ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea)
https://www.revistaespacios.com Pag. 16
Vol. 45 (02) 2024 • Mar-Abr • Art. 2
Recibido/Received: 12/01/2024 • Aprobado/Approved: 10/02/2024 • Publicado/Published: 31/03/2024
DOI: 10.48082/espacios-a24v45n02p02
La brecha de conocimiento sobre inteligencia artificial entre
catedráticos y estudiantes universitarios en Guatemala:
percepción desde el punto de vista del docente
The knowledge gap about artificial intelligence between professors and university students:
perception from the teacher's point of view
DE LEÓN, Carlos H.
1
ÁBREGO, Adrián
2
GUTIÉRREZ, Lucía
3
Resumen
La siguiente investigación fue desarrollada en dos fases; primero, se recopiló información de varias
fuentes para crear contexto de las categorías primordiales, las cuales son, el catedrático universitario y
competencias necesarias, conocimiento sobre inteligencia artificial, pros y contras de esta en la
educación universitaria. Posteriormente, con base en algunos hallazgos realizados, así como en otras
investigaciones sobre esta temática, se desarrolló una investigación cualitativa que sirvió de base para
desarrollar teorías que reduzcan brechas de conocimiento entre docentes y alumnos.
Palabras clave: Competencias del docente, ética, habilidades blandas, Inteligencia artificial
Abstract
The following research was developed in two phases; First, information was collected from various
sources to create context of the primary categories, which are, the university professor and necessary
skills, knowledge about artificial intelligence, pros and cons of it in university education. Subsequently,
based on some findings made, as well as other research on this topic, a qualitative investigation was
developed that served as a basis for developing theories that reduce knowledge gaps between teachers
and students.
Key words: Teacher competencies, ethics, soft skills, Artificial Intelligence
1. Introducción
El siguiente artículo, estructurado con un enfoque documental al inicio, para posteriormente desarrollar una
investigación cualitativa, por medio de la teoría fundamentada, tiene como objetivo principal mostrar la brecha
de conocimiento entre catedráticos y alumnos de todas las universidades de Guatemala, que se ha venido
manifestando desde el desarrollo de las TIC. En lugar de reducirse las diferencias, estas, se ha venido
1
Ingeniero Industrial. Consultor empresarial y catedrático universitario. Candidato a doctor en Proyectos por la Universidad Internacional
Iberoamericana de México. deleoncar@gmail.com https://orcid.org/0000-0003-0679-7439
2
Doctor en Ciencias de la Educación. Catedrático universitario. abrego.ramirez@gmail.com https://orcid.org/0000-0002-4517-7518
3
Licenciada en Mercadotecnia. Magister en reingeniería. Consultora empresarial y catedrática universitaria. luciagutierrezp@gmail.com
https://orcid.org/0009-0004-0736-3637
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 2, Año 2024 • Mar-Abr
DE LEÓN C.H. et al. «La brecha de conocimiento sobre inteligencia artificial entre catedráticos y estudiantes
universitarios en Guatemala: percepción desde el punto de vista del docente»
Pag. 17
incrementado, principalmente con el desarrollo de herramientas como la inteligencia artificial; además, este
desbalance tiene un impacto negativo en el correcto uso y aplicación de esta nueva tecnología en la mejora de
la educación superior en Guatemala. Ante ello, surgen preguntas, tales como, ¿es más beneficiosa o perjudicial
dicha herramienta tecnológica?, ¿induce esta al plagio de información?, ¿hace uso de esta en sus cursos?, el
desnivel mencionado ¿convierte a la inteligencia artificial en un tema tabú entre ambos grupos? El enfoque
documental inicial aborda temas como lo que significa ser docente, las características principales que debe de
poseer y que deben adaptarse al entorno tecnológico actual, así como la inteligencia artificial y el impacto que
esta puede causar en el entorno educativo. La investigación cualitativa se desarrolló por medio de entrevistas
semiestructuradas, a una muestra de 21 catedráticos de las distintas universidades del país, en donde se
discutieron temas como los beneficios y prejuicios sobre la inteligencia artificial, utilización actual en los cursos
que imparten, acciones promotoras del uso de dicha herramienta, entre otros. La información obtenida en las
entrevistas se cotejó contra la obtenida en el diario de campo, para lo cual se elaboró una bitácora, donde se
recopilaron muchos de los patrones de conducta de los docentes en el entorno educativo donde se
desenvuelven. Se decidió desarrollar cualitativamente el estudio, debido a la escasa información existente sobre
el tema en el entorno nacional, que actúa como una limitación para poder generar conocimiento sobre dicho
tema y generar soluciones que puedan reducir las fisuras cognitivas entre ambos grupos. Los datos obtenidos
fueron procesados en el software Atlas.ti, que tiene como característica principal el manejo estructurado de
grandes cantidades de información, que difícilmente puede procesarse manual y estadísticamente, por el tipo
de documentos. Este software puede generar análisis cuantitativos con la información cualitativa utilizada, que
brindan mayor rigidez investigativa; este tema que se detalla ampliamente en la parte de la metodología. Las
hipótesis que se pretenden demostrar al final de la investigación son, el bajo conocimiento de parte de los
catedráticos evita que se potencialice el uso de esta herramienta en el desarrollo y estructura de sus cursos;
además, el plagio de información en el ámbito universitario se ha incrementado gracias a esta nueva tecnología.
2. Metodología
Esta investigación cualitativa se desarrolló por medio de la teoría fundamentada; esta metodología es de gran
apoyo para la construcción de teorías, aunque en los últimos años se ha subestimado la creación de estas como
un método viable para la generación de conocimiento innovador; probablemente sea debido a que mucha gente
tiene miedo a la creación de algo novedoso, que solo cierta élite es parte de ese movimiento. La elaboración de
estas, proporcionan las bases sobre las que se desarrollan disciplinas; esta es una manera de obtener mayor
conocimiento, especialmente en áreas como la sociología y antropología (Benard, 2010).
Lo beneficioso de las teorías, es que pueden ser revisadas y actualizadas, para que continúen vigentes en
cualquier época, especialmente en la actualidad, donde estamos experimentamos cambios acelerados. Esta
metodología tiene la ventaja que no solamente se puede utilizar para desarrollar teorías, ya que igualmente sirve
para realizar caracterizaciones y descripciones de grupos. El fundador de la metodología fue el doctor Strauss,
en la década de 1960; actualmente existen varias derivaciones, como la teoría fundamentada constructivista,
que interpreta datos en ciertos contextos sociales; también existe la aplicada a los negocios, entre otras (Benard,
2010). En resumen, la metodología busca brindar estructura a la investigación cualitativa, sin llegar a ser cerrada
y estandarizada, como lo es el análisis estadístico que se puede realizar con datos cuantitativos.
Para desarrollar la metodología en esta investigación, se utilizó el software Atlas.ti. Este software es una
herramienta de gran ayuda en el procesamiento de gran cantidad de información cualitativa; además, tiene la
característica de sistematizar el proceso de análisis de datos no estructurados y que difícilmente pueden ser
explorados por medio de técnicas estadísticas. El programa ofrece variedad de herramientas para extraer y
comparar documentos de diversas fuentes, de forma flexible y estructurada. La filosofía de la plataforma se basa
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 2, Año 2024 • Mar-Abr
DE LEÓN C.H. et al. «La brecha de conocimiento sobre inteligencia artificial entre catedráticos y estudiantes
universitarios en Guatemala: percepción desde el punto de vista del docente»
Pag. 18
en cuatro principios clave, los cuales son, visualización, inmersión, serendipia, exploración. Por medio de la
visualización amplia de información, se facilita el proceso de involucramiento con los datos, lo cual nos lleva a
encontrar descubrimientos afortunados o serendipias; los anteriores procesos son impulsados por el deseo a
explorar. (Atlas.ti, 2023).
Este software es capaz de generar útiles análisis de información, como lo es el de co-ocurrencias, que busca
códigos mencionados en las mismas citas, lo cual facilita la identificación de la cercanía de estos, que denota
relación entre ambos. Igualmente se generó el análisis código – documento, que realiza comparaciones dentro
y entre documentos (Atlas.ti, 2023). La codificación en la teoría fundamentada, es la clasificación de significados,
que se representan en los textos analizados; adicionalmente, esta sirve para comparar con otro tipo de
información, para no descuidar así la hermenéutica, que es de vital importancia en el análisis cualitativo (Weiss,
2017). En este estudio, se comparó contra el diario de campo o bitácora, componente vital de la etnografía, que
es una descripción sistemática de un grupo en su entorno. Esta bitácora, consiste en desarrollar una libreta de
anotaciones donde se escribe todo lo observado y visto en las entrevistas (Martínez, 2012).
Se efectuaron 21 entrevistas a catedráticos universitarios, las cuales fueron analizadas en pequeños grupos para
desarrollar la codificación y comparación de datos; adicionalmente, el estudio de pequeños grupos fue útil para
encontrar la llamada saturación de información, en el número de entrevistas mencionado anteriormente. Una
de las partes más importantes que se desarrolló en la investigación, y que según Benard (2010) es primordial
para la obtención de resultados de calidad, es el desarrollo de memos o guías de hallazgos en la investigación.
2.1. Fundamentación teórica
Bajo la visión de Freire (1997, p. 24 - 59) todo educador debe estar convencido de que enseñar no significa
transferir conocimiento, ya que su objetivo es generar las condiciones adecuadas para que este se produzca y
construya; esta concepción errónea de los muchos formadores proviene de que ellos mismos se visualizan como
sujetos productores de conocimiento. Para lograrlo, al momento de ingresar a un salón, se debe de actuar como
un ser abierto a las preguntas y dudas de los alumnos; igualmente, debe de respetar la autonomía del ser del
educando, lo que significa que debe de respetar su curiosidad, lenguaje; no hacerlo, quebranta los principios
éticos de nuestra existencia.
Morán et al. (2021) mencionan que, en la era digital que vivimos actualmente, el docente debe fundamentarse
en valores que le ayuden a desarrollar su labor de enseñanza y profesional; el amor, es el pilar más importante
para poder desarrollar su actividad en armonía. Así pues, el perfil del educador debe de fundamentarse en amor
y respeto. El profesor universitario capacita a otros, por ello, se debe de demostrar paciencia, ternura,
dedicación, amor y respeto; todo lo anterior, nace del corazón.
Pero, ¿qué significa ser un buen docente?, desde el punto de vista del cliente, el estudiante; según un estudio
desarrollado con alumnos de las 8 carreras de pedagogía de la Universidad Autónoma de Chile, por Merellano-
Navarro et al. (2016), entre las características más significativas están, dominio del contenido de enseñanza,
calidad de la metodología; las dos anteriores son parte de la categoría llamada características pedagógicas; otra
categoría importante en el estudio son las ideológicas, que engloban a los rasgos éticos – morales, a los
humanísticos – emocionales y los formativos – pedagógicos; para los estudiantes, las segundas tuvieron mucha
mayor valoración que las primeras, es decir les importan más las características ideológicas que las pedagógicas.
Las competencias del docente universitario, para este siglo XXI, deben de adaptarse a la tecnología disponible
para el estudiante, muy influenciada por las TIC. Estas deben de enfocarse para ayudar a la asimilación de gran
cantidad de información, así como para producir personas competentes y útiles al desarrollo de las sociedades.
Actualmente, ya no basta con ser un excelente profesional en áreas específicas, o poseer títulos de maestrías y
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 2, Año 2024 • Mar-Abr
DE LEÓN C.H. et al. «La brecha de conocimiento sobre inteligencia artificial entre catedráticos y estudiantes
universitarios en Guatemala: percepción desde el punto de vista del docente»
Pag. 19
doctorados para ser un buen catedrático; esta característica, está más influenciada por las capacidades y
habilidades de adaptación a la gran influencia tecnológica sobre la educación (Clavijo, 2018).
Entre las competencias que estos deben de poseer, se clasifican frente a cada uno de los 4 procesos que realiza
el docente universitario; estos son, docencia, de gestión, de investigación y por último frente a la proyección
social. Para desarrollar la actividad de docencia, están las procedimentales, las personales, y las sistémicas. En
cuanto a la actividad de gestión, son más específicas, tales como habilidad de trabajo en equipo, manejo de
plataformas académicas, sentido de responsabilidad, entre otras. Frente a la investigación, debe de tener un alto
nivel en una segunda lengua, así como conocimiento específico en su disciplina, capacidad de síntesis, etcétera.
Para la proyección social, debe de poseer conocimiento del entorno, alto nivel de responsabilidad social, así
como empatía, por citar algunas (Clavijo, 2018).
En una escuela desescolarizada, es impensable que un docente no investigue, ya que esta fluye de la necesidad
humana de preguntar ante lo desconocido y novedoso; los sabelotodo y reprimidos son los que no preguntan y
no tienen cabida en este tipo de educación (Calvo, 2017). La desescolarización, según Illich (2020, p.11), critica
el monopolio que ejerce la escuela sobre la educación. Para desarrollar este modelo de manera eficaz, es
necesario el conocimiento pedagógico, que exige conocimiento del ser humano y recursos educativos, así como
la dirección intelectual en todas las ramas de conocimiento, fundamentada en la experiencia. El modelo escolar
actual, juntan ambas funciones en uno.
Desde el punto de vista de la Unesco (2023), la tecnología puede facilitar el proceso de enseñanza; una de las
principales ventajas es la personalización para cada estudiante, y tener más tiempo para ejecutar coaching
educativo individual o en pequeños grupos. Otras mejoras que se pueden obtener a nivel instruccional son, las
sesiones pre grabadas, software especializado en práctica, software para complementar y reducir brechas en
temas específicos. El modelo no es perfecto, ya que la individualización puede socavar el aprendizaje
colaborativo.
Calvo (2017), menciona acertadamente que, educar e investigar, son acciones inseparables que nunca llegan a
ser antagonistas entre ellas; ambas se retroalimentan conjuntamente; el educador asombra con un misterio,
mientras que, el investigador trata de develarlo; al realizar estas dos actividades en conjunto, hay veces que se
avanza y otras que se retrocede, con diferentes ritmos, muchas veces la intuición nos dice por dónde se debe de
continuar; lo que provoca que se obtengan serendipias. Estas dos, son una total aventura que desafía nuestros
límites, y que además inspiran a otros; lo más interesante, es que no se tiene seguridad de cuál será el proceso,
mucho menos el resultado. Investigar significa transformar los datos y atribuirle significados especiales.
En lo relacionado a la brecha entre ambos grupos, debemos de partir de la categorización de Prensky (2011),
donde cataloga a los estudiantes como nativos digitales, y a los docentes como inmigrantes digitales, debido al
entorno en que los integrantes del primer grupo se han desenvuelto durante toda su vida; el segundo grupo,
trata de guiar a los primeros en su proceso de aprendizaje, bajo el anterior contexto. Existe claridad que, la
mayoría de cambios educativos no se han dado en el ambiente escolar, sino en redes sociales, donde los alumnos
se convierten en expertos en las materias que les interesan. La educación, con medios tradicionales, provoca
únicamente desinterés y aburrimiento. Lo anterior, se toma como el inicio de dicha diferencia generacional, que
se potencializa con la mencionada IA.
Esta brecha, o fracaso en la informática educativa, como lo describen Nordkvelle & Olson (2005), se debe
frecuentemente a la resistencia de los profesores y falta de voluntad en su profesión. Para abordar de manera
diferente este problema, se debe de inculcar la tecnología, como algo común y normal en el vocabulario de los
docentes, así como una política educativa que promueva el uso de las TIC masivamente en la educación. Con
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 2, Año 2024 • Mar-Abr
DE LEÓN C.H. et al. «La brecha de conocimiento sobre inteligencia artificial entre catedráticos y estudiantes
universitarios en Guatemala: percepción desde el punto de vista del docente»
Pag. 20
base en estos hallazgos, han surgido propuestas como la de Venables & Tan (2012), donde proponen programas
para la actualización docente por medio de softwares informáticos con diferentes aproximaciones.
Desde el desarrollo exponencial de las TIC a principios del siglo XXI, sin tomar en cuenta el desarrollo actual de
la IA, Marín y otros (2012) ya proponían una campaña de alfabetización digital para los docentes universitarios
en el espacio europeo; esto, debido a la rapidez con que se desarrollada esta, así como el amplio conocimiento
tecnológico de los estudiantes universitarios. La alfabetización pretendía crear un marco conceptual, para
acceder y poder procesar mensajes en formas diversas, como lo son impresos, audiovisuales, inclusive en
internet y multimedia, no solamente para incorporarlas en sus cursos, sino para su desarrollo de la capacidad
investigativa.
En cuanto al desarrollo de las capacidades de manejo de la IA en el docente universitario, Carvajal-Romero et al.
(2023), presentan una propuesta de acciones que se pueden desarrollar y aplicar en diferentes metodologías de
aprendizaje, para medir su relación con la IA; los pasos de dicha propuesta son, caracterización de los diversos
métodos de aprendizaje, identificación las técnicas que aportan a la IA, valoración de dicha técnica, así como la
retroalimentación que permita valoración sobre la enseñanza de la IA. En tiempos de la IA, es indispensable que
el catedrático incorpore dicha herramienta en sus cursos, siempre con un sentido pedagógico, tomando en
cuenta que, los estudiantes son ahora prosumidores, es decir, que son consumidores y productores a la vez,
debido al ambiente en el que están inmersos. Por ello, es obligatorio que este posea, dentro de sus competencias
básicas, el correcto uso de esta tecnología (Ojeda et al., 2022).
Para Pedreño (2023) la docencia en tiempos del ChatGPT debe de ser motivo de disrupción, no solo por los
posibles plagios y fraudes en los trabajos, también porque es una herramienta que puede superar al profesor
que únicamente se dedica a dar información tradicional y sobre una asignatura. Es el momento exacto para
redefinir el proceso de enseñanza, donde se pueda desarrollar de mejor manera el concepto de aula invertida,
posterior a haber asimilado los conceptos básicos del tema por parte de los alumnos. La educación convencional
debe de ser revisada en profundidad y dar paso a la personalización, para la reducción de brechas entre
estudiantes, inclusive entre docentes. Adicionalmente, la investigación puede recibir un gran impulso, gracias a
la IA, pudiendo generar una gran cantidad de descubrimientos científicos.
Una manera que puede ser de mucha ayuda para reducir las brechas de los docentes sobre la IA, es la
investigación. Según Calvo (2012), la capacitación de un educador que investiga tiende a ser un asunto simple y
complejo, porque busca recuperar la inocencia y curiosidad ilimitada de la infancia, y complejo, a la vez, debido
a que se trata de aplicar a una persona que tiene cualidades y destrezas profesionales diferentes. Los educadores
deben de investigar al mismo tiempo que enseñan, ya que entre estas dos cualidades que nos acompañan toda
la vida, se transforman una a otra.
Factores negativos como la falta de compromiso de los estudiantes, altas tasas de abandono escolar, y la
ineficiencia del modelo tradicional de enseñanza universitaria o talla única, como se le conoce, deben de mejorar
por medio de la individualización que se puede generar por medio de la IA. La personalización del aprendizaje
debe de ser la pieza principal de la educación en general; este modelo, permitiría adaptarse a las características
particulares, para incrementar la motivación. Adicionalmente, podría mejorar la comprensión del profesor, sobre
el progreso de cada estudiante y enfocarse en sus debilidades; además, promovería el alcance del máximo
potencial del alumno (Rouhiainen, 2019).
Una herramienta que puede ser de gran ayuda en la educación universitaria, y muchas de estas ya lo aplican a
nivel mundial son los chatbots. Según Brandtzaeg & Følstad (2018), estos se entienden como máquinas que
sirven como interfases de datos con lenguaje, y servicios a través de texto o voz; además, permiten a los usuarios
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 2, Año 2024 • Mar-Abr
DE LEÓN C.H. et al. «La brecha de conocimiento sobre inteligencia artificial entre catedráticos y estudiantes
universitarios en Guatemala: percepción desde el punto de vista del docente»
Pag. 21
formular preguntas y desarrollar comandos y obtener el contenido necesario. Esta herramienta, perteneciente
a las TIC, agilizan la experiencia de los usuarios para mejor desarrollo de sus actividades estudiantiles, en pocas
palabras, resuelve los problemas de manera fácil a los clientes (Ogosi, 2021).
Los chatbots pueden interactuar con los usuarios las 24 horas del día, así como pueden manejar una gran
cantidad de datos, que ayuda a detectar los principales intereses y preocupaciones de estos, para reforzar dichas
áreas, o desarrollar programas innovadores que satisfagan de mejor manera las necesidades de los estudiantes.
Universidades de Estados Unidos e Inglaterra, han empezado a utilizar esta herramienta en actividades que
requieren catedráticos, como lo son las dudas más repetitivas de determinados cursos, lo cual puede beneficiar
al profesor a enfocarse de lleno en la enseñanza o la investigación (Rouhiainen, 2019).
Adicionalmente, estos asistentes desarrollados con IA, pueden ser utilizados en las universidades como auxiliares
de manejo de estrés, motivadores, ayudantes de salud mental en general, como lo es ya el Woebot, desarrollado
por la universidad de Stanford. El punto más importante de la IA en la educación universitaria debe de ser cómo
preparar a los estudiantes para un mundo basado en tecnologías disruptivas, que cambiará la forma de trabajar
de las personas. En resumen, la IA debe de ser utilizada para desarrollar entornos de aprendizaje óptimos, donde
se respete siempre el uso de los datos recopilados de los usuarios (Rouhiainen, 2019).
Elon Musk (2018), menciona que la tasa de mejora de la IA es alarmantemente rápida, por lo cual esta debe de
ser regulada; aunque él no esté a favor de las regulaciones de ningún tipo, esto, se debe de realizar debido al
peligro que puede llegar a representar a la humanidad esa tasa acelerada de desarrollo; el riesgo que se corre
con la IA es mucho mayor que el que corre la humanidad con las ojivas nucleares, sin embargo, tomamos más
precauciones con las armas que con la IA.
Para Núñez (2020, p. 10 - 21), junto con la evolución tecnológica, aparecen nuevas formas de erosionar los
derechos de los seres humanos, así como posibles nuevos derechos que necesitan protección; para ello, debe de
crearse normas que palien estas situaciones y encontrar un equilibrio; la tecnología ayuda al desarrollo de las
sociedades, pero la única manera de lograrlo, es desarrollarla con enfoque humano; realizar un régimen jurídico
que garantice el progreso tecnológico y a la vez los derechos fundamentales, así como impedir que los humanos
pierdan autonomía frente a las máquinas; ya que puede crear subordinación hacia las máquinas inteligentes, que
probablemente nos haría perder la libertad y la misma humanidad.
Cortina (2013, p. 14 - 21), hace la salvedad que, si en el mundo existiera mayor confianza entre nosotros, no
tendríamos que incurrir en el desgaste y sobrecosto relacionado a la falta de este atributo; lo que gastamos en
seguridad, debido a la desconfianza, es un costo de oportunidad que se podría invertir en hospitales, escuelas o
viviendas sociales. La ética nos ayuda a recordar la obligación que todos tenemos, de ahorrar sufrimientos y
gastos, hacer lo correcto y lo que se encuentra a nuestro alcance; agrega también que, al momento de ser
transparentes y, reconocer nuestros errores, para después intentar corregirlos, creamos confianza. Podemos
resumir, que la ética sirve para abaratar los costos de la desconfianza, de las actividades que depende de
nosotros; estos costos pueden ser dinero o sufrimiento.
En las recomendaciones sobre la ética de la IA, de la Unesco (2021), se aborda la ética como una reflexión para
guiar a los grupos sociales al momento de afrontar los efectos sobre los seres humanos, sociedades, medio
ambiente, que la IA puede provocar, de manera responsable; además de ofrecer una base para la aceptación o
rechazo de dichas tecnologías; la ética es vital en estas recomendaciones, debido a que esta puede servir de base
para la evaluación y orientación de normas que rijan la IA; estas normas deben de estar orientadas en dignificar
al ser humano, así como promover su bienestar y prevenir daños.
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 2, Año 2024 • Mar-Abr
DE LEÓN C.H. et al. «La brecha de conocimiento sobre inteligencia artificial entre catedráticos y estudiantes
universitarios en Guatemala: percepción desde el punto de vista del docente»
Pag. 22
La necesidad de prevenir daños, ha hecho que, en la actualidad, se desarrollen algunas propuestas para regular
la utilización de la IA en general; esto, debido al mal uso que algunas personas pueden desarrollar con esta. Por
ejemplo, demandas realizadas en contra de dos empresas de IA generativas, Stable Diffusion y Midjourney, las
cuales utilizaron el trabajo de varios artistas para alimentar el proceso de aprendizaje de dichas empresas, para
crear nuevas imágenes a partir de esa instrucción. Los demandantes adujeron que tomaron la decisión para que
la IA sea justa y ética para todos. Adicionalmente, la Administración de alimentos y medicamentos, FDA, tiene
intenciones de regular algunas herramientas que utilizan IA y que apoyan decisiones clínicas (Manage Engine
Blog, 2023).
3. Resultados y discusión
Inicialmente, se desarrolló una bitácora de campo, para recopilar todos los aspectos importantes encontrados al
momento de las conversaciones. Las entrevistas a docentes se realizaron durante los meses de octubre y
noviembre de 2023. Al inicio de este, se contaba con 2 entrevistadores, profesionales con postgrado, además de
ser docentes universitarios; a medida que se avanzó con las primeras entrevistas, se detectó cierto rechazo por
parte de algunos de los entrevistados para hablar sobre el tema de la IA; esto posiblemente debido al poco
conocimiento sobre este tema. Por ello se utilizó a una estudiante universitaria de la facultad de ciencias
económicas de la Universidad Rafael Landívar, último año de la carrera de marketing para desarrollar los diálogos
con los profesores. Los docentes están acostumbrados a ser abordados para consultas o inquietudes por
alumnos, por lo que genera un ambiente más propicio para la conversación.
La estudiante que apoyó en las entrevistas, realizó estas en todas las universidades del país, cara a cara, con la
autorización del entrevistado para ser grabadas en audio, y posteriormente transcribirlas para su análisis en el
software mencionado con anterioridad. A pesar del cambio de catedráticos a estudiante, igualmente existió
cierto rechazo o temor de dialogar, al momento de mencionar a los docentes que se trataba de un estudio sobre
la IA. Los temas novedosos en nuestro medio, crean un ambiente de desconfianza para el desarrollo de los
mismos.
Al analizar la información generada con el software, se detectó que, existen diferentes tipos de sentimientos del
grupo objetivo sobre la IA; esta información, recopilada a partir de la pregunta sobre los beneficios y prejuicios
de la IA en la educación universitaria. Primero están, los que, a su criterio, consideran que esta tecnología tiene
puntos positivos y negativos; entre los puntos positivos a desatacar están, optimización de tiempos, incremento
de la creatividad, entre otros. Entre los negativos están el uso poco ético de la herramienta, copiar y pegar
información en resolución de actividades estudiantiles, pérdida de capacidad de razonamiento, la cultura de
querer todo rápido y sin esfuerzo.
Fue un denominador común entre todos los entrevistados, hablar sobre la dicotomía de los beneficios y
problemas que acarrea el uso de la tecnología en el ámbito estudiantil. Igualmente, los que mencionaron una
mayor cantidad de impactos positivos en la educación superior, tienden a ser los que ya utilizan la herramienta
en los cursos que imparten y tienen mejor delineadas las reglas para su utilización con los alumnos.
En cuanto al desarrollo de la codificación para la generación de la teoría, se crearon once grupos de códigos;
entre los más importantes y utilizados por los catedráticos están, los relativos a desarrollo humano, tecnología,
beneficios de la IA, accesos a la IA. Con esta información, se procedió a llevar a cabo análisis de relación de
códigos, así como la cantidad de veces que en una entrevista fue mencionado el código, para ver la fuerza de
cada uno de ellos.
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 2, Año 2024 • Mar-Abr
DE LEÓN C.H. et al. «La brecha de conocimiento sobre inteligencia artificial entre catedráticos y estudiantes
universitarios en Guatemala: percepción desde el punto de vista del docente»
Pag. 23
Tabla 1
Análisis de co-ocurrencia de códigos
con mayor cantidad de menciones
Análisis de co-
ocurrencias
Código Acceso
Gr=41
Código
Beneficio
Gr=50
Código D.
humano
Gr=121
Código Falta
de confianza
Gr=23
Código
Tecnología
Gr=80
Código Acceso
Gr=41
0.00
0.11
0.19
0.23
0.20
Código Beneficio
Gr=50
0.11
0.00
0.23
0.03
0.19
Código Desarrollo
humano
Gr=121
0.19
0.23
0.00
0.11
0.39
Código Falta de
confianza
Gr=23
0.23
0.03
0.11
0.00
0.08
Código Tecnología
Gr=80
0.20
0.19
0.39
0.08
0.00
Fuente: Datos obtenidos de software Atlas.ti
En la tabla 1, podemos observar el análisis de co-ocurrencias; este señala la cantidad de veces que dichos códigos
aparecen en la misma frase mencionada por los entrevistados. Esto significa que, a mayor valor que se obtiene
en la tabla, ambos códigos tienen más relación, es decir, el grupo objetivo los asocia juntos en una mayor
proporción. El análisis de co-ocurrencia en Atlas.ti se refiere al estudio de la frecuencia con la que dos o más
elementos (como códigos, palabras o conceptos) aparecen juntos en un conjunto de datos. Este tipo de análisis
puede revelar patrones y relaciones entre elementos, proporcionando insights valiosos para la investigación
cualitativa; por ejemplo, el código desarrollo humano se mencionó 121 veces, mientras que tecnología 80 veces.
Al introducir estos valores en la fórmula, se obtiene el coeficiente 0.39, que es el más alto de la tabla.Gr, significa
las veces que fue mencionado dicho código en todas las entrevistas. La máxima puntuación a obtener es 1, que
significaría que ambos códigos fueron mencionados la misma cantidad de veces y siempre se les mencionó en
las mismas frases.
La fórmula para calcularlo es:
C= n12÷((n1+n2)-n12)
n12 = citas en donde aparecen ambos códigos en conjunto
n1 y n2 = cantidad de citas de cada código individual
La fórmula, como se menciona anteriormente, relaciona las menciones en conjunto y la cantidad de menciones
de cada código; la fórmula funciona como un coeficiente de correlación, en forma positiva, entre ambos códigos.
En el ejemplo entre el código desarrollo humano, comparado contra el código tecnología, se escribe de la
siguiente manera en la fórmula:
C= 56 ÷ ((121+80)-56) = 0.386 ~ 0.39
Siendo este valor, el más alto obtenido en la tabla.
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 2, Año 2024 • Mar-Abr
DE LEÓN C.H. et al. «La brecha de conocimiento sobre inteligencia artificial entre catedráticos y estudiantes
universitarios en Guatemala: percepción desde el punto de vista del docente»
Pag. 24
Gráfico 1
Diagrama de Sankey co-ocurrencia
de principales códigos mencionados
Fuente: Gráfico generado con software Atlas.ti
En el gráfico 1, se observa la co-ocurrencia de los códigos más mencionados en las entrevistas; el diagrama de
Sankey muestra los flujos de información y su dirección; en este, se puede ver que el código tecnología posee la
mayor cantidad de menciones, y que se entrelaza en menor manera con el código beneficio y acceso, que con el
código desarrollo humano; esto se puede determinar por el grosor de las líneas. Como se mencionó
anteriormente, desarrollo humano y tecnología tienen la mayor co-ocurrencia del análisis. Para Vos y Frejd
(2020), este muestra los flujos de información y ayudan a visualizar los datos, y son utilizados cuando todos las
variables utilizan las mismas unidades de medición, como en el caso de la codificación en el software.
Tabla 2
Análisis código – documento con
mayor cantidad de menciones
Análisis código – documento
E Cat 3
Gr=13
E Cat 7
Gr=12
E Cat 11
Gr=10
E Cat 15
Gr=14
E Cat 18
Gr=12
Código Beneficio
Gr=50
6
1
3
3
4
Código Desarrollo humano
Gr=121
4
6
6
8
11
Código Tecnología
Gr=80
5
8
6
7
7
Totales
15
15
15
18
22
Fuente: generado con software Atlas.ti
En la tabla 2, se presenta el análisis código-documento, de los códigos más mencionados y las entrevistas con
mayor cantidad de menciones; la entrevista Cat 18 es la que mayor cantidad de menciones posee, así como el
que más veces mencionó el código desarrollo humano. El código tecnología, que fue el de mayor cantidad de
citas obtuvo, está distribuido uniformemente en todas las entrevistas. Gr, al igual que en el análisis de co-
ocurrencias, indica la cantidad de menciones de dicho código, en la totalidad de las entrevistas.
Como se puede observar en las tablas y gráficos anteriores, la mayoría de las menciones de los códigos en las
entrevistas, están relacionadas hacia desarrollo humano, tecnología y beneficio. Esto significa que sí se posee la
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 2, Año 2024 • Mar-Abr
DE LEÓN C.H. et al. «La brecha de conocimiento sobre inteligencia artificial entre catedráticos y estudiantes
universitarios en Guatemala: percepción desde el punto de vista del docente»
Pag. 25
mentalidad que la herramienta puede impulsar grandemente el desarrollo humano, así como equiparar las
condiciones de aprendizaje en cualquier lugar del mundo.
Para el correcto análisis de la información, se procedió a analizar 25 memos, 21 correspondientes a cada una de
las entrevistas, y cuatro más, que contenían información relevante, que se encontró en la fase de codificación y
análisis; muchas de las preocupaciones mencionadas sobre la IA son relativas a la ética y el uso de información;
esta práctica la identifican como plagio, copiar y pegar, trampa, irresponsabilidad, entre otros. Existe un consenso
de que esa mala práctica no es nueva, sino que ya lleva muchos años, desde la masificación del uso de internet.
Adicionalmente, relacionado a la pregunta sobre si la IA es un tema prohibido para hablar entre estudiantes y
catedráticos, la mayoría considera que no debería de ser un tema tabú en la comunicación con los alumnos.
Algunos profesores saben que están en desventaja frente a los estudiantes, por ello tratan de evitar abordar y
desarrollar temas relacionados con la IA, ya sea prohibitiva o propositivamente. Otro punto importante que se
encontró frecuentemente en las entrevistas fue la falta de lineamientos por arte de su universidad sobre el uso
de la herramienta, deja a criterio del catedrático la utilización de esta.
Algo que se pudo percibir en las entrevistas es, la correlación entre los catedráticos que trabajan o han trabajado
en la industria en general, y el conocimiento para utilizar la IA en sus actividades docentes; lo anterior, hace
pensar que, si todos los profesores recibieran información y capacitación de la herramienta, la utilización de la
misma en el ámbito educativo podría potencializarse al máximo, es de gran ayuda en la academia. Recordemos
la importancia para los alumnos en mejorar su empleabilidad, por medio de la educación superior que se
mencionó anteriormente. Esto, relacionado con la pregunta del filtro de la entrevista, donde se inquiría sobre si
había trabajado o actualmente lo hacía en un lugar fuera de la academia.
4. Conclusiones
La mayoría de los entrevistados mencionan que la IA tiene una mayor cantidad de pros que puntos en contra,
aunque igualmente concuerdan que existen demasiados vacíos en la regulación y utilización de la tecnología a
nivel universitario. Estos temas se relacionan grandemente con la parte ética, parte donde deben de intervenir
las autoridades universitarias. Esta poca regulación sobre la utilización, sumado a la parte ética, impiden que los
catedráticos puedan explotar al máximo las herramientas.
Existe un amplio desconocimiento sobre la tecnología, en una parte de los catedráticos universitarios, sin
importar la universidad, lo cual les impide sacar provecho de las herramientas, además de verse en desventaja
frente a los alumnos en esta materia. Es responsabilidad de las universidades, capacitar urgentemente a los
docentes, para lograr equiparar conocimientos con los alumnos.
La falta de lineamientos por parte de las universidades, sumado al poco conocimiento o desconocimiento de la
IA y los beneficios de esta en el ambiente educativo, por parte de un grupo de catedráticos, son la combinación
perfecta para utilizar de manera incorrecta la herramienta por parte de los estudiantes universitarios.
Muchos de los catedráticos que conocen los beneficios que puede tener la IA en la educación, es debido a que
trabajan en organizaciones o empresas donde se explota el uso de esas herramientas, para optimización de
procesos. Eso les brinda una ventaja significativa sobre los que únicamente se dedican a la cátedra. Esta
diferencia, se pudiera reducir si se desarrollara igualmente el hábito de la investigación, como debería de ser en
la educación superior actual.
Entre mayor es la cantidad de beneficios mencionados hacia la IA en la educación superior por parte de cada
entrevistado, mayor tiende a ser el uso de la herramienta en la actualidad, así como una mayor delimitación de
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 2, Año 2024 • Mar-Abr
DE LEÓN C.H. et al. «La brecha de conocimiento sobre inteligencia artificial entre catedráticos y estudiantes
universitarios en Guatemala: percepción desde el punto de vista del docente»
Pag. 26
las actividades donde se puede utilizar con libertad y las que no, en los cursos que imparten. Lo cual conduce a
la teoría que, a mayor conocimiento, mayor impacto positivo en la educación.
Debemos de tomar en cuenta que, según la categorización de Prensky (2011), los nativos digitales tienen una
gran ventaja sobre los inmigrantes, ya que se han desarrollado toda la vida en un ambiente que promueve el uso
intensivo de tecnologías nuevas, mientras que los docentes universitarios, que por lo regular caen en la categoría
de inmigrantes, no han tenido dicha oportunidad. Por lo tanto, este puede ser uno de los principales promotores
de la brecha digital.
Según Calvo (2012) y Pedreño (2023), es el momento ideal para desarrollar el área investigativa de los
catedráticos universitarios, para así, reducir grandemente la brecha de conocimiento sobre la IA. El docente de
educación superior, que realiza investigación, tiende a aprender más rápido y superar brechas educativas con
mayor facilidad.
Referencias bibliográficas
Atlas.ti. (12 de 06 de 2023). https://atlasti.com/es. https://atlasti.com/es/codificacion-de-ia-con-openai
Benard, S. (2010). La teoría Fundamentada: una metodología cualitativa. Universidad Autónoma de
Aguascalientes. https://0310o3thd-y-https-elibro-
net.itmsp.museknowledge.com/es/ereader/rafaellandivar/40720
Brandtzaeg, P., & Følstad, A. (2018). Chatbots: changing user needs and motivations. Interactions, 25(5), 38-43.
https://doi.org/10.1145/3236669
Calvo, C. (2017). Educar e Investigar, cara y sello del mismo proceso. Infancia, Educación y Aprendizaje (IEYA),
3(1), 176-193. http://ieya.uv.cl/index.php/IEYA/article/view/678/660
Carvajal-Romero, A., Vite-Ceballos, H., Pacheco-Zerda, P., & Román-Aguilar, M. (2023). Metodologías de
aprendizaje aplicados al desarrollo de Inteligencia Artificial a nivel docencia universitaria. Revista Científica
Dominio de las ciencias, 9(3), 1394-1408. https://doi.org/10.23857/dc.v9i3.3504
Clavijo, D. (2018). Competencias del docente universitario en el siglo XXI. Revista Espacios, 39(20), 22.
https://www.revistaespacios.com/a18v39n20/in183920.html
Cortina, A. (2013). ¿Para qué sirve realmente...? La Ética. Barcelona, España: Paidos.
Freire, P. (1997). Pedagogía de la Autonomía. Silgo Veintiuno Editores.
Illich, I. (2020). La sociedad desescolarizada y otros textos sobre educación. Ediciones Morata, S.L.
https://0310o85v2-y-https-elibro-net.itmsp.museknowledge.com/es/ereader/rafaellandivar/166487
Marín, V., Vázquez, A., Llorente, M. d., & Cabero, J. (2012). La alfabetización digital del docente universitario en
el espacio europeo de educación superior. Revista Electrónica de Tecnología Educativa(39).
https://doi.org/10.21556/edutec.2012.39.377
Martínez, H. (2012). Metodología de la Investigación. Cengage Learning.
https://elibro.url.elogim.com/es/ereader/rafaellandivar/39957
Manage Engine Blog. (11 de 12 de 2023). Manage Engine. https://www.manageengine.com/latam/la-carrera-
para-legislar-la-inteligencia-artificial.html
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 2, Año 2024 • Mar-Abr
DE LEÓN C.H. et al. «La brecha de conocimiento sobre inteligencia artificial entre catedráticos y estudiantes
universitarios en Guatemala: percepción desde el punto de vista del docente»
Pag. 27
Merellano-Navarro, E., Almonacid-Fierro, A., Moreno-Doña, A., & Castro-Jaque, C. (2016). Buenos docentes
universitarios: ¿Qué dicen los estudiantes? Educação e Pesquisa, 42(4), 937-952.
https://doi.org/10.1590/S1517-9702201612152689
Morán, D., Vélez, L., & Anchundia, O. (2021). Amor y respeto en la práctica docente universitaria. Mérito -
Revista de Educación, 3(9), 262-271. https://doi.org/https://doi.org/10.33996/merito.v3i9.720
Musk, E. (12 de marzo de 2018). Elon Musk Answers Your Questions! | SXSW 2018. (J. Nolan, Entrevistador)
https://www.google.com/search?q=Elon+Musk+at+SXSW+2018.+%28J.+Nolan%2C+Entrevistador%29+ab
out+Ia&sca_esv=1473e3496969f5b7&rlz=1C1CHZN_esGT932GT932&ei=cPsvZc68I82FwbkPlJ2lgAo&ved=0
ahUKEwjOtKqz9v-BAxXNQjABHZROCaAQ4dUDCBA&uact=5&oq=Elon+Musk+at+SXSW+2018.+%2
Nordkvelle, Y., & Olson, J. (2005). Visions for ICT, Ethics and the Practice of Teachers. Education and
Information Technologies, 10(1), 19-30. https://doi.org/10.1007/s10639-005-6745-6
Núñez, M. d. (2020). Inteligencia Artificial y responsabilidad civil: régimen jurídico de los daños causados por
robots autónomos con inteligencia artificial. Reus. https://0310o5ekc-y-https-elibro-
net.itmsp.museknowledge.com/es/ereader/rafaellandivar/127671
Ogosi, J. A. (2021). Chatbot del proceso de aprendizaje universitario: Una revisión sistémica. Revista de
investigación científica y tecnológica, 2(2). https://doi.org/10.47422/ac.v2i2.33
Ojeda, A., Solano-Barliza, A., Ortega, D., & Cañavera, A. (2022). Análisis cuantitativo de un proceso de
enseñanza soportado en una estrategia pedagógica de gamificación. Formación Universitaria, 15(6), 83-92.
https://doi.org/http://dx.doi.org/10.4067/S0718-50062022000600083
Pedreño, A. (24 de 02 de 2023). ChatGPT y las universidades. El blog de Studia XXI. Universídad.
https://www.universidadsi.es/chatgpt-y-las-universidades/
Prensky, M. (2011). Enseñar a nativos digitales. Ediciones SM.
Rouhiainen, L. (2019). How AI and Data Could Personalize Higher Education. Harvard Business Review.
https://hbr.org/2019/10/how-ai-and-data-could-personalize-higher-education
UNESCO. (2021). Recomendación sobre la ética de la inteligencia artificial. Ediciones Unesco.
UNESCO. (2023). Global Education Monitoring Report. Technology in Education: A tool on whose terms? United
Nations Educational. https://doi.org/https://doi.org/10.54676/UZQV8501
UNESCO. (13 de 9 de 2023). UNESCO. https://www.unesco.org/es/digital-education/artificial-intelligence
Venables, A., & Tan, G. (2012). Measuring up to ICT Teaching and learning standards. Issues in Informing
Science and Information Technology, 9, 29-40. https://doi.org/10.28945/1602
Vos, P., & Frejd, P. (2020). The object-tool duality in mathematical modelling. A framework to analize students'
appropriation of Sankey diagrams to model dynamic processes. Avances de investigación en educación
matemática, 17, 52-66. https://0310f10b5-y-https-web-s-ebscohost-
com.itmsp.museknowledge.com/ehost/pdfviewer/pdfviewer?vid=4&sid=15a3d2f8-e06b-4ab0-86cc-
18377e4264be%40redis
Weiss, E. (2017). Hermenéutica y descripción densa versus teoría fundamentada. Revista mexicana de
investigación Educativa, 22(73), 637-654. https://www.redalyc.org/articulo.oa?id=14050493013
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 2, Año 2024 • Mar-Abr
DE LEÓN C.H. et al. «La brecha de conocimiento sobre inteligencia artificial entre catedráticos y estudiantes
universitarios en Guatemala: percepción desde el punto de vista del docente»
Pag. 28
Anexos
Entrevista semiestructurada, desde la perspectiva del docente universitario:
Gracias por aceptar la siguiente entrevista; el objetivo de esta, es desarrollar un artículo de investigación que
permita visualizar la percepción de la inteligencia artificial y su influencia en la educación universitaria; tiene una
duración aproximada de 10 minutos; la información recopilada es estrictamente con fines de investigación,
además de ser confidencial.
Filtro:
• Edad:
• Años de ejercer la docencia:
• Profesión:
• Aparte de la docencia, ¿ha trabajado en alguna empresa, el estado, independientemente, desarrollando su
profesión? Profundizar si ha sido público, privado, cuánto tiempo, puesto que desempeña o desempeñó,
personas a cargo.
Preguntas abiertas:
1. ¿Qué piensa sobre la inteligencia artificial?, en general (pros y contras, en cualquier campo de aplicación,
medicina, tecnología, calidad educativa, credibilidad de la IA Generativa). Desarrollar.
2. Específicamente hablando del impacto en la educación universitaria, ¿Cree que la IA es beneficiosa o
perjudicial? (Dejar que desarrolle, interactuar con ejemplos: los estudiantes solo de allí sacan sus trabajos y
puntos de vista para exámenes y tareas).
a. ¿Cree que la IA se presta para que haya estudiantes que hagan “copy paste” (copiar y pegar)? Desarrollar
b. ¿Cree que el tema de la IA es un tema tabú (Prohibido) para hablar de él, entre los estudiantes y los
catedráticos? Desarrollar.
3. ¿Ha desarrollado alguna acción para limitar el uso de la IA en las actividades estudiantiles? (Investigaciones,
trabajos, tareas, cortos, exámenes). ¿Ha funcionado? (Desarrollar)
a. Si nunca ha desarrollado alguna acción que limite su uso, ¿se le ocurre alguna medida que pudiera tomar para
limitar el uso de la IA en las actividades estudiantiles? (Desarrollar)
4. ¿Ha promovido alguna acción para potencializar el uso de la IA en las actividades estudiantiles?
(Investigaciones, trabajos, tareas, cortos, exámenes).
a. Si nunca ha desarrollado alguna acción que promueva su uso, ¿se le ocurre alguna medida que pudiera tomar
para potencializar el uso de la IA en las actividades estudiantiles? (Desarrollar). ¿Cómo balancear la parte humana
y la parte tecnológica)?
Gracias por su tiempo
Esta obra está bajo una Licencia Creative Commons
Atribución-NoComercial 4.0 Internacional
