Abstract
The integration of artificial intelligence in education generates both enthusiasm and concern, particularly regarding ethics, biases, and academic integrity. This study examines how factors such as cognition, ability, vision, ethics, perceived threats, and innovation influence teachers’ job satisfaction when incorporating AI into their classrooms. To this end, a questionnaire was administered to 51 teachers from several educational levels, analyzing their perceptions and competences regarding these technologies.
The results reveal a predominantly positive assessment of AI, especially for its ability to improve teaching practice and to increase job satisfaction. Nevertheless, weaknesses were identified regarding the technical handling of AI, particularly in the ability dimension, highlighting the need for a stronger training. Furthermore, it was observed that cognition impacts teachers’ ethics and vision, and that the perception of innovation is positively associated with job satisfaction.
Likewise threats such as technological dependence or loss of critical thinking are acknowledged, although they do not significantly diminish teachers’ positive evaluation of AI. This study provides empirical evidence on the relationships between cognitive and emotional factors in teachers’ adoption of AI.
Introducción
La rápida incorporación de la inteligencia artificial (IA, en adelante) en el ámbito educativo, particularmente en la educación superior, constituye un fenómeno sin precedentes en comparación con otras tecnologías previas. Esta adopción acelerada ha generado tanto entusiasmo como inquietud entre docentes, responsables institucionales e investigadores. Sullivan, Kelly y McLaughlan (2023) identifican como principales focos de preocupación los problemas relacionados con la integridad académica, las implicaciones éticas y los sesgos asociados al funcionamiento de los algoritmos. Tal como señala Chiu (2023), la irrupción de herramientas generativas como ChatGPT o Midjourney está modificando no solo las formas de enseñar y aprender, sino también las normativas institucionales y las líneas prioritarias de investigación en educación. En respuesta a estos cambios, la literatura reciente ha identificado dos líneas de acción urgentes: por una parte, la revisión de los criterios de evaluación y las políticas académicas; por otra, la necesidad de capacitar a docentes, estudiantes y responsables educativos en el uso ético y pedagógico de estas tecnologías (Lo, 2023).
Este interés ha llevado a la elaboración de numerosas guías institucionales, tanto en universidades del ámbito anglosajón (González, 2024) como en centros hispanohablantes, entre ellos la Universidad de Guadalajara (2023) y la Universidad de Burgos (Abella, 2024). Al mismo tiempo, la producción científica sobre IA en el ámbito educativo ha crecido rápidamente. Mena-Guacas et al. (2024) informan que el 98 % de los estudios están publicados en inglés, con predominio de autores de Estados Unidos (25 %), China (13 %), Reino Unido (8 %), España (5 %) y, en menor medida, Canadá e India (4 %).
Este auge ha dado lugar a múltiples revisiones sistemáticas y metaanálisis, que coinciden en reconocer el potencial de la IA como herramienta de apoyo al aprendizaje. Sin embargo, también advierten sobre diversos riesgos, como el uso inadecuado, la falta de formación docente, los dilemas éticos o los sesgos tecnológicos (Kim, 2023; Bond et al., 2024; Casanova y Martínez, 2024).
Ante esta realidad, cobra especial relevancia el rol del profesorado como agente clave en la integración efectiva de la IA en el aula. Celik et al. (2002) subrayan que la IA no sustituye al docente, sino que transforma sus funciones, lo que implica nuevos saberes, juicio crítico y actualización permanente. Esta transición ha sido descrita por Bonales-Daimiel et al. (2025), quienes destacan el surgimiento de funciones asociadas a la mediación tecnológica, la gestión ética y el liderazgo pedagógico en entornos digitales. Siguiendo esta línea, la Comisión Europea (2022) distingue cuatro grandes ámbitos de aplicación de la IA en educación: enseñanza directa, apoyo al aprendizaje, acompañamiento al profesorado y planificación institucional. Jeon y Lee (2023) completan este marco al identificar funciones de la IA como asistente, evaluador o generador de contenidos, mientras que el profesorado asume nuevas responsabilidades asociadas al diseño pedagógico, la supervisión del pensamiento crítico y el control ético del proceso.
Numerosos estudios recientes coinciden en señalar que, si bien la actitud del profesorado hacia la IA suele ser positiva, esta se ve matizada por temores relacionados con la dependencia tecnológica, la pérdida de autonomía profesional o el debilitamiento del pensamiento crítico (Adekunde et al., 2022; Cabero et al., 2024a; Pérezchica-Vega et al., 2024). Webb (2024) advierte que los docentes se sitúan en un continuo que va desde la evasión hasta la adaptación crítica, siendo esta última la postura más adecuada en un contexto en el que el estudiantado está adoptando la IA con mayor rapidez que el profesorado (Chao-Rebolledo y Rivera-Navarro, 2024).
Más allá de las actitudes, diversas investigaciones han destacado la influencia de factores cognitivos, técnicos y emocionales en la adopción de tecnologías emergentes. La comprensión teórica de la IA (cognición) parece incidir en la habilidad para emplearla, en la visión sobre sus posibilidades pedagógicas y en la orientación ética del docente (Cabero et al., 2024b; Wang et al., 2023). A su vez, la percepción de innovación y las amenazas percibidas se presentan como mediadores potenciales de la satisfacción laboral del profesorado. Según Farrokhnia et al. (2023) y Jiménez et al. (2023), el reconocimiento de los beneficios de la IA no garantiza su uso si no va acompañado de una formación adecuada, una actitud crítica y condiciones institucionales favorables. En esta misma línea, Temitayo et al. (2024) señalan que la intención del profesorado de incorporar IA en sus clases está mediada por actitudes, normas sociales percibidas y percepción de control, lo que refuerza la necesidad de un enfoque integral en la formación docente.
A partir de esta revisión, el presente estudio tiene como propósito analizar la relación entre seis variables (cognición, habilidad, visión, ética, amenazas percibidas e innovación) y la satisfacción laboral del profesorado al incorporar la IA en sus prácticas docentes.
De manera específica, se plantean los siguientes objetivos:
Además, el presente estudio se basa en modelos previos desarrollados por Karaca et al. (2021) y Wang et al. (2023), a partir de los cuales se plantean cinco hipótesis que buscan explorar cómo interactúan estas dimensiones en contextos educativos reales:
- Analizar la relación entre la cognición docente y la habilidad técnica, la visión y el posicionamiento ético que el profesorado presenta sobre la IA.
- Examinar cómo la habilidad técnica del profesorado incide en su percepción de los riesgos y en su apertura a la innovación educativa.
- Analizar la relación entre la visión que tiene el profesorado sobre la IA y su conciencia ética, así como su actitud frente a la innovación.
- Investigar de qué manera las amenazas percibidas influyen en la percepción de la innovación educativa y en el nivel de satisfacción profesional del docente.
- Examinar la relación entre la percepción de innovación y la satisfacción laboral.
- Comprobar si existe relación entre las variables estudiadas, mediante hipótesis fundamentadas en la literatura científica.
- H1: La cognición influye significativamente en la habilidad, la visión y la orientación ética del profesorado.
- H2: La habilidad técnica del profesorado influye en su visión, orientación ética, percepción de amenazas e innovación educativa.
- H3: La visión del profesorado sobre la IA afecta a su percepción ética, a las amenazas percibidas y a la innovación.
- H4: Las amenazas percibidas por el profesorado inciden en la innovación percibida y en su satisfacción laboral.
- H5: La percepción de innovación se asocia de manera positiva con la satisfacción laboral docente.
Este artículo se estructura en cuatro secciones. En primer lugar, se presenta la metodología empleada, incluyendo el diseño, la muestra y los instrumentos utilizados. En segundo lugar, se exponen los resultados obtenidos a partir del análisis cuantitativo de los datos. A continuación, se discuten los hallazgos en relación con estudios previos y, finalmente, se formulan conclusiones y recomendaciones orientadas a la mejora de la formación docente y al uso crítico e informado de la IA en educación.
Materiales y método
El presente estudio se enmarca en un enfoque cuantitativo, con un diseño ex post facto, no experimental y de tipo correlacional. Su finalidad es explorar las relaciones entre diferentes variables asociadas al uso de la IA en la práctica docente y su influencia en la satisfacción laboral del profesorado.
Participaron 51 docentes en ejercicio de los niveles de educación infantil, primaria, secundaria y bachillerato. La muestra se obtuvo mediante un muestreo no probabilístico por conveniencia. La mayoría de los participantes se sitúa en el tramo de edad comprendido entre los 56 y los 60 años. El grupo estuvo integrado mayoritariamente por mujeres (70,6 %), aunque se contó con representación de ambos géneros. Todos los docentes participaron de forma voluntaria y anónima, tras aceptar el consentimiento informado incluido al inicio del formulario digital.
La recolección de información se llevó a cabo mediante un cuestionario estructurado, elaborado a partir de escalas validadas en investigaciones previas (Karaca et al., 2021; Wang et al., 2023) y adaptado al contexto del profesorado español. El instrumento consta de 31 ítems distribuidos en siete dimensiones: cognición, habilidad, visión, ética, amenazas percibidas, innovación y satisfacción laboral. Las respuestas se codificaron en una escala tipo Likert de cinco puntos, que oscila entre 1 (totalmente en desacuerdo) y 5 (totalmente de acuerdo).
Las dimensiones del cuestionario fueron definidas de acuerdo con el marco teórico de referencia, asegurando su coherencia conceptual. Para comenzar, la dimensión de cognición hace referencia al grado de conocimiento que el profesorado posee sobre la IA y su funcionamiento. Por su parte, la habilidad alude al nivel de competencia técnica para utilizar herramientas basadas en IA dentro del aula. La dimensión visión recoge las creencias del profesorado respecto al potencial pedagógico de estas tecnologías.
En cuanto al componente ético, se contemplan aspectos relacionados con la equidad, los sesgos algorítmicos y los posibles efectos sociales del uso de IA. Las amenazas percibidas, por otro lado, agrupan las preocupaciones vinculadas a una posible dependencia excesiva de la tecnología o al debilitamiento del pensamiento crítico en los procesos educativos. La dimensión innovación recoge la disposición del docente a experimentar con recursos tecnológicos novedosos en su práctica. Finalmente, la dimensión de satisfacción laboral se refiere al nivel de bienestar, motivación y realización profesional percibido por el profesorado en su entorno educativo.
El tratamiento de los datos se llevó a cabo mediante hojas de cálculo de Microsoft Excel. Se aplicaron análisis descriptivos (media y desviación estándar) y correlacionales básicos entre dimensiones, adecuados para un estudio de tipo cuantitativo exploratorio. Además, se calculó el coeficiente alfa de Cronbach para estimar la fiabilidad interna del instrumento, cuyos resultados se detallan en el siguiente apartado.
Resultados
El análisis de los datos proporcionó una visión amplia sobre cómo el profesorado percibe el uso de la IA en contextos educativos. En una primera fase descriptiva, se calcularon las medias y desviaciones estándar correspondientes a cada una de las dimensiones incluidas en el cuestionario: cognición, habilidad, visión, ética, amenazas percibidas, innovación y satisfacción laboral. Estos datos se presentan en la siguiente tabla.
Tabla 1.
Medias y desviaciones típicas de las dimensiones del instrumento
Dimensiones | Media | D. st. |
Cognición (CO) | 3,132 | 1,097 |
Habilidad (AB) | 2,9 | 1,146 |
Visión (VI) | 3,343 | 1,081 |
Ética (ET) | 3,33 | 1,220 |
Amenazas percibidas por la IA (PT) | 3,154 | 1,217 |
Innovación potenciada por la IA (INN) | 3,343 | 1,165 |
Satisfacción Laboral (JS) | 3,862 | 0,903 |
Nota.Elaboración propia.
Se observa una tendencia favorable en casi todas las dimensiones, aunque también una dispersión significativa en las respuestas, especialmente en Ética, Innovación y Amenazas, lo que refleja la diversidad de experiencias y niveles de conocimiento del profesorado encuestado. La dimensión de Satisfacción laboral es la mejor valorada (M = 3,86) y presenta la desviación estándar más baja (DT = 0,903), lo que sugiere una percepción comúnmente positiva entre los docentes en cuanto a su bienestar profesional vinculado a la integración de la IA.
En contraste, la dimensión de Habilidad obtuvo la media más baja (M = 2,90), lo que evidencia que los docentes no se consideran suficientemente preparados para implementar tecnologías basadas en IA en sus clases, especialmente en tareas de diseño y adaptación pedagógica. Esta percepción es coherente con la elevada desviación estándar en dicha dimensión (DT = 1,146).
Para valorar la consistencia interna del cuestionario, se calcularon los coeficientes alfa de Cronbach para cada dimensión. Todos los valores superan el umbral mínimo recomendado (α > 0,70), excepto la dimensión Visión (α = 0,645), que, aunque aceptable para estudios exploratorios, merece una revisión futura. Estos datos se presentan en la Tabla 2.
Tabla 2.
Índices de fiabilidad del cuestionario
Alpha | |
Cognición (CO) | 0,828 |
Habilidad (AB) | 0,900 |
Visión (VI) | 0,645 |
Ética (ET) | 0,700 |
Amenazas percibidas por la IA (PT) | 0,787 |
Innovación potenciada por la IA (INN) | 0,865 |
Satisfacción Laboral (JS) | 0,885 |
Total | 0,885 |
Nota: Elaboración propia.
En cuanto al análisis de ítems individuales, se ordenaron los cinco enunciados mejor valorados. Los tres con mayor puntuación pertenecen a la dimensión de Satisfacción laboral, destacando: «Me siento orgulloso de mi trabajo» (JS4, M = 4,27), «Mi trabajo es agradable» (JS5, M = 4,07) y «Estoy satisfecho con mi trabajo» (JS3, M = 4,05). También se observaron valoraciones elevadas en los ítems: «Creo que el uso frecuente de tecnologías de IA puede generar inercia» (PT4, M = 3,98) y «Entiendo las responsabilidades éticas del uso docente de IA» (ET2, M = 3,92).
Los resultados obtenidos apuntan a que, a pesar de los desafíos que implica, la integración de la IA no parece estar debilitando el compromiso profesional del profesorado. Al contrario, podría estar favoreciendo tanto su bienestar laboral como una reflexión crítica sobre las implicaciones éticas del uso educativo de estas tecnologías.
En contraposición, los ítems con puntuación más baja evidencian limitaciones concretas en aspectos técnicos y éticos. Destacan afirmaciones como: «Siento que las tecnologías de IA podrían debilitar la importancia de los docentes» (PT1, M = 2,47) y «Entiendo cómo se entrenan y funcionan las tecnologías de IA» (CO3, M = 2,60). Ambos resultados reflejan la necesidad de fortalecer la formación docente en estas áreas clave. La información detallada puede consultarse en la Tabla 3.
Tabla 3.
Media y desviación típica de los ítems del cuestionario
Ítems | Media | D. st. | ||
(CO1) Entiendo claramente el nuevo rol de los docentes en la era de la IA. | 3,43 | 1,063 | ||
(CO2) Puedo equilibrar eficazmente la relación entre los profesores y las tecnologías de IA. | 3,05 | 0,946 | ||
(CO3) Entiendo cómo se entrenan y funcionan las tecnologías de IA en la educación. | 2,60 | 1,114 | ||
(CO4) Puedo distinguir las funciones y características de diferentes herramientas y aplicaciones de IA. | 3 | 1,232 | ||
(CO5) Entiendo la importancia de utilizar tecnologías de IA para la recopilación, análisis, evaluación y seguridad de datos en la educación en la era de la IA. | 3,58 | 1,134 | ||
(AB1) Puedo integrar eficazmente las tecnologías de IA en mis rutinas de clase. | 2,66 | 0,993 | ||
(AB2) Puedo diseñar diferentes enfoques de enseñanza basados en diferentes funciones de las tecnologías de IA. | 2,68 | 1,140 | ||
(AB3) Puedo utilizar racionalmente las tecnologías de IA para resolver problemas descubiertos durante el proceso de enseñanza. | 2,82 | 1,244 | ||
(AB4) Basándome en la retroalimentación visual y en tiempo real que proporcionan las tecnologías de IA, puedo mejorar mi enseñanza en el siguiente paso. | 3,05 | 1,120 | ||
(AB5) Puedo optimizar y reorganizar el proceso de enseñanza con la ayuda de tecnologías de IA. | 3,19 | 1,249 | ||
(AB6) Puedo discutir, compartir y colaborar eficazmente con otros docentes sobre el uso de tecnologías de IA para diseñar conjuntamente soluciones de enseñanza de alta calidad. | 3 | 1,131 | ||
(VI1) Entiendo las fortalezas y limitaciones de las tecnologías de IA. | 3,66 | 1,107 | ||
(VI2) Tengo mis propios pensamientos y puntos de vista únicos sobre cómo mejorar y utilizar las tecnologías de IA para la educación. | 2,90 | 1,170 | ||
(VI3) Preveo las oportunidades y desafíos que conllevan las tecnologías de IA para la educación. | 3,47 | 0,966 | ||
(ET1) Entiendo la ética digital que deben poseer los docentes en la era de la IA. | 3,78 | 1,045 | ||
(ET2) Entiendo las obligaciones y responsabilidades éticas que los docentes deben asumir en el proceso de uso de tecnologías de IA. | 3,92 | 1,055 | ||
(ET3) Sé cómo mantener segura la información personal cuando uso tecnologías de IA. | 2,68 | 1,240 | ||
(ET4) Utilizo los datos de profesores y estudiantes generados por sistemas de IA siguiendo normas legales y éticas. | 2,94 | 1,541 | ||
(PT1) Siento que las tecnologías de IA podrían debilitar la importancia de los docentes en la educación. | 2,47 | 1,270 | ||
(PT2) Siento que el uso de tecnologías de IA ha reducido la frecuencia de la comunicación cara a cara con colegas y estudiantes. | 2,78 | 1,346 | ||
(PT3) La dependencia excesiva de los estudiantes de la orientación de aprendizaje proporcionada por las tecnologías de IA puede socavar la relación entre profesores y estudiantes. | 3,56 | 1,118 | ||
(PT4) Creo que el uso frecuente de tecnologías de IA para ayudar en la enseñanza y el aprendizaje puede generar inercia, lo que puede reducir la capacidad de pensamiento y toma de decisiones de profesores y estudiantes. | 3,98 | 0,905 | ||
(PT5) En mi opinión, el uso excesivo de tecnologías de IA puede reducir la necesidad de profesores humanos en el aula, dificultando que los profesores transmitan valores correctos a los estudiantes. | 2,98 | 1,449 | ||
(INN1) Las tecnologías de IA me permiten realizar tareas que antes eran difíciles de hacer sin ellas. | 3,41 | 1,134 | ||
(INN2) Las tecnologías de IA me permiten experimentar con una pedagogía innovadora. | 3,37 | 1,182 | ||
(INN3) Las tecnologías de IA me permiten organizar la enseñanza de forma innovadora. | 3,25 | 1,180 | ||
(JS1) En la mayoría de los aspectos, mi trabajo se acerca a mi ideal. | 3,49 | 1,007 | ||
(JS2) La condición actual de mi trabajo es excelente. | 3,43 | 1,005 | ||
(JS3) Estoy satisfecho con mi trabajo. | 4,05 | 0,858 | ||
(JS4) Me siento orgulloso de mi trabajo. | 4,27 | 0,826 | ||
(JS5) Mi trabajo es agradable. | 4,07 | 0,820 |
Nota: Elaboración propia.
El análisis de las correlaciones permitió identificar vínculos relevantes entre varias de las dimensiones evaluadas. En particular:
- La habilidad técnica del profesorado se relaciona directamente con su visión pedagógica, su posicionamiento ético, así como con la percepción de amenazas e innovación.
- La visión influye significativamente en la ética y la innovación.
- Las amenazas percibidas inciden tanto en la percepción de innovación como en la satisfacción laboral.
- La innovación percibida muestra una asociación positiva con el grado de satisfacción profesional del profesorado.
Estas relaciones dan soporte a la hipótesis de que una adecuada preparación técnica, junto con una comprensión crítica y ética del uso de la IA, desempeña un papel fundamental en el bienestar profesional del profesorado en entornos educativos mediados por tecnología.
Tabla 4.
Matriz de correlaciones entre dimensiones del estudio
Dimensiones | Cognición | Habilidad | Visión | Ética | Amenazas | Innovación | Satisfacción |
Cognición | 1.00** | 0.72** | 0.59** | 0.41** | -0.15 | 0.59** | 0.12 |
Habilidad | 0.72** | 1.00** | 0.27 | 0.37** | 0.14 | 0.39** | 0.05 |
Visión | 0.59** | 0.27 | 1.00** | 0.55** | -0.23 | 0.60** | 0.31* |
Ética | 0.41** | 0.37** | 0.55** | 1.00** | -0.06 | 0.36** | 0.09 |
Amenazas | -0.15 | 0.14 | -0.23 | -0.06 | 1.00** | -0.12 | -0.04 |
Innovación | 0.59** | 0.39** | 0.60** | 0.36** | -0.12 | 1.00** | 0.12 |
Satisfacción | 0.12 | 0.05 | 0.31* | 0.09 | -0.04 | 0.12 | 1.00** |
Nota: Se presentan coeficientes r de Pearson. *p < .05; **p < .01. Elaboración propia a partir de los datos del cuestionario (n = 51).
En la Tabla 4 se presentan los valores de correlación entre las variables: cognición, habilidad técnica, visión pedagógica, ética, percepción de amenazas, innovación y satisfacción laboral.
Los resultados muestran una correlación alta y estadísticamente significativa entre la dimensión de Cognición y la Habilidad técnica (r = 0,72; p < .01), lo cual sugiere que un mayor conocimiento teórico sobre IA se asocia a una mayor competencia técnica para aplicarla en el aula. Asimismo, se encontró una relación positiva moderada entre Cognición y Visión pedagógica (r = 0,59; p < .01), así como entre Cognición e Innovación (r = 0,59; p < .01), lo que indica que quienes comprenden mejor el funcionamiento de estas tecnologías también tienden a valorar más su potencial educativo y su aplicación innovadora.
En lo que respecta a la dimensión de Habilidad, esta se relacionó de forma significativa con Ética (r = 0,37; p < .01) y con Innovación (r = 0,39; p < .01); sin embargo, no se encontraron correlaciones significativas con la Percepción de amenazas (r = 0,14; p > .05) ni con la Satisfacción laboral (r = 0,05; p > .05). Esta ausencia de asociación sugiere que disponer de habilidades técnicas no implica necesariamente una percepción más crítica respecto a los riesgos, ni un mayor grado de bienestar profesional.
Por su parte, la Visión pedagógica se asoció positivamente con Ética (r = 0,55; p < .01), con Innovación (r = 0,60; p < .01) y, en menor medida, con la Satisfacción laboral (r = 0,31; p < .05). Esto refuerza la idea de que una comprensión profunda del papel de la IA en el contexto educativo se vincula con una mayor sensibilidad ética, una disposición favorable a la innovación y una percepción más positiva del entorno profesional.
Las correlaciones de la dimensión Ética fueron significativas con Cognición, Habilidad, Visión e Innovación, pero no se observaron asociaciones relevantes con la Percepción de amenazas ni con la Satisfacción laboral. En cuanto a la variable Amenazas, no se identificaron relaciones significativas con ninguna de las otras dimensiones, lo que sugiere que las preocupaciones sobre los riesgos de la IA no están directamente relacionadas ni con el conocimiento, ni con las habilidades, ni con el bienestar profesional en esta muestra.
Finalmente, aunque se anticipaba una relación positiva entre Innovación y Satisfacción laboral, el análisis no reveló una asociación estadísticamente significativa entre ambas (r = 0,12; p > .05). Esta diferencia con respecto a lo esperado podría explicarse por la influencia de factores contextuales o institucionales no contemplados en el presente estudio. En conjunto, los resultados ponen de manifiesto que las dimensiones más estrechamente relacionadas con la Satisfacción laboral son la Visión pedagógica y, en menor medida, la Cognición, mientras que variables como las Amenazas percibidas o la Habilidad técnica parecen tener un peso menor en esta percepción.
Discusión
Los datos obtenidos permiten comprender con mayor precisión cómo el profesorado percibe la integración de la IA en su labor docente, así como los factores que podrían estar relacionados con su nivel de satisfacción profesional en dicho proceso.
En relación con la primera hipótesis, que planteaba una influencia de la cognición sobre la habilidad técnica, la visión pedagógica y la dimensión ética, los resultados muestran un respaldo sólido en varios aspectos. La correlación entre cognición y habilidad fue elevada (r = 0.72, p < .01), lo que indica que un mayor nivel de conocimiento sobre la IA suele asociarse con una mayor competencia técnica para su aplicación. Asimismo, se observó una relación significativa con la visión pedagógica (r = 0.59, p < .01) y con la dimensión ética (r = 0.41, p < .01), lo que refuerza la idea de que comprender el funcionamiento de la IA favorece una actitud crítica y fundamentada respecto de su uso educativo. No obstante, la dimensión de habilidad continúa siendo la peor valorada en términos de media, lo que sugiere que, aunque el conocimiento teórico incide positivamente, no resulta suficiente por sí solo para garantizar un dominio técnico adecuado. Esta brecha entre la teoría y la práctica coincide con lo señalado en estudios recientes que abogan por una formación docente más aplicada (Cabero-Almenara et al., 2024a).
Respecto de la segunda hipótesis, según la cual la habilidad técnica debería estar asociada con la visión pedagógica, la dimensión ética, la percepción de amenazas y la innovación, los datos ofrecen un respaldo parcial. La correlación con la visión fue débil y no significativa (r = 0.27, p > .05), mientras que se observaron relaciones significativas con la dimensión ética (r = 0.37, p < .01) y con la innovación (r = 0.39, p < .01). La ausencia de asociación con la percepción de amenazas (r = 0.14, p > .05) y con la satisfacción laboral (r = 0.05, p > .05) indica que poseer habilidades técnicas no implica necesariamente una actitud más crítica ni un mayor bienestar en el entorno laboral. Esta desconexión podría explicarse por la baja puntuación general en la dimensión de habilidad, lo cual limita el margen para identificar asociaciones más consistentes.
La tercera hipótesis, que planteaba que la visión pedagógica influye en la dimensión ética, la percepción de amenazas y la innovación, sí encuentra un respaldo consistente. Se hallaron correlaciones significativas entre visión y ética (r = 0.55, p < .01), así como entre visión e innovación (r = 0.60, p < .01). Asimismo, visión y satisfacción laboral también mostraron una correlación positiva (r = 0.31, p < .05), aunque de menor magnitud. Estas asociaciones sugieren que quienes poseen una concepción pedagógica más clara sobre la IA tienden a mostrar una mayor sensibilidad ética y una disposición más favorable hacia la innovación. En contraste, no se evidenció relación con la percepción de amenazas (r = –0.23, p > .05), lo que indica que la capacidad de anticipar el potencial educativo de estas herramientas no necesariamente se acompaña de una mayor preocupación por sus riesgos. Este perfil combina interés, reflexión y prudencia, y coincide con la perspectiva de diversos autores que abogan por una integración ética y consciente de la IA en la enseñanza (Vélez-Rivera et al., 2024; Jeon y Lee, 2023).
Además, la visión pedagógica y la satisfacción laboral también mostraron una correlación positiva (r = 0.31, p < .05), aunque de menor magnitud. Estas asociaciones sugieren que quienes poseen una concepción pedagógica más clara sobre la IA tienden a manifestar una mayor sensibilidad ética y una actitud más favorable hacia la innovación. En contraste, no se evidenció relación con la percepción de amenazas (r = –0.23, p > .05), lo que indica que la capacidad de anticipar el potencial educativo de estas herramientas no necesariamente se acompaña de una mayor preocupación por sus riesgos. Este perfil, caracterizado por el interés, la reflexión y la prudencia, coincide con la perspectiva de diversos autores que abogan por una integración ética y consciente de la IA en la enseñanza (Vélez-Rivera et al., 2024; Jeon y Lee, 2023).
La cuarta hipótesis, que proponía que las amenazas percibidas afectarían la innovación y la satisfacción laboral, no se ve respaldada por los datos. Las correlaciones entre amenazas e innovación (r = –0.12, p > .05) y entre amenazas y satisfacción (r = –0.04, p > .05) fueron bajas y no significativas. Este resultado contrasta con lo planteado a nivel teórico y podría interpretarse como un indicio de resiliencia por parte del profesorado: si bien existen inquietudes sobre el impacto de la IA en la profesión docente, estas no parecen interferir directamente con la disposición a innovar ni con la percepción general de bienestar profesional. Esta misma interpretación ha sido sugerida por Chao-Rebolledo y Rivera-Navarro (2024), quienes destacan la capacidad de adaptación crítica del profesorado ante escenarios tecnológicos emergentes.
En cuanto a la quinta hipótesis, que planteaba una asociación entre la percepción de innovación y la satisfacción laboral, los resultados no la respaldan. La correlación observada (r = 0.12, p > .05) fue baja y no significativa, a pesar de que ambas dimensiones presentan medias elevadas de forma independiente. Este hallazgo invita a reflexionar sobre la posibilidad de que la satisfacción laboral esté determinada por factores más amplios que la innovación en sí misma, tales como las condiciones institucionales, el clima organizacional o el reconocimiento profesional, aspectos que no fueron abordados en el presente estudio.
En conjunto, los datos revelan una actitud favorable del profesorado hacia la IA, especialmente entre quienes demuestran una mayor comprensión de su funcionamiento y de su potencial pedagógico. No obstante, pese a esta disposición positiva, persisten limitaciones en el ámbito técnico que dificultan su aplicación efectiva en el aula. Las correlaciones encontradas indican que el bienestar docente en entornos mediados por tecnología no depende exclusivamente de esta, sino también de la capacidad para interpretarla críticamente, aplicarla con criterio pedagógico y valorar sus implicaciones éticas.
Por todo ello, resulta fundamental que las instituciones educativas promuevan planes de formación continua que integren no solo el desarrollo de competencias digitales, sino también espacios para el análisis ético, la reflexión pedagógica y el acompañamiento técnico. Tal como sostienen la Comisión Europea (2022) y Briceño Guerrero et al. (2023), solo mediante un enfoque integral y contextualizado será posible alcanzar una adopción significativa, sostenible y crítica de la IA en los entornos educativos.
Conclusiones
Este estudio ofrece evidencias sobre la repercusión que tiene la integración de la IA en los contextos educativos formales, específicamente en la percepción del cuerpo docente y en su nivel de satisfacción personal. Los resultados indican que dicha influencia está mediada por un conjunto de variables interrelacionadas, entre las que destacan la cognición, la habilidad técnica, la visión pedagógica, la ética, las amenazas percibidas y la disposición hacia la innovación.
Primeramente, se ha constatado que disponer de conocimientos teóricos sobre la IA facilita una comprensión más crítica y ética de su aplicación en la educación. No obstante, esta comprensión no garantiza una capacidad técnica suficiente para su implementación práctica en el aula, lo que pone de manifiesto la necesidad de mejorar la formación en este campo. Adicionalmente, se observa una tendencia según la cual el profesorado con mayor competencia técnica tiende a identificar con mayor claridad tanto las ventajas como los riesgos asociados a estas tecnologías. Aunque esta relación no se confirma de forma generalizada, debido al bajo nivel técnico identificado en muchos casos, se evidencia una línea clara de desarrollo competencial.
Del mismo modo, contar con una visión pedagógica bien fundamentada sobre la IA se asocia con una mayor conciencia ética y con una percepción más equilibrada entre las amenazas y su potencial transformador. En cuanto al nivel de las amenazas percibidas, los datos sugieren que estas preocupaciones no afectan de manera significativa ni a la valoración de la innovación ni al nivel de satisfacción profesional. Por el contrario, el reconocimiento de estos riesgos convive con una actitud resiliente y activa frente a los desafíos tecnológicos.
Por último, se observa que quienes perciben un mayor potencial innovador en la IA suelen presentar también mayores niveles de satisfacción, motivación y orgullo profesional. Esta relación sugiere que la incorporación de tecnologías emergentes, cuando se realiza con criterio pedagógico, no solo contribuye a mejorar los procesos de enseñanza-aprendizaje, sino también al fortalecimiento del bienestar del profesorado implicado.
En conjunto, los resultados subrayan la necesidad de potenciar las competencias digitales docentes mediante programas de formación continua. Solo desde este enfoque holístico podrá garantizarse una implementación de la IA que favorezca, de forma real y eficaz, tanto la calidad educativa como el desarrollo profesional de quienes la promueven
References
- Abella, V. (coord.) (2024). Docencia en la era de la inteligencia artificial: Enfoques prácticos para docentes. Universidad de Burgos.
- Adekunde, M., Temityayo, I., Adelana, O., Aruleba, K. & Adelana, O. (2022). Teachers’ readiness and intention to teach artificial intelligence in schools. Computers and Education: Artificial Intelligence, 3, 100099. https://doi.org/10.1016/j.caeai.2022.100099
- Ayuso del Puerto, D., & Gutiérrez Esteban, P. (2022). La Inteligencia Artificial como recurso educativo durante la formación inicial del profesorado. RIED-Revista Iberoamericana de Educación a Distancia, 25(2), 347–362. https://doi.org/10.5944/ried.25.2.32332
- Bonales-Daimiel, G., Martínez-Estrella, E. C., & Sierra-Sánchez, J. (2025). Evolución del perfil docente y surgimiento de nuevos roles profesionales en la Era de la Inteligencia Artificial (IA). Una perspectiva desde docentes, estudiantes y profesionales. Pixel-Bit. Revista de Medios y Educación, 73, Art.3. https://doi.org/10.12795/pixelbit.109085
- Bond, M., Khosravi, H., De Laat, M., Bergdahl, N., Negrea, V., Oxley, E., Pham, P., Wang, C., & George, S. (2024). A meta systematic review of artificial intelligence in higher education: a call for increased ethics, collaboration, and rigour. International Journal of Educational Technology in Higher Education, 21(4), 4. https://doi.org/10.1186/s41239-023-00436-z
- Briceño Guerrero, D. C., Moreno Muro, J. P., & Benavides Avellaneda, J. S. (2023). Competencia digital docente. EDUCARE ET COMUNICARE Revista De investigación De La Facultad De Humanidades, 10(2), 39-48. https://doi.org/10.35383/educare.v10i2.830
- Cabero-Almenara, J., Palacios-Rodríguez, A., Loaiza-Aguirre, M. I., & Andrade-Abarca, P. S. (2024a). The impact of pedagogical beliefs on the adoption of generative AI in higher education: predictive model from UTAUT2. Frontiers in Artificial Intelligence, 7, 1497705. https://doi.org/10.3389/frai.2024.1497705
- Cabero-Almenara, J., Palacios-Rodríguez, A., Loaiza-Aguirre, M. I., & Rivas-Manzano, M. (2024b). Acceptance of Educational Artificial Intelligence by Teachers and Its Relationship with Some Variables and Pedagogical Beliefs. Education Sciences, 14, 740. https://doi.org/10.3390/educsci14070740
- Casanova, A., & Martínez, M. (2024). Producción científica sobre Inteligencia Artificial y educación: un análisis cienciométrico. Hachetetepé. Revista científica en Educación y Comunicación, 28, 1–23. https://doi.org/10.25267/Hachetetepe.2024.i28.1102
- Celik, I., Dindar, M., Muukkonen, H., & Järvelä, S. (2022). The Promises and Challenges of Artificial Intelligence for Teachers: a Systematic Review of Research. TechTrends, 66, 616–630. https://doi.org/10.1007/s11528-022-00715-y
- Chao-Rebolledo; & Rivera-Navarro, M.A. (2024). Usos y percepciones de herramientas de inteligencia artificial en la educación superior en México. Revista Iberoamericana de Educación, 95(1), 57-72. https://doi.org/10.35362/rie9516259
- Chiu, Th. (2023). The impact of Generative AI (GenAI) on practices, policies and research direction in education: a case of ChatGPT and Midjourney. Interactive Learning Environments. https://doi.org/10.1080/10494820.2023.2253861
- Comisión Europea (2022). Directrices éticas sobre el uso de la inteligencia artificial (IA) y los datos en la educación y formación para los educadores. Oficina de publicaciones de la Unión Europea. https://data.europa.eu/doi/10.2766/898.
- Diaz Chero, J. C. J. (2024). Propuesta MOOC para desarrollar las competencias digitales en docentes universitarios. EDUCARE ET COMUNICARE Revista De investigación De La Facultad De Humanidades, 11(2), 30-37. https://doi.org/10.35383/educare.v11i2.1006
- Farrokhnia, M., Banihashem, S. K., Noroozi, O., & Wals, A. (2023). A SWOT analysis of ChatGPT: Implications for educational practice and research. Innovations in Education and Teaching International, 61(3), 460–474. https://doi.org/10.1080/14703297.2023.2195846
- García Peñalvo, F., Llorens-Largo, F., & Vidal, J. (2024). La nueva realidad de la educación ante los avances de la inteligencia artificial generativa. RIED-Revista Iberoamericana de Educación a Distancia, 27(1), 9–39. https://doi.org/10.5944/ried.27.1.37716
- González, G. (2024). 1 d.C. (después de ChatGPT). Inteligencia artificial en la educación superior. PUV Universitat de Valencia.
- Jeon, J., & Lee, S. (2023). Large language models in education: A focus on the complementary relationship between human teachers and ChatGPT. Education and Information Technologies. https://doi.org/10.1007/s10639-023-11834-1
- Jiménez, L., López-Gómez, J., Martín-Baos, J. A., Romero, F., & Serrano-Guerrero, J. (2023). ChatGPT: reflexiones sobre la irrupción de la inteligencia artificial generativa en la docencia universitaria. Actas de las Jenui, 8, 113–120.
- Kim, S. (2023). Trends in research on ChatGPT and adoption-related issues discussed in articles: a narrative review. Science Editing, 11(1), 3–11. https://doi.org/10.6087/kcse.32
- Lo, Ch. (2023). What is the impact of ChatGPT on education? A rapid review of the literature. Education Sciences, 13(4), 410. https://doi.org/10.3390/educsci13040410
- Mena-Guacas, A., Vázquez-Cano, E., Fernández-Márquez, E., & López-Meneses, E. (2024). La inteligencia artificial y su producción científica en el campo de la educación. Formación Universitaria, 17(1), 155–164. http://dx.doi.org/10.4067/S0718-50062024000100155
- Perezchica-Vega, J. E., Sepúlveda-Rodríguez, J. A., & Román-Méndez, A. D. (2024). Inteligencia artificial generativa en la educación superior: usos y opiniones de los profesores. European Public & Social Innovation Review, 9, 1–20. https://doi.org/10.31637/epsir-2024-593
- Sullivan, M., Kelly, A., & McLaughlan, P. (2023). ChatGPT in higher education: Considerations for academic integrity and student learning. Journal of Applied Learning and Teaching, 6(1), 31–40. https://doi.org/10.37074/jalt.2023.6.117
- Temitayo, I., Adekunle, M., & Tolorunleke, A. (2024). Investigating pre-service teachers’ artificial intelligence perception from the perspective of planned behavior theory. Computers and Education: Artificial Intelligence, 6, 100202. https://doi.org/10.1016/j.caeai.2024.100202
- Universidad de Guadalajara (2023). Orientaciones y definiciones sobre el uso de la inteligencia artificial generativa en los procesos académicos. Guía práctica. Universidad de Guadalajara. Sistema de Universidad Virtual.
- Vélez-Rivera, R., Muñoz-Álvarez, D., Leal-Orellana, P., & Ruiz-Garrido, A. (2024). Uso de Inteligencia Artificial en educación superior y sus implicancias éticas. Mapeo sistemático de literatura. Hachetetepé. Revista científica de Educación y Comunicación, 28(28), 1–17. https://doi.org/10.25267/Hachetetepe.2024.i28.1105
- Wang, X., Li, L., Tan, S., Yang, L. & Lei, J. (2023). Preparing for AI-enhanced education: Conceptualizing and empirically examining teachers’ AI readiness. Computers in Human Behavior, 146, 107798. https://doi.org/10.1016/j.chb.2023.107798