Póster presentado en el VI Encuentro Internacional de Psicología y Educación en el Siglo XXI, organizado por el Instituto de Psicología, Educación y Desarrollo Humano de la Facultad de Psicología de la Universidad de la República (UdelaR), Uruguay.
La inteligencia artificial generativa irrumpe en la educación secundaria como agente mediador, redefiniendo el acceso al conocimiento, la resolución de problemas y la autoeficacia percibida de los adolescentes.
Las actitudes estudiantiles condicionan la adopción efectiva de esta tecnología, por lo que comprender sus percepciones resulta relevante. Sin embargo, la mayoría de los instrumentos disponibles fue validada en población universitaria, lo que limita su aplicabilidad en adolescentes escolarizados.
Objetivo
Evaluar las propiedades psicométricas y validar la estructura interna de la Escala de Percepción de uso de Inteligencia Artificial (PEIIA) en estudiantes de educación secundaria de Argentina.
El instrumento original fue desarrollado por Torres-Gastelú y Torres-Real (2025) y validado en educación superior en México. Se trata de una escala multidimensional que integra dimensiones cognitivas, afectivas y de comportamiento.
Metodología
Participaron 450 adolescentes escolarizados, de entre 13 y 20 años (M = 15,10; DE = 1,48), pertenecientes a instituciones secundarias privadas de la Ciudad Autónoma de Buenos Aires y la provincia de Corrientes.
Se utilizó un muestreo no probabilístico por conveniencia.
La versión original de la PEIIA estaba compuesta por 35 ítems con formato Likert de cinco puntos, junto con un cuestionario sociodemográfico ad hoc.
El estudio contó con la aprobación del Comité de Ética de la Facultad de Psicología de la Universidad de Buenos Aires y se ajustó a la Declaración de Helsinki.
Los análisis incluyeron:
- esfericidad de Bartlett e índice KMO;
- análisis factorial exploratorio;
- análisis factorial confirmatorio;
- omega de McDonald para evaluar la fiabilidad;
- AVE para la validez convergente;
- HTMT para la validez discriminante.
Resultados
El modelo original, compuesto por 35 ítems y 7 factores, presentó un ajuste insatisfactorio:
- CFI = .811
- TLI = .791
Se observó un solapamiento entre:
- Efectividad de uso y Mejoras de aprendizaje;
- Apoyo hacia el aprendizaje y Reacciones emocionales.
Tras una depuración secuencial se eliminaron ocho ítems y se fusionaron estas dimensiones.
El modelo final quedó compuesto por 27 ítems y 5 factores:
- Utilidad académica
- Aceptación socioemocional
- Dependencia cognitiva y tecnológica
- Facilidad de uso
- Percepción de precisión
El modelo final presentó los siguientes indicadores:
- CFI = .953
- TLI = .947
- RMSEA = .066
- SRMR = .059
- χ²/gl = 2.94
Todas las cargas factoriales fueron significativas.
La consistencia interna fue adecuada en cuatro de los cinco factores. Facilidad de uso fue el factor más débil y requiere revisión.
Conclusiones
Los adolescentes presentaron una representación más holística e integrada de la inteligencia artificial que la población universitaria: no distinguieron conceptualmente entre efectividad técnica y mejora del aprendizaje, ni entre apoyo percibido y reacciones emocionales.
Los autores señalan que este patrón podría vincularse con el desarrollo de las funciones ejecutivas durante la adolescencia.
Además, la robustez de Dependencia cognitiva y tecnológica como factor independiente reafirma la necesidad de acompañamiento instruccional explícito al integrar la inteligencia artificial en el aula.
Esta constituye la primera adaptación y validación de la PEIIA en adolescentes argentinos, proporcionando una herramienta psicométricamente sólida y culturalmente situada para el contexto escolar de la región.
Aplicaciones
La escala puede utilizarse para:
- identificar perfiles de percepción que orienten decisiones institucionales;
- diseñar intervenciones para un uso crítico y autónomo de la inteligencia artificial;
- detectar tempranamente estudiantes con mayor riesgo de dependencia cognitiva.
Limitaciones y proyecciones
El estudio presenta como limitaciones el muestreo no probabilístico y la ausencia de validación cruzada.
Se recomienda replicar el modelo en muestras probabilísticas y explorar la invarianza de medición entre géneros y rangos etarios.
Autores:
- Santiago Alejandro Resett
Pontificia Universidad Católica Argentina - María Sofía Lorenzo
Colegio Informático San Juan de Vera - Cristian Yair Logatt Grabner
Asociación Educar para el Desarrollo Humano - Alejandra Daniela Calero
CIIPME-CONICET
Instrumento original
Torres-Gastelú , C. A., & Torres-Real, C. (2025). Validación de una escala sobre la percepción de la Inteligencia Artificial en la educación superior. Ciencia Latina Revista Científica Multidisciplinar, 9(2), 5706-5725. https://doi.org/10.37811/cl_rcm.v9i2.17324
En AE creemos que el pensamiento crítico no se delega. Se ejerce.
Por eso creamos un canal de WhatsApp con el propósito de ofrecerte un análisis riguroso de los temas más relevantes, a través de la mirada de expertos y científicos que comparten sus fuentes para que puedas profundizar, contrastar información y elaborar tus propias conclusiones para decidir con autonomía y fundamento.
Cómo citar esta publicación: Resett, S. A., Lorenzo, M. S., Logatt Grabner, C. Y., & Calero, A. D. (2026). Percepción del uso de inteligencia artificial en adolescentes: adaptación y validación de la escala PEIIA en Argentina. Póster presentado en el VI Encuentro Internacional de Psicología y Educación en el Siglo XXI, organizado por el Instituto de Psicología, Educación y Desarrollo Humano de la Facultad de Psicología de la Universidad de la República (UdelaR), Uruguay. https://asociacioneducar.com/percepcion-del-uso-de-inteligencia-artificial-en-adolescentes-adaptacion-y-validacion-de-la-escala-peiia-en-argentina/
Artículos relacionados
