Original
Use
of Generative AI in the Teaching and Learning Process
in
an Open University Education System
Uso de la IA generativa en el proceso de
enseñanza-aprendizaje en
un
sistema universitario de enseñanza abierta
María
del Pilar Enríquez Gómez 1
ORCID: https://orcid.org/0009-0004-8671-8108
Elena
Aguilar Canseco
1
ORCID: http://orcid.org/0009-0000-4751-9457
Marisol
Pérez Mugica
1
ORCID: http://orcid.org/0009-0004-8873-1250
Universidad Veracruzana, Sistema de
Enseñanza Abierta. Veracruz-México 1
Autor de
correspondencia
penriquez@uv.mx
Recibido: 01-09-2026
Aceptado: 19-10-2026
Disponible en línea: 20-10-2026
Abstract
The growing
implementation of generative artificial intelligence (AI) in higher education
raises questions about its feasibility, reliability, and critical use in
disciplinary tasks that require interpretation and decision-making, such as
financial analysis. The objective of this study was to examine how students
enrolled in a Bachelor’s degree in Business Administration perceive the use of
Claude as a support tool for academic activities, considering its acceptance,
perceived usefulness, limitations, and conditions for its pedagogical
implementation. The study employed a quantitative methodology with a
descriptive scope and a non-experimental, cross-sectional design, involving 36
students from an open university education system. Data were collected through
a survey and analyzed using frequencies and percentages. The results show that
91.7% of the students perceive AI as an educational opportunity; 66.7% consider
the use of Claude for financial analysis innovative, while 61.1% identify a
slight presence of errors or biases in its results. It is concluded that Claude
was valued as a support resource by the group studied for financial analysis.
However, its integration requires disciplinary knowledge, verification of its
responses, and pedagogical guidance that promotes its critical and responsible
use.
Keywords: Artificial Intelligence, higher education, teaching and learning.
Resumen
La creciente
implementación de inteligencia artificial (IA) generativa en el ámbito
universitario plantea interrogantes sobre su viabilidad, fiabilidad y uso
crítico en tareas disciplinares que requieren interpretación y toma de
decisiones, como el análisis financiero. El objetivo de esta investigación fue
estudiar cómo los estudiantes de la Licenciatura en Administración perciben el
uso de Claude como herramienta de apoyo en actividades académicas, considerando
su aceptación, utilidad percibida, limitaciones y condiciones para su
implementación pedagógica. El estudio se desarrolló mediante una metodología
cuantitativa, de alcance descriptivo, con diseño no experimental y transversal,
en 36 estudiantes de un sistema universitario de enseñanza abierta. Los datos
se recopilaron mediante una encuesta y se analizaron utilizando frecuencias y
porcentajes. Los resultados muestran que 91,7% de los estudiantes percibe la IA
como una oportunidad educativa; 66,7% considera innovador el uso de Claude para
el análisis financiero, mientras que 61,1% identifica una leve presencia de
errores o sesgos en sus resultados. Se concluye que Claude fue valorado como
recurso de apoyo por el grupo estudiado para el análisis financiero. No
obstante, su incorporación requiere conocimientos disciplinares, verificación
de las respuestas y orientación pedagógica que favorezca un uso crítico y
responsable.
Palabras clave: Inteligencia Artificial,
educación superior, enseñanza-aprendizaje
Introducción
La incorporación de herramientas de inteligencia artificial
generativa (IAG) en la educación superior ha cobrado importancia, ya que las
herramientas de IAG pueden servir de soporte en actividades de búsqueda,
procesamiento, interpretación y producción de información. Las herramientas de
IAG pueden contribuir al aprendizaje de los estudiantes al explicar conceptos,
dar ejemplos, retroalimentar y ayudar a solucionar problemas. No obstante, las
herramientas de IAG presentan problemas con la confiabilidad de la información,
con la integridad académica, con la dependencia tecnológica y con el
pensamiento crítico. Por este motivo, para usar las herramientas de IAG, es
necesario establecer criterios pedagógicos para que los estudiantes puedan
obtener el máximo partido de las posibilidades que ofrecen dichas herramientas
y no se sustituyan los procesos cognitivos y formativos de los estudiantes
(Bhullar et al., 2024; Hashmi & Bal, 2024; Xia et al., 2024).
La aceptación de las tecnologías es un factor clave para comprender
cómo se usan las tecnologías en el aula. De acuerdo con el Modelo de Aceptación
de la Tecnología (Technology Acceptance Model, TAM) de Davis (1989), la
utilidad percibida y la facilidad de uso percibida son los dos constructos
principales para comprender la aceptación de una tecnología. En el contexto de
la educación, la utilidad percibida y la facilidad de uso percibida pueden
estar relacionados con la experiencia previa de los estudiantes con las
tecnologías, con las características de las actividades académicas y con las
condiciones institucionales de uso de las tecnologías.
De acuerdo con estudios recientes, los estudiantes usan las
herramientas de IAG para fines académicos y ven posibilidades de uso
relacionadas con la utilidad de las herramientas de IAG. Sin embargo, los
estudiantes también marcan una diferencia entre los usos aceptables de las
herramientas de IAG y los usos que pueden afectar negativamente a la integridad
académica (Habibi et al., 2023; Johnston et al., 2024). Además, diversos
autores han resaltado la importancia de que las instituciones educativas
establezcan criterios que guíen a los estudiantes en los usos académicamente
pertinentes de las herramientas de IAG (Johnston et al., 2024).
La problemática adquiere aún mayor relevancia en la formación de los
estudiantes de la carrera de Administración, ya que el análisis de la
información y la toma de decisiones son parte fundamental de su formación
profesional. Los estudiantes de la carrera de Administración necesitan
interpretar la información, analizar los estados financieros, calcular los
indicadores y llegar a conclusiones a partir de los resultados que obtienen. En
este sentido, la IAG puede ser utilizada como herramienta de soporte para
explicar conceptos, proponer procedimientos, revisar operaciones y explorar
diferentes escenarios. No obstante, los resultados que la IAG produce deben ser
comparados con la información que se tiene, con los conocimientos disciplinares
y con las fuentes de información fiables. De esta forma, el estudiante seguirá
siendo el responsable de la interpretación y valoración de los resultados.
Claude es una de las herramientas de IAG que puede ser una buena
opción para explorar su uso en las actividades académicas. Moundridou et al.
(2024) investigaron el uso de las herramientas de IAG, Claude entre ellas, en
las distintas fases del proceso educativo y llegaron a la conclusión de que es
necesario revisar y validar los contenidos que se producen con las herramientas
de IAG, ya que los contenidos pueden contener errores o información inexacta.
Por su parte, Crowther et al. (2025) compararon Claude 3.5 Sonnet con otros
modelos de lenguaje en tareas relacionadas con el diseño educativo y
concluyeron que, aunque las herramientas de IAG pueden ser de gran ayuda, los
resultados que se obtienen con las herramientas de IAG requieren de la
supervisión humana. Por otro lado, Nguyen (2024) encontró que los pronósticos
que se producen con los modelos de lenguaje, Claude incluido, presentan un
sesgo de anclaje.
Este sesgo de anclaje resalta la importancia de que los estudiantes
valoren de forma crítica la información que se produce con las herramientas de
IAG. La valoración crítica de la información adquiere una importancia aún mayor
cuando la IA se usa en los ambientes de aprendizaje autónomo. Los sistemas de
enseñanza abierta permiten que los estudiantes tengan una mayor autonomía en la
planificación de sus horarios, de sus actividades y de sus recursos de
aprendizaje. La IAG puede proporcionar explicaciones, ejemplos y procedimientos
que amplían las posibilidades de consulta de los estudiantes. Sin embargo, para
usar la IAG, los estudiantes deben autorregularse, comparar las respuestas que
obtienen de la IAG con las respuestas que obtienen de otras fuentes de
información y evaluar la pertinencia de las respuestas que obtienen de la IAG.
Según la literatura, la incorporación de la IAG en el aula debe ir
acompañada del fomento del aprendizaje autorregulado, de la responsabilidad y
de la integridad académica (Xia et al., 2024). Por este motivo, es muy
importante que, cuando los estudiantes hagan actividades de análisis financiero
con la ayuda de la herramienta, ellos asuman un rol activo en la revisión de
los datos, de los procedimientos y de las conclusiones que se obtienen con la
ayuda de la herramienta.
La confiabilidad de la información no es el único aspecto que se
debe tener en cuenta cuando se incorpora la IAG en el aula. La incorporación de
la IAG en el aula también plantea problemas con la dependencia tecnológica, con
la privacidad, con la integridad académica y con la necesidad de supervisión
por parte del profesorado.
La supervisión por parte del profesorado adquiere una relevancia
especial cuando los estudiantes trabajan con información empresarial o
financiera. En este caso, es muy importante que los estudiantes eviten usar
datos confidenciales y que verifiquen que los resultados que obtienen con la IAG
son coherentes con la información de referencia. Por lo tanto, cuando se
incorpora la IA en las actividades académicas, es muy importante que se definan
los objetivos de aprendizaje, que se proporcione orientación pedagógica a los
estudiantes y que se establezcan mecanismos de contraste para que los
estudiantes puedan analizar, verificar y argumentar a partir de los resultados
que obtienen.
En México, Culebro Castillo et al. (2025) encontraron que un gran
número de estudiantes de educación superior de la Universidad Veracruzana usan
frecuentemente las herramientas de IAG y que los estudiantes tienen una
percepción positiva de la utilidad de las herramientas de IAG. Sin embargo,
Culebro Castillo et al. (2025) también indicaron que es necesario que se aproveche
mejor el uso pedagógico de las herramientas de IAG y que los estudiantes usen
de forma crítica y responsable las herramientas de IAG. Por otro lado,
Hernández González et al. (2024) identificaron, a partir de la percepción de
los estudiantes de educación superior de México, las ventajas que estos asocian
con el uso de la IAG para apoyar las actividades académicas y los riesgos que
los estudiantes derivan del uso de la IAG.
Dichos antecedentes permiten notar que se ha avanzado en el estudio
de la aceptación, de la utilidad y de los riesgos que los estudiantes
universitarios perciben de la IAG. No obstante, proporcionan poca evidencia
sobre la percepción del uso de una herramienta específica como Claude durante
una actividad disciplinar que requiere que los estudiantes interpreten
información financiera. En este sentido, sería interesante profundizar en la
percepción del uso de Claude entre los estudiantes de la Licenciatura en
Administración de un sistema universitario de enseñanza abierta. No solo interesaría
conocer la aceptación y la utilidad percibida de Claude, sino también el
aprendizaje percibido, las competencias que los estudiantes perciben
fortalecidas, las limitaciones que los estudiantes perciben en Claude y las
condiciones que los estudiantes perciben necesarias para la integración
pedagógica de Claude.
La propuesta anterior permite estudiar la percepción del uso de
Claude desde una perspectiva educativa y disciplinar, que se relaciona con una
actividad concreta de análisis financiero, sin asumir de antemano efectos
causales en el aprendizaje o en el desarrollo de competencias de los
estudiantes. Bajo este marco, la investigación busca responder la siguiente
pregunta: ¿Cómo perciben los estudiantes de la Licenciatura en Administración de
un sistema universitario de enseñanza abierta el uso de Claude en una actividad
de análisis financiero, en términos de aceptación, utilidad percibida,
aprendizaje percibido, competencias que perciben fortalecidas, limitaciones y
condiciones para su integración pedagógica?
Por lo tanto, esta investigación tuvo como objetivo
describir las percepciones de los estudiantes de la Licenciatura en
Administración de un sistema universitario de enseñanza abierta sobre el uso de
Claude como herramienta de soporte en una actividad de análisis financiero, en
términos de aceptación, utilidad percibida, aprendizaje percibido, competencias
que perciben fortalecidas, limitaciones y condiciones pedagógicas para que los
estudiantes usen Claude de forma responsable.
Metodología
La investigación se desarrolló bajo un enfoque
cuantitativo, con alcance descriptivo y diseño no experimental, transversal. El
propósito fue describir las percepciones de los estudiantes respecto del uso de
la IAG, específicamente Claude, como recurso de apoyo en una actividad
académica de análisis financiero. No se manipularon variables ni se
establecieron grupos de control o comparación experimental; asimismo, la
información se recopiló en un único momento posterior a la experiencia
académica. En consecuencia, los resultados permiten caracterizar percepciones y
experiencias reportadas por los participantes, pero no establecer efectos
causales sobre el aprendizaje o el desarrollo de competencias.
Participaron 36 estudiantes de la Licenciatura en
Administración de un sistema universitario de enseñanza abierta,
correspondientes al grupo académico en el que se desarrolló la actividad; para
realizarla, los estudiantes se organizaron libremente en equipos de hasta cinco
integrantes. La participación correspondió al grupo que realizó la actividad
académica y posteriormente respondió el instrumento de recopilación de
información.
La actividad tuvo una duración de tres horas efectivas
y se estructuró en tres partes. En la primera, los estudiantes analizaron
manualmente un ejercicio financiero correspondiente a la empresa Allied Food
Products, tomado de un libro de texto. El ejercicio incluía un estado de
posición financiera y un estado de resultados correspondientes a dos periodos
comparativos. A partir de estos datos se calcularon e interpretaron razones
financieras de cinco categorías: liquidez, administración de activos,
administración de deudas, rentabilidad y valor de mercado. Los estudiantes realizaron los cálculos
mediante las fórmulas trabajadas en el aula y registraron los resultados,
interpretaciones, conclusiones y recomendaciones en una libreta, hojas físicas,
Excel u otra herramienta disponible.
En la segunda parte, los mismos datos fueron
introducidos en Claude, sin especificar una versión determinada de la
herramienta. El docente proporcionó un prompt estructurado para orientar el
análisis financiero. La instrucción solicitaba a Claude asumir el papel de
analista financiero senior y consultor de negocios y realizar el análisis
mediante las cinco categorías de razones financieras, incluyendo para cada
indicador la fórmula, el resultado de ambos periodos, su interpretación
económica y operativa y una valoración sobre si la situación había mejorado o
empeorado. Finalmente, se solicitó elaborar conclusiones y recomendaciones
estratégicas utilizando herramientas tecnológicas.
En la tercera parte, los estudiantes compararon los
resultados obtenidos mediante el procedimiento desarrollado en el aula y los
generados con Claude. Para ello construyeron dos tablas: una destinada a contrastar
fórmulas, cálculos, resultados e interpretaciones y otra para comparar
conclusiones y recomendaciones. Posteriormente identificaron coincidencias,
diferencias, posibles errores o sesgos y reflexionaron sobre las ventajas y
limitaciones de cada procedimiento. Finalmente, expresaron su percepción sobre
la posibilidad de utilizar IAG en actividades profesionales relacionadas con el
análisis de información financiera.
Durante la primera parte el docente proporcionó
acompañamiento puntual respecto de la aplicación e interpretación de las
razones financieras, así como de las conclusiones y recomendaciones. En la
segunda, facilitó los prompts, mientras que los estudiantes realizaron
directamente la descarga y utilización de Claude. Durante la tercera parte, el
docente intervino de manera intermitente para resolver dudas, correspondiendo a
los estudiantes la comparación y reflexión sobre los resultados.
Después de concluir la actividad, se aplicó un
instrumento único de recopilación de información, integrado por 31 reactivos. El instrumento incorporó preguntas de diferente
naturaleza: 23 reactivos de respuesta cerrada con escala ordinal, siete de
selección múltiple y uno de respuesta abierta. El instrumento tomó como referente conceptual el Modelo de
Aceptación de la Tecnología (Technology Acceptance Model, TAM) de Davis (1989),
particularmente los constructos de utilidad percibida y facilidad de uso
percibida, para organizar y contextualizar los reactivos relacionados con la
utilidad percibida de la IA, y fue complementado con dimensiones contextuales y
educativas relacionadas con la utilización de IAG en educación superior.
Antes de su aplicación, el instrumento fue sometido a
una revisión interna por los tres autores de la investigación. El procedimiento
tuvo como finalidad examinar la claridad, pertinencia y correspondencia de los
reactivos con las dimensiones consideradas y con los objetivos del estudio. Como resultado de esta revisión se
realizaron ajustes de redacción y organización para favorecer la comprensión de
las preguntas y su correspondencia conceptual. Este procedimiento se considera
una revisión y depuración interna del instrumento y no una validación
independiente de contenido mediante juicio de expertos externos.
Los reactivos abordaron,
entre otros aspectos, conocimiento y experiencias previas con herramientas de
IA, frecuencia de utilización, utilidad percibida, facilidad de uso,
aceptación, aprendizaje percibido, competencias que los estudiantes consideran
fortalecidas, confiabilidad, limitaciones, aspectos éticos y condiciones para
la integración pedagógica.
A partir de la revisión interna del instrumento, se identificaron siete reactivos
relacionados específicamente con la utilidad/beneficios percibidos de la IA:
apoyo de la IA al estudiante, aprendizaje percibido en el análisis financiero,
utilidad de la IA, formación integral, preparación para el mercado laboral,
innovación y estrategia de enseñanza innovadora.
El instrumento se aplicó una
sola vez, después de finalizar la actividad académica con Claude, durante
octubre de 2025. No se efectuó una medición previa y otra posterior de
aprendizaje o percepción. Las preguntas relacionadas con conocimientos y
experiencias anteriores con herramientas de IA fueron respondidas retrospectivamente
en la encuesta posterior, mientras que las preguntas sobre Claude
correspondieron a la experiencia recién desarrollada. Esta delimitación
temporal resulta importante porque los resultados relativos al conocimiento o
uso previo de IA representan percepciones retrospectivas de los participantes y
no mediciones obtenidas mediante un pretest.
La consistencia interna del
instrumento se examinó mediante el coeficiente alfa de
Cronbach, donde de sus 31 reactivos, se analizaron 23 reactivos
con respuesta ordinal susceptibles de agruparse conceptualmente en dimensiones,
mientras que los 7 reactivos de
selección múltiple y el reactivo abierto, se analizaron de manera descriptiva y no se incorporaron al cálculo
de alfa.
Los 36 estudiantes presentaron información disponible
para los reactivos considerados en el análisis, por lo que el número de casos
válidos fue n = 36, sin exclusión de participantes por datos faltantes.
La dimensión de utilidad percibida estuvo integrada
por 7 reactivos ordinales (Elige2, Elige7, Elige12, Elige18, Elige19, Elige20 y
Elige22) y presentó un coeficiente de α = .818 (n = 36). Este resultado
constituye evidencia preliminar de consistencia interna para dicha dimensión en
el contexto específico del estudio. El resto de los reactivos se analizaron de acuerdo con sus
características conceptuales y no se asumió que los 23 reactivos constituyeran
una escala unidimensional. La facilidad de uso percibida, cuando estuvo
representada por un único reactivo, no fue sometida a un cálculo independiente
de alfa, debido a que este coeficiente requiere un conjunto de reactivos que
midan un mismo constructo.
Los datos se procesaron mediante estadística descriptiva,
utilizando frecuencias absolutas y porcentajes. Para los reactivos de selección
múltiple, cada opción se contabilizó independientemente, por lo que la suma de
las frecuencias y porcentajes de las opciones puede superar el número de
participantes y no necesariamente sumar 36 o 100 %, respectivamente.
Para los reactivos ordinales se conservaron las
categorías originales del instrumento. La interpretación se realizó atendiendo
a la distribución de las respuestas y a los constructos considerados, evitando
transformar las percepciones reportadas en evidencia de efectos causales.
La participación en la encuesta fue voluntaria y se
informó a los estudiantes el propósito académico de la recopilación de
información. Las respuestas fueron utilizadas exclusivamente con fines
académicos y analizadas de manera agregada. La participación en la actividad y
las respuestas proporcionadas en el instrumento no determinaron las
calificaciones académicas. Aunque los estudiantes se identificaron mediante
nombre y matrícula al contestar el instrumento, dichos datos fueron tratados como información confidencial y no se
incorporaron a la presentación de los resultados individuales. Para la
actividad con Claude se utilizaron datos provenientes de un ejercicio de un
libro de texto sobre Allied Food Products, por lo que no se introdujeron datos
personales de estudiantes ni información financiera confidencial de personas u
organizaciones reales.
Resultados
Experiencia previa con inteligencia artificial
Los resultados muestran que los participantes ya
tenían contacto con herramientas de inteligencia artificial antes de la
experiencia con Claude. En relación con el conocimiento general de IA, 20
estudiantes (55.6 %) señalaron un nivel moderado, 9 (25.0 %) reportaron un
nivel significativo o extremadamente alto y 7 (19.4 %) manifestaron un
conocimiento ligero.
La IA se utilizaba principalmente con fines escolares:
34 estudiantes (94.4 %) señalaron utilizarla en actividades académicas. También
se reportó utilización en actividades personales por 27 estudiantes (75.0 %),
entretenimiento por 18 (50.0 %) y actividades laborales por 17 (47.2 %).
En cuanto a las herramientas utilizadas previamente,
ChatGPT fue mencionada por 34 estudiantes (94.4 %), Claude por 18 (50.0 %) y Copilot
por 13 (36.1 %). Estos datos muestran que la experiencia analizada no se
desarrolló entre estudiantes sin contacto previo con la IA, sino en un grupo
que ya presentaba distintos niveles de familiaridad con estas tecnologías como
indica la tabla 1.
Tabla
1.
Experiencia previa de los estudiantes con IA
|
Indicador
|
n
|
%
|
|
Utilización de
IA en actividades escolares
|
34
|
94.4
|
|
Utilización en
actividades personales
|
27
|
75.0
|
|
Utilización en
entretenimiento
|
18
|
50.0
|
|
Utilización en
actividades laborales
|
17
|
47.2
|
|
Conocimiento
moderado de IA
|
20
|
55.6
|
|
Conocimiento
significativo o extremadamente alto
|
9
|
25.0
|
|
Conocimiento
ligero
|
7
|
19.4
|
|
Conocen/utilizan
ChatGPT
|
34
|
94.4
|
|
Conocen/utilizan
Claude
|
18
|
50.0
|
|
Conocen/utilizan
Copilot
|
13
|
36.1
|
Experiencia con Claude durante el análisis
financiero
Respecto del esfuerzo requerido para utilizar Claude,
14 estudiantes (38.9 %) lo calificaron como ligero, 11 (30.6 %) como moderado y
9 (25.0 %) señalaron que no tuvieron que realizar esfuerzo adicional. Solamente
2 (5.6 %) identificaron un esfuerzo significativo.
En cuanto al aprendizaje percibido asociado con la
actividad de análisis financiero realizada con IA, 20 estudiantes (55.6 %) lo
ubicaron en un nivel medio, 9 (25.0 %) por encima de la media, 3 (8.3 %) como
excelente y 4 (11.1 %) por debajo de la media. Estos resultados deben
interpretarse como valoraciones subjetivas de los estudiantes, no como una
medición objetiva del aprendizaje.
Al comparar los resultados obtenidos con Claude con
los derivados del ejercicio desarrollado a partir del material trabajado en el
aula, 16 estudiantes (44.4 %) señalaron una coincidencia significativa, 12
(33.3 %) una coincidencia moderada y 6 (16.7 %) una coincidencia extremadamente
alta; únicamente 2 (5.6 %) la ubicaron por debajo de la media.
Tabla
2.
Percepciones sobre la experiencia con Claude
|
Indicador
|
n
|
%
|
|
Esfuerzo ligero
|
14
|
38.9
|
|
Esfuerzo moderado
|
11
|
30.6
|
|
Sin esfuerzo adicional
|
9
|
25.0
|
|
Esfuerzo significativo
|
2
|
5.6
|
|
Aprendizaje percibido medio
|
20
|
55.6
|
|
Aprendizaje percibido
superior a la media
|
9
|
25.0
|
|
Aprendizaje percibido
excelente
|
3
|
8.3
|
|
Aprendizaje percibido por
debajo de la media
|
4
|
11.1
|
|
Coincidencia significativa
con el análisis del aula
|
16
|
44.4
|
|
Coincidencia moderada
|
12
|
33.3
|
|
Coincidencia extremadamente
alta
|
6
|
16.7
|
|
Coincidencia por debajo de la
media
|
2
|
5.6
|
Frecuencia, confiabilidad y conocimientos previos
Respecto de la frecuencia con que utilizarían Claude u
otra IA en futuras actividades escolares, 26 estudiantes (72.2 %) indicaron que
lo harían rara vez, con una frecuencia de una a dos veces por semana; 5 (13.9
%) señalaron que la utilizarían a veces, 3 (8.3 %) a menudo y 2 (5.6 %) nunca.
Por tanto, la intención reportada se concentró principalmente en un uso
ocasional.
En cuanto a la identificación de errores o sesgos al
comparar el análisis financiero realizado con IA y el desarrollado en el aula,
22 estudiantes (61.1 %) señalaron una presencia ligera, 8 (22.2 %) una
presencia moderada, 4 (11.1 %) ninguna y 2 (5.6 %) una presencia significativa
o extremadamente significativa.
Asimismo, 21 estudiantes (58.3 %) consideraron
moderadamente necesarios los conocimientos previos sobre razones financieras
para utilizar Claude, mientras que 8 (22.2 %) señalaron un nivel significativo
o extremadamente alto, 4 (11.1 %) ligero y 3 (8.3 %) consideraron que no eran
necesarios.
La confiabilidad atribuida a la IA se concentró
igualmente en un nivel medio: 17 estudiantes (47.2 %) seleccionaron esta
categoría, 8 (22.2 %) la ubicaron por encima de la media y 3 (8.3 %) la
consideraron excelente. Por debajo de la media se ubicaron 6 estudiantes (16.7
%) y en el nivel pobre 2 (5.6 %).
Tabla 3.
Uso, confiabilidad y conocimientos
previos
|
Indicador
predominante
|
n
|
%
|
|
Utilizaría IA
rara vez, 1–2 veces por semana
|
26
|
72.2
|
|
Identificación
ligera de errores o sesgos
|
22
|
61.1
|
|
Conocimientos
previos moderadamente necesarios
|
21
|
58.3
|
|
Utilidad de IA
en enseñanza-aprendizaje: nivel medio
|
17
|
47.2
|
|
Confiabilidad depositada
en IA: nivel medio
|
17
|
47.2
|
Competencias que los estudiantes consideran fortalecidas y
aportaciones académicas
En la pregunta de selección múltiple sobre
competencias, la mayor frecuencia correspondió a análisis e interpretación de
datos, seleccionada por 24 estudiantes (66.7 %), seguida de competencia
digital, con 22 (61.1 %), y competencia en IA, con 19 (52.8 %). Pensamiento
crítico y resolución de problemas fue seleccionado por 18 estudiantes (50.0 %).
También se identificaron trabajo en equipo (15; 41.7
%), pensamiento creativo (14; 38.9 %), lectura y redacción de textos académicos
(13; 36.1 %) y habilidades de comunicación (11; 30.6 %). Las menores
frecuencias correspondieron a proceso metacognitivo (8; 22.2 %), inteligencia
emocional (7; 19.4 %) y responsabilidad social y ética (5; 13.9 %). Al tratarse de una pregunta de selección
múltiple, los porcentajes no representan categorías mutuamente excluyentes.
Las principales aportaciones atribuidas a la IA fueron
facilitar búsquedas, con 32 estudiantes (88.9 %); elaborar ensayos, resúmenes y
notas, con 24 (66.7 %); reducir tiempos, con 23 (63.9 %), y crear mapas
mentales, con 22 (61.1 %). En este último conjunto también se identificó la
creación de materiales didácticos, con 23 estudiantes (63.9 %).
Tabla
4.
Competencias que los estudiantes consideran fortalecidas
|
Competencia
|
n
|
%
|
|
Análisis e interpretación de
datos
|
24
|
66.7
|
|
Competencia digital
|
22
|
61.1
|
|
Competencia en IA
|
19
|
52.8
|
|
Pensamiento crítico y
resolución de problemas
|
18
|
50.0
|
|
Trabajo en equipo
|
15
|
41.7
|
|
Pensamiento creativo
|
14
|
38.9
|
|
Lectura y redacción de textos
académicos
|
13
|
36.1
|
|
Habilidades de comunicación
|
11
|
30.6
|
|
Proceso metacognitivo
|
8
|
22.2
|
|
Inteligencia emocional
|
7
|
19.4
|
|
Responsabilidad social y
ética
|
5
|
13.9
|
Percepciones sobre integración pedagógica
La IA fue considerada una oportunidad educativa por 33
estudiantes (91.7 %), mientras que 3 (8.3 %) la identificaron como un reto.
Respecto del uso ético y responsable, 19 estudiantes
(52.8 %) mostraron una posición favorable, 16 (44.4 %) permanecieron neutrales
y 1 (2.8 %) manifestó desacuerdo. En cuanto a la incorporación de IA en todas
las experiencias educativas de la carrera, 18 (50.0 %) expresaron una posición
favorable, 16 (44.4 %) fueron neutrales y 2 (5.6 %) desfavorables.
La utilización de IA para el análisis financiero fue
considerada una estrategia innovadora por 24 estudiantes (66.7 %), mientras 10
(27.8 %) fueron neutrales y 2 (5.6 %) estuvieron en desacuerdo.
Tabla
5.
Percepciones sobre integración pedagógica de la IA
|
Aspecto
|
Favorable n (%)
|
Neutral n (%)
|
Desfavorable n (%)
|
|
La IA representa una oportunidad educativa
|
33 (91.7)
|
—
|
3 (8.3)
|
|
Uso ético y responsable
|
19 (52.8)
|
16 (44.4)
|
1 (2.8)
|
|
Incorporarla en todas las experiencias educativas
|
18 (50.0)
|
16 (44.4)
|
2 (5.6)
|
|
IA para análisis financiero como estrategia innovadora
|
24 (66.7)
|
10 (27.8)
|
2 (5.6)
|
|
Incorporarla para todos los temas de la experiencia educativa
|
21 (58.3)
|
12 (33.3)
|
3 (8.3)
|
Consistencia interna
El instrumento estuvo integrado por 31 reactivos, de
ellos 23 reactivos de respuesta ordinal fueron susceptibles de análisis de
consistencia interna. Los restantes 7 reactivos de selección múltiple y 1 de
respuesta abierta se analizaron mediante frecuencias y porcentajes y no se
incorporaron al alfa de Cronbach.
La dimensión de utilidad percibida estuvo conformada
por siete reactivos: Elige2, Elige7, Elige12, Elige18, Elige19, Elige20 y
Elige22. Con los 36 casos válidos, esta dimensión presentó α = .818, lo que
representa una consistencia interna favorable para el carácter exploratorio del
estudio.
Este resultado no debe interpretarse como evidencia de
que los 31 reactivos constituyen una única escala ni como demostración de
validez psicométrica integral del instrumento. La confiabilidad corresponde
específicamente al conjunto de reactivos agrupados para representar la utilidad
percibida en este estudio.
Discusión
Los resultados deben interpretarse considerando el carácter
cuantitativo, descriptivo, no experimental y transversal del estudio. La
experiencia se desarrolló con 36 estudiantes de la Licenciatura en
Administración, quienes realizaron una actividad de análisis financiero
mediante procedimientos convencionales y posteriormente utilizaron Claude como
herramienta de IAG. La encuesta se aplicó al finalizar la actividad, por lo que
los hallazgos representan percepciones de los participantes sobre utilidad,
aceptación, aprendizaje, confiabilidad y competencias. En consecuencia,
permiten contrastar los resultados con investigaciones previas, pero no
establecer efectos causales ni demostrar objetivamente mejoras en el
aprendizaje.
Aceptación y utilidad percibida. El
91,7 % de los estudiantes percibió la IA como una oportunidad educativa y el
66,7 % consideró innovador el uso de Claude para el análisis financiero. Estos
resultados muestran una disposición favorable hacia la incorporación de IAG
cuando se vincula con una actividad disciplinar concreta. Habibi et al. (2023)
encontraron que las condiciones facilitadoras fueron un determinante relevante
de la intención de uso de ChatGPT, mientras que la expectativa de esfuerzo no
fue significativa. Esta coincidencia puede relacionarse con el acceso directo
de los estudiantes a una herramienta capaz de apoyar una tarea específica y con
la posibilidad de comparar sus respuestas con un procedimiento previamente
trabajado.
Los resultados también se relacionan con Johnston et al. (2024),
quienes documentaron un uso significativo de IAG entre estudiantes
universitarios, aunque distinguieron entre usos aceptables y aquellos que
pueden comprometer la integridad académica. En México, Culebro Castillo et al.
(2025) reportaron una percepción favorable sobre la utilidad de estas
herramientas entre estudiantes de educación superior, acompañada de
preocupaciones sobre su uso académico. Por ello, la aceptación observada
corresponde a una experiencia determinada y no implica que cualquier uso de IAG
se considere apropiado. Asimismo, 50 % fue favorable a incorporarla en todas
las experiencias educativas y 58,3 % en todos los temas, mientras otros
participantes se mantuvieron neutrales o desfavorables.
Aprendizaje y esfuerzo percibidos.
El 55,6 % valoró su aprendizaje como medio, 25 % por encima del promedio y 8,3
% como excelente; en conjunto, 88,9 % se ubicó entre niveles intermedios y
sobresalientes. Además, 38,9 % consideró ligero el esfuerzo adicional requerido
y 30,6 % moderado. Estos resultados reflejan una valoración subjetiva favorable
de la experiencia, pero no permiten afirmar que Claude haya incrementado el
aprendizaje o reducido el esfuerzo. El estudio no incluyó pretest-postest,
grupo de comparación ni una prueba objetiva de conocimientos. Por tanto, debe
hablarse de aprendizaje percibido y no de aprendizaje efectivo.
Coincidencia percibida entre Claude y el procedimiento del aula. El 44,4 % señaló una coincidencia significativa entre Claude y el
procedimiento trabajado en clase, 33,3 % una coincidencia moderada y 16,7 %
alta. Este resultado es una coincidencia percibida por los estudiantes, no una
exactitud comprobada, porque no se validó independientemente cada fórmula,
cálculo o interpretación.
Nguyen (2024), mediante experimentos con distintos modelos de
lenguaje, incluido Claude, documentó la presencia de sesgo de anclaje y mostró
que las respuestas pueden verse influidas por información previa. Este
antecedente permite matizar la percepción de coincidencia, pues una respuesta
aparentemente consistente no necesariamente es correcta en todos sus
componentes. La actividad permitió utilizar el procedimiento manual como
referente para comparar la producción de Claude, identificar coincidencias y
discrepancias y reflexionar sobre sus resultados. Sin embargo, esta experiencia
no demuestra que dicha estrategia produzca mejores resultados académicos.
Errores, sesgos y confiabilidad percibida. El 61,1 % identificó una presencia ligera de errores o sesgos y el
22,2 % una presencia moderada. La confiabilidad se valoró principalmente como
media (47,2 %), aunque 22,2 % la ubicó por encima del promedio y 8,3 % como
excelente; en contraste, 16,7 % la consideró inferior al promedio y 5,6 %
deficiente. Así, la valoración favorable coexistió con una percepción de
limitaciones.
Estos resultados son congruentes con Nguyen (2024), quien documentó
sesgos sistemáticos en modelos de lenguaje y una efectividad variable de
algunas estrategias de mitigación. También coinciden con Moundridou et al.
(2024), quienes señalaron la necesidad de revisar y validar los contenidos
generados mediante IAG debido a la posibilidad de errores o información
inexacta. No obstante, mientras esos estudios analizan el comportamiento de los
modelos bajo determinadas condiciones, el presente trabajo recoge percepciones
estudiantiles y no verificó experimentalmente la exactitud de cada respuesta.
Conocimiento disciplinar y supervisión humana. El 58,3 % consideró moderada la necesidad de contar previamente con
conocimientos sobre razones financieras; el 22,2 % la ubicó en niveles
significativos o extremadamente altos, el 11,1 % como ligera y el 8,3 %
consideró que no existía. Esto muestra que los estudiantes no percibieron a
Claude como sustituto completo del conocimiento disciplinar. En una actividad
de análisis financiero, la interpretación de indicadores requiere comprender su
significado y relación con la situación financiera, por lo que la respuesta
generada necesita ser examinada por quien posee los referentes disciplinares.
Esta consideración coincide con Crowther et al. (2025), quienes
analizaron Claude 3.5 Sonnet y otros modelos en tareas educativas y señalaron
la importancia de la supervisión humana. Moundridou et al. (2024) también
plantearon el uso de IAG dentro de procesos pedagógicamente estructurados. En
la experiencia analizada, la resolución inicial del problema y la posterior
comparación con Claude mantuvieron el razonamiento disciplinar como referente
para valorar la respuesta de la herramienta.
Competencias percibidas y dimensión ética. Las competencias que los estudiantes percibieron fortalecidas con
mayor frecuencia fueron análisis e interpretación de datos (66,7 %),
competencia digital (61,1 %), competencia en IA (52,8 %) y pensamiento crítico
y resolución de problemas (50 %). En contraste, responsabilidad social y ética
obtuvo 13,9 % y metacognición 22,2 %. La mayor identificación de competencias
técnicas puede relacionarse con que la actividad se centró en el análisis
financiero, mientras que las dimensiones éticas fueron menos visibles en una
tarea predominantemente técnica.
Los resultados se relacionan con Johnston et al. (2024), quienes
identificaron diferencias entre la aceptación de usos académicos de IA y
prácticas que pueden afectar la integridad académica, y con Xia et al. (2024),
quienes destacan la importancia del aprendizaje, la autorregulación y la responsabilidad
ante las transformaciones de la educación superior. En el presente estudio,
52,8 % manifestó una posición favorable hacia el uso ético y responsable de la
IA, 44,4 % permaneció neutral y 2,8 % desfavorable. Estos datos muestran que la
dimensión ética está presente, aunque no de manera homogénea.
Debe precisarse que las competencias reportadas se perciben; por
ello, no puede afirmarse que hayan sido desarrolladas objetivamente como
consecuencia de la experiencia. Para establecer cambios efectivos se
requerirían instrumentos específicos y mediciones comparables.
Implicaciones pedagógicas. A partir
de los resultados y de la literatura revisada, puede plantearse el uso de la
IAG como recurso de contraste y no solamente como generador de respuestas. Los
cinco momentos de la secuencia vivida son: primeramente resolver el problema
con los procedimientos disciplinares, después utilizar a Claude como apoyo,
comparar ambas respuestas, identificar y fundamentar coincidencias,
discrepancias, errores o posibles sesgos y formular conclusiones fundamentadas.
Esta propuesta es congruente con la necesidad de supervisión humana
señalada por Crowther et al. (2025) y Moundridou et al. (2024), así como con la
necesidad de evaluación crítica de las respuestas generadas. Su propósito sería
desplazar el énfasis desde la obtención inmediata de una respuesta hacia su
análisis y verificación. Sin embargo, se trata de una propuesta derivada de la
experiencia y la literatura, cuya eficacia no fue demostrada por este estudio.
Investigaciones posteriores podrían evaluarla mediante diseños comparativos,
mediciones objetivas de conocimientos y análisis de la calidad de las
respuestas con y sin apoyo de IAG.
Alcance y delimitaciones. Los
resultados corresponden a 36 estudiantes, una actividad específica de análisis
financiero y una encuesta aplicada después de la experiencia. No se contó con
pretest-postest, grupo control ni evaluación objetiva de los aprendizajes. Por
ello, no permiten generalizar las percepciones a otros estudiantes ni
establecer efectos causales de Claude sobre aprendizaje o competencias. Tampoco
permiten afirmar que las respuestas fueran objetivamente correctas en los casos
en los que los estudiantes percibieron coincidencia.
La aportación del estudio consiste en describir una experiencia
concreta de integración de IAG en una actividad disciplinar y las percepciones
de los estudiantes sobre utilidad, aceptación, aprendizaje, coincidencia,
confiabilidad, errores o sesgos, competencias y condiciones éticas de uso. Los
hallazgos resaltan la importancia de mantener conocimiento disciplinar,
verificación y orientación pedagógica como componentes del proceso, y plantean
la necesidad de investigaciones posteriores con diseños más robustos para
evaluar objetivamente los efectos educativos de la IAG.
Conclusión
Primera, respecto de la Valoración y utilidad percibida de Claude,
en el grupo estudiado, Claude fue valorado como un recurso de apoyo para la
actividad de análisis financiero. Los estudiantes percibieron utilidad
principalmente en la búsqueda, organización y análisis de información, así como
en la comparación de procedimientos y resultados. Asimismo, señalaron como
capacidades percibidas como fortalecidas el análisis e interpretación de datos,
el uso de tecnologías y el pensamiento crítico y la resolución de problemas.
Estas percepciones corresponden a la experiencia reportada por los
participantes y no constituyen evidencia de un incremento objetivo del
aprendizaje o de las competencias.
Segunda, en cuanto a las condiciones para su utilización crítica, las
percepciones obtenidas muestran que el uso académico de Claude se relacionó con
la necesidad de contar con conocimientos disciplinares sobre análisis
financiero y de verificar las respuestas generadas. Los participantes
reconocieron la importancia de contrastar los resultados de la herramienta con
los procedimientos trabajados en el aula, los conocimientos financieros y
fuentes académicas. En este sentido, las percepciones del grupo sugieren la
relevancia de una orientación pedagógica que favorezca la formulación de
prompts, la revisión y verificación de la información, la argumentación de los
resultados y la responsabilidad del estudiante sobre las decisiones académicas
tomadas con apoyo de la herramienta.
Tercera, los principales desafíos identificados entre las
percepciones reportadas se detectaron reservas relacionadas con la
confiabilidad de las respuestas, así como la presencia de errores o sesgos y la
posibilidad de dependencia tecnológica. La confiabilidad fue valorada
predominantemente en niveles medios y 61.1 % de los participantes identificó
una presencia ligera de errores o sesgos al contrastar los resultados obtenidos
con Claude y los desarrollados en el aula. Asimismo, la dimensión ética obtuvo
menor reconocimiento entre las competencias percibidas como fortalecidas. Estos
resultados describen desafíos que los participantes asociaron con el uso de IAG
y refuerzan, desde su percepción, la importancia de un uso crítico, responsable
y acompañado por criterios de revisión.
Cuarta,
respecto de la delimitación del alcance del estudio, los hallazgos describen
las percepciones de 36 estudiantes de la Licenciatura en Administración de un
sistema universitario de enseñanza abierta después de una actividad específica
de análisis financiero con Claude. Debido al carácter cuantitativo,
descriptivo, no experimental y transversal del estudio, así como al tamaño y
contexto de la muestra, los resultados no permiten generalizar las percepciones
obtenidas ni establecer efectos causales de Claude sobre el aprendizaje o el
desarrollo de competencias. En consecuencia, los hallazgos constituyen una
aproximación exploratoria que puede servir de base para investigaciones
posteriores con muestras mayores, diseños comparativos o longitudinales,
mediciones objetivas del aprendizaje e instrumentos con mayor evidencia de
validez.
Referencias
Bhullar, P. S., Joshi, M., &
Chugh, R. (2024). ChatGPT in higher education—A synthesis of the literature and
a future research agenda. Education and Information Technologies, 29(16),
21501–21522. https://doi.org/10.1007/s10639-024-12723-x
Crowther, G. J., Funk, M. D.,
Hennessey, K. M., & Lawrence, M. M. (2025). Frontier model chatbots can
help instructors create, improve, and use learning objectives. Advances in Physiology Education, 49(1),
219–229. https://doi.org/10.1152/advan.00159.2024
Culebro Castillo, K., Garizurieta
Bernabe, J., & Gazca Herrera, L. A. (2025). Estudio sobre la percepción del
uso de la inteligencia artificial generativa en los procesos de aprendizaje en
estudiantes de educación superior. RIDE Revista Iberoamericana para la
Investigación y el Desarrollo Educativo, 16(31), Article e984. https://doi.org/10.23913/ride.v16i31.2661
Davis, F. D. (1989). Perceived usefulness, perceived ease of
use, and user acceptance of information technology. MIS Quarterly, 13(3),
319–340. https://doi.org/10.2307/249008
Habibi, A., Muhaimin, Danibao, B.
K., Wibowo, Y. G., Wahyuni, S., & Octavia, A. (2023). ChatGPT in higher
education learning: Acceptance and use. Computers and Education: Artificial
Intelligence, 5, Article 100190. https://doi.org/10.1016/j.caeai.2023.100190
Hashmi, N., & Bal, A. S.
(2024). Generative AI in higher education and beyond. Business Horizons, 67(5), 607–614. https://doi.org/10.1016/j.bushor.2024.05.005
Hernández González, M., Ramos
Quiroz, J. M., Chávez Maciel, F. J., & Trejo Cázares, M. del C. (2024).
Ventajas y riesgos de la inteligencia artificial generativa desde la percepción
de los estudiantes de educación superior en México. European
Public & Social Innovation Review, 9, 1–19. https://doi.org/10.31637/epsir-2024-495
Johnston, H., Wells, R. F.,
Shanks, E. M., Boey, T., & Parsons, B. N. (2024). Student perspectives on
the use of generative artificial intelligence technologies in higher education.
International Journal for Educational Integrity, 20, Article 2. https://doi.org/10.1007/s40979-024-00149-4
Moundridou, M., Matzakos, N. M.,
& Doukakis, S. (2024). Generative AI tools as educators’ assistants:
Designing and implementing inquiry-based lesson plans. Computers and
Education: Artificial Intelligence, 7, Article 100277. https://doi.org/10.1016/j.caeai.2024.100277
Nguyen, J. K. (2024). Human bias
in AI models? Anchoring effects and mitigation strategies in large language
models. Journal of Behavioral and Experimental Finance, 43, Article 100971.
https://doi.org/10.1016/j.jbef.2024.100971
Xia, Q., Weng, X., Ouyang, F.,
Lin, T. J., & Chiu, T. K. F. (2024). A scoping review on how generative
artificial intelligence transforms assessment in higher education. International
Journal of Educational Technology in Higher Education, 21, Article 40. https://doi.org/10.1186/s41239-024-00468-z
Financiación
Los autores no recibieron financiación para
el desarrollo de la presente investigación.
Conflicto de
Intereses
Los autores declaran que no existe
conflicto de intereses.
Contribución
de Autoría:
Conceptualización: Ph.D. María del Pilar Enríquez Gómez,
Ph.D. Elena Aguilar Canseco, Ph.D. Marisol Pérez Mugica
Curación de datos: Ph.D. María del Pilar Enríquez Gómez,
Ph.D. Elena Aguilar Canseco, Ph.D. Marisol Pérez Mugica
Análisis formal: Ph.D. María del Pilar Enríquez Gómez,
Ph.D. Elena Aguilar Canseco, Ph.D. Marisol Pérez Mugica
Adquisición de fondos: Ph.D. María del Pilar
Enríquez Gómez, Ph.D. Elena Aguilar Canseco, Ph.D. Marisol
Pérez Mugica
Investigación: Ph.D. María del Pilar Enríquez Gómez,
Ph.D. Elena Aguilar Canseco, Ph.D. Marisol Pérez Mugica
Metodología: Ph.D. María del Pilar Enríquez Gómez,
Ph.D. Elena Aguilar Canseco, Ph.D. Marisol Pérez Mugica
Administración del proyecto: Ph.D. María del Pilar
Enríquez Gómez, Ph.D. Elena Aguilar Canseco, Ph.D. Marisol
Pérez Mugica
Recursos – Materiales: Ph.D. María del Pilar
Enríquez Gómez, Ph.D. Elena Aguilar Canseco, Ph.D. Marisol
Pérez Mugica
Software – Programación: Ph.D. María del Pilar
Enríquez Gómez, Ph.D. Elena Aguilar Canseco, Ph.D. Marisol
Pérez Mugica
Supervisión: Ph.D. María del Pilar Enríquez Gómez,
Ph.D. Elena Aguilar Canseco, Ph.D. Marisol Pérez Mugica
Validación: Ph.D. María del Pilar Enríquez Gómez,
Ph.D. Elena Aguilar Canseco, Ph.D. Marisol Pérez Mugica
Visualización: Ph.D. María del Pilar Enríquez Gómez,
Ph.D. Elena Aguilar Canseco, Ph.D. Marisol Pérez Mugica
Redacción – borrador original: Ph.D. María del Pilar
Enríquez Gómez, Ph.D. Elena Aguilar Canseco, Ph.D. Marisol
Pérez Mugica
Redacción – revisión y edición: Ph.D. María del Pilar
Enríquez Gómez, Ph.D. Elena Aguilar Canseco, Ph.D. Marisol
Pérez Mugica
