Impacto del uso de inteligencia artificial generativa en el rendimiento académico de estudiantes universitarios de primer año: un estudio cuasi-experimental en Ecuador

Impact of Generative Artificial Intelligence Use on Academic Performance of First-Year University Students: A Quasi-Experimental Study in Ecuador

Resumen

La irrupción de la inteligencia artificial generativa (IAG) en los entornos de educación superior ha planteado interrogantes fundamentales sobre su efecto diferencial en el desempeño académico estudiantil. El presente estudio cuasi-experimental analizó el impacto del uso sistemático de herramientas de IAG —específicamente ChatGPT-4 y Microsoft Copilot— sobre el rendimiento académico y la autorregulación del aprendizaje en 160 estudiantes universitarios de primer año de la Universidad Central del Ecuador, distribuidos en un grupo experimental (n=80) y un grupo control (n=80). La intervención tuvo una duración de catorce semanas durante el período académico 2024-I. Los resultados evidenciaron diferencias estadísticamente significativas entre los grupos (t=5.43; p<.001), con una ganancia media de 2.45 puntos para el grupo experimental frente a 0.74 del grupo control, y un tamaño del efecto grande (d de Cohen=0.88). Asimismo, se registró una correlación positiva y significativa entre la frecuencia de uso de IAG y la autorregulación del aprendizaje (r=0.61; p<.001). Los hallazgos sugieren que el uso pedagogicamente mediado de la IAG potencia el rendimiento académico, especialmente en estudiantes de carreras de ciencias sociales, aunque se advierten riesgos de dependencia tecnológica. Se concluye que las instituciones de educación superior deben desarrollar marcos pedagógicos específicos para integrar éticamente estas herramientas.

Palabras clave: inteligencia artificial generativa, rendimiento académico, educación superior, autorregulación del aprendizaje, ChatGPT, Ecuador.

Abstract

The emergence of generative artificial intelligence (GAI) in higher education settings has raised fundamental questions about its differential effect on student academic performance. This quasi-experimental study analyzed the impact of systematic use of GAI tools—specifically ChatGPT-4 and Microsoft Copilot—on academic achievement and self-regulated learning among 160 first-year university students at Universidad Central del Ecuador, distributed in an experimental group (n=80) and a control group (n=80). The intervention lasted fourteen weeks during the 2024-I academic period. Results revealed statistically significant differences between groups (t=5.43; p<.001), with a mean gain of 2.45 points for the experimental group versus 0.74 for the control group, and a large effect size (Cohen's d=0.88). A significant positive correlation between GAI use frequency and self-regulated learning was also identified (r=0.61; p<.001). Findings suggest that pedagogically mediated GAI use enhances academic performance, particularly among social science students, although risks of technological dependency are noted. It is concluded that higher education institutions must develop specific pedagogical frameworks to integrate these tools ethically.

Keywords: generative artificial intelligence, academic performance, higher education, self-regulated learning, ChatGPT, Ecuador.

Referencias

Awidi, I. T. (2024). Comparing expert tutor evaluation of reflective essays with marking by generative artificial intelligence (AI) tool. Computers and Education: Artificial Intelligence, 6, 100226. https://doi.org/10.1016/j.caeai.2024.100226

Azizah, Z., Ohyama, T., Zhao, X., Ohkawa, Y., & Mitsuishi, T. (2024). Predicting at-risk students in the early stage of a blended learning course via machine learning using limited data. Computers and Education: Artificial Intelligence, 7, 100261. https://doi.org/10.1016/j.caeai.2024.100261

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.

Cordero, J., Torres-Zambrano, J., & Cordero-Castillo, A. (2024). Integration of generative artificial intelligence in higher education: Best practices. Education Sciences, 15(1), 32. https://doi.org/10.3390/educsci15010032

Deci, E. L., & Ryan, R. M. (2000). The "what" and "why" of goal pursuits: Human needs and the self-determination of behavior. Psychological Inquiry, 11(4), 227–268. https://doi.org/10.1207/S15327965PLI1104_01

Farrokhnia, M., Banihashem, S. K., Noroozi, O., & Wals, A. (2023). A SWOT analysis of ChatGPT: Implications for educational practice and research. Innovations in Education and Teaching International, 60(5), 460–474. https://doi.org/10.1080/14703297.2023.2195846

García Caicedo, S. S., Reyes Vélez, N. P., Solórzano Zambrano, Á. A., Quiñonez Godoy, N. A., & Vega Macías, J. R. (2024). Análisis al uso de herramientas de inteligencia artificial para la personalización del aprendizaje en la educación superior. Revista Científica Multidisciplinar G-nerando, 5(1). https://revista.gnerando.org

Granda, C., & Pacheco, E. (2023). Ética en el uso de la inteligencia artificial en educación. Ética y Tecnología, 7(2), 115–127.

Hernández Castro, P. E., & Pazmiño Campuzano, M. F. (2025). La inteligencia artificial: Un recurso educativo para mejorar el rendimiento académico de los estudiantes universitarios. Revista Científica Sinapsis, 1(1), 1–18. https://revistas.itsup.edu.ec/index.php/sinapsis/article/view/1155

Kavitha, K., Joshith, V. P., Rajeev, N. P., & Asha, S. (2024). Artificial intelligence in higher education: A comparative study. European Journal of Educational Research, 13(3), 1121–1137. https://doi.org/10.12973/eu-jer.13.3.1121

Michel-Villarreal, R., Vilalta-Perdomo, E., & Salimi, S. (2023). Challenges and opportunities of generative AI in education. Education Sciences, 13(9), 856. https://doi.org/10.3390/educsci13090856

Rudolph, J., Ismail, M. F. B. M., & Popenici, S. (2024). Higher education's generative artificial intelligence paradox: The meaning of chatbot mania. Journal of University Teaching and Learning Practice, 21(6). https://doi.org/10.53761/1.21.6.20

Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and quasi-experimental designs for generalized causal inference. Houghton Mifflin.

Sun, Z., Anbarasan, M., & Praveen Kumar, D. J. (2023). Detection of online learning behavior patterns using deep learning methods. Computational Intelligence and Neuroscience, 2023, 1–12. https://doi.org/10.1155/2023/5222279

Suntaxi Concha, C. (2024). El impacto de la inteligencia artificial en el rendimiento académico de los estudiantes [Tesis de grado, Universidad Central del Ecuador]. https://www.dspace.uce.edu.ec/entities/publication/14487b1c

Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.