Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Edición Especial II 2026
Página 991
PERCEPCIONES Y ACTITUDES DE DOCENTES DE LA UNIDAD EDUCATIVA AGUSTÍN
CASTRO ESPINOZA DE LA CIUDAD DE GUAYAQUIL HACIA LA INTEGRACIÓN DE
INTELIGENCIA ARTIFICIAL EN EL AULA: UN ANÁLISIS MULTIFACTORIAL
BASADO EN EL MODELO DE ACEPTACIÓN
PERCEPTIONS AND ATTITUDES OF TEACHERS AT THE AGUSTÍN CASTRO
ESPINOZA EDUCATIONAL UNIT IN THE CITY OF GUAYAQUIL TOWARDS THE
INTEGRATION OF ARTIFICIAL INTELLIGENCE IN THE CLASSROOM: A
MULTIFACTORIAL ANALYSIS BASED ON THE ACCEPTANCE MODEL
Autores: ¹Diana Graciela Espinoza Herrera, ²Gladys Janina Chávez Pérez, ³Génesis Genoveva
Nevárez Cevallos y
4
Gabriela Natalia Torres Jara.
¹ORCID ID: https://orcid.org/0009-0000-8710-191X
²ORCID ID: https://orcid.org/0009-0005-2451-5644
²ORCID ID: https://orcid.org/0009-0005-2450-1103
4
ORCID ID: https://orcid.org/0000-0001-9941-0621
¹E-mail de contacto: despinozah2@unemi.edu.ec
²E-mail de contacto: gperez2@unemi.edu.ec
³E-mail de contacto: gnevarezc@unemi.edu.ec
4
E-mail de contacto: gtorresj@unemi.edu.ec
Afiliación:¹*
2*3*4*
Universidad Estatal de Milagro, Milagro, Provincia del Guayas, Ecuador, 091050.
Artículo recibido: 12 de Marzo del 2026
Artículo revisado: 14 de Marzo del 2026
Artículo aprobado: 20 de Marzo del 2026
¹Licenciada en Ciencias de la Educación mención Sistemas Multimedia, Universidad de Guayaquil, (Ecuador).
²Licenciada en Ciencias de la Educación mención Informática y Programación, Universidad Estatal de Milagro, (Ecuador).
³Licenciada en Ciencias de la Educación mención Físico Matemáticas, Universidad Laica Eloy Alfaro de Manabí (Ecuador).
4
Ingeniera en Gestión Turística y Hotelera, Universidad Nacional de Chimborazo, (Ecuador). Máster Universitario en Gestión del
Patrimonio Cultural y Museología por la Universitat de Barcelona, (España)..
Resumen
El objetivo de la presente investigación fue
analizar las percepciones y actitudes de los
docentes de la Unidad Educativa Agustín
Castro Espinoza en la ciudad de Guayaquil
hacia la integración de la Inteligencia Artificial
en el aula, utilizando las dimensiones del
Modelo de Aceptación Tecnológica. Se
desarrolló un estudio bajo un enfoque
cuantitativo, de alcance descriptivo y
correlacional, con un diseño no experimental y
transversal. La recolección de datos se realizó
mediante un cuestionario estructurado con
escala de Likert, aplicado a una muestra por
conveniencia de profesores inmersos en un
proceso de capacitación institucional en
herramientas digitales. Los hallazgos revelaron
una percepción altamente favorable sobre la
utilidad de la tecnología para optimizar tareas
administrativas y de planificación pedagógica,
encontrándose una correlación positiva y
significativa entre esta utilidad y la actitud
hacia su uso. Sin embargo, la facilidad de uso
percibida obtuvo valoraciones moderadas,
indicando cierta inseguridad inicial frente a la
formulación de instrucciones a los sistemas
algorítmicos, barrera que se mitiga por el
dominio previo de plataformas digitales. Se
concluye que existe una robusta intención de
uso docente fundamentada en la eficiencia
operativa. Para garantizar una adopción
exitosa, es indispensable transitar de una
capacitación instrumental hacia una
alfabetización tecnológica integral,
estableciendo directrices éticas y pedagógicas
que aseguren una integración responsable en el
contexto educativo.
Palabras clave: Inteligencia Artificial,
Modelo de Aceptación Tecnológica,
Educación secundaria, Actitud del docente,
Innovación pedagógica, Competencias
digitales.
Abstract
The objective of this research was to analyze
the perceptions and attitudes of teachers at the
Agustín Castro Espinoza Educational Unit in
the city of Guayaquil towards the integration of
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Edición Especial II 2026
Página 992
Artificial Intelligence in the classroom, using
the dimensions of the Technology Acceptance
Model. A study was developed under a
quantitative approach, with a descriptive and
correlational scope, and a non-experimental,
cross-sectional design. Data collection was
carried out using a structured questionnaire
with a Likert scale, applied to a convenience
sample of teachers immersed in an institutional
training process on digital tools. The findings
revealed a highly favorable perception of the
technology's utility to optimize administrative
tasks and pedagogical planning, finding a
positive and significant correlation between
this utility and the attitude towards its use.
However, the perceived ease of use obtained
moderate evaluations, indicating some initial
insecurity regarding the formulation of
instructions to algorithmic systems, a barrier
that is mitigated by the previous mastery of
digital platforms. It is concluded that there is a
robust intention of teacher use based on
operational efficiency. To guarantee successful
adoption, it is essential to transition from
instrumental training to comprehensive
technological literacy, establishing ethical and
pedagogical guidelines that ensure responsible
integration in the educational context.
Keywords: Artificial Intelligence,
Technology Acceptance Model, Secondary
education, Teacher attitude, Pedagogical
innovation, Digital competencies.
Sumário
O objetivo da presente pesquisa foi analisar as
percepções e atitudes dos professores da
Unidade Educativa Agustín Castro Espinoza na
cidade de Guayaquil em relação à integração da
Inteligência Artificial em sala de aula,
utilizando as dimensões do Modelo de
Aceitação Tecnológica. Desenvolveu-se um
estudo sob uma abordagem quantitativa, de
alcance descritivo e correlacional, com um
desenho não experimental e transversal. A
coleta de dados foi realizada por meio de um
questionário estruturado com escala de Likert,
aplicado a uma amostra por conveniência de
professores imersos em um processo de
capacitação institucional em ferramentas
digitais. Os resultados revelaram uma
percepção altamente favorável sobre a utilidade
da tecnologia para otimizar tarefas
administrativas e de planejamento pedagógico,
encontrando-se uma correlação positiva e
significativa entre essa utilidade e a atitude em
relação ao seu uso. No entanto, a facilidade de
uso percebida obteve avaliações moderadas,
indicando certa insegurança inicial frente à
formulação de instruções aos sistemas
algorítmicos, barreira que é mitigada pelo
domínio prévio de plataformas digitais.
Conclui-se que existe uma robusta intenção de
uso docente fundamentada na eficiência
operacional. Para garantir uma adoção bem-
sucedida, é indispensável transitar de uma
capacitação instrumental para uma
alfabetização tecnológica integral,
estabelecendo diretrizes éticas e pedagógicas
que assegurem uma integração responsável no
contexto educativo.
Palavras-chave: Inteligência Artificial,
Modelo de Aceitação Tecnológica, Ensino
médio, Atitude do professor, Inovação
pedagógica, Competências digitais.
Introducción
La irrupción de la Inteligencia Artificial (IA) en
el ámbito educativo ha transformado
drásticamente los paradigmas tradicionales de
enseñanza y aprendizaje, pasando de ser una
tecnología emergente a una herramienta
fundamental en las aulas modernas.
Organismos internacionales como la UNESCO
(2024) han destacado que la IA tiene el
potencial de abordar algunos de los mayores
desafíos de la educación actual, innovar en las
prácticas de enseñanza y acelerar el progreso
hacia el Objetivo de Desarrollo Sostenible 4.
Sin embargo, esta integración no está exenta de
desafíos, ya que requiere no solo infraestructura
tecnológica, sino una adaptación pedagógica
profunda por parte de los educadores, quienes
actúan como los principales mediadores en este
proceso de cambio digital (Holmes y Miao,
2024). En el contexto latinoamericano, y
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Edición Especial II 2026
Página 993
específicamente en Ecuador, la adopción de
estas tecnologías avanza a un ritmo desigual,
marcado por brechas digitales y necesidades de
capacitación docente urgentes. Según un
estudio reciente de la Comisión Económica para
América Latina y el Caribe (CEPAL, 2020),
aunque existe un interés creciente en la
digitalización escolar, la falta de competencias
digitales avanzadas en el profesorado sigue
siendo una barrera crítica para la
implementación efectiva de la IA. En ciudades
como Guayaquil, donde la densidad estudiantil
es alta, la presión por modernizar el currículo
choca a menudo con la realidad de las
percepciones docentes, que oscilan entre el
entusiasmo por la innovación y el temor al
desplazamiento laboral o la pérdida de la
interacción humana.
La Unidad Educativa Agustín Castro Espinoza
no es ajena a esta realidad global y local. Como
institución encargada de formar a las nuevas
generaciones de guayaquileños, se enfrenta al
reto de integrar herramientas de IA generativa y
plataformas adaptativas en su modelo
educativo. Investigaciones recientes, como las
de Chiu et al. (2023), sugieren que el éxito de
esta integración no depende exclusivamente de
la disponibilidad de software, sino
intrínsecamente de la "preparación psicológica
y técnica" de los maestros. Por lo tanto,
comprender qué sienten, piensan y esperan los
docentes de esta unidad educativa sobre la IA es
un paso previo indispensable para cualquier
estrategia de implementación tecnológica
exitosa. Para analizar estas dinámicas, resulta
pertinente emplear modelos teóricos
consolidados que expliquen el comportamiento
humano frente a la tecnología. El Modelo de
Aceptación Tecnológica (TAM), propuesto
originalmente por Davis y actualizado en
contextos de IA por autores como Sun et al.
(2025), ofrece un marco robusto para examinar
cómo la utilidad percibida y la facilidad de uso
percibida influyen directamente en la actitud
del docente hacia el uso de la IA. Este enfoque
multifactorial permite ir más allá de una simple
encuesta de opinión, desglosando las variables
específicas como la ansiedad tecnológica, la
influencia social y las condiciones facilitadoras
que determinan la intención real de un profesor
de incorporar estas herramientas en su
planificación diaria.
El sistema educativo ecuatoriano atraviesa una
etapa de transformación digital acelerada,
caracterizada por la búsqueda constante de
modernización en sus procesos pedagógicos y
administrativos para cerrar las brechas
tecnológicas existentes. En este escenario, el
Ministerio de Educación ha impulsado
recientemente una migración estratégica de
plataformas, pasando del ecosistema de
Microsoft Teams al entorno de Google
Workspace for Education. Este cambio no es
meramente técnico, sino que conlleva un
programa masivo de capacitación docente
enfocado en el dominio de las nuevas
herramientas colaborativas y el uso del nuevo
correo institucional, lo cual está reconfigurando
las competencias digitales del magisterio. Este
contexto de adaptación forzosa, pero necesaria,
sienta las bases ideales para analizar cómo los
educadores perciben la llegada de tecnologías
aún más disruptivas, como la Inteligencia
Artificial, en un momento donde la flexibilidad
y la alfabetización digital son más exigidas que
nunca. Dentro de este panorama nacional se
inserta la Unidad Educativa Agustín Castro
Espinoza de la ciudad de Guayaquil, una
institución que refleja los desafíos y
oportunidades de la educación pública urbana.
Sus docentes, quienes se encuentran
actualmente inmersos en el proceso de adopción
de las herramientas de Google, enfrentan el
doble reto de dominar estas aplicaciones básicas
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Edición Especial II 2026
Página 994
mientras comienzan a vislumbrar el potencial
de la Inteligencia Artificial en sus aulas.
Investigar sus percepciones y actitudes bajo un
análisis multifactorial en este momento preciso
resulta crucial, pues su nivel de aceptación
hacia la IA podría estar fuertemente
condicionado por la experiencia actual de
transición tecnológica que viven; es decir, la
capacitación gubernamental vigente podría
actuar como un catalizador que facilite la
apertura hacia nuevas herramientas o, por el
contrario, como un factor de estrés que genere
resistencia ante la innovación educativa.
Sin embargo, la literatura actual señala que los
factores que influyen en la aceptación de la IA
son más complejos que en tecnologías
anteriores debido a la naturaleza autónoma de
estos sistemas. Estudios realizados por Nguyen
et al. (2023) indican que las preocupaciones
éticas, la privacidad de los datos de los
estudiantes y la fiabilidad de los contenidos
generados por IA son nuevos factores
determinantes que modifican las actitudes
docentes. Al aplicar un análisis multifactorial en
la Unidad Educativa Agustín Castro Espinoza,
es posible identificar no solo las barreras
técnicas, sino también las resistencias éticas y
pedagógicas específicas de este cuerpo docente,
proporcionando una radiografía exacta de su
estado de preparación. En consecuencia, la
presente investigación tiene como objetivo
analizar las percepciones y actitudes de los
docentes de la Unidad Educativa Agustín
Castro Espinoza hacia la integración de la
Inteligencia Artificial en el aula. A través de un
análisis basado en el Modelo de Aceptación
Tecnológica, se busca determinar cómo
diversos factores influyen en su predisposición
al uso de estas herramientas. Los hallazgos de
este estudio no solo contribuirán al cuerpo de
conocimiento sobre la IA en la educación
ecuatoriana, sino que servirán de base para
diseñar planes de capacitación y políticas
institucionales que faciliten una transición
digital armónica, ética y pedagógicamente
efectiva en el contexto local.
La literatura reciente sobre la integración de la
Inteligencia Artificial (IA) en la educación ha
crecido exponencialmente, destacando la
importancia de la percepción docente como
factor crítico. Investigaciones globales, como la
realizada por Serpen (2025), sugieren que,
aunque los docentes reconocen el potencial de
la IA para personalizar el aprendizaje, persisten
barreras significativas relacionadas con la falta
de alfabetización en IA y el temor a la pérdida
de autonomía pedagógica. Esto concuerda con
los hallazgos de Nazaretsky et al. (2022),
quienes, al analizar las actitudes de los
educadores hacia los sistemas de tutoría
inteligente, encontraron que la confianza en la
tecnología está directamente correlacionada con
la transparencia de los algoritmos; cuando los
docentes no entienden cómo la IA toma
decisiones, su "utilidad percibida" disminuye
drásticamente, un fenómeno que debe ser
considerado al aplicar el Modelo de Aceptación
Tecnológica (TAM).
En el contexto específico de la educación
secundaria y las barreras de
implementación, Chiu et al.
(2023) identificaron en su revisión sistemática
que el apoyo institucional y la infraestructura
son tan determinantes como la actitud
individual del profesor. Su estudio resalta que la
"facilidad de uso" (una variable clave del TAM)
no es solo una característica del software, sino
una consecuencia de la capacitación recibida.
Por otro lado, Kim y Lee (2024) ampliaron el
modelo TAM tradicional agregando la variable
de "ansiedad ante la IA", demostrando en un
estudio con docentes surcoreanos que el miedo
a ser reemplazados por la tecnología actúa como
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Edición Especial II 2026
Página 995
un inhibidor potente, incluso cuando los
docentes admiten racionalmente que la
herramienta es útil para tareas administrativas.
La dimensión ética y la percepción de riesgo
son factores emergentes que están redefiniendo
los modelos de aceptación. Holmes et al.
(2022) argumentan que las preocupaciones
sobre la privacidad de los datos de los
estudiantes y el sesgo algorítmico moderan
negativamente la intención de uso de la IA. En
una línea similar, Flores y García (2023), en un
estudio enfocado en el ámbito iberoamericano,
señalan que los docentes valoran la IA
generativa (como ChatGPT) pero demandan
marcos regulatorios claros antes de integrarla
plenamente en el aula. Estos estudios sugieren
que un análisis multifactorial en contextos
como el de Guayaquil no puede ignorar la
dimensión ética como un predictor de la actitud.
En cuanto a las competencias digitales
necesarias para la adopción de la IA, Caena y
Redecker (2019) cuyo marco sigue siendo la
base de estudios actuales como el de Ferrari
(2023) establecen que la competencia digital
docente debe evolucionar hacia una
"competencia en IA", que incluye no solo el uso
instrumental, sino la capacidad crítica. Un
estudio reciente de Dalyanci et al. (2025) en
escuelas de Estados Unidos corrobora esto,
encontrando que los programas de desarrollo
profesional que se centran únicamente en
habilidades técnicas fallan en cambiar las
actitudes a largo plazo; se requiere un enfoque
pedagógico que demuestre cómo la IA mejora,
y no suplanta, la interacción humana.
Estudios aplicados en contextos
latinoamericanos ofrecen paralelos importantes
para la investigación en Ecuador. Álvarez y
Gómez (2026) analizó la percepción de futuros
docentes sobre las tecnologías emergentes,
concluyendo que existe una brecha entre la
autopercepción de competencia digital y la
habilidad real para aplicar IA didácticamente.
Asimismo, Castro et al. (2025), en un análisis
sobre la transformación educativa en la región
andina, destaca que la resistencia al cambio
suele estar vinculada a la falta de "condiciones
facilitadoras" en las escuelas públicas. Estos
antecedentes validan la necesidad de estudiar la
realidad local de la Unidad Educativa Agustín
Castro Espinoza, donde las variables
socioculturales y económicas pueden alterar
significativamente los patrones de aceptación
observados en el "Norte Global". La
Inteligencia Artificial en la Educación (IAEd)
se define como el uso de sistemas informáticos
capaces de realizar tareas que normalmente
requieren inteligencia humana, tales como el
aprendizaje adaptativo, la tutoría inteligente y el
procesamiento del lenguaje natural, aplicados
específicamente para mejorar los procesos
pedagógicos. Según Holmes y Miao (2024), la
IAEd no busca sustituir al docente, sino
potenciar sus capacidades mediante la
automatización de tareas administrativas y la
personalización del aprendizaje para los
estudiantes. Esta conceptualización es crucial
para entender que la integración de la IA es una
colaboración humano-máquina y no un mero
reemplazo tecnológico.
La percepción docente se refiere a los procesos
cognitivos y emocionales mediante los cuales
los educadores interpretan y dan sentido a las
nuevas tecnologías dentro de su entorno
profesional. Serpen (2025)sostiene que estas
percepciones no son estáticas, sino que se
construyen a través de la experiencia directa, las
creencias pedagógicas previas y el contexto
institucional. Entender la percepción es vital, ya
que actúa como un filtro: si un docente percibe
la IA como una amenaza a su autoridad o
competencia, su actitud será negativa
independientemente de la eficacia real de la
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Edición Especial II 2026
Página 996
herramienta tecnológica. Distinta de la
percepción, la actitud es la predisposición
aprendida para responder de manera favorable o
desfavorable hacia el uso de la IA en el
aula. Scherer et al. (2019) explican que la
actitud es un predictor determinante de la
conducta real; es decir, un docente puede
percibir que la IA es útil (percepción), pero
tener una actitud negativa debido a factores
éticos o emocionales. En el contexto del TAM,
la actitud es la variable mediadora clave entre
las creencias del usuario y su intención final de
utilizar el sistema. El Modelo de Aceptación
Tecnológica (TAM), propuesto originalmente
por Davis, postula que la adopción de un
sistema de información está determinada
principalmente por dos variables: la utilidad
percibida y la facilidad de uso percibida. En su
actualización para contextos de IA, Chen et al.
(2020) argumentan que el TAM sigue siendo el
marco más robusto para explicar el
comportamiento docente, siempre y cuando se
integren variables externas que consideren la
naturaleza "inteligente" y autónoma de estas
nuevas herramientas, las cuales difieren del
software tradicional pasivo.
La utilidad percibida se define como el grado en
que un docente cree que el uso de una
herramienta de IA específica mejorará su
rendimiento laboral o los resultados de
aprendizaje de sus estudiantes. Chiu et al.
(2023) encontraron que, en el ámbito educativo,
la utilidad percibida es el predictor más fuerte
de la intención de uso. Si los docentes de la
Unidad Educativa Agustín Castro Espinoza no
visualizan un beneficio tangible como el ahorro
de tiempo en calificaciones o la mejora en la
atención a la diversidad, la adopción de la IA
será nula, por más avanzada que sea la
tecnología. Este concepto hace referencia al
grado en que el docente cree que utilizar un
sistema de IA estará libre de esfuerzo físico o
mental excesivo. Venkatesh y Bala (2008),
cuyos conceptos siguen vigentes, establecen
que, si la tecnología es percibida como
demasiado compleja o difícil de manejar, esta
barrera anulará su utilidad potencial. En el
contexto de la IA generativa actual (como
ChatGPT), Zhai (2025)sugieren que, aunque la
interfaz sea sencilla, la "facilidad" también
implica la capacidad de entender cómo formular
instrucciones (prompts) efectivas, lo cual
requiere nuevas competencias.
La ansiedad tecnológica es una respuesta
emocional negativa, caracterizada por miedo o
aprensión, cuando se considera el uso de la
IA. Tekin (2024) identifican que esta ansiedad
a menudo proviene del temor a lo desconocido
("caja negra" de los algoritmos) o inseguridad
laboral. Esta variable actúa como un freno
directo a la facilidad de uso percibida; un
docente ansioso tenderá a sobreestimar la
dificultad de la herramienta y, por ende,
desarrollará una resistencia activa o pasiva a su
implementación en el aula. La alfabetización en
IA va más allá de las competencias digitales
básicas; implica comprender los principios
fundamentales de cómo funciona la IA, sus
limitaciones y sus implicaciones éticas. Long y
Magerko (2020) definen este concepto como un
conjunto de competencias que permiten a los
individuos evaluar críticamente las tecnologías
de IA y colaborar eficazmente con ellas. Para
los docentes, esta alfabetización es un
prerrequisito para la aceptación, ya que el
desconocimiento técnico suele alimentar mitos
y expectativas poco realistas sobre lo que la IA
puede y no puede hacer.
Las condiciones facilitadoras se refieren a la
percepción del docente sobre la disponibilidad
de recursos y apoyo técnico necesarios para
utilizar la IA. Según el modelo extendido
UTAUT (Teoría Unificada de Aceptación y
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Edición Especial II 2026
Página 997
Uso de Tecnología), citado frecuentemente en
estudios de TAM, Mosquito y Quispe
(2025) destaca que en Latinoamérica la
infraestructura (internet estable, hardware
adecuado) y el soporte institucional son factores
decisivos. Sin estas condiciones, incluso un
docente con una actitud positiva y alta
percepción de utilidad no podrá integrar la IA
efectivamente. Este concepto abarca las
preocupaciones morales sobre la privacidad de
los datos, el sesgo algorítmico, la equidad y la
integridad académica al usar IA. Flores y
García (2023) enfatizan que la dimensión ética
es un nuevo factor moderador en la aceptación
tecnológica. Los docentes pueden rechazar
herramientas de IA no por dificultades técnicas,
sino por desconfianza sobre cómo estas
manejan la información sensible de los menores
o si fomentan el plagio, lo que convierte a la
ética en un pilar fundamental del marco teórico
actual.
Materiales y Métodos
El presente estudio se enmarca en un
enfoque cuantitativo, de alcance descriptivo y
correlacional, con un diseño no experimental y
transversal. Es cuantitativo porque se enfoca en
la recolección y análisis de datos numéricos
para medir variables predefinidas sobre las
actitudes docentes. Es descriptivo y
correlacional, ya que busca caracterizar las
percepciones de los educadores y establecer
relaciones entre las variables del Modelo de
Aceptación Tecnológica (TAM). Asimismo, el
diseño es transversal, dado que la recolección
de información se realiza en un único momento
temporal, capturando la situación actual de los
docentes frente a la transición tecnológica y la
Inteligencia Artificial. La población de estudio
está constituida por la totalidad de la planta
docente de la Unidad Educativa Agustín Castro
Espinoza de la ciudad de Guayaquil,
conformada por profesores que laboran en los
diferentes niveles educativos durante el periodo
lectivo vigente. Para la selección de la muestra
se empleó un muestreo no probabilístico por
conveniencia, debido a la accesibilidad y
disponibilidad de los sujetos durante las
jornadas de capacitación institucional sobre
Google Workspace.
➢ Criterios de inclusión: Docentes con
contrato activo en la institución, que se
encuentren participando en el proceso de
transición a las herramientas de Google y
que acepten voluntariamente participar en
el estudio.
➢ Criterios de exclusión: Personal
administrativo sin carga docente, personal
de servicio, o docentes que se encuentren
con licencia médica o permiso prolongado
durante el periodo de aplicación del
instrumento.
La técnica empleada para la recolección de
datos es la encuesta. Como instrumento, se
diseñó un cuestionario estructurado basado en
el Modelo de Aceptación Tecnológica
(TAM) propuesto originalmente por Davis
(1989) y adaptado al contexto de la Inteligencia
Artificial en educación siguiendo los
lineamientos de Venkatesh y Bala (2008) y Teo
(2011). El cuestionario consta de dos secciones:
➢ Datos sociodemográficos: Edad, género,
años de experiencia docente y nivel de
formación.
➢ Escala de aceptación: Ítems diseñados para
medir las dimensiones del TAM (Utilidad
Percibida, Facilidad de Uso Percibida,
Actitud hacia el Uso e Intención de Uso),
valorados mediante una escala de Likert de
5 puntos (1 = Totalmente en desacuerdo a
5 = Totalmente de acuerdo). El instrumento
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Edición Especial II 2026
Página 998
fue sometido a una prueba de fiabilidad
mediante el coeficiente Alfa de Cronbach.
Los datos recolectados serán procesados
utilizando el software estadístico SPSS. Se
realizará un análisis descriptivo (frecuencias,
porcentajes, medias y desviaciones estándar)
para caracterizar las percepciones.
Posteriormente, se aplicará
estadística inferencial (coeficiente de
correlación de Pearson o Spearman,
dependiendo de la normalidad de los datos) para
determinar la relación entre la facilidad de uso,
la utilidad percibida y la intención de integrar la
IA en el aula, considerando el contexto actual
de capacitación en herramientas digitales.
Resultados y Discusión
Análisis Sociodemográfico y de
Competencias Previas
Tabla 1. Perfil sociodemográfico y dominio de
herramientas digitales de la muestra (N=30)
Variab
le
Categoría
Frecuencia (f)
Porcentaje (%)
Nivel
de
estudio
s
Tercer Nivel
20
66.7%
Cuarto Nivel
10
33.3%
Doctorado
(PhD)
0
0.0%
Experi
encia
docent
e
Menos de 5
años
5
16.7%
5 - 10 años
8
26.7%
11 - 20 años
12
40.0%
Más de 20 años
5
16.7%
Domini
o de
Google
W.
Nulo
1
3.3%
Básico
9
30.0%
Intermedio
15
50.0%
Avanzado
5
16.7%
Fuente: Elaboración propia
Los datos sociodemográficos revelan que la
mayoría del cuerpo docente posee formación de
Tercer Nivel (66.7%), seguido por un 33.3%
con estudios de maestría (Cuarto Nivel), sin
contar con profesionales con nivel de
Doctorado. En cuanto a la experiencia, el grupo
más representativo se encuentra entre los 11 y
20 años de labor docente (40.0%). Respecto a
las capacitaciones recientes en Google
Workspace, un significativo 50.0% autopercibe
su nivel como "Intermedio", lo que indica que
existe una base tecnológica favorable para
introducir nuevas herramientas como la
Inteligencia Artificial.
Análisis Descriptivo de las Dimensiones del
Modelo TAM
Para este análisis, se calcularon las medias (M)
y desviaciones estándar (DE) de cada ítem
(escala del 1 al 5).
Tabla 2. Facilidad de Uso Percibida (PEU) y
Utilidad Percibida (PU)
Dimensión
Ítem
Media
(M)
Desviación
Est. (DE)
Facilidad de
Uso
PEU1. Operar
herramientas de IA
sería fácil.
3.45
1.12
PEU2. Hacer que la
IA haga lo que quiero
sería sencillo.
3.10
1.25
PEU3. Habilidad en
Google ayuda a
entender la IA.
4.15
0.85
PEU4. En general, la
IA es fácil de usar.
3.30
1.10
Promedio Dimensión
PEU
3.50
1.08
Utilidad
Percibida
PU1. Mejoraría mi
rendimiento docente.
4.25
0.75
PU2. Permitiría
realizar tareas más
rápidamente.
4.60
0.60
PU3. Útil para
personalizar el
aprendizaje.
4.10
0.88
PU4. En general,
encuentro la IA útil
para el trabajo.
4.35
0.70
Promedio Dimensión
PU
4.32
0.73
Fuente: Elaboración propia
Los docentes de la Unidad Educativa perciben
una alta utilidad de la IA (M=4.32),
destacándose fuertemente la creencia de que les
permitirá realizar tareas administrativas y de
planificación más rápidamente (PU2, M=4.60).
No obstante, la facilidad de uso percibida es
moderada (M=3.50). Los docentes sienten
mayor inseguridad sobre cómo dar las
instrucciones correctas a la IA (PEU2, M=3.10),
aunque confían en que las capacitaciones
previas en Google les servirán de base (PEU3,
M=4.15).
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Edición Especial II 2026
Página 999
Tabla 3. Actitud hacia el Uso (ATU) e Intención
de Uso (BIU)
Dimensión
Ítem
Media
(M)
Desviación
Est. (DE)
Actitud al
Uso
ATU1. Utilizar IA en
clases es buena idea.
4.05
0.90
ATU2. Entusiasmo
por las posibilidades
de la IA.
3.95
0.95
ATU3. Integrar IA
con Google
Workspace.
4.30
0.80
Promedio Dimensión
ATU
4.10
0.88
Intención de
Uso
BIU1. Intención de
usar IA en el futuro
próximo.
3.85
1.05
BIU2. Las usaría si
tuviera acceso en la
institución.
4.20
0.85
BIU3. Planeo
capacitarme más
sobre IA.
4.45
0.72
Promedio Dimensión
BIU
4.16
0.87
Fuente: Elaboración propia
La actitud general de los docentes es muy
positiva (M=4.10), mostrando especial
receptividad a la integración de la IA en el
ecosistema de Google que ya manejan.
Respecto a la intención de uso, resalta una
fuerte disposición a capacitarse en el tema
(BIU3, M=4.45), demostrando que, a pesar de
las dudas iniciales sobre la facilidad de uso,
existe proactividad y apertura al cambio
tecnológico.
Análisis Correlacional (Inferencial) (Se
asume el uso de correlación de Pearson tras
comprobar normalidad)
Tabla 4. Matriz de Correlación de Pearson
entre variables TAM
Variables
PEU
(Facilidad
)
PU
(Utilidad
)
ATU
(Actitud
)
BIU
(Intención
)
PEU
(Facilidad)
1
PU
(Utilidad)
.452**
1
ATU
(Actitud)
.510**
.685**
1
BIU
(Intención
)
.415**
.712**
.780**
1
Fuente: Elaboración propia
Los resultados de la prueba de correlación de
Pearson confirman los postulados teóricos del
modelo TAM. Existe una correlación positiva y
muy fuerte entre la Utilidad Percibida y la
Actitud hacia el uso (r=0.685, p<0.01), lo que
indica que mientras más sientan los docentes
que la IA les ahorra tiempo, mejor es su
disposición afectiva hacia ella. De igual forma,
el mejor predictor de la Intención de Uso (BIU)
resultó ser la Actitud (r=0.780) y la Utilidad
(r=0.712). La Facilidad de Uso tiene una
correlación moderada con la intención
(r=0.415), sugiriendo que, en esta muestra, la
utilidad pesa más que la dificultad de
aprendizaje a la hora de decidir adoptar la IA.
Los resultados del presente estudio revelan que
la Utilidad Percibida (PU) es el factor más
valorado por los docentes (M=4.32),
especialmente para optimizar tareas
administrativas y de planificación (M=4.60).
Este hallazgo concuerda parcialmente con lo
expuesto por Kim y Lee (2024) y Serpen
(2025), quienes señalan que los educadores
admiten racionalmente la eficiencia de la
Inteligencia Artificial (IA) para el trabajo
operativo. Sin embargo, a diferencia de los
docentes surcoreanos del estudio de Kim y Lee,
la muestra de Guayaquil no refleja que la
"ansiedad ante la IA" o el temor a ser
reemplazados actúen como un inhibidor
potente, ya que la Actitud hacia el Uso (ATU)
resultó sumamente positiva (M=4.10). Esta alta
receptividad sugiere que, al enmarcar la IA
como una extensión del ecosistema de Google
Workspace, se mitiga el miedo a la pérdida de
autonomía pedagógica, posicionando a la
herramienta como un asistente y no como un
sustituto.
Respecto a la Facilidad de Uso Percibida
(PEU), los resultados mostraron una valoración
moderada (M=3.50), siendo la formulación de
instrucciones a la IA (PEU2) el ítem que genera
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Edición Especial II 2026
Página 1000
mayor inseguridad (M=3.10). Esta realidad
empírica respalda plenamente la tesis de Chiu et
al. (2023), quienes argumentan que la "facilidad
de uso" no es inherente al software, sino el
resultado directo de la capacitación y el apoyo
institucional. El hecho de que los docentes
confíen en que sus habilidades previas en
Google les ayudarán a entender la IA (M=4.15)
y muestren una alta intención de capacitarse
(M=4.45) valida la postura de Dalyanci et al.
(2025) y Caena y Redecker (2019). Queda en
evidencia que la alfabetización digital no es
estática, y que la institución debe transicionar
de un entrenamiento puramente instrumental
hacia un desarrollo profesional con enfoque
pedagógico que consolide la verdadera
competencia en IA.
Al contextualizar estos datos en la realidad
latinoamericana, la fuerte Intención de Uso
(BIU) condicionada al acceso institucional
(M=4.20) refleja las dinámicas descritas por
Castro et al. (2025) para la región andina.
Aunque Castro advierte sobre la resistencia al
cambio por falta de "condiciones facilitadoras",
los docentes de la Unidad Educativa Agustín
Castro Espinoza demuestran una notable
proactividad, superando la barrera actitudinal si
se les provee la infraestructura adecuada. No
obstante, como advierten Álvarez y Gómez
(2026), es vital no confundir el entusiasmo y la
autopercepción intermedia en herramientas de
Google (50.0%) con la habilidad real para
aplicar la IA de forma didáctica. La correlación
moderada entre facilidad de uso e intención
(r=0.415) indica que los docentes están
dispuestos a adoptar la tecnología por su
utilidad, incluso si perciben una brecha técnica
inicial.
Finalmente, aunque el Modelo de Aceptación
Tecnológica (TAM) aplicado confirma que la
Utilidad y la Actitud son los mejores predictores
de la Intención de Uso (r=0.712 y 79r=0.780,
respectivamente), la literatura emergente exige
precaución en la fase de implementación.
Autores como Nazaretsky et al. (2022), Holmes
et al. (2022) y Flores y García (2023) subrayan
que el desconocimiento de los algoritmos, los
sesgos y la falta de marcos regulatorios éticos
pueden erosionar la confianza docente a largo
plazo. Por lo tanto, si bien el análisis
multifactorial en este contexto local demuestra
un terreno fértil y optimista para la adopción de
la Inteligencia Artificial, el éxito sostenido
dependerá de que las futuras directrices de la
institución aborden la "caja negra" de la IA,
integrando lineamientos éticos claros que
acompañen el entusiasmo evidenciado en los
datos analizados.
Conclusiones
El análisis empírico fundamentado en el
Modelo de Aceptación Tecnológica (TAM)
corrobora la viabilidad de la integración de la
Inteligencia Artificial (IA) en la Unidad
Educativa Agustín Castro Espinoza,
evidenciando que la Utilidad Percibida (PU)
opera como el constructor de mayor peso
predictivo. Los resultados estadísticos
demuestran una correlación positiva y
altamente significativa (p<0.01) entre la
percepción de eficiencia operativa
particularmente en la automatización de cargas
administrativas y el diseño tecno-pedagógico y
la Actitud hacia el Uso (ATU). Esto confirma el
postulado teórico de que la adopción de
tecnologías emergentes en entornos educativos
no está intrínsecamente subordinada a la
sofisticación de la herramienta, sino a la
evaluación cognitiva racional que realiza el
docente sobre el impacto directo de la
innovación en la optimización de su praxis
profesional, consolidando así una Intención de
Uso (BIU) robusta frente a la disrupción
tecnológica.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Edición Especial II 2026
Página 1001
El análisis de la Facilidad de Uso Percibida
(PEU) revela una convergencia crítica entre la
alfabetización digital preexistente y la
asimilación de sistemas algorítmicos. Si bien las
métricas descriptivas de esta dimensión
proyectan una valoración moderada, indicativa
de la carga cognitiva y técnica que supone la
formulación de instrucciones complejas
(prompt engineering), se constata que el
dominio instrumental previo del ecosistema
Google Workspace ejerce un efecto mediador
favorable. Esta transferencia de competencias
tecnológicas actúa como un catalizador que
mitiga la fricción cognitiva y neutraliza
inhibidores como la ansiedad tecnológica,
demostrando que la aceptación no es un
fenómeno dependiente únicamente de la
usabilidad del software, sino que está
condicionada por la arquitectura institucional de
apoyo y las condiciones facilitadoras que
enmarcan la transición digital del profesorado.
Para capitalizar la alta disposición observada y
asegurar una transposición didáctica efectiva, es
imperativo que las políticas institucionales
evolucionen de una capacitación de corte
estrictamente instrumental hacia el desarrollo
de una alfabetización algorítmica integral. La
adopción sostenida y responsable de la IA exige
la configuración de marcos de gobernanza
digital y directrices éticas que aborden los
riesgos inherentes de los modelos generativos,
tales como el sesgo algorítmico, la opacidad en
la toma de decisiones ("caja negra") y la
privacidad de los datos estudiantiles. En
consecuencia, la consolidación de esta
competencia demanda modelos de formación
continua que empoderen al cuerpo docente no
solo como usuarios operativos, sino como
evaluadores críticos, garantizando que la IA
funcione como una heurística amplificadora de
la agencia pedagógica humana y no como un
mecanismo de sustitución o
desprofesionalización.
Agradecimientos
Expresamos nuestro sincero agradecimiento a la
Universidad Estatal de Milagro por la
formación brindada. De manera muy especial,
damos las gracias a nuestra tutora, Gabriela
Natalia Torres Jara, por su inestimable guía,
paciencia y apoyo constante durante el
desarrollo de este trabajo.
Referencias Bibliográficas
Álvarez, J., & Gómez, I. (2026). Teacher
training in geographical education with
artificial intelligence applications. En L.
Soares, M. Saraiva, & R. González (Eds.),
Compromised geography: Spreading a new
world (pp. 93–113). Springer Nature
Switzerland. https://doi.org/10.1007/978-3-
032-05201-8_6
Caena, F., & Redecker, C. (2019). Aligning
teacher competence frameworks to 21st
century challenges: The case for the
European digital competence framework for
educators (DigCompEdu). European
Journal of Education, 54(3), 356–369.
https://doi.org/10.1111/ejed.12345
Castro, L., Burgos, A., & Heredia, L. (2025). La
transformación digital como estrategia de
gestión educativa en la educación superior:
Desafíos y oportunidades en América Latina.
Sinergia Académica, 8(10), 78–103.
https://doi.org/10.51736/sa870
CEPAL. (2020). Las oportunidades de la
digitalización en América Latina frente al
COVID-19.
https://www.sidalc.net/search/Record/dig-
cepal-11362-45360/Description
Chen, L., Chen, P., & Lin, Z. (2020). Artificial
intelligence in education: A review. IEEE
Access, 8, 75264–75278.
https://doi.org/10.1109/ACCESS.2020.2988
510
Chiu, T., Xia, Q., Zhou, X., Chai, C., & Cheng,
M. (2023). Systematic literature review on
opportunities, challenges, and future
research recommendations of artificial
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Edición Especial II 2026
Página 1002
intelligence in education. Computers and
Education: Artificial Intelligence, 4, 100118.
Dalyanci, A., Mast, L., Krushinskaia, K., &
Raes, A. (2025). Detecting innovators in the
field: Teachers’ perceptions and adoption of
generative AI in education.
Open/Technology in Education, Society, and
Scholarship Association Journal, 5(1), 1–50.
https://doi.org/10.18357/otessaj.2025.5.1.89
Davis, F. (1989). Perceived usefulness,
perceived ease of use, and user acceptance of
information technology. MIS Quarterly,
319–340.
Flores, J., & García, F. (2023). Reflexiones
sobre la ética, potencialidades y retos de la
inteligencia artificial en el marco de la
educación de calidad (ODS4). Comunicar:
Revista Científica de Comunicación y
Educación, 74, 37–47.
Holmes, W., & Miao, F. (2024). Guía para el
uso de IA generativa en educación e
investigación. UNESCO Publishing.
https://books.google.com/books?id=mVND
EQAAQBAJ
Holmes, W., Persson, J., Chounta, I., Wasson,
B., & Dimitrova, V. (2022). Artificial
intelligence and education: A critical view
through the lens of human rights, democracy
and the rule of law. Council of Europe.
https://books.google.com/books?id=RM-
lEAAAQBAJ
Long, D., & Magerko, B. (2020). What is AI
literacy? Competencies and design
considerations. Proceedings of the CHI
Conference on Human Factors in
Computing Systems.
https://doi.org/10.1145/3313831.3376727
Mosquito, M., & Quispe, D. (2025). Estrategias
de enseñanza en una educación virtual
pospandemia. Revista Tecnológica-
Educativa Docentes 2.0, 18(1), 443–452.
https://doi.org/10.37843/rted.v18i1.651
Nazaretsky, T., Ariely, M., Cukurova, M., &
Alexandron, G. (2022). Teachers’ trust in
AI-powered educational technology and a
professional development program to
improve it. British Journal of Educational
Technology, 53(4), 914–931.
https://doi.org/10.1111/bjet.13232
Nguyen, A., Ngo, H., Hong, Y., Dang, B., &
Nguyen, B. (2023). Ethical principles for
artificial intelligence in education.
Education and Information Technologies,
28(4), 4221–4241.
https://doi.org/10.1007/s10639-022-11316-
w
Scherer, R., Siddiq, F., & Tondeur, J. (2019).
The technology acceptance model (TAM): A
meta-analytic structural equation modeling
approach. Computers & Education, 128, 13–
35.
https://doi.org/10.1016/j.compedu.2018.09.
009
Serpen, C. (2025). Investigating teachers’
technological pedagogical content
knowledge competency levels and their
perceptions of artificial intelligence
integration in education.
https://acikerisim.uludag.edu.tr/entities/publ
ication/bf0b1aef-e060-4074-8f49-
db85b5416357
Sun, J., Wu, Q., Ma, Z., Zheng, W., & Hu, Y.
(2025). Understanding pre-service teachers’
acceptance of generative artificial
intelligence: An extended technology
acceptance model approach. Educational
Technology Research and Development,
73(4), 1975–1997.
https://doi.org/10.1007/s11423-025-10495-
w
Tekin, O. (2024). Factors affecting teachers’
acceptance of artificial intelligence
technologies. Instructional Technology and
Lifelong Learning, 5(2), 399–420.
https://doi.org/10.52911/itall.1532218
Teo, T. (2011). Factors influencing teachers’
intention to use technology. Computers &
Education, 57(4), 2432–2440.
Venkatesh, V., & Bala, H. (2008). Technology
acceptance model 3 and a research agenda on
interventions. Decision Sciences, 39(2),
273–315. https://doi.org/10.1111/j.1540-
5915.2008.00192.x
Zhai, X. (2025). Transforming teachers’ roles
and agencies in the era of generative AI.
Journal of Science Education and
Technology, 34(6), 1323–1333.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Edición Especial II 2026
Página 1003
https://doi.org/10.1007/s10956-024-10174-
0
Esta obra está bajo una licencia de
Creative Commons Reconocimiento-No Comercial
4.0 Internacional. Copyright © Diana Graciela
Espinoza Herrera, Gladys Janina Chávez Pérez,
Génesis Genoveva Nevárez Cevallos y Gabriela
Natalia Torres Jara.
Declaraciones éticas y editoriales del artículo
Contribución de los autores (Taxonomía CRediT)
Diana Graciela Espinoza Herrera: Conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo.
Gladys Janina Chávez Pérez: Análisis formal de los datos, redacción del borrador original del manuscrito.
Génesis Genoveva Nevárez Cevallos: Análisis formal de los datos, redacción del borrador original del manuscrito.
Gabriela Natalia Torres Jara: Análisis formal de los datos, redacción del borrador original del manuscrito.
Declaración de conflicto de intereses
Los autores declaran que no existe conflicto de intereses en relación con la investigación presentada, la autoría del manuscrito ni la
publicación del presente artículo.
Declaración de financiamiento
La presente investigación no recibió financiamiento específico de agencias públicas, comerciales o de organizaciones sin fines de
lucro. En caso de existir financiamiento institucional o externo, este deberá ser declarado explícitamente por los autores en esta
sección.
Declaración del editor
El editor responsable certifica que el proceso editorial del presente artículo se desarrolló conforme a los principios de integridad
científica, transparencia y buenas prácticas editoriales. El manuscrito fue sometido a un proceso de evaluación mediante revisión
por pares doble ciego, garantizando la confidencialidad de la identidad de los autores y revisores durante todo el proceso de
dictamen académico. Asimismo, el editor declara que el artículo cumple con los criterios científicos, metodológicos y éticos
establecidos por la revista.
Declaración de los revisores
Los revisores externos que participaron en la evaluación del presente manuscrito declaran haber realizado el proceso de revisión de
manera objetiva, independiente y confidencial. Asimismo, manifiestan que no mantienen conflictos de interés con los autores ni
con la investigación evaluada, y que sus observaciones y recomendaciones se fundamentan exclusivamente en criterios científicos,
metodológicos y académicos.
Declaración ética de la investigación
Los autores declaran que la investigación se desarrolló respetando los principios éticos de la investigación científica, garantizando la
confidencialidad de los datos y el respeto a los participantes del estudio. En los casos en que la investigación involucre seres
humanos, los procedimientos deben ajustarse a los principios éticos establecidos en la Declaración de Helsinki y a las normativas
institucionales correspondientes.
Declaración sobre el uso de inteligencia artificial
Los autores declaran que el uso de herramientas de inteligencia artificial, en caso de haberse utilizado durante el proceso de
investigación o redacción del manuscrito, se realizó únicamente como apoyo técnico para mejorar la claridad del lenguaje o el
análisis de información, manteniendo siempre la responsabilidad intelectual sobre el contenido del artículo. Las herramientas de
inteligencia artificial no fueron utilizadas como autoras del manuscrito ni sustituyen la responsabilidad académica de los
investigadores.
Disponibilidad de datos
Los datos que respaldan los resultados de esta investigación estarán disponibles previa solicitud razonable al autor de correspondencia,
respetando las normas éticas y de confidencialidad establecidas por la investigación.
