ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea)
https://www.revistaespacios.com Pag. 204
Vol. 46 (02) 2025 • Mar-Abr • Art. 16
Recibido/Received: 14/02/2025 • Aprobado/Approved: 15/03/2025 • Publicado/Published: 31/03/2025
DOI: 10.48082/espacios-a25v46n02p16
Diseño y validación de un instrumento para medir el uso de
la herramienta Julius AI en estudiantes universitarios
peruanos
Design and validation of an instrument to measure the use of the Julius AI tool in Peruvian
university students
SANTOS, Percy A.
1
CHUQUISENGO, Edison
2
VASQUEZ, Amado, E.
3
Resumen
El objetivo del estudio es diseñar y validar un instrumento para medir el uso de Julius AI en estudiantes
universitarios peruanos. El instrumento fue aplicado a 128 estudiantes del I ciclo de una universidad
peruana. Los resultados obtenidos demuestran que el análisis de confiabilidad tiene una correlación
muy alta que denota una consistencia interna total del instrumento adecuada, con un alfa de Cronbach
de 0.963. Se concluye, que el instrumento permite conocer el uso de Julius AI de estudiantes
universitarios.
Palabras clave: cuestionario, educación, universidad, tecnologías de la información y de la
comunicación
Abstract
The objective of the study is to design and validate an instrument to measure the use of the Julius AI in
Peruvian university students. The instrument was applied to 128 students of the I cycle of a private
Peruvian university. The results obtained demonstrate that the reliability analysis has a high correlation
of instrument, with a Cronbach's alpha value of 0.963. It is concluded that the instrument allows us to
know the use of the Julius AI by university students.
Key words: questionnaire, education, university, information and communication technologies.
1. Introducción
Este artículo analiza cómo una herramienta de inteligencia artificial puede mejorar la enseñanza de estadística
mediante un cuestionario que mide conocimientos, actitudes y razonamientos de los estudiantes.
Oñate et al., (2020) indican que la validez de un cuestionario se basa en su capacidad para medir con precisión
la construcción del estudio, lo cual permite confirmar que se evalúa lo que realmente se desea medir (Rodríguez
1
Universidad San Ignacio de Loyola. Perú. percy.santos@usil.pe
2
Universidad San Ignacio de Loyola. Perú. edison.chuquisengo@usil.pe
3
Universidad San Ignacio de Loyola. Perú. amado.vasquez@usil.pe
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 46, Nº 02, Año 2025 • Mar-Abr
SANTOS P.A. et al. «Diseño y validación de un instrumento para medir el uso de la herramienta Julius AI en
estudiantes universitarios peruanos»
Pag. 205
y Herrera, 2010). Y la confiabilidad de un instrumento, por su parte, se determina por su habilidad para obtener
resultados idénticos en condiciones iguales (Villasís et al., 2018).
1.1. Inteligencia artificial
La inteligencia artificial y las nuevas TIC tienen el potencial de cambiar la educación superior, optimizando el
desempeño docente y mejorando el ámbito de aprendizaje de los estudiantes. Estas tecnologías pueden
adaptarse a las necesidades individuales de cada alumno, permitiendo una experiencia educativa personalizada
y eficiente (García-Martínez et al., 2023; Menacho-Ángeles et al., 2024).
En ese sentido, se visualiza que la relación entre el estudiante y la inteligencia artificial se hace mas fuerte, ahora,
es crucial tener en cuenta la intrincada red de necesidades, objetivos, valores y bienestar que cada estudiante
aporta a esta interacción (Gálvez et al., 2024) y lo más importante es comprender cómo cada estudiante se siente
respecto a la inteligencia artificial. Es decir, si la aceptan, la rechazan o tienen dudas sobre su uso en el
aprendizaje (Algarni et al., 2024; Amare et al., 2024).
1.2. Importancia de Julius AI
Según Wario y Ramirez (2024) afirman que hay herramientas de IA elaboradas exclusivamente para analizar
datos, por ejemplo Julius AI cuya interfaz permite visualizar un ámbito más intuitivo para el usuario de dicha
herramienta.
En ese sentido, el análisis estadístico de datos es clave hoy en día. Herramientas como Julius AI democratizan
este análisis, permitiendo a todos interpretar resultados complejos. Esto facilita la elaboración de tesis, la
comprensión de estudios y la enseñanza en diversos campos.
Julius AI eleva el análisis de datos. Esta herramienta combina inteligencia artificial con una interfaz fácil de usar,
proporcionando una solución integral. Permite interpretar hojas de cálculo y crear gráficos rápidamente. Julius
AI agiliza el análisis de datos para todos, sin importar su experiencia técnica.
No cabe duda de que Julius AI representa una revolución en el análisis estadístico de datos. Su capacidad para
democratizar el acceso a herramientas avanzadas de análisis proporciona una ventaja significativa tanto a
estudiantes como a docentes. Al facilitar la interpretación de datos complejos y la elaboración de gráficos con
una interfaz intuitiva, Julius AI no solo ahorra tiempo, sino que también potencia la comprensión y el aprendizaje.
Esta herramienta se convierte en un aliado indispensable en el ámbito académico, permitiendo que incluso
aquellos con poca experiencia técnica puedan beneficiarse de sus múltiples funcionalidades. En definitiva, Julius
AI es una pieza clave para el futuro de la educación, brindando oportunidades de mejora continua y adaptabilidad
en el proceso educativo.
1.3. Objetivo
El objetivo de esta investigación es diseñar y validar un instrumento para evaluar el uso de la herramienta Julius
en estudiantes del primer ciclo de la Universidad San Ignacio de Loyola (Perú). Validar este instrumento permitirá
desarrollar e implementar programas destinados a mejorar las estrategias de enseñanza y aprendizaje. Esto
contribuirá a disminuir la brecha digital y tendrá un impacto positivo en el desarrollo y formación de los
estudiantes universitarios peruanos, al identificar sus necesidades digitales, lo que facilitará la realización de
intervenciones y políticas educativas para optimizar la inteligencia artificial. De esta manera, se favorecerá el
proceso educativo y el crecimiento general de los alumnos universitarios en Perú.
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 46, Nº 02, Año 2025 • Mar-Abr
SANTOS P.A. et al. «Diseño y validación de un instrumento para medir el uso de la herramienta Julius AI en
estudiantes universitarios peruanos»
Pag. 206
2. Metodología
La investigación se planteó con un enfoque cuantitativo y diseño preexperimental, con un solo grupo.
2.1. Participantes
Hubo 128 estudiantes de pregrado del primer ciclo de los programas de pregrado de una universidad privada de
Perú. El método de muestreo utilizado fue no probabilístico, de participantes voluntarios.
2.2. Instrumento
Se ha elaborado un Cuestionario que contiene 10 ítems. Las variables consideraron el uso de la herramienta
Julius AI, adaptación a la herramienta Julius AI y aspectos de privacidad y tratamiento de información de la
herramienta Julius AI.
Antes de diseñar el cuestionario, se entregaron las dimensiones y los ítems a 4 profesores universitarios en
educación digital e inteligencia artificial. A través de un juicio de expertos, validaron los ítems por su calidad,
pertinencia y contenido.
Asimismo, al finalizar el juicio de expertos, se presentó el cuestionario a 128 alumnos universitarios del I ciclo de
una Universidad Privada.
A continuación, en la Cuadro 1, se presenta el instrumento para lograr la medición el uso de la inteligencia
artificial generativa Julius AI en el área de estadística. La escala Likert es del 1 al 5, donde: 1 es totalmente en
desacuerdo con lo indicado, 2 es desacuerdo, 3 ni de acuerdo ni en desacuerdo, 4 es de acuerdo y 5 es totalmente
de acuerdo.
Cuadro 1
Cuestionario para desarrollar el estudio
de validación del instrumento
Dimensiones
Ítem
Uso de la herramienta Julius AI
La herramienta Julius AI ayuda a generar gráficos y tablas de
manera más sencilla.
La herramienta Julius AI permite analizar de forma oportuna los
datos de una hoja de cálculo
La herramienta Julius AI ayuda a identificar y limpiar datos.
La herramienta Julius permite entender tus datos mediante el chat.
La herramienta de Julius AI permite explorar modelos de
pronóstico.
Adaptación a la herramienta
Julius AI
La herramienta Julius AI permite ahorrar tiempo en tareas
estadísticas.
El uso de la herramienta Julius AI ha mejorado la calidad de mis
resultados estadísticos.
He utilizado la herramienta Julius AI para tareas relacionadas con la
estadística.
Aspectos de privacidad y
tratamiento de información de
Julius AI
Confío en la privacidad de los datos de la herramienta Julius AI
Confío en mi capacidad para identificar y corregir posibles sesgos
en los resultados generados por la herramienta Julius AI.
Fuente: Elaboración propia
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 46, Nº 02, Año 2025 • Mar-Abr
SANTOS P.A. et al. «Diseño y validación de un instrumento para medir el uso de la herramienta Julius AI en
estudiantes universitarios peruanos»
Pag. 207
2.3. Procesamiento y análisis de datos
Los datos adquiridos fueron analizados utilizando el programa SPSS (Statistical Package for the Social Sciences)
versión 25. En cuanto a la validez del instrumento, se llevaron a cabo las pruebas de KMO y la prueba de
esfericidad de Bartlett. Para evaluar la confiabilidad, se realizó un análisis de confiabilidad mediante el
coeficiente Alfa de Cronbach (α) y un análisis descriptivo de los 10 ítems, considerando la media y la desviación
estándar.
2.4. Aspectos éticos
Los estudiantes que participaron dieron su consentimiento por escrito.
3. Resultados y discusión
Los resultados están en función de la participación total de 128 estudiantes son los siguientes: Con respecto a la
validez, las matrices de correlaciones y los resultados de la prueba de Kaiser-Meyer-Olkin KMO, correspondiente
a los cuadros 3, 5, y 7, muestran una relación notable entre todas las variables. Ahora, en cuadros 2, 4 y 6, la
correlación es positiva, mostrando valores de correlación entre 0.705 y 1.000 y con un valor promedio de 0.757.
Todas las dimensiones tienen una correlación media de variables distintas por encima de 0.571.
Cuadro 2
Matriz de correlación dimensión 1: Uso e impacto educativo
del asistente de voz de Chat GPT (ítems del 1 al 5).
Ítem 1
Ítem 2
Ítem 3
Ítem 4
Ítem 5
Ítem 1
1.000
0.810
0.792
0.756
0.741
Ítem 2
0.810
1.000
0.801
0.749
0.705
Ítem 3
0.792
0.801
1.000
0.735
0.789
Ítem 4
0.756
0.749
0.735
1.000
0.736
Ítem 5
0.741
0.705
0.789
0.736
1.000
Fuente: Elaboración propia
Cuadro 3
Prueba de KMO y Bartlett dimensión 1:
El uso de la herramienta Julius AI (ítems del 1 al 5).
Medida Kaiser-Meyer-Olkin de
adecuación de muestreo
0.895
Prueba de esfericidad de Bartlett
Aprox. Chi – Cuadrado: 556.036
gl (grado de libertad): 10
Sig. (significancia): < 0,001
Fuente: Elaboración propia
Cuadro 4
Matriz de correlación dimensión 2: Adaptación
a la herramienta Julius AI (ítems del 6 al 8).
Ítem 6
Ítem 7
Ítem 8
Ítem 6
1.000
0.798
0.643
Ítem 7
0.798
1.000
0.768
Ítem 8
0.643
0.768
1.000
Fuente: Elaboración propia
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 46, Nº 02, Año 2025 • Mar-Abr
SANTOS P.A. et al. «Diseño y validación de un instrumento para medir el uso de la herramienta Julius AI en
estudiantes universitarios peruanos»
Pag. 208
Cuadro 5
Prueba de KMO y Bartlett dimensión 2: Adaptación
a la herramienta Julius AI (ítems del 6 al 8).
Medida Kaiser-Meyer-Olkin de
adecuación de muestreo
Prueba de esfericidad de Bartlett
Fuente: Elaboración propia
Cuadro 6
Matriz de correlación dimensión 3: Aspectos de privacidad y
tratamiento de información de Julius AI (ítems del 9 al 10).
Ítem 9
Ítem 10
Ítem 9
1.000
0.667
Ítem 10
0.667
1.000
Fuente: Elaboración propia
Cuadro 7
Prueba de KMO y Bartlett dimensión 3: Aspectos de privacidad
y tratamiento de información de Julius AI (ítems del 9 al 10).
Medida Kaiser-Meyer-Olkin de
adecuación de muestreo
Prueba de esfericidad de Bartlett
Fuente: Elaboración propia
La confiabilidad del presente instrumento se determinó mediante consistencia interna a través de: (1) Alfa de
Cronbach; asimismo (2) Omega de McDonald y luego la (3) División por Mitades. Si se asume como criterio
empírico que a partir de 0,70 se comprende que es un coeficiente aceptable, en esta investigación se puede decir
que los puntajes obtenidos para las dimensiones señaladas y la en total al prueba es excelente (De Vellis, 2017).
En el Cuadro 8, el análisis de los resultados de cada uno de los ítems de la prueba demuestra que el puntaje más
alto corresponde al ítem No. 6, con un promedio de 4.48, sobre un puntaje máximo posible de 5 puntos. Por su
parte, el promedio más bajo está en el ítem No. 8 con una media de 4.34. La dispersión más alta se encuentra en
el ítem No. 8 con una desviación estándar de 1.006 y la más baja se encuentra en el ítem No. 4 con una desviación
de 0.752.
En el cuadro 9 el análisis de confiabilidad demuestra que existe una correlación muy alta que muestra una
consistencia interna total del instrumento adecuada, se presenta un valor alfa de Cronbach de 0.963. Este valor
no mejoraría con la eliminación de alguno de los ítems, tal como se muestra en la Tabla 10, donde la totalidad
de los ítems demuestra un alfa de Cronbach, en caso el elemento se vea suprimido, igual o superior a 0.956.
Asimismo, muestra una correlación muy alta.
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 46, Nº 02, Año 2025 • Mar-Abr
SANTOS P.A. et al. «Diseño y validación de un instrumento para medir el uso de la herramienta Julius AI en
estudiantes universitarios peruanos»
Pag. 209
Cuadro 8
Resultados de la estadística de
los elementos del Cuestionario
N°
Media
Desv. estándar
N° de análisis
Ítem 1
4.41
0.798
128
Ítem 2
4.45
0.822
128
Ítem 3
4.39
0.806
128
Ítem 4
4.47
0.752
128
Ítem 5
4.38
0.832
128
Ítem 6
4.48
0.794
128
Ítem 7
4.41
0.837
128
Ítem 8
4.34
1.006
128
Ítem 9
4.37
0.938
128
Ítem 10
4.41
0.855
128
Fuente: Elaboración propia
Cuadro 9
Resultados de la estadística de
confiabilidad del Cuestionario
Alfa de Cronbach
Número de elementos
0,963
10
Fuente: Elaboración propia
Cuadro 10
Estadísticas del total de elementos
para el Cuestionario
Media de escala si
el elemento se ha
suprimido
Varianza de escala si
el elemento se ha
suprimido
Correlación total
de elementos
corregida
Alfa de Cronbach si el
elemento se ha suprimido
1
39.70
44.088
0.847
0.958
2
39.65
43.490
0.880
0.957
3
39.71
43.687
0.879
0.957
4
39.63
45.022
0.803
0.960
5
39.73
43.870
0.829
0.959
6
39.62
44.002
0.861
0.958
7
39.69
43.146
0.896
0.956
8
39.77
42.779
0.753
0.963
9
39.73
43.126
0.787
0.961
10
39.70
43.552
0.834
0.959
Fuente: Elaboración propia
El cuadro 11 muestra el análisis de confiabilidad efectuado para cada dimensión del instrumento y arroja
resultados satisfactorios; así, la dimensión del uso de la herramienta Julius AI tiene un alfa de Cronbach de 0.941,
adaptación a la herramienta Julius AI presenta 0.886, mientras los aspectos de privacidad y tratamiento de
información de la herramienta de Julius AI es 0.798.
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 46, Nº 02, Año 2025 • Mar-Abr
SANTOS P.A. et al. «Diseño y validación de un instrumento para medir el uso de la herramienta Julius AI en
estudiantes universitarios peruanos»
Pag. 210
Cuadro 11
Estadísticas de confiabilidad de las dimensiones del Cuestionario:
Alfa de Cronbach (α), Omega de McDonald y División por mitades.
Dimensiones
Alfa de Cronbach (α)
Omega de McDonald
División por mitades
El uso de la herramienta
Julius AI (ítems del 1 al 5)
0.941
0.941
0.881
Adaptación a la herramienta
Julius AI (ítems del 6 al 8)
0.886
0.890
0.811
Aspectos de privacidad y
tratamiento de información
de la herramienta Julius AI
(ítems del 9 al 10)
0.798
-
0.798
Fuente: Elaboración propia
Es importante señalar que, para validar un instrumento asociado a la inteligencia artificial, debe ofrecer un
concepto definido y unos estándares que puedan permitir identificar aquellas capacidades, conocimientos y
actitudes (Vuorikari et al., 2016).
Los resultados de la validación estadística del instrumento, especialmente en el Alfa de Cronbach, presentan
indicadores positivos para cada una de las dimensiones.
Respecto a la dimensión de uso de la herramienta Julius AI, ítems del 1 al 5 en el cuestionario, muestran un
resultado altamente conveniente de 0.941, que demuestra que el instrumento permite identificar áreas de la
herramienta de IAG Julius para ayudar a generar gráficos y tablas de manera más sencilla asimismo puede
analizar de forma oportuna los datos de una hoja de cálculo.
De igual manera, la dimensión de Adaptación a la herramienta Julius AI (ítems del 6 al 8) con un resultado
altamente conveniente de 0.886 comprueba que el instrumento permite identificar áreas de la herramienta de
Julius AI correspondiente a ahorrar tiempo en tareas estadísticas y mejora la calidad de mis resultados
estadísticos
Asimismo, la dimensión de aspectos de privacidad y tratamiento de información de la herramienta de IAG Julius,
ítems del 9 al 10 en el cuestionario, muestran un resultado altamente conveniente de 0.798, que demuestra que
el instrumento ayuda a identificar áreas de la herramienta de Julius AI referente a la privacidad de los datos y
que las personas puedan identificar y corregir posibles sesgos en los resultados generados.
La validación de instrumentos de medida de la inteligencia artificial es fundamental tanto para las personas y
ciudadanos digitales como para los estudiantes de universitarios (Silva-Quiroz et al., 2022; Revuelta et al., 2023).
Estos instrumentos permiten evaluar de manera confiable el nivel de inteligencia artificial de las personas, para
diseñar programas y políticas que aborden las necesidades en cuanto a inteligencia artificial.
Por otro lado, es fundamental contar con instrumentos de medición viables y confiables para lograr procesos de
calidad y una adecuada formación en inteligencia artificial.
En análisis factorial demuestra una alta representación de la totalidad de ítems, con un mínimo de 0.631 (ítem
No. 8) y un máximo de 0.840 (ítem No. 7), tal como se expresa en la tabla 12.
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 46, Nº 02, Año 2025 • Mar-Abr
SANTOS P.A. et al. «Diseño y validación de un instrumento para medir el uso de la herramienta Julius AI en
estudiantes universitarios peruanos»
Pag. 211
Cuadro 12
Análisis factorial / Comunalidades
N°
Inicial
Extracción
Ítem 1
1.000
0.779
Ítem 2
1.000
0.823
Ítem 3
1.000
0.821
Ítem 4
1.000
0.715
Ítem 5
1.000
0.741
Ítem 6
1.000
0.797
Ítem 7
1.000
0.840
Ítem 8
1.000
0.631
Ítem 9
1.000
0.678
Ítem 10
1.000
0.756
Fuente: Elaboración propia
4. Conclusiones
El instrumento permite conocer el uso de la herramienta Julius AI de los estudiantes que inician su formación
universitaria. Es decir, puede ser utilizado por los estudiantes que ingresan a programas de educación superior
en instituciones que incluyen en su oferta modelos de educación virtual, a distancia o híbridos, en los que el
contacto con la tecnología es mucho más evidente que en otros tipos de programas y la probabilidad de una
brecha digital.
Referencias bibliográficas
Algarni, A. A., Alwusaydi, R. M., Alenezi, R. S., Alharbi, N. A., & Alqadi, S. F. (2024). Knowledge and attitude of
dentists toward minimally invasive caries management in Almadinah Almunawwarah province, KSA.
Journal of Taibah University Medical Sciences, 19(1), 10–17.
https://doi.org/10.1016/j.jtumed.2023.08.005
Amare, M., Arndt, C., Guo, Z., & Seymour, G. (2024). Variation in women’s attitudes toward intimate partner
violence across the rural–urban continuum in Ethiopia. World Development, 174, 106451.
https://doi.org/10.1016/j.worlddev.2023.106451
Chávez Hernández, N. (2024). Diseño y validación de un instrumento para medir la implementación de la
inteligencia artificial generativa en el contexto organizacional. LATAM Revista Latinoamericana De Ciencias
Sociales Y Humanidades, 5(3), 2316 – 2332. https://doi.org/10.56712/latam.v5i3.2197
Espinoza, J., Raby, M., y Sagredo, E. (2024). Validación de un cuestionario sobre las percepciones y usos de la
IA-Gen entre estudiantes de pedagogía. Revista Ibérica de Sistemas e Tecnologias de Informação,
https://www.proquest.com/scholarly-journals/validación-de-un-cuestionario-sobre-
las/docview/3094869188/se-2?accountid=43847
Gálvez , M.., Pinto, Y., Mendoza, J., & Anyosa., B. (2024). Adaptación y validación de un instrumento para medir
las actitudes de los universitarios hacia la inteligencia artificial. Revista De Comunicación, 23(2), 125–142.
https://doi.org/10.26441/RC23.2-2024-3493
García-Martínez, I., Fernández-Batanero, J., Fernández-Cerero, J., & León, S. (2023). Analyzing the Impact of
Artificial Intelligence and Computational Sciences on Student Performance: Systematic Review and Meta-
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 46, Nº 02, Año 2025 • Mar-Abr
SANTOS P.A. et al. «Diseño y validación de un instrumento para medir el uso de la herramienta Julius AI en
estudiantes universitarios peruanos»
Pag. 212
analysis. Journal of New Approaches in Educational Research, 12(1), 171-197.
https://doi.org/10.7821/naer.2023.1.1240
Oñate, C.J., Batalla, A., & Páez, J.C. (2020). Elaboración y validación de un cuestionario de las habilidades
motrices iniciales para estudiantes de enseñanza media chilena. Retos, 38.
https://www.semanticscholar.org/reader/3291beab4c4be4428d65246ed57ccc28ae332af0
Menacho-Ángeles, M., Pizarro-Arancibia, L., Osorio-Menacho, J., Osorio-Menacho, J., & León-Pizarro, B. (2024).
Inteligencia artificial como herramienta en el aprendizaje autónomo de los estudiantes de educación
superior. Revista InveCom / ISSN En línea: 2739-0063, 4(2), 1–9.
https://doi.org/10.5281/zenodo.10693945
Rodríguez, L.R., Calderón, H., Hurtado, M.M., & Ocaña, A.W. (2023). Inteligencia artificial en la gestión
organizacional: Impacto y realidad latinoamericana. Revista Arbitrada Interdisciplinaria KOINONIA.
https://doi.org/10.35381/r.k.v8i1.2782
Rodríguez, N.L. & Herrera, C. G. (2010). Validación y confiabilidad de un instrumento de medición para carreras
de ingeniería. Revista Electrónica Iberoamericana de Educación en Ciencias y Tecnología, 2(1), 107-118.
https://exactas.unca.edu.ar/riecyt/VOL%202%20NUM%201/Archivos%20Digitales/Doc%20RIECyT%20V2-
1-6.pdf
Wario Vazquez, F., & Ramírez Romero, R. (2024). Inteligencia Artificial en la Academia: Oportunidades y
Desafíos. ReCIBE, Revista electrónica De Computación, Informática, Biomédica Y Electrónica, 13(2), C4–11.
https://doi.org/10.32870/recibe.v13i2.369
Esta obra está bajo una Licencia Creative Commons
Atribución-NoComercial 4.0 Internacional