Santo Domingo.- La Pontificia Universidad Católica Madre y Maestra (PUCMM) presentó este viernes los resultados de un estudio que analizó la dependencia del uso de la inteligencia artificial (IA) en estudiantes universitarios dominicanos, concluyendo que los jóvenes que más utilizan esta tecnología suelen procrastinar más y que el pensamiento crítico no mostró diferencias significativas entre los perfiles de dependencia a la IA.
El estudio “Perfiles latentes de dependencia a la inteligencia artificial en universitarios: relación con la procrastinación académica y el pensamiento crítico” examinó la dependencia psicológica hacia herramientas de inteligencia artificial en estudiantes y cómo estos patrones se relacionan con la procrastinación académica y el pensamiento crítico. La investigación fue desarrollada por los investigadores Jairo Espinal-Martínez y Leuny Ortiz-González, en un proceso de mentoría en investigación con las egresadas Jennifer Hernández, Karla de los Santos y Ana María Quiñones, todos de la PUCMM.
Te puede interesar: “Mi gratitud eterna”: Abinader dedica emotivo mensaje a su madre y a Raquel Arbaje en el Día de las Madres
El estudio contó con una muestra de 806 estudiantes universitarios dominicanos, con una edad promedio de 28 años, e identificó tres perfiles de dependencia a la inteligencia artificial: baja dependencia, con el 55.4 % de la muestra; dependencia moderada, con el 32.5 %; y alta dependencia, con el 12.1 % de los participantes.
El perfil de baja dependencia se caracterizó por puntuaciones reducidas en todos los indicadores evaluados. El grupo de dependencia moderada mostró como rasgo distintivo el temor al reemplazo de habilidades personales, mientras que el perfil de alta dependencia evidenció una mayor necesidad de validación constante por parte de la IA y una percepción más intensa de sustitución de capacidades propias.
“El estudio parte de la premisa de que la inteligencia artificial no impacta de manera homogénea a todos los estudiantes. En ese sentido, utilizamos un enfoque personocéntrico basado en análisis de perfiles o clases latentes, una técnica que permite identificar grupos de estudiantes con patrones diferenciados de comportamiento y necesidades específicas de acompañamiento”, explicó el doctor Jairo Espinal, durante el XXI Congreso Internacional de Investigación Científica que organiza el Ministerio de Educación Superior Ciencia y Tecnología (MESCyT) y tiene como sede la Madre y Maestra.
Uno de los hallazgos más relevantes fue que la procrastinación académica aumentó de manera gradual y ordenada según el nivel de dependencia a la IA. Los estudiantes con baja dependencia presentaron los niveles más reducidos de procrastinación, mientras que quienes integraban el perfil de alta dependencia mostraron los niveles más elevados.
“Los resultados sugieren que, en algunos casos, la inteligencia artificial podría facilitar una forma de ‘postergación estratégica’, en la que los estudiantes retrasan el inicio de sus tareas al anticipar que podrán delegar parte del trabajo cognitivo en estas herramientas cerca de la fecha límite de entrega”, señaló el investigador.
En contraste, el pensamiento crítico no mostró diferencias significativas entre los perfiles de dependencia identificados. Este hallazgo sugiere que una mayor dependencia de estas herramientas no se traduce de manera directa e inmediata en menores niveles de pensamiento crítico. Más bien, los investigadores plantean que esta relación podría estar mediada por otros factores, como la procrastinación, la fatiga cognitiva o la tendencia a descargar procesos mentales en herramientas tecnológicas.
El estudio concluye que la dependencia a la inteligencia artificial no se distribuye de forma uniforme entre los universitarios y que existen perfiles diferenciados que requieren estrategias específicas de apoyo. Mientras la mayoría de los estudiantes presenta bajos niveles de dependencia, un grupo reducido pero relevante evidencia señales de mayor riesgo, especialmente vinculadas con la procrastinación académica.
Estos resultados, señala la investigación, podrían contribuir al diseño de políticas universitarias que promuevan un uso responsable de la inteligencia artificial, incorporando estrategias de autorregulación, alfabetización crítica y acompañamiento académico, más allá de enfoques centrados únicamente en restringir o permitir su utilización.
Metodología
La investigación utilizó una muestra de 806 estudiantes universitarios dominicanos y empleó tres instrumentos de evaluación: la escala DAI para medir dependencia a la inteligencia artificial, la Escala de Procrastinación Académica y una escala de pensamiento crítico. Los análisis incluyeron la validación psicométrica de la escala, la identificación de perfiles latentes, la comparación de los grupos en procrastinación y pensamiento crítico, así como una curva ROC (Receiver Operating Characteristic) para establecer un punto de corte empírico de alta dependencia a la IA.
