Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 679
ANSIEDAD ACADÉMICA, ESTRÉS Y USO DE INTELIGENCIA ARTIFICIAL
GENERATIVA EN UNIVERSITARIOS: REVISIÓN SISTEMÁTICA
ACADEMIC ANXIETY, STRESS, AND GENERATIVE ARTIFICIAL INTELLIGENCE USE
AMONG UNIVERSITY STUDENTS: A SYSTEMATIC REVIEW
Autores:
1
Diana de las Mercedes Solís Grijalva,
2
Betty Betzabeth Muñoz Muñoz y
3
Daysi
Margarita Rosado Carrera.
1
ORCID ID: https://orcid.org/0009-0007-6831-7839
2
ORCID ID: https://orcid.org/0009-0000-3605-8798
3
ORCID ID: https://orcid.org/0009-0008-4588-4416
1
E-mail de contacto: dsolis5881@upse.edu.ec
2
E-mail de contacto: betzamunoz11@gmail.com
3
E-mail de contacto: drosado@salinas.gob.ec
Afiliación:
1*
Universidad Estatal Península de Santa Elena, (Ecuador).
2*
Ministerio de Desarrollo Humano, (Ecuador).
3
GAD Salinas,
(Ecuador).
Artículo recibido: 15 de Septiembre del 2026.
Artículo revisado: 1 de Octubre del 2026.
Artículo aprobado: 1 de Octubre del 2026.
1
Psicóloga Educativa y Orientadora Vocacional- Universidad Técnica de Ambato, (Ecuador). Magister en Psicología Clínica mención
Psicoterapia- Universidad Técnica de Ambato, (Ecuador).
2
Psicóloga, graduada de la Universidad de Guayaquil, (Ecuador). Magíster en Psicología Clínica mención en Atención en Emergencias y
Desastres por la Universidad Estatal de Milagro, (Ecuador).
3
Socióloga en la Universidad de Guayaquil, (Ecuador). Magíster en Administración Pública en la Universidad de Santa Elena, (Ecuador).
Resumen
La inteligencia artificial generativa se ha
incorporado a las actividades universitarias,
pero sus relaciones con el bienestar emocional
siguen siendo heterogéneas. El objetivo fue
sintetizar la evidencia empírica sobre ansiedad
académica, estrés y uso de estas herramientas
en estudiantes universitarios. Se realizó una
revisión sistemática en la base de datos de
Scopus. La búsqueda combinó términos de
inteligencia artificial generativa, educación
superior y ansiedad o estrés, con filtros de
acceso abierto e idiomas inglés, español y
portugués. De 438 registros únicos, 85 pasaron
a recuperación; se obtuvieron 56 textos
completos y se incluyeron 47 estudios. Otros
29 documentos no pudieron recuperarse. Se
efectuó una síntesis narrativa diferenciando
intervenciones educativas, asociaciones con
dependencia y experiencias de tecnoestrés.
Algunas actividades guiadas de conversación,
lectura y programación mostraron menor
ansiedad; también se identificaron resultados
nulos. El uso dependiente o sustitutivo se
relacionó con estrés, ansiedad e inseguridad
académica, mientras que la autorregulación y el
apoyo institucional aparecieron como factores
relevantes. Predominaron estudios
observacionales y autoinformes, sin base
suficiente para atribuir causalidad o calcular un
efecto conjunto. El filtro de acceso abierto y la
recuperación incompleta son limitantes de
estudio. Se concluye que los resultados
emocionales dependen de la finalidad de uso, el
diseño pedagógico y las condiciones
personales e institucionales; no puede
afirmarse un beneficio o perjuicio universal.
Palabras clave: Ansiedad académica, Estrés
académico, Inteligencia artificial generativa,
Estudiantes universitarios, Tecnoestrés.
Abstract
Generative artificial intelligence has been
integrated into university activities, yet its
relationship with emotional well-being remains
varied. The objective was to synthesize
empirical evidence regarding academic
anxiety, stress, and the use of these tools among
university students. A systematic review was
conducted using the Scopus database. The
search combined terms related to generative
artificial intelligence, higher education, and
anxiety or stress, applying filters for open
access and the languages English, Spanish, and
Portuguese. Out of 438 unique records, 85
proceeded to the retrieval stage; 56 full-text
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 680
articles were obtained, and 47 studies were
included. Another 29 documents could not be
retrieved. A narrative synthesis was performed,
distinguishing between educational
interventions, associations with dependency,
and experiences of technostress. Certain guided
activities involving conversation, reading, and
programming were associated with lower
anxiety levels, although null results were also
identified. Dependent or substitutive use was
linked to stress, anxiety, and academic
insecurity, whereas self-regulation and
institutional support emerged as relevant
factors. Observational studies and self-reports
predominated, providing insufficient grounds
to establish causality or calculate a pooled
effect. The open-access filter and incomplete
retrieval represent study limitations. The
conclusion is that emotional outcomes depend
on the purpose of use, pedagogical design, and
personal and institutional conditions; no
universal benefit or harm can be asserted.¿.
Keywords: Academic anxiety, academic
stress, generative artificial intelligence,
university students, technostress.
Sumário
A inteligência artificial generativa foi
incorporada às atividades universitárias, mas
suas relações com o bem-estar emocional
permanecem heterogêneas. O objetivo foi
sintetizar as evidências empíricas sobre
ansiedade acadêmica, estresse e o uso dessas
ferramentas por estudantes universitários.
Realizou-se uma revisão sistemática na base de
dados Scopus. A busca combinou termos
relacionados à inteligência artificial generativa,
ensino superior e ansiedade ou estresse,
aplicando filtros de acesso aberto e idiomas
(inglês, espanhol e português). De 438 registros
únicos, 85 avançaram para a etapa de
recuperação; obtiveram-se 56 textos completos
e incluíram-se 47 estudos. Outros 29
documentos não puderam ser recuperados.
Efetuou-se uma síntese narrativa diferenciando
intervenções educacionais, associações com
dependência e experiências de tecnoestresse.
Algumas atividades guiadas de conversação,
leitura e programação mostraram níveis mais
baixos de ansiedade; também foram
identificados resultados nulos. O uso
dependente ou substitutivo associou-se a
estresse, ansiedade e insegurança acadêmica,
enquanto a autorregulação e o apoio
institucional surgiram como fatores relevantes.
Predominaram estudos observacionais e
autorrelatos, sem base suficiente para atribuir
causalidade ou calcular um efeito conjunto. O
filtro de acesso aberto e a recuperação
incompleta constituem limitações do estudo.
Conclui-se que os resultados emocionais
dependem da finalidade de uso, do desenho
pedagógico e das condições pessoais e
institucionais; não é possível afirmar a
existência de um benefício ou prejuízo
universal.
Palavras-chave: Ansiedade acadêmica,
estresse acadêmico, inteligência artificial
generativa, estudantes universitários,
tecnoestresse.
Introducción
La incorporación de inteligencia artificial
generativa (IAG) a la educación superior
plantea una pregunta que trasciende el
rendimiento: ¿cómo se relaciona su utilización
con la ansiedad y el estrés de los estudiantes?
Una respuesta exige distinguir prácticas
diferentes. Consultar una explicación, ensayar
una conversación, revisar un texto y delegar una
tarea completa implican grados distintos de
participación cognitiva. En estudiantes de
español, Wang, Z., et al. (2025) encontraron
relaciones diferentes según la finalidad de uso;
en medicina, Fu, L., et al. (2026) vincularon la
presión académica con la dependencia. Por ello,
agrupar cualquier interacción con IAG bajo una
sola medida puede ocultar experiencias
emocionales opuestas.
La ansiedad académica comprende respuestas
de preocupación y tensión ligadas al
aprendizaje, la evaluación o las exigencias
formativas. Dentro de esta revisión se
distinguieron sus manifestaciones en exámenes,
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 681
escritura, lectura, matemáticas y comunicación
oral. El estrés académico se consideró una
experiencia de demanda o sobrecarga asociada
con las obligaciones universitarias; el
tecnoestrés, una respuesta a las exigencias del
entorno tecnológico. Estas categorías se
mantuvieron separadas de los síntomas
generales medidos por instrumentos como
GAD-7 o DASS-21 y de la preocupación por
incumplir normas de integridad. Chavez Sosa y
Huancahuire-Vega (2026), Chang et al. (2026)
y Agnihotri y Chen (2025) ilustran la diversidad
de mediciones que puede quedar reunida bajo
palabras clave semejantes.
La evidencia inicial admite explicaciones en
dos direcciones. La retroalimentación
inmediata y la posibilidad de practicar con
menor exposición social podrían aliviar la
tensión durante tareas específicas. Guan et al.
(2026) compararon lectura apoyada por chatbot
y por compañeros, mientras que Fan et al.
(2025) examinaron programación con
asistencia de IAG. En cambio, la presión por
alcanzar resultados puede favorecer la búsqueda
de ayuda tecnológica y la sustitución del trabajo
propio. Zhang, S., et al. (2024) y Liu, X., Liu, et
al. (2026) relacionaron estrés, expectativas y
dependencia. Una asociación entre uso y
ansiedad puede reflejar tanto consecuencias de
la interacción como la elección de la
herramienta por estudiantes previamente
preocupados.
La disponibilidad de herramientas tampoco
garantiza seguridad emocional. Las reglas
institucionales ambiguas, las dudas sobre
autoría y la necesidad de verificar respuestas
pueden introducir nuevas exigencias. Enriquez
et al. (2026) documentaron preocupaciones en
torno a la integración universitaria, y Kuang y
Gao (2026) relacionaron condiciones de
implementación con adaptación estudiantil. La
alfabetización en IA y la autorregulación deben
analizarse junto con la carga tecnológica: León
Luyo et al. (2026) observaron que el tecnoestrés
modifica la asociación entre autorregulación y
uso responsable. Estas diferencias justifican una
síntesis que preserve el contexto, la dirección de
las asociaciones y la calidad del diseño.
El objetivo fue sintetizar la evidencia empírica
recuperable de Scopus sobre la relación entre
ansiedad académica, estrés y uso de IAG en
estudiantes universitarios. Se plantearon tres
preguntas: qué resultados emocionales
acompañan las actividades académicas con
estas herramientas; cómo se vinculan estrés y
ansiedad con el uso dependiente o sustitutivo; y
qué condiciones personales, pedagógicas e
institucionales ayudan a interpretar las
diferencias.
Materiales y Métodos
Se desarrolló una revisión sistemática con
síntesis narrativa, limitada a la base exportada
por el equipo solicitante. El proceso se
documentó utilizando la estructura de
identificación, cribado, elegibilidad e inclusión
de PRISMA 2020 (Page et al., 2021), sin
atribuir a esa guía una garantía de calidad
metodológica. La reproducibilidad de la
búsqueda se describió conforme a los principios
de PRISMA-S (Rethlefsen et al., 2021). No se
dispuso de un protocolo registrado previamente.
Los criterios operativos y la agrupación
analítica quedaron establecidos durante la
preparación de esta revisión; no se presentan
como decisiones prospectivamente registradas.
Se utilizó el archivo CSV de Scopus
suministrado, cuya exportación está fechada el
30 de septiembre de 2026. La consulta empleó
tres bloques TITLE-ABS-KEY unidos
mediante AND: IAG y herramientas o modelos
específicos; educación superior y población
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 682
universitaria; y ansiedad, estrés, malestar o
presión académica. Se mantuvieron
exactamente los filtros aportados: inglés,
español o portugués y acceso abierto en
cualquier modalidad. No se añadió restricción
de año, país, área temática o tipo documental. A
continuación, se establece la estrategia de
búsqueda utilizada:
TITLE-ABS-KEY ( "generative artificial
intelligence" OR "generative AI" OR
"inteligencia artificial generativa" OR
"inteligência artificial generativa" OR GenAI
OR ChatGPT OR "Chat GPT" OR "large
language model*" OR "generative pre-trained
transformer*" OR "generative pretrained
transformer*" OR DeepSeek OR ( ( Gemini OR
Bard OR Claude OR Copilot ) AND ( "artificial
intelligence" OR AI OR chatbot* ) ) ) AND
TITLE-ABS-KEY ( "higher education" OR
"tertiary education" OR "postsecondary
education" OR "post-secondary education" OR
universit* OR college* OR undergraduate* OR
postgraduate* OR "graduate student*" OR
"medical student*" OR "nursing student*" OR
"educacion superior" OR "educación superior"
OR "educação superior" OR "ensino superior" )
AND TITLE-ABS-KEY ( anxi* OR ansied*
OR stress* OR estres* OR estrés OR distress*
OR technostress OR tecnoestres* OR
tecnoestrés OR "academic pressure" OR
"academic strain" ) AND ( LIMIT-TO (
LANGUAGE , "English" ) OR LIMIT-TO (
LANGUAGE , "Spanish" ) OR LIMIT-TO (
LANGUAGE , "Portuguese" ) ) AND ( LIMIT-
TO ( OA , "all" ) )
Se incluyeron investigaciones empíricas
cuantitativas y estudios mixtos con resultados
cuantitativos identificables en estudiantes de
educación superior. Debían examinar una
herramienta generativa y presentar al menos
uno de estos elementos: una comparación
emocional durante una actividad académica;
una asociación de ansiedad, estrés o tecnoestrés
con uso, intención, dependencia o
autorregulación de IAG; o una medida explícita
de la experiencia emocional atribuida al uso
académico. Se admitieron ensayos, estudios
cuasiexperimentales, comparaciones de tareas,
encuestas y comunicaciones de congreso con
métodos y resultados suficientes. La intención
de uso, el beneficio percibido y las
puntuaciones sintomáticas se identificaron por
separado.
Se excluyeron revisiones, editoriales,
correcciones, propuestas sin datos y estudios
exclusivamente cualitativos de la síntesis
principal. También se excluyeron muestras
escolares o preuniversitarias sin resultados
universitarios separables; usos generales de
salud mental sin vínculo académico; IA no
identificable como generativa; y trabajos donde
ansiedad o estrés aparecían solo como
antecedentes, variables paralelas sin relación
pertinente o valoraciones de utilidad del consejo
sin una experiencia emocional del estudiante.
No se consideró que pertenecer a una
universidad bastara para convertir un resultado
general de bienestar en ansiedad académica.
Los síntomas generales se conservaron
únicamente cuando estaban vinculados con el
uso o la dependencia de IAG en el contexto
formativo.
Se normalizaron DOI, EID y títulos para
identificar duplicados exactos; no se detectaron
coincidencias duplicadas en los 438 registros.
Dos entradas carecían de resumen, por lo que el
cribado dependió de los metadatos disponibles.
Tras examinar títulos y resúmenes, 85 registros
pasaron a recuperación por DOI, páginas
editoriales y repositorios públicos. Estas
consultas se utilizaron para localizar los
documentos de la exportación y verificar sus
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 683
referencias, sin ampliar el conjunto de estudios
identificado. Las páginas con un resumen no se
contabilizaron como textos completos
recuperados. Se obtuvo el texto de 56
documentos; 29 permanecieron sin recuperar al
cierre de la revisión.
En la evaluación de texto completo se
excluyeron nueve documentos: dos por
población no elegible o no separable; tres por
ausencia de un vínculo analítico o vivencial
pertinente entre IAG y ansiedad o estrés; dos
por contexto de salud mental general u
orientación social del campus; uno por medir
utilidad del consejo sobre estrés sin medir estrés
o alivio propio; y uno por resultados agregados
de estudiantes y personal con exposición
insuficientemente delimitada. Se incluyeron 47
informes. La Figura 1 presenta los recuentos.
Los documentos no recuperados no se trataron
como estudios que hubieran incumplido los
criterios tras lectura completa.
Se extrajeron autoría, año, diseño, ámbito
académico, muestra, modalidad de IAG,
constructo emocional, dirección de resultados y
limitaciones interpretativas. Cuando existían
diferencias entre resumen y cuerpo del artículo
se especificó el denominador pertinente. Por
ejemplo, se distinguieron estudiantes inscritos,
respondientes y usuarios analizados. Se
verificaron autorías y datos bibliográficos con
las versiones editoriales cuando estuvieron
disponibles; la publicación en línea de Hwang y
Wu se consignó en 2025, aunque el volumen y
el DOI contienen 2024. No se sumaron los
tamaños muestrales como si representaran
participantes únicos, pues no pudo descartarse
completamente el solapamiento entre cohortes.
Figura 1. Flujo de selección de los informes.
La lectura crítica examinó cinco aspectos:
selección y tamaño de muestra, adecuación de
las medidas emocionales, presencia de
comparador o temporalidad, control de factores
de confusión y precisión o consistencia del
resultado. Las tablas incluyen la cautela
principal de cada informe. Esta descripción
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 684
permite distinguir resultados exploratorios,
asociaciones transversales y comparaciones de
intervención, pero no produce una puntuación
global de calidad.
Se organizaron los informes en dos grupos:
actividades comparativas, intervenciones o
medidas pretest–postest; y estudios
observacionales de uso, dependencia y
experiencias emocionales. Dentro de ellos se
diferenciaron ansiedad vinculada con tareas,
estrés académico, tecnoestrés, síntomas
generales y preocupación normativa. Se
siguieron principios de transparencia de la
síntesis sin metaanálisis (Campbell et al., 2020),
conservando los resultados nulos y adversos.
No se realizó metaanálisis por la
heterogeneidad de constructos, escalas,
comparadores, duración y diseños. Tampoco se
calculó una proporción de estudios “favorables”
basada únicamente en valores p, ni se
transformaron mediaciones transversales en
efectos causales.
Resultados y Discusión
El archivo inicial contenía 370 artículos, 44
comunicaciones de congreso, 15 revisiones,
cuatro erratas, tres editoriales, un libro y un
capítulo. Según el año de Scopus, 230 registros
correspondían a 2026, 141 a 2025, 57 a 2024,
nueve a 2023 y uno a 2027.
Tabla 1. Intervenciones, actividades comparativas y estudios pretest–postest
Estudio
Diseño y muestra
Resultado emocional o relación relevante
Yee et al. (2026)
Comparación entre grupos; n = 30. Lluvia de
ideas, 25 minutos.
Más estrés y desánimo en el grupo con chatbot; resultados fisiológicos heterogéneos.
Mirsanjari (2025)
Comparativo mixto; n = 120, 60 por grupo; 12
semanas.
Evaluación de inglés con DeepSeek: menor ansiedad que con evaluación tradicional.
Qu y Chen (2026)
Cuasiexperimental por clases; n = 59; 10
semanas.
Simulación de roles con IAG: reducción de ansiedad al hablar inglés.
Çelik et al. (2024)
Pretest–postest; n = 105. Lectura en inglés.
La simplificación de textos mejoró aspectos cognitivos; ansiedad sin cambio
significativo (p = 0,206).
Ge et al. (2026)
Caso comparativo; n = 87 (42/45). Ingeniería.
Menor ansiedad autoinformada con aula multiagente: M = 2,1 frente a 3,8.
Chen y Keng (2026)
Cuasiexperimental; n = 125; 18 semanas.
Resultados de ansiedad débiles; diferencias no robustas tras corrección múltiple.
Gao (2024)
Comparativo; 180 iniciales, 160 analizados.
Grupo con ChatGPT presenta menor ansiedad ante exámenes al final del periodo.
Fan et al. (2025)
Comparativo por clases; n = 234. Programación.
Programación en pareja con IAG: menor ansiedad que con pares humanos o trabajo
individual.
Saito (2026)
Pretest–postest exploratorio; n = 8; un mes.
Práctica con avatares: descenso modesto de ansiedad en lengua extranjera.
Oyarzún y Rodríguez (2024)
Comparación intrapersonal; n = 104. Escritura,
Chile.
Ansiedad mayor en tarea con ChatGPT: M = 3,167 frente a 2,333.
Lee et al. (2025)
Ensayo piloto aleatorizado; 85 incluidos, 75
completan.
Aplicación con chatbot semigenerativo: descenso intragrupo de estrés percibido (p =
0,009).
Fang et al. (2026)
Ensayo de tres brazos; n = 60; cuatro semanas.
Terapia cognitivo-conductual con IAG/RV y terapia convencional reducen ansiedad
frente a apoyo mínimo.
Guan et al. (2026)
Comparación intrapersonal; n = 60. Lectura.
Menor ansiedad con apoyo del chatbot que con apoyo de compañeros.
Fuente: Elaboración propia.
Estos datos describen la exportación, no el
conjunto finalmente incluido; el registro de
2027 no aportó un resultado elegible. Los 47
informes incluidos se publicaron entre 2024 y
2026: 46 artículos de revista y una
comunicación de congreso. No se identificaron
duplicados exactos, pero la ausencia de
duplicados bibliográficos no asegura
independencia entre todas las muestras.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 685
Tabla 2. Estudios observacionales de uso, dependencia y experiencias emocionales.
Estudio
Diseño y muestra
Resultado emocional o relación relevante
Ajlouni et al. (2026)
Transversal; n = 357. Matemáticas.
Mayor intensidad de ChatGPT asociada con menor ansiedad matemática.
Enriquez et al. (2026)
Mixto, encuesta; n = 467. Uso universitario.
Preocupación por integridad y reglas de uso en un contexto de adopción extendida.
Zhang, C. (2026)
Encuesta con desfase temporal; n = 428.
Estrés académico y utilidad percibida intervienen en el vínculo entre autoeficacia y
dependencia.
Fu, F. (2026)
Transversal; n = 500. Competencia
académica.
Presión competitiva, estrés y concepción sustitutiva de la IA asociados con dependencia.
León et al. (2026)
Transversal; n = 820. Universidades
peruanas.
El tecnoestrés debilita la asociación autorregulación–uso responsable (b = −0,211).
Wang y Ren (2025)
Encuesta de curso; 140 inscritos, 98
respuestas.
Coexisten satisfacción, presión y ansiedad en escritura colaborativa con IAG.
Kanwal (2025)
Encuesta; n = 142. Escritura en inglés.
Percepciones de apoyo psicológico durante escritura con ChatGPT; beneficios no
uniformes.
Zhang et al. (2026)
Transversal, perfiles latentes; n = 1.872.
Perfiles diferenciados combinan uso desregulado, ansiedad académica y problemas de
sueño.
Chavez y Huancahuire (2026)
Transversal; n = 187. Medicina, Perú.
Dependencia correlaciona con ansiedad (ρ = 0,336) y estrés (ρ = 0,277).
Alsuwaylim et al. (2026)
Transversal; n = 852. Inglés, Egipto.
Uso de ChatGPT asociado con menor ansiedad oral; autonomía como mediador
estadístico.
Tang et al. (2026)
Transversal; n = 350. Comunicación oral con
IAG.
Ansiedad tiene un papel menor que autoeficacia y perseverancia en disposición a
comunicarse.
Rasheed et al. (2026)
Encuesta; n = 1.044; 723 usuarios. Ciencias
de la salud.
El 53,53% de usuarios percibe reducción del estrés de estudio.
Elshaer y Azazz (2025)
Transversal; n = 750. Estudiantes saudíes.
Puntuaciones de adicción a modelos de lenguaje asociadas con estrés y ansiedad.
Kuang y Gao (2026)
Encuesta multinivel; n = 477.
Claridad normativa y apoyo de implementación se relacionan con adaptación y menor
ansiedad.
Gezgin et al. (2026)
Transversal; 550 reclutados, 467 usuarios.
Inseguridad académica sin IA: media global de AIlessphobia = 2,30.
Wang, W., et al. (2026)
Transversal; n = 1.623.
Estrés, dependencia, autoeficacia, agotamiento y ansiedad general presentan vínculos
estadísticos.
Song y Liu (2025)
Transversal; n = 504. Universidades de arte.
Ansiedad académica, pensamiento negativo y hábitos de IAG aparecen vinculados.
Agnihotri y Chen (2025)
Transversal; n = 284. Universitarios de India.
Tecnoestrés se incorpora a la explicación de intención de utilizar ChatGPT.
Chen, Y., et al. (2026)
Dos olas; n = 500 casos emparejados.
Coordinación entre IAG y redes sociales se asocia con colaboración y malestar; apoyo
amortigua vínculos.
Zhang, Z., Kanji, et al. (2026)
Transversal; n = 742. Aprendizaje
autodirigido.
Uso orientado al aprendizaje asociado con menor ansiedad; β directo = −0,10.
Liu, X., Zhang, et al. (2026)
Transversal; n = 1.157. Posgrado.
Presión temporal vinculada con dependencia mediante ansiedad investigadora y
expectativas.
Etcuban (2025)
Descriptivo correlacional; n = 320. Álgebra.
Acuerdo con alivio de ansiedad por ChatGPT; ítem de reducción: M = 3,40.
Cui et al. (2026)
Transversal; n = 412. Práctica oral en inglés.
Práctica con ChatGPT asociada con menor ansiedad; calidad percibida de interacción
relevante.
Samson et al. (2024)
Encuesta; n = 413. Comunicación de
congreso.
Estrés vinculado con actitud hacia ChatGPT; relación directa con intención no apoyada.
Hwang y Wu (2025)
Transversal; n = 121. Diseño.
Autoeficacia y menor ansiedad median estadísticamente el vínculo IAG–cognición
creativa.
Ajlouni et al. (2025)
Transversal; n = 666.
Intensidad de ChatGPT asociada inversamente con estrés académico (r = −0,637).
Zhang, S., et al. (2024)
Transversal; n = 300. Universitarios en Seúl.
Estrés y expectativas de rendimiento intervienen en asociación autoeficacia–
dependencia.
Chang et al. (2026)
Encuesta; n = 78. Curso en línea, Canadá.
Preocupación y ocultamiento del uso de IA varían según interlocutor académico.
Jingjing et al. (2026)
Transversal; n = 392. Lectura académica.
Tecnoestrés y uso activo de IAG muestran relaciones distintas con motivación y
estrategias.
Delima et al. (2024)
Transversal; n = 78. Matemáticas, Indonesia.
No se observaron diferencias significativas de ansiedad entre usuarios y no usuarios de
ChatGPT.
Liu, X., Liu, et al. (2026)
Transversal; n = 622.
Estrés, ansiedad académica, expectativas y pensamiento desiderativo vinculados con
dependencia.
Wang, Z., et al. (2025)
Transversal; n = 733. Estudiantes de español
en China.
Uso sustitutivo asociado con mayor ansiedad (β = 0,331); diferencias según finalidad de
uso.
Fu, L., et al. (2026)
Mixto; 1.295 encuestados, 930 usuarios; 16
docentes.
Presión académica y expectativas de rendimiento asociadas con dependencia de IAG.
Kong et al. (2026)
Dos olas; n = 452; intervalo de cuatro
semanas.
Estrés académico amplifica el vínculo de motivación evitativa con uso problemático de
IAG.
Fuente: Elaboración propia.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 686
Trece informes examinaron intervenciones,
actividades comparativas o cambios pretest–
postest; 34 fueron observacionales, incluyendo
tres encuestas con dos momentos de medición.
Los tamaños y denominadores fueron muy
diferentes: desde ocho participantes en una
experiencia exploratoria hasta 1.872 respuestas
válidas en un análisis de perfiles. Las muestras
abarcaron lenguas extranjeras, ingeniería,
programación, matemáticas, medicina, diseño y
otros estudios universitarios. Las Tablas 1 y 2
presentan todos los informes incluidos. La
predominancia de autoinformes y contextos
particulares impide interpretar esta colección
como una estimación representativa de todos
los universitarios
Los resultados más próximos a una
comparación pedagógica proceden de
actividades delimitadas. Mirsanjari (2025)
observó menor ansiedad con evaluación
apoyada por DeepSeek et al. (2026)
describieron una reducción en simulaciones de
conversación. Fan et al. (2025) encontraron
menor ansiedad en programación asistida por
IAG que en condiciones de programación
individual o con pares humanos. Guan et al.
(2026) registraron menor ansiedad en lectura
con chatbot que con compañeros. Estos
hallazgos son compatibles con apoyo
inmediato, práctica reiterada y menor
exposición al juicio interpersonal; sin embargo,
las intervenciones combinan herramienta,
actividad y retroalimentación. No permiten
aislar un efecto universal del modelo
generativo.
La magnitud del respaldo varía entre diseños.
Gao (2024) informó diferencias finales
favorables en ansiedad ante exámenes, aunque
el reclutamiento y las pérdidas requieren
cautela. Saito (2026) observó un descenso
modesto tras un mes de práctica con avatares,
con solo ocho estudiantes y sin control. Ge et al.
(2026) presentaron ansiedad descriptivamente
menor en un aula multiagente, pero el resultado
corresponde a un rediseño educativo completo.
Los resultados de estas experiencias no deben
equipararse con la eficacia de una intervención
replicada en muestras amplias y con
seguimiento.
También aparecieron resultados que
contradicen una reducción automática del
malestar. Çelik et al. (2024) no identificaron un
cambio significativo de ansiedad lectora pese a
mejoras cognitivas. En Chen y Keng (2026), la
escala de ansiedad mostró baja consistencia
interna y los resultados no fueron robustos ante
corrección por comparaciones múltiples.
Oyarzún y Rodríguez (2024) registraron más
ansiedad en la escritura con ChatGPT que en la
tarea tradicional. Yee et al. (2026) observaron
más estrés y desánimo en la condición de
chatbot durante una sesión breve. La novedad,
las demandas de supervisión y el ajuste entre
herramienta y tarea son interpretaciones
posibles, no mecanismos demostrados por esta
revisión.
En encuestas, el uso académico puede aparecer
relacionado con menor tensión. Ajlouni et al.
(2025) informaron una correlación inversa entre
intensidad de ChatGPT y estrés académico (r =
−0,637); Ajlouni et al. (2026) encontraron un
patrón favorable para ansiedad matemática.
Alsuwaylim et al. (2026), Cui et al. (2026) y
Zhang, Z., Kanji, et al. (2026) relacionaron uso
orientado al aprendizaje con menor ansiedad en
sus respectivos contextos. Hwang y Wu (2025)
integraron autoeficacia y ansiedad en un
modelo de cognición creativa. Estos resultados
respaldan asociaciones compatibles con apoyo
al aprendizaje, pero la autoselección y la
causalidad inversa siguen siendo alternativas.
La percepción de utilidad emocional constituye
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 687
una evidencia diferente. Rasheed et al. (2026)
registraron que 387 de 723 usuarios percibían
menor estrés de estudio; Etcuban (2025) obtuvo
acuerdo con afirmaciones sobre alivio en
álgebra. Ninguna de esas proporciones
demuestra reducción comprobada de síntomas.
Kanwal (2025) y Wang y Ren (2025) mostraron
experiencias afectivas diversas durante
escritura asistida. Por otra parte, Delima et al.
(2024) no encontraron diferencias significativas
de ansiedad matemática entre usuarios y no
usuarios. Tang et al. (2026) situaron la ansiedad
en un papel comparativamente menor que la
autoeficacia y la perseverancia para explicar
disposición comunicativa. Por tanto, ni
aceptación ni satisfacción deben utilizarse como
equivalentes de bienestar emocional.
Un segundo conjunto relaciona malestar con
uso dependiente. Zhang et al. (2024) asociaron
estrés y expectativas de rendimiento con
dependencia de IA; Liu, X., Liu, et al. (2026)
ampliaron el análisis a ansiedad académica y
pensamiento desiderativo. Fu, F. (2026) situó
estas relaciones en ambientes de competencia
académica, mientras que Liu, X., Zhang, et al.
(2026) las examinó bajo presión temporal en
posgrado. Los modelos sugieren que las
demandas pueden favorecer una utilización
orientada a resolver rápidamente tareas. Sin
embargo, que una mediación sea
estadísticamente significativa no prueba que el
estrés anteceda a la dependencia: en estudios
transversales, el orden causal permanece
abierto.
Los trabajos con medición temporal separada
ofrecen información adicional, aunque
conservan limitaciones. Zhang (2026) analizó
estrés y utilidad percibida en una muestra de
428 estudiantes. Kong et al. (2026) encontraron
que el estrés intensificaba la relación de
motivaciones evitativas con uso problemático.
En ambos casos, el seguimiento observacional
no elimina la influencia de rendimiento previo,
carga curricular o vulnerabilidad emocional.
Song y Liu (2025) también vincularon ansiedad
y patrones de utilización dentro de un modelo
de rasgos y conducta académica. Estos
resultados deben leerse como configuraciones
de variables relacionadas, sin atribuir a una sola
herramienta el origen del malestar.
La finalidad de uso ayuda a interpretar
resultados aparentemente incompatibles. Wang
et al. (2025) encontraron mayor ansiedad
vinculada con usos sustitutivos, mientras
algunas formas auxiliares mostraban perfiles
distintos. En Fu et al. (2026), la presión
académica se asoció con dependencia en
estudiantes de medicina que utilizaban IAG.
Gezgin et al. (2026) abordaron la inseguridad
académica ante la ausencia de herramientas de
IA. Esta última no es idéntica a ansiedad ante
exámenes ni a un trastorno de ansiedad, pero
aporta información sobre la confianza en la
propia capacidad de trabajar sin asistencia. La
frecuencia aislada resulta insuficiente para
distinguir autonomía apoyada de delegación
habitual.
Algunos informes utilizaron escalas de
síntomas generales en contextos formativos.
Chavez y Huancahuire (2026) hallaron
correlaciones de dependencia con ansiedad y
estrés en estudiantes de medicina; tras ajuste, el
estrés no alcanzó significación estadística.
Wang et al. (2026) relacionaron estrés
académico, dependencia, autoeficacia y
ansiedad medida con GAD-7. Elshaer y Azazz
(2025) encontraron asociaciones entre
puntuaciones de adicción a modelos de lenguaje
y malestar. Estos instrumentos describen
síntomas o constructos de investigación, no
diagnósticos obtenidos en una evaluación
clínica, y sus resultados no pueden mezclarse
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 688
directamente con escalas de ansiedad
matemática o de conversación.
Las intervenciones psicológicas constituyen un
grupo pequeño y específico. Lee et al. (2025)
evaluaron una aplicación con chatbot
semigenerativo para procrastinación y
observaron reducción intragrupo del estrés; esa
prueba no establece por sí sola superioridad
respecto del control. Fang et al. (2026)
compararon terapia cognitivo-conductual
apoyada por IAG y realidad virtual, terapia
convencional y apoyo mínimo: ambas
condiciones activas mejoraron la ansiedad. La
combinación de tecnologías con
procedimientos terapéuticos impide atribuir el
resultado exclusivamente a la generación de
lenguaje. Esta evidencia piloto no respalda
sustituir atención profesional por chatbots de
uso general.
El entorno institucional modifica las exigencias
de uso. Agnihotri y Chen (2025) estudiaron
tecnoestrés e intención de adopción; León Luyo
et al. (2026) mostraron que el tecnoestrés
debilitaba el vínculo entre autorregulación y uso
responsable. Jingjing et al. (2026) encontraron
relaciones distintas de tecnoestrés y uso activo
de IAG con resultados educativos. Chen et al.
(2026) describieron beneficios colaborativos y
malestar coexistentes cuando IAG y redes
sociales se coordinan en el aprendizaje, con un
papel amortiguador del apoyo percibido. Es
plausible que algunas demandas procedan del
entorno digital conjunto, por lo que no deben
atribuirse exclusivamente al chatbot.
La preocupación por integridad también
requiere una lectura diferenciada. Enriquez et
al. (2026) documentaron incertidumbres en
torno a la integración académica; Chang et al.
(2026) examinaron preocupación y
ocultamiento según el interlocutor; Kuang y
Gao (2026) relacionaron reglas y apoyo con
adaptación estudiantil. Samson et al. (2024)
encontraron que el estrés se vinculaba con
actitudes hacia ChatGPT, pero no apoyaron la
relación directa propuesta con intención de uso.
Zhang et al. (2026) identificaron perfiles que
combinan ansiedad, sueño y uso desregulado.
Ninguno de estos resultados justifica etiquetar a
todos los usuarios como vulnerables: las
experiencias varían y las categorías analíticas
no equivalen a diagnósticos individuales.
La síntesis apoya evaluar modalidades de
integración concretas. Las actividades deberían
explicitar para qué se permite la IAG, qué parte
del trabajo debe realizar el estudiante y cómo se
verifica la respuesta. Una práctica guiada puede
combinar apoyo tecnológico, revisión crítica y
momentos de desempeño autónomo. También
conviene evaluar resultados de aprendizaje y
bienestar por separado: una mejora en
comprensión o productividad no garantiza
menor ansiedad. Estas propuestas se derivan de
la convergencia contextual de los informes y
deben contrastarse mediante estudios de
implementación, sin presentarse como
intervenciones cuya eficacia ya haya quedado
establecida.
Para nuevas investigaciones se necesitan
definiciones operativas de uso auxiliar,
sustitutivo y dependiente; medidas emocionales
específicas y validadas; registro del modelo y
versión utilizados; y comparadores con una
dosis de apoyo semejante. Los ensayos deberían
controlar la agrupación por clases, informar
pérdidas y reportar diferencias entre grupos con
intervalos de confianza. Los estudios
longitudinales tendrían que medir malestar
previo, carga académica, alfabetización digital
y apoyo institucional. Además, sería útil
examinar duración de los cambios y capacidad
de resolver tareas sin asistencia, evitando
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 689
confundir una mejora inmediata de comodidad
con aprendizaje sostenible. La revisión se
restringe a una exportación de Scopus y no
representa una búsqueda exhaustiva en todas las
bases de educación y psicología. El filtro de
acceso abierto puede producir sesgo de
disponibilidad, y la restricción a tres idiomas
puede omitir contextos pertinentes. Los 29
textos no recuperados constituyen el 34,1% de
los 85 documentos buscados; no conocer sus
resultados completos limita la exhaustividad y
puede modificar el balance interpretativo. El
Anexo 2 permite identificar esta brecha. La
existencia de acceso abierto en el filtro de
Scopus no garantizó recuperación técnica de
todos los documentos.
La heterogeneidad de medidas y la
predominancia observacional impidieron una
estimación conjunta. Se incluyeron medidas de
percepción, intención, preocupación normativa
y síntomas generales, pero se mantuvieron
analíticamente separadas. La exclusión de
estudios exclusivamente cualitativos reduce la
profundidad interpretativa de las experiencias
estudiantiles. No se evaluó formalmente sesgo
de publicación ni certeza global, y no puede
descartarse por completo el solapamiento de
participantes entre informes. La rápida
evolución de las herramientas también limita la
transferencia de los hallazgos a versiones
posteriores o a contextos con políticas
diferentes.
Conclusiones
La evidencia recuperada no permite afirmar que
la IAG reduzca o incremente de manera
uniforme la ansiedad y el estrés universitarios.
Algunas actividades guiadas de conversación,
lectura y programación presentan resultados
favorables, mientras otros estudios muestran
ausencia de diferencias o mayor tensión durante
la tarea. La dependencia y el uso sustitutivo
aparecen asociados con malestar, presión
académica e inseguridad, aunque el predominio
de diseños observacionales impide establecer
una dirección causal única.
La contribución principal de la revisión es
distinguir modalidades de utilización y
constructos emocionales que suelen
confundirse. El alivio percibido, la ansiedad
ante una tarea, el tecnoestrés, la preocupación
por integridad y los síntomas generales
requieren interpretaciones diferentes. La
integración educativa debería conservar
oportunidades de trabajo autónomo, ofrecer
reglas comprensibles y evaluar conjuntamente
aprendizaje y experiencia emocional. Estas
implicaciones son orientaciones basadas en
evidencia heterogénea, no garantías de eficacia.
Las conclusiones se circunscriben a 47 informes
recuperados dentro de una exportación con
filtros de acceso abierto e idioma. La
recuperación incompleta y las limitaciones
metodológicas del proceso aconsejan
considerar esta síntesis como una base
documentada para su validación y
actualización. Futuras investigaciones con
comparadores adecuados, seguimiento y
medidas consistentes podrán precisar cuándo el
apoyo generativo favorece el bienestar y cuándo
se relaciona con nuevas exigencias académicas.
Referencias Bibliográficas
Agnihotri, P., & Chen, S. (2025).
Understanding university students’ adoption
of ChatGPT: A TAM-based exploration of
key factors. E+M Ekonomie a Management,
28(4), 211-226.
https://doi.org/10.15240/tul/001/2025-5-023
Ajlouni, A., AlOmary, A., Wahba, F. A.-A., Al-
Kubaisi, H., & Ibrahim, A. (2025). The
Intensity of Using ChatGPT in Relation to
Academic Stress: A Cross-Sectional Study.
International Journal of Interactive Mobile
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 690
Technologies (iJIM), 19(17), 81-100.
https://doi.org/10.3991/ijim.v19i17.56495
Ajlouni, A., AlOmary, A., Wahbeh, F.,
Ghnaim, F., & Al-orainat, L. (2026). The
Impact of ChatGPT Usage Intensity on
Mathematics Anxiety and Problem-Solving
Skills among Undergraduate Students.
International Journal of Engineering
Pedagogy (iJEP), 16(2), 90–108.
https://doi.org/10.3991/ijep.v16i2.60901
Alsuwaylim, A. M., Alshehri, M. A., Lamouchi,
A., Abdellatif, M. S., Ibrahim, A. R., &
Nemt-allah, M. A. (2026). ChatGPT use and
learner autonomy among EFL university
students: the mediating role of English
speaking anxiety. Frontiers in Psychology,
17, 1834791.
https://doi.org/10.3389/fpsyg.2026.1834791
Campbell, M., McKenzie, J. E., Sowden, A.,
Katikireddi, S. V., Brennan, S. E., Ellis, S.,
Hartmann-Boyce, J., Ryan, R., Shepperd, S.,
Thomas, J., Welch, V., & Thomson, H.
(2020). Synthesis without meta-analysis
(SWiM) in systematic reviews: reporting
guideline. BMJ, 368, l6890.
https://doi.org/10.1136/bmj.l6890
Çelik, F., Yangın Ersanlı, C., & Arslanbay, G.
(2024). Does AI Simplification of Authentic
Blog Texts Improve Reading
Comprehension, Inferencing, and Anxiety?
A One-Shot Intervention in Turkish EFL
Context. The International Review of
Research in Open and Distributed Learning,
25(3), 287-303.
https://doi.org/10.19173/irrodl.v25i3.7779
Chang, D. H., Lin, M. P.-C., Huang, J.-Y., &
Ryoo, J. (2026). “Should I tell my teacher?”
Student AI disclosure practices, stigma, and
self-regulated learning in higher education.
Frontiers in Education, 11, 1826174.
https://doi.org/10.3389/feduc.2026.1826174
Chavez Sosa, J. V., & Huancahuire-Vega, S.
(2026). Anxiety and Depression Associated
With the Dependent Use of Generative AI in
Medical Students: Cross-Sectional Study.
JMIR Formative Research, 10, e82667.
https://doi.org/10.2196/82667
Chen, Y., Chen, G., & Chen, J. (2026).
Generative AI–social media coordinated
learning and university students'
psychological well-being: dual pathways and
the buffering role of perceived support.
Frontiers in Psychology, 17, 1788850.
https://doi.org/10.3389/fpsyg.2026.1788850
Chen, Y.-H., & Keng, K. (2026). Bridging
Proficiency Gaps: ChatGPT-Enhanced
STAD for Achievement, Attitudes, and
Equity in Multilingual Higher Education.
Journal of Information Technology
Education: Research, 25, 27.
https://doi.org/10.28945/5824
Cui, Q., Hussin, S., & Wong, W. L. (2026).
Reducing Speaking Anxiety through AI
Interaction: ChatGPT-Assisted English-
Speaking Practice and Language Proficiency
Development in Chinese Universities. World
Journal of English Language, 16(5), 524–
537.
https://doi.org/10.5430/wjel.v16n5p524
Delima, N., Kusuma, D. A., & Paulus, E.
(2024). The students' mathematics self-
regulated learning and mathematics anxiety
based on the use of ChatGPT, music, study
program, and academic achievement.
Infinity Journal, 13(2), 349–362.
https://doi.org/10.22460/infinity.v13i2.p349
-362
Elshaer, I. A., & Azazz, A. M. S. A. (2025). The
Impacts of Large Language Model
Addiction on University Students’ Mental
Health: Gender as a Moderator. Algorithms,
18(12), 789.
https://doi.org/10.3390/a18120789
Enriquez, P., Lin, H.-Y., & Baciu, C. (2026).
Artificial intelligence in higher education:
student use, perceived benefits, and
emerging risks. Frontiers in Education, 11,
1812390.
https://doi.org/10.3389/feduc.2026.1812390
Etcuban, J. O. (2025). The use of ChatGPT in
addressing Algebra anxiety and promoting
confidence. International Electronic Journal
of Mathematics Education, 20(2), em0825.
https://doi.org/10.29333/iejme/16008
Fan, G., Liu, D., Zhang, R., & Pan, L. (2025).
The impact of AI-assisted pair programming
on student motivation, programming
anxiety, collaborative learning, and
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 691
programming performance: a comparative
study with traditional pair programming and
individual approaches. International Journal
of STEM Education, 12(1), 16.
https://doi.org/10.1186/s40594-025-00537-
3
Fang, H., Huang, Z., Zhu, L., Dai, Q., Hong, M.,
Guo, H., & Wang, E. (2026). Harnessing
large language models in virtual CBT for
university students’ academic anxiety: a
preliminary randomized trial. Frontiers in
Public Health, 14, 1874822.
https://doi.org/10.3389/fpubh.2026.1874822
Fu, F. (2026). Academic involution atmosphere
and AI dependence among university
students: the mediating role of academic
stress and the moderating role of individual
academic involution behaviors. Frontiers in
Psychology, 17, 1857123.
https://doi.org/10.3389/fpsyg.2026.1857123
Fu, L., Li, R., Shi, W., Quan, R., Wu, J.,
Zhaoyang, K., Li, Y., Yang, L., Li, W., Liu,
S., Dong, Y., Yang, L., Rong, Z., Qin, Y., &
Zhou, L. (2026). Mixed-methods study on
GenAI Usage, dependence behaviors, and
standardized application paths among
Chinese medical students. npj Digital
Medicine, 9(1), 714.
https://doi.org/10.1038/s41746-026-02839-
4
Gao, S. (2024). Can Artificial Intelligence Give
a Hand to Open and Distributed Learning? A
Probe into the State of Undergraduate
Students’ Academic Emotions and Test
Anxiety in Learning via ChatGPT.
International Review of Research in Open
and Distributed Learning, 25(3), 199–218.
https://doi.org/10.19173/irrodl.v25i3.7742
Ge, L., Yang, W., Zhang, X., & Li, T. (2026). A
Sustainable Framework for Teaching
Quality Assurance in Engineering
Education: A Case Study of AI-Enhanced
Multi-Agent Interactive Classrooms.
Applied Sciences, 16(16), 8049.
https://doi.org/10.3390/app16168049
Gezgin, D. M., Nurlu, O., Arapoğlu, Ç., &
Demirelli, M. M. (2026). AIlessphobia in
Education among University Students:
Prevalence and Associations with Deep and
Surface Learning Approaches. Open Praxis,
18(3), 428-440.
https://doi.org/10.55982/openpraxis.18.3.11
42
Guan, X., Su, Y., Jin, T., Lai, C., & Li, Y.
(2026). Students’ emotions and cognitive
loads in chatbot-versus peer-supported
reading. Language Learning &
Technology, 30(2), 111-135.
https://doi.org/10.64152/10125/73683
Hwang, Y., & Wu, Y. (2025). The influence of
generative artificial intelligence on creative
cognition of design students: a chain
mediation model of self-efficacy and
anxiety. Frontiers in Psychology, 15,
1455015.
https://doi.org/10.3389/fpsyg.2024.1455015
Jingjing, Q., Yan, Z., Xiaobing, X., Li, L., &
Nusrat, A. (2026). The impact of
technostress and generative AI on EFL
mathematic metacognitive reading strategies
and digital classroom burnout in SDG-
aligned education. Scientific Reports, 16(1),
17026. https://doi.org/10.1038/s41598-026-
47683-4
Kanwal, A. (2025). Exploring the Impact of
ChatGPT on Psychological Factors in
Learning English Writingamong
Undergraduate Students. World Journal of
English Language, 15(3), 404–413.
https://doi.org/10.5430/wjel.v15n3p404
Kong, Y., Dong, T., Yang, Z., Fang, Y., &
Chen, N. (2026). From cognitive need to
problematic use: a chained mediation path
moderated by academic stress and AI
literacy. Frontiers in Psychology, 17,
1767454.
https://doi.org/10.3389/fpsyg.2026.1767454
Kuang, W., & Gao, X. (2026).
Multidimensional responses to generative AI
in higher education: an integrative
framework linking institutional governance,
teaching practice, and student psychological
adaptation. Frontiers in Psychology, 17,
1789506.
https://doi.org/10.3389/fpsyg.2026.1789506
Lee, S., Jeong, J., Kim, M., Lee, S., Kim, S.-P.,
& Jung, D. (2025). Development of a Mobile
Intervention for Procrastination Augmented
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 692
With a Semigenerative Chatbot for
University Students: Pilot Randomized
Controlled Trial. JMIR mHealth and
uHealth, 13, e53133.
https://doi.org/10.2196/53133
León Luyo, S. L., Marquez-Yauri, H. Y.,
Corrales Otazú, C. D., Apaza Miranda, S. J.,
Arévalo-Aranda, C. P., Flores Castillo, M.
M., Orejuela Guerrero, L. A., Guzmán Valle,
C. A., Arbulú Ballesteros, M. A., & Paredes
Morales, A. E. (2026). Artificial Intelligence
Literacy and the Responsible Use of
Generative AI Among University Students
in Peru: The Mediating Role of Self-
Regulated Learning and the Moderating
Effect of Technostress. European Journal of
Investigation in Health, Psychology and
Education, 16(9), 143.
https://doi.org/10.3390/ejihpe16090143
Liu, X., Liu, Y., Dai, Y., & Fu, J. (2026).
Academic stress and university students’
dependency on generative artificial
intelligence: a multiple mediation model
using PLS-SEM. BMC Psychology, 14(1),
216. https://doi.org/10.1186/s40359-026-
03986-9
Liu, X., Zhang, Y., Zhang, Z., Li, R., & Bálint,
Á. (2026). Differentiation under pressure:
psychological pathways and latent profiles
of GenAI dependence among graduate
students. Frontiers in Psychiatry, 17,
1894754.
https://doi.org/10.3389/fpsyt.2026.1894754
Mirsanjari, Z. (2025). AI-driven vs. Traditional
language assessment: effects on Iranian EFL
learners’ motivation, anxiety, and
proficiency in a high-stakes exam context.
Language Testing in Asia, 15(1), 70.
https://doi.org/10.1186/s40468-025-00395-
4
Oyarzún Yáñez, R., & Rodríguez Rodríguez,
M. N. (2024). Escribir en la universidad con
apoyo de IA: ansiedad y utilidad percibida en
el uso de chat GPT. European Public &
Social Innovation Review, 9, 1-15.
https://doi.org/10.31637/epsir-2024-922
Page, M. J., McKenzie, J. E., Bossuyt, P. M.,
Boutron, I., Hoffmann, T. C., Mulrow, C. D.,
Shamseer, L., Tetzlaff, J. M., Akl, E. A.,
Brennan, S. E., Chou, R., Glanville, J.,
Grimshaw, J. M., Hróbjartsson, A., Lalu, M.
M., Li, T., Loder, E. W., Mayo-Wilson, E.,
McDonald, S., … Moher, D. (2021). The
PRISMA 2020 statement: an updated
guideline for reporting systematic reviews.
BMJ, 372, n71.
https://doi.org/10.1136/bmj.n71
Qu, Z., & Chen, L. (2026). Simulating the
“cultural other”: the impact of GenAI
interlocutors on EFL learners’ intercultural
communicative competence, speaking
anxiety, and learning engagement. Frontiers
in Psychology, 17, 1799695.
https://doi.org/10.3389/fpsyg.2026.1799695
Rasheed, M. K., Alonayzan, F., Alresheedi, N.,
Aljasir, R. I., Alhomoud, I. S., & Alrasheedy,
A. A. (2026). ChatGPT in Health
Professions Education: Findings and
Implications from a Cross-Sectional Study
Among Students in Saudi Arabia.
International Medical Education, 5(1), 6.
https://doi.org/10.3390/ime5010006
Rethlefsen, M. L., Kirtley, S., Waffenschmidt,
S., Ayala, A. P., Moher, D., Page, M. J.,
Koffel, J. B., & PRISMA-S Group. (2021).
PRISMA-S: an extension to the PRISMA
Statement for Reporting Literature Searches
in Systematic Reviews. Systematic Reviews,
10, 39. https://doi.org/10.1186/s13643-020-
01542-z
Saito, Y. (2026). An exploratory study of AI-
avatar speaking practice in low-immersion
VR: Fluency, anxiety, and technology
acceptance. The JALT CALL Journal, 22,
103142.
https://doi.org/10.29140/jaltcall.2026.10314
2
Samson, B., Luriaga, R., & Ebardo, R. (2024).
Do Academic Stress and Risk Propensity
Affect Behavioral Intention to Use ChatGPT
among University Students?. International
Conference on Computers in Education.
https://doi.org/10.58459/icce.2024.4938
Song, J., & Liu, S. (2025). Dark personality
traits are associated with academic
misconduct, frustration, negative thinking,
and generative AI use habits: the case of
Sichuan art universities. BMC Psychology,
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 693
13(1), 633. https://doi.org/10.1186/s40359-
025-02949-w
Tang, J., Zhang, A., Sun, M., Leng, X., & Luo,
L. (2026). Drivers of willingness to
communicate with generative AI: the roles of
self-efficacy, grit, speaking enjoyment, and
anxiety from a self-determination theory
perspective. Frontiers in Psychology, 17,
1754495.
https://doi.org/10.3389/fpsyg.2026.1754495
Wang, L., & Ren, B. (2025). Gender Equity in
Wikibook Collaborative Writing Assisted by
Multimodal Generative AI Tools: The Case
of Hong Kong Undergraduates. Education
Sciences, 15(12), 1658.
https://doi.org/10.3390/educsci15121658
Wang, W., Wu, Y., Fang, J., Yang, C., & Wen,
L. (2026). When cognitive offloading
becomes dependence: how AI dependence
mediates the pathway from academic stress
to burnout and anxiety. BMC Psychology,
14(1), 1125. https://doi.org/10.1186/s40359-
026-04911-w
Wang, Z., Chen, Z., Li, L., & Sun, J. (2025).
Between support and substitution: the impact
of artificial intelligence use on anxiety and
learning performance among Spanish majors
in China. Frontiers in Psychology, 16,
1710445.
https://doi.org/10.3389/fpsyg.2025.1710445
Yee, J., Lim, F. V., & Quek, J. (2026). Moods,
bots, and bodies: University students’
emotional and physiological responses to
human vs. GenAI chatbots. Journal of
Applied Learning and Teaching, 9(2).
https://doi.org/10.37074/jalt.2026.9.2.6
Zhang, C. (2026). The relationship between
academic self-efficacy and GenAI
dependence among college students: a chain
mediation model of academic stress and
perceived usefulness of GenAI. Frontiers in
Psychology, 17, 1784354.
https://doi.org/10.3389/fpsyg.2026.1784354
Zhang, S., Zhao, X., Zhou, T., & Kim, J. H.
(2024). Do you have AI dependency? The
roles of academic self-efficacy, academic
stress, and performance expectations on
problematic AI usage behavior. International
Journal of Educational Technology in
Higher Education, 21(1), 34.
https://doi.org/10.1186/s41239-024-00467-
0
Zhang, Z., Kanji, M., Zhang, M., & Zhou, Y.
(2026). Learning-oriented generative AI use,
self-directed learning, and learning anxiety
in higher education: a cross-sectional study.
Frontiers in Education, 11, 1840953.
https://doi.org/10.3389/feduc.2026.1840953
Zhang, Z., Zhang, Y., Lu, X., & Zhang, M.
(2026). Problematic generative AI use and
mental health risks among Chinese
university students: latent profiles, network
structure, and health literacy as a modifiable
resource. Frontiers in Public Health, 14,
1910408.
https://doi.org/10.3389/fpubh.2026.1910408
Esta obra está bajo una licencia de
Creative Commons Reconocimiento-No Comercial
4.0 Internacional. Copyright ©
Diana de las Mercedes
Solís Grijalva, Betty Betzabeth Muñoz Muñoz y Daysi
Margarita Rosado Carrera.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 694