuerdo, 2 = en desacuerdo, 3 = ni de acuerdo ni en desacuerdo, 4 = de acuerdo y 5 = totalmente de acuerdo. El instrumento estuvo organizado en cuatro dimensiones: uso y accesibilidad de la inteligencia artificial, desarrollo de contenidos de Enfermería, aprendizaje autónomo y comprensión, y pensamiento crítico, ética y uso responsable.
Los ítems 18 y 20 se redactaron en sentido negativo y se recodificaron de manera inversa durante el procesamiento de la información. También se recopilaron datos relacionados con edad, sexo, semestre, frecuencia de uso y herramientas de inteligencia artificial utilizadas. Se incluyeron estudiantes matriculados entre primero y séptimo semestre que aceptaron voluntariamente participar y completaron el consentimiento informado. Se excluyeron los cuestionarios duplicados, los que presentaron más del 10 % de respuestas incompletas y los remitidos por personas que no pertenecían a la población seleccionada.
El cuestionario se administró digitalmente mediante Microsoft Forms. Antes de responder, los participantes recibieron información sobre el objetivo del estudio, la voluntariedad y anonimato de su participación y el uso exclusivamente académico de los datos. El enlace se distribuyó mediante los canales institucionales autorizados. No se solicitaron nombres, números de identificación, correos electrónicos ni información clínica.
Finalizada la recolección, la base de datos se depuró para identificar registros duplicados, respuestas incompletas y errores de codificación. La información se organizó en Microsoft Excel. Para describir las características de los participantes y las respuestas del cuestionario se calcularon frecuencias, porcentajes, medias, desviaciones estándar, medianas y rangos intercuartílicos.
Se calcularon las puntuaciones correspondientes a cada dimensión y la puntuación global del instrumento. La consistencia interna se evaluó mediante el coeficiente alfa de Cronbach y la distribución de los datos mediante la prueba de Shapiro-Wilk. Debido a que las puntuaciones no presentaron una distribución normal, las relaciones entre las dimensiones se analizaron con el coeficiente rho de Spearman. Se estableció un nivel de significación estadística de p < 0,05 y se reportaron la dirección y magnitud de las asociaciones encontradas.
Materiales y métodos
La investigación se desarrollará desde un enfoque cuantitativo, con diseño no experimental, de corte transversal y alcance descriptivo-correlacional. Será no experimental porque las variables inteligencia artificial y aprendizaje serán observadas sin manipulación deliberada; transversal, debido a que la información se recopilará en un único periodo académico; y descriptivo-correlacional, porque se caracterizará la percepción de los estudiantes sobre el uso de la inteligencia artificial y se analizará su relación con el aprendizaje.
El estudio se realizará en la carrera de Enfermería de la Universidad Laica Eloy Alfaro de Manabí, Extensión El Carmen. La población estará constituida por aproximadamente 200 estudiantes matriculados entre primero y séptimo semestre durante el periodo académico 2026-2. Debido a que la población es accesible y de tamaño manejable, se empleará un muestreo censal, por lo que se invitará a participar a la totalidad de los estudiantes que cumplan los criterios establecidos. El número definitivo de participantes corresponderá a las encuestas válidas obtenidas al finalizar la recolección de datos.
Como criterios de inclusión se considerarán: estar legalmente matriculado en la carrera de Enfermería de la ULEAM–El Carmen, cursar entre primero y séptimo semestre, aceptar voluntariamente participar y completar el consentimiento informado. Se excluirán los cuestionarios duplicados, aquellos que presenten más del 10 % de respuestas incompletas y los remitidos por personas que no pertenezcan a la población seleccionada.
La técnica de recolección de información será la encuesta y se utilizará como instrumento un cuestionario estructurado de 20 afirmaciones. Las respuestas se registrarán mediante una escala Likert de cinco opciones: 1 = totalmente en desacuerdo, 2 = en desacuerdo, 3 = ni de acuerdo ni en desacuerdo, 4 = de acuerdo y 5 = totalmente de acuerdo. El instrumento estará organizado en cuatro dimensiones: uso y accesibilidad de la inteligencia artificial, correspondiente a los ítems 1 al 5; desarrollo de contenidos de Enfermería, ítems 6 al 10; aprendizaje autónomo y comprensión, ítems 11 al 15; y pensamiento crítico, ética y uso responsable, ítems 16 al 20.
Los ítems 18 y 20 estarán redactados en sentido negativo y serán recodificados de manera inversa durante el procesamiento estadístico: 1 se transformará en 5; 2 en 4; 3 permanecerá como 3; 4 se transformará en 2; y 5 en 1. Una puntuación elevada representará una percepción más favorable del uso educativo, crítico y responsable de la inteligencia artificial. Además, se recopilarán datos generales como edad, sexo, semestre, uso previo de herramientas de inteligencia artificial, frecuencia de utilización y herramienta empleada con mayor regularidad.
Como complemento de la investigación de campo, se realizará una revisión documental para sustentar teóricamente las variables y contrastar los resultados. Se consultarán artículos científicos, revisiones sistemáticas, informes institucionales y documentos académicos publicados entre 2021 y 2026. Las búsquedas se efectuarán en bases y motores académicos como Scopus, SciELO, PubMed, DOAJ, Redalyc y Google Académico. Se utilizarán combinaciones de términos en español e inglés, entre ellos: “inteligencia artificial”, “IA generativa”, “ChatGPT”, “aprendizaje”, “estudiantes de Enfermería”, “educación en Enfermería”, “artificial intelligence”, “nursing students”, “nursing education” y “learning”.
Se incluirán documentos publicados entre 2021 y 2026, relacionados con la inteligencia artificial aplicada a la educación superior, el aprendizaje y la formación de estudiantes de Enfermería o de ciencias de la salud. También deberán encontrarse disponibles en acceso abierto y permitir la consulta del texto completo. Se excluirán documentos duplicados, publicaciones sin autoría identificable, materiales sin relación directa con el objeto de estudio, textos que únicamente presenten resúmenes y documentos anteriores al periodo establecido. Las fuentes seleccionadas se organizarán en una matriz que contendrá autor, año, país, objetivo, metodología, población, principales resultados y aporte a la investigación.
El cuestionario se administrará de manera digital mediante un formulario electrónico (forms). A los estudiantes se les explicará el objetivo del estudio, el carácter voluntario y anónimo de su participación y el uso exclusivamente académico de la información. El enlace será distribuido por los medios institucionales autorizados y permanecerá disponible durante el periodo establecido para la recolección. No se solicitarán nombres, números de identificación, correos electrónicos ni información clínica. La participación o no participación no tendrá consecuencias sobre las calificaciones ni sobre la relación del estudiante con la institución.
Una vez concluida la recolección, la base de datos será revisada para identificar registros duplicados, respuestas incompletas y posibles errores de codificación. Posteriormente, la información será procesada mediante Microsoft Excel. Para describir las características de los participantes y las respuestas del cuestionario se calcularán frecuencias, porcentajes, medias y desviaciones estándar o, cuando corresponda por la naturaleza de los datos, medianas y rangos intercuartílicos.
Se calcularán las puntuaciones de cada dimensión y la puntuación global del instrumento. La distribución de los datos será examinada mediante pruebas de normalidad y análisis gráfico. Para determinar la relación entre el uso de inteligencia artificial y las dimensiones del aprendizaje se utilizará el coeficiente de correlación de Spearman cuando los datos no presenten distribución normal o se mantenga su naturaleza ordinal. Si se cumplen los supuestos estadísticos correspondientes, podrá utilizarse el coeficiente de correlación de Pearson. Se establecerá un nivel de significación de p < 0,05 y se reportarán tanto el valor del coeficiente como la dirección y magnitud de la asociación.
La investigación respetará los principios de autonomía, beneficencia, no maleficencia, justicia, confidencialidad y protección de datos. Cada participante deberá aceptar el consentimiento informado antes de responder el cuestionario y podrá retirarse en cualquier momento sin recibir sanción. La información será analizada de forma agrupada y empleada únicamente para el desarrollo del artículo científico y la obtención del título de magíster en Educación con mención en Innovaciones Pedagógicas.
Resultados y discusión
Se analizaron 156 cuestionarios válidos, sin datos faltantes en los 20 ítems de la escala. La edad media fue de 22,88 años (DE = 6,45), con mediana de 20 años y un intervalo de 18 a 46 años. Predominó la participación de mujeres (82,7 %). La mayor representación correspondió a segundo (26,9 %), cuarto (25,0 %) y quinto semestre (20,5 %); primero y séptimo semestre aportaron 0,6 % y 2,6 %, respectivamente. La distribución completa se presenta en la Tabla 1.
Tabla 1. Características de los participantes y frecuencia de uso de inteligencia artificial (n = 156)
|
Característica |
n/estadístico |
% |
|
Edad, M (DE) |
22,88 (6,45) |
— |
|
Edad, mediana (mín.-máx.) |
20 (18-46) |
— |
|
Sexo: mujer |
129 |
82,7 |
|
Sexo: hombre |
27 |
17,3 |
|
Primero |
1 |
0,6 |
|
Segundo |
42 |
26,9 |
|
Tercero |
16 |
10,3 |
|
Cuarto |
39 |
25,0 |
|
Quinto |
32 |
20,5 |
|
Sexto |
22 |
14,1 |
|
Séptimo |
4 |
2,6 |
|
Uso: siempre |
18 |
11,5 |
|
Uso: frecuentemente |
71 |
45,5 |
|
Uso: a veces |
65 |
41,7 |
|
Uso: rara vez |
2 |
1,3 |
Nota. M = media; DE = desviación estándar. Los porcentajes pueden no sumar 100 por redondeo.
El uso fue habitual: 57,0 % indicó emplear IA siempre o frecuentemente y 41,7 % lo hizo a veces. ChatGPT fue señalado por 118 estudiantes (75,6 %) y Gemini por 79 (50,6 %); 42 participantes (26,9 %) marcaron otras herramientas. Como esta pregunta permitió selección múltiple, los porcentajes superan el 100 %. La Figura 1 resume la frecuencia y las herramientas empleadas.
Figura 1. Frecuencia de uso y herramientas de inteligencia artificial utilizadas por los estudiantes
La puntuación global alcanzó 3,90 (DE = 0,58) sobre cinco. El desarrollo de contenidos obtuvo la media más alta (M = 3,97; DE = 0,77), seguido del uso y accesibilidad (M = 3,96; DE = 0,74) y del aprendizaje autónomo y comprensión (M = 3,92; DE = 0,73). Pensamiento crítico, ética y uso responsable presentó la media más baja (M = 3,75; DE = 0,62). Las pruebas de Shapiro-Wilk fueron significativas en todas las dimensiones (p < 0,001), por lo que las relaciones se analizaron con el coeficiente rho de Spearman.
Tabla 2. Estadísticos descriptivos y consistencia interna de las dimensiones del instrumento
|
Dimensión |
M |
DE |
Md |
RIC |
α |
|
Uso y accesibilidad |
3.96 |
0.74 |
4.00 |
3.80-4.40 |
0.918 |
|
Desarrollo de contenidos |
3.97 |
0.77 |
4.00 |
3.80-4.25 |
0.941 |
|
Aprendizaje autónomo y comprensión |
3.92 |
0.73 |
4.00 |
3.60-4.20 |
0.927 |
|
Pensamiento crítico, ética y uso responsable |
3.75 |
0.62 |
3.60 |
3.20-4.20 |
0.575 |
|
Global |
3.90 |
0.58 |
3.90 |
3.75-4.20 |
0.930 |
Nota. Escala de 1 a 5. Los ítems 18 y 20 fueron recodificados. Md = mediana; RIC = rango intercuartílico; α = alfa de Cronbach.
La consistencia interna fue excelente para la puntuación global (α = 0,930) y para las tres primeras dimensiones (α entre 0,918 y 0,941). En contraste, pensamiento crítico, ética y uso responsable presentó una consistencia baja (α = 0,575); en consecuencia, sus asociaciones deben interpretarse como exploratorias y la dimensión requiere revisión psicométrica antes de usos confirmatorios.
En el nivel de ítems, 89,1 % afirmó que la IA le permitía aclarar dudas durante el estudio independiente; 88,5 % indicó que comparaba las respuestas antes de utilizarlas y el mismo porcentaje señaló que la IA ayudaba a identificar conceptos principales y generar ejemplos de Enfermería. Las valoraciones menos favorables se observaron en la motivación para estudiar autónomamente (70,5 % de acuerdo) y en las orientaciones recibidas en la carrera (72,4 %). Los ítems de riesgo mostraron una situación diferente: 32,1 % estuvo de acuerdo con aceptar respuestas sin revisar errores y 37,8 % declaró compartir datos personales o confidenciales; en este último ítem, 22,4 % permaneció neutral. La Figura 2 permite observar esta brecha entre prácticas de verificación y conductas de riesgo.
Figura 2. Distribución de respuestas en pensamiento crítico, ética y uso responsable
Nota. *Ítems redactados en sentido negativo; en ellos, el acuerdo expresa una conducta de riesgo. La figura presenta las respuestas originales, antes de la recodificación.
El uso y accesibilidad se relacionó de manera positiva y fuerte con el desarrollo de contenidos (rho = 0,687; p < 0,001) y con el aprendizaje autónomo y comprensión (rho = 0,640; p < 0,001). Su relación con pensamiento crítico, ética y uso responsable fue positiva, pero débil (rho = 0,222; p = 0,005). Asimismo, desarrollo de contenidos y aprendizaje autónomo mostraron una asociación fuerte (rho = 0,688; p < 0,001). Estos coeficientes indican covariación entre percepciones, pero no demuestran causalidad ni mejora objetiva del rendimiento académico.
Tabla 3. Correlaciones de Spearman entre las dimensiones del aprendizaje y el uso de inteligencia artificial
|
Dimensión 1 |
Dimensión 2 |
rho |
p |
|
Uso y accesibilidad |
Desarrollo de contenidos |
0.687 |
< 0,001 |
|
Uso y accesibilidad |
Aprendizaje autónomo y comprensión |
0.640 |
< 0,001 |
|
Uso y accesibilidad |
Pensamiento crítico, ética y uso responsable |
0.222 |
0.005 |
|
Desarrollo de contenidos |
Aprendizaje autónomo y comprensión |
0.688 |
< 0,001 |
|
Desarrollo de contenidos |
Pensamiento crítico, ética y uso responsable |
0.232 |
0.004 |
|
Aprendizaje autónomo y comprensión |
Pensamiento crítico, ética y uso responsable |
0.219 |
0.006 |
Nota. rho = coeficiente de Spearman. Todas las pruebas fueron bilaterales.
Discusión
Los hallazgos permiten responder al objetivo de analizar el uso de la inteligencia artificial como herramienta en el aprendizaje de los estudiantes de Enfermería de la ULEAM, Extensión El Carmen. La valoración global fue favorable (M = 3,90; DE = 0,58) y el 57,0 % de los participantes declaró utilizar estas herramientas siempre o frecuentemente. ChatGPT fue la aplicación más mencionada (75,6 %), seguida de Gemini (50,6 %). En conjunto, estos datos muestran que la IA ya forma parte de las prácticas académicas habituales de una proporción importante del estudiantado; sin embargo, por el diseño transversal y el carácter autorreportado de la encuesta, esta aceptación debe interpretarse como una percepción favorable de utilidad y no como demostración de una mejora causal del rendimiento académico.
La elevada presencia de herramientas generativas coincide con Han et al. (2025), quienes encontraron que el 92 % de 99 estudiantes de Enfermería había utilizado IA generativa para aclarar conceptos, acceder a información, apoyar tareas académicas y resolver actividades relacionadas con la práctica clínica. En el presente estudio, el 89,1 % indicó que la IA le ayuda a aclarar dudas durante el estudio independiente, lo que refuerza su función como recurso de consulta inmediata. La diferencia entre ambas proporciones puede relacionarse con los contextos institucionales, la disponibilidad tecnológica y la manera de medir el uso; aun así, los dos estudios describen una adopción amplia y orientada principalmente a obtener explicaciones y apoyo académico.
En la dimensión de uso y accesibilidad se obtuvo una media de 3,96 (DE = 0,74), mientras que el 72,4 % consideró que la orientación recibida en la carrera facilita el empleo de la IA. Este resultado sugiere que la disponibilidad técnica, por sí sola, no explica la integración educativa de estas herramientas: la mediación docente y el acompañamiento institucional también intervienen. Agaoglu et al. (2025) demostraron que el apoyo académico fortalece la relación entre el uso de IA, la alfabetización digital y el pensamiento creativo en estudiantes de Enfermería. Por tanto, la orientación identificada en la ULEAM–El Carmen constituye una base favorable, pero requiere pasar de recomendaciones generales a experiencias formativas planificadas, con criterios explícitos para seleccionar herramientas, formular instrucciones y evaluar la calidad de las respuestas.
La dimensión de desarrollo de contenidos de Enfermería alcanzó la media más alta (M = 3,97; DE = 0,77). El 88,5 % de los estudiantes manifestó que la IA ayuda a identificar conceptos principales y el mismo porcentaje señaló que facilita la generación de ejemplos vinculados con Enfermería. Este patrón indica que el aporte más reconocido se encuentra en la organización, explicación y contextualización de contenidos. De Gagne (2023) sostiene que la IA puede proporcionar aprendizaje personalizado, casos de simulación y experiencias interactivas, aunque advierte que su incorporación debe responder a los objetivos de la formación profesional. En consecuencia, la utilidad percibida en esta investigación no debería traducirse en sustitución de las fuentes científicas o del razonamiento clínico, sino en un recurso complementario para preparar preguntas, comparar explicaciones y construir situaciones de aprendizaje.
La evidencia sobre simulación ayuda a precisar esa aplicación pedagógica. Chan et al. (2025) identificaron que ChatGPT fue la tecnología generativa más utilizada en simulaciones basadas en escenarios en programas de ciencias de la salud, principalmente para apoyar resultados cognitivos y afectivos; no obstante, observaron que la evidencia disponible se concentra en la usabilidad y aún es insuficiente para confirmar efectos sostenidos sobre el aprendizaje. Esta conclusión coincide con la cautela necesaria al interpretar los resultados locales: que los estudiantes valoren la capacidad de la IA para producir ejemplos no permite afirmar que dichos ejemplos sean clínicamente correctos ni que mejoren por sí mismos las competencias. Su uso tendría mayor valor si los escenarios generados fueran revisados por docentes y contrastados con guías, protocolos y literatura científica.
En aprendizaje autónomo y comprensión, la media fue de 3,92 (DE = 0,73) y el 70,5 % consideró que la IA motiva el estudio autónomo. Además, esta dimensión mostró una asociación positiva fuerte con el uso y la accesibilidad (rho = 0,640; p < 0,001) y con el desarrollo de contenidos (rho = 0,688; p < 0,001). Así, cuanto más favorable fue la experiencia de acceso y uso, y cuanto mayor fue la utilidad atribuida a la elaboración de contenidos, más positiva fue la percepción de autonomía y comprensión. Estos coeficientes representan asociaciones entre percepciones medidas en un mismo momento; no prueban que el uso de IA cause mayor aprendizaje autónomo. Correa-Guarniz y Padilla-Caballero (2026), en su revisión sobre aprendizaje adaptativo en educación superior latinoamericana, también identificaron aportes potenciales a la personalización, la motivación y el rendimiento, junto con barreras tecnológicas y la necesidad de mediación pedagógica.
La articulación entre IA, alfabetización digital y aprendizaje resulta especialmente relevante. Agaoglu et al. (2025) informaron que la alfabetización digital medió la relación entre el uso de IA y el pensamiento creativo, y que el apoyo académico aumentó ese efecto. Los resultados de la ULEAM–El Carmen son compatibles con esa explicación: el acceso a una herramienta parece adquirir valor educativo cuando el estudiante dispone de criterios para utilizarla, interpretar sus respuestas y conectarlas con los contenidos disciplinares. La principal contribución del estudio, por tanto, no es afirmar una superioridad automática de la IA frente a otros recursos, sino mostrar, en un contexto local de formación enfermera, que el uso, el desarrollo de contenidos y el aprendizaje autónomo se relacionan de manera estrecha y requieren abordarse conjuntamente.
La dimensión de pensamiento crítico, ética y uso responsable presentó la media más baja (M = 3,75; DE = 0,62) y asociaciones débiles con uso y accesibilidad (rho = 0,222; p = 0,005), desarrollo de contenidos (rho = 0,232; p = 0,004) y aprendizaje autónomo (rho = 0,219; p = 0,006). Aunque el 88,5 % afirmó comparar las respuestas de la IA antes de utilizarlas, el 32,1 % reconoció aceptar respuestas sin verificar posibles errores. Esta coexistencia revela una brecha entre la valoración declarada del contraste crítico y determinadas prácticas de comprobación. Además, la consistencia interna de esta dimensión fue baja (alfa de Cronbach = 0,575), por lo que sus resultados deben considerarse exploratorios y no como una medición definitiva de competencia ética.
Los datos relativos a la confidencialidad refuerzan esa necesidad formativa: el 37,8 % manifestó compartir información personal o confidencial con herramientas de IA, frente al 39,7 % que estuvo en desacuerdo y al 22,4 % que se mantuvo neutral. Abdulai y Hung (2023) advierten que introducir información sensible en ChatGPT puede comprometer la privacidad, la relación enfermera-paciente y los valores profesionales, debido a que estas herramientas no garantizan por sí mismas la confidencialidad de los datos. Este hallazgo adquiere especial importancia en Enfermería, donde los casos académicos pueden contener datos clínicos reales o fácilmente identificables. La institución debería establecer reglas explícitas de anonimización, prohibir el ingreso de datos personales y enseñar a reconocer información sensible antes de utilizar plataformas externas.
La preocupación ética no se limita a la privacidad. Porter y Foronda (2024) señalan que los sistemas de IA pueden reproducir sesgos presentes en los datos de entrenamiento y recomiendan fortalecer la alfabetización en IA para que los estudiantes cuestionen las fuentes, los algoritmos y la aplicabilidad de los resultados a poblaciones diversas. En la ULEAM–El Carmen, la alta aceptación de la IA para explicar contenidos contrasta con la menor solidez de la dimensión ética. En consecuencia, la innovación pedagógica debería incluir actividades de verificación de evidencia, detección de sesgos, comparación entre respuestas, citación transparente del apoyo de IA y discusión de casos donde una recomendación algorítmica entre en conflicto con el juicio clínico, la equidad o la seguridad del paciente.
Esta interpretación también coincide con Osorio y Guia-Yanes (2026), quienes identificaron una disposición favorable de estudiantes de Enfermería hacia la utilidad de la IA, acompañada de inquietudes sobre el reemplazo del juicio profesional y la privacidad de los pacientes. Asimismo, Acavut et al. (2026) encontraron actitudes más positivas y menor ansiedad entre estudiantes que conocían y utilizaban la IA en su formación. En conjunto, estas evidencias indican que la familiaridad puede favorecer la aceptación, pero debe desarrollarse dentro de un marco curricular que preserve el carácter humanístico de la Enfermería y delimite las decisiones que no pueden delegarse a un sistema automatizado.
Los resultados tienen implicaciones concretas para la innovación pedagógica en la carrera. La IA podría incorporarse mediante ejercicios supervisados de elaboración de resúmenes, generación y corrección de preguntas, construcción de casos, simulación de entrevistas y contraste de planes de cuidado. Gomes et al. (2025) identificaron aplicaciones de IA en documentación, inferencia diagnóstica, predicción de eventos adversos y personalización del cuidado, pero subrayaron que su incorporación exige formación técnica, regulación ética y participación activa de los profesionales. Por ello, cualquier actividad académica debe exigir la verificación de la respuesta con fuentes confiables y dejar claro que la IA apoya, pero no reemplaza, el proceso enfermero ni la responsabilidad profesional.
En el contexto ecuatoriano, Izquierdo-Morán et al. (2025) encontraron, en 335 estudiantes universitarios de Los Ríos, un uso limitado de ChatGPT para actividades prácticas, asociado con la falta de capacitación, el aprendizaje autodidacta y el escaso acompañamiento docente. Este resultado contrasta parcialmente con el 57,0 % de uso frecuente o permanente observado en la ULEAM–El Carmen y con el 72,4 % que valoró favorablemente la orientación recibida. La diferencia sugiere que la adopción no depende únicamente de la disponibilidad de ChatGPT, sino de las condiciones pedagógicas e institucionales que ayudan a transformarlo en una herramienta de aprendizaje. Aun así, la proporción de estudiantes que acepta respuestas sin comprobar posibles errores muestra que la orientación existente debe profundizarse mediante actividades de verificación, citación y análisis crítico.
Hinojosa Mamani et al. (2024) comunicaron una mejora entre el pretest y el postest después de emplear ChatGPT con 36 estudiantes de una maestría en Investigación y Docencia Universitaria. Aunque su diseño preexperimental y su población de posgrado no permiten comparar directamente esos resultados con las percepciones de estudiantes de Enfermería, el estudio aporta evidencia de que la herramienta puede apoyar la formulación de trabajos científicos cuando se integra dentro de una actividad estructurada. En relación con los hallazgos de la ULEAM–El Carmen, esta evidencia respalda el uso de la IA para organizar contenidos y aclarar dudas, pero no justifica atribuirle por sí sola una mejora del aprendizaje ni trasladar el porcentaje de cambio a otros contextos académicos.
La revisión sistemática de El Arab et al. (2025), que integró 37 estudios sobre estudiantes y profesionales de Enfermería, permite interpretar los resultados locales dentro de una tendencia más amplia de optimismo cauteloso. Los autores identificaron actitudes moderadamente positivas, niveles intermedios de alfabetización y preparación, y una relación favorable entre formación previa, habilidades informáticas e intención de adoptar la IA; también señalaron barreras vinculadas con ansiedad, privacidad, ética, infraestructura y temor a la pérdida de habilidades. Estos hallazgos coinciden con la valoración positiva observada en la ULEAM–El Carmen y, al mismo tiempo, con la debilidad del componente ético. En consecuencia, la integración curricular debería ser longitudinal y práctica, preservar la empatía y el juicio profesional, y vincular los autoinformes con evaluaciones objetivas de desempeño y seguridad.
La interpretación de los hallazgos debe considerar varias limitaciones. La muestra procedió de una sola extensión universitaria y tuvo representación desigual por semestre, por lo que los resultados no pueden generalizarse a todos los estudiantes de Enfermería. El muestreo, la medición autorreportada y el diseño transversal pueden introducir sesgos de selección, deseabilidad social y método común. Tampoco se evaluaron calificaciones, desempeño clínico ni adquisición objetiva de competencias, de modo que la investigación describe percepciones y asociaciones. Finalmente, la baja fiabilidad de la dimensión ética aconseja revisar la redacción y amplitud de sus ítems, someterlos nuevamente a juicio de expertos y realizar análisis factorial antes de utilizar la escala en otros grupos.
En síntesis, el objetivo del estudio se cumple al mostrar que la IA es utilizada y valorada como herramienta de apoyo para acceder a información, desarrollar contenidos y favorecer el aprendizaje autónomo de los estudiantes de Enfermería de la ULEAM–El Carmen. La fortaleza de las asociaciones entre estas dimensiones sugiere un campo pedagógico prometedor; sin embargo, la menor puntuación y fiabilidad del componente ético, junto con las respuestas sobre verificación y confidencialidad, impiden considerar la adopción tecnológica como suficiente. La mejora frente a una integración espontánea radica en convertir el uso cotidiano en una práctica formativa guiada, verificable y segura, con alfabetización en IA, supervisión docente y protección estricta de los datos.
Conclusiones
El objetivo de analizar el uso de la inteligencia artificial como herramienta en el aprendizaje de los estudiantes de Enfermería de la ULEAM, Extensión El Carmen, se cumplió. Los participantes presentaron una valoración global favorable de la IA (M = 3,90; DE = 0,58), y el 57,0 % manifestó utilizarla siempre o frecuentemente. ChatGPT fue la herramienta más empleada, seguida de Gemini, lo que confirma su presencia en las actividades académicas de la población estudiada.
Las valoraciones más altas correspondieron al desarrollo de contenidos de Enfermería y al uso y accesibilidad de la IA. Los estudiantes reconocieron su utilidad para identificar conceptos principales, generar ejemplos relacionados con la profesión y aclarar dudas durante el estudio independiente. El aprendizaje autónomo y la comprensión también obtuvieron una valoración favorable y presentaron asociaciones positivas fuertes con el uso de la IA y el desarrollo de contenidos. Estos hallazgos corresponden a percepciones estudiantiles y no demuestran, por sí mismos, una mejora causal del rendimiento académico o de las competencias clínicas.
El pensamiento crítico, la ética y el uso responsable constituyeron la dimensión con menor puntuación y con relaciones débiles respecto de las demás dimensiones. La aceptación de respuestas sin verificar posibles errores y la declaración de compartir información personal o confidencial evidencian necesidades formativas relacionadas con la comprobación de contenidos, la privacidad, la integridad académica y la seguridad de los datos. Debido a la baja consistencia interna de esta dimensión, sus resultados deben considerarse exploratorios y requieren una nueva evaluación psicométrica.
El estudio aporta evidencia empírica del contexto de la ULEAM–El Carmen sobre las formas en que los estudiantes de Enfermería incorporan la IA a su aprendizaje. Su contribución consiste en mostrar que la accesibilidad, la elaboración de contenidos y el aprendizaje autónomo se encuentran estrechamente relacionados, mientras que el desarrollo ético y crítico no avanza con la misma intensidad. La innovación pedagógica, por tanto, requiere transformar el uso espontáneo de estas herramientas en una práctica académica guiada, verificable, segura y coherente con los valores humanísticos de la Enfermería.
Se recomienda integrar progresivamente la alfabetización en inteligencia artificial en el currículo de Enfermería mediante actividades supervisadas de análisis de respuestas, construcción de casos, simulación, contraste con evidencia científica, reconocimiento de sesgos y protección de datos. Las investigaciones futuras deberían incluir estudios longitudinales o cuasiexperimentales, muestras de varias instituciones, indicadores objetivos de rendimiento y desempeño clínico, y análisis diferenciados por semestre. También se recomienda revisar y validar los ítems de la dimensión ética antes de aplicar nuevamente el instrumento, con el propósito de disponer de una medición más sólida del uso crítico y responsable de la IA.
Referencias
Abdulai, A.-F., & Hung, L. (2023). Will ChatGPT undermine ethical values in nursing education, research, and practice? Nursing Inquiry, 30(3), e12556. https://doi.org/10.1111/nin.12556
Acavut, G., Özpolat, E., Agbı, K., Hassan, N., Alı, A., & Alpaslan, T. (2026). Nursing students’ anxiety levels regarding the use of artificial intelligence. Acta Paulista de Enfermagem, 39, eAPE001021i. https://doi.org/10.37689/acta-ape/2026AO000102i
Agaoglu, F. O., Bas, M., Tarsuslu, S., Ekinci, L. O., & Agaoglu, N. B. (2025). Digital literacy as a mediator and the moderating role of academic support in the relationship between artificial intelligence use and creative thinking in nursing students. BMC Nursing, 24, 484. https://doi.org/10.1186/s12912-025-03128-3
Ávila Ramírez, M. A., Ávila Ramírez, P. E., Mendoza Vera, A. A., & Ávila Ramírez, J. A. (2023). Los medios tecnológicos en el proceso de enseñanza y aprendizaje de los docentes y estudiantes de El Carmen. Código Científico Revista de Investigación, 4(1), 442–460.
Booth, R. G., Strudwick, G., McBride, S., O’Connor, S., & Solano López, A. L. (2021). How the nursing profession should adapt for a digital future. BMJ, 373, n1190. https://doi.org/10.1136/bmj.n1190
Chan, J. H. M., Ho, K. H. M., & Dias, J. M. (2025). Strategies for incorporating generative artificial intelligence into simulation-based education among undergraduate health professions students: A scoping review. Clinical Simulation in Nursing, 106, 101795. https://doi.org/10.1016/j.ecns.2025.101795
Correa-Guarniz, M. A., & Padilla-Caballero, J. E. A. (2026). Aprendizaje adaptativo con inteligencia artificial en estudiantes del nivel superior en Latinoamérica: Revisión sistemática. EPISTEME KOINONIA, 9(17), 130–156. https://doi.org/10.35381/e.k.v9i17.4902
De Gagne, J. C. (2023). The state of artificial intelligence in nursing education: Past, present, and future directions. International Journal of Environmental Research and Public Health, 20(6), 4884. https://doi.org/10.3390/ijerph20064884
El Arab, R. A., Alshakihs, A. H., Alabdulwahab, S. H., Almubarak, Y. S., Alkhalifah, S. S., Abdrbo, A., Hassanein, S., & Sagbakken, M. (2025). Artificial intelligence in nursing: A systematic review of attitudes, literacy, readiness, and adoption intentions among nursing students and practicing nurses. Frontiers in Digital Health, 7, 1666005. https://doi.org/10.3389/fdgth.2025.1666005
Gomes, A. M., Dantas, L. B., Sobreira, M. M. S., Araújo, J. N. M., & Tinôco, J. D. S. (2025). Artificial intelligence in support of the implementation of the nursing process: A scoping review. Revista Gaúcha de Enfermagem, 46, e20250077. https://doi.org/10.1590/1983-1447.2025.20250077.en
Han, S.-H., Kang, H. S., Gimber, P., & Lim, S. (2025). Nursing students’ perceptions and use of generative artificial intelligence in nursing education. Nursing Reports, 15(2), 68. https://doi.org/10.3390/nursrep15020068
Hinojosa Mamani, J., Ticona Paucar, J. H., Mamani Gamarra, J. E., Yana Pariapaza, D., & Cavero Aybar, H. N. (2024). ChatGPT y la investigación científica en la educación superior universitaria. Universidad, Ciencia y Tecnología, 28(125), 17–24. https://doi.org/10.47460/uct.v28i125.851
Izquierdo-Morán, A. M., Jara-Contreras, J. E., Ballesteros-Coello, H. J., & Álvarez-Laborde, A. O. (2025). Manejo del ChatGPT en actividades académicas en estudiantes universitarios, Ecuador. EPISTEME KOINONIA, 8(15), 85–100. https://doi.org/10.35381/e.k.v7i14.4359
Lino Delgado, M. Y., Miranda Llerena, R. J., Reascos Pinchao, R. S., & Pozo Hernández, C. G. (2026). Análisis del uso de aplicaciones móviles con inteligencia artificial como apoyo en formación agropecuaria en la ULEAM Extensión El Carmen. Revista ISTE Scientist, 2(2).
Osorio, M. T., & Guia-Yanes, M. A. (2026). Actitud de los estudiantes de enfermería ante la inteligencia artificial: Implicaciones para su adopción futura. EPISTEME KOINONIA, 9(17), 337–360. https://doi.org/10.35381/e.k.v9i17.4925
Párraga Castro, R. M. (2026). La inteligencia artificial en la educación universitaria: Desafíos y oportunidades. Revista Científica Multidisciplinaria ULEAM Bahía Magazine, 7(12), 71–75. https://doi.org/10.56124/ubm.v7i12.009
Porter, A. W., & Foronda, C. (2024). Enhancing artificial intelligence literacy in nursing education to combat embedded biases. Nursing Education Perspectives, 45(2), 131–132. https://doi.org/10.1097/01.NEP.0000000000001245
Sánchez, N. E., Michay, G. C., & Calderón, J. V. (2025). Inteligencia artificial generativa en educación superior: Una revisión sistemática de literatura hispanohablante. Revista Espacios, 46(6), 14–25. https://doi.org/10.48082/espacios-a25v46n06p02
Sulosaari, V., Blaževičienė, A., Bragadóttir, H., Bäckström, J., Heikkilä, J., Hellesø, R., Hopia, H., Lenk-Adusoo, M., Norlyk, A., & Urban, R. (2023). A comparative review of advanced practice nurse programmes in the Nordic and Baltic countries. Nurse Education Today, 127, 105847. https://doi.org/10.1016/j.nedt.2023.105847
Viera, I. A. (2024). La revolución de la inteligencia artificial en la educación universitaria: Avances, perspectivas y desafíos en la era digital. Revista Tecnológica-Educativa Docentes 2.0, 17(2), 170–176. https://doi.org/10.37843/rted.v17i2.539