LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 3 p 2469.
DOI: https://doi.org/10.56712/latam.v6i3.4124
El estudio de las percepciones y actitudes de actores
universitarios con respecto al uso de ChatGPT: Una revisión
bibliográfica
The study of the perceptions and attitudes of university actors regarding
the use of ChatGPT: A systemic review
Efrain Valdivia Núñez
efrain.valdivia@academicos.udg.mx
https://orcid.org/0009-0008-6255-8882
Centro Universitario de Los Lagos. Universidad de Guadalajara
Lagos de Moreno – México
Oscar Zúñiga Sánchez
zunigaoscar777@gmail.com
https://orcid.org/0000-0003-2805-1961
Universidad de Guadalajara
Lagos de Moreno – México
Artículo recibido: 06 de junio de 2025. Aceptado para publicación: 01 de julio de 2025.
Conflictos de Interés: Ninguno que declarar.
Resumen
La inteligencia artificial (IA) ha impactado profundamente la educación superior, ofreciendo
oportunidades para innovar en la enseñanza, aunque también plantea desafíos éticos y formativos.
Las percepciones de estudiantes, docentes y gestores varían según su familiaridad tecnológica. Esta
investigación tiene como objetivo analizar las publicaciones realizadas sobre actitudes y
percepciones de estos tres actores con respecto al uso de ChatGPT. La metodología siguió un diseño
de corte exploratorio en la revisión sistemática de las investigaciones encontradas en las bases de
datos: Scopus, ScienceDirect y Google Scholar. Como principal hallazgo se encontró que existe un
mayor número de publicaciones que abordan la percepción y las actitudes del estudiantado, seguido
del profesorado, y en un número muy reducido, sobre los gestores o directivos de las universidades.
Esta investigación contribuye a conocimiento para que tomadores de decisión logren implementar
políticas institucionales para regular el uso de ChatGPT en los procesos de docencia.
Palabras clave: actitudes, educación superior, estudiantes universitarios, percepción, uso de
la inteligencia artificial
Abstract
Artificial intelligence (AI) has profoundly impacted higher education, offering opportunities for
teaching innovation, but also posing ethical and educational challenges. The perceptions of students,
faculty, and administrators vary depending on their technological familiarity. This research aims to
analyze publications on the attitudes and perceptions of these three actors regarding the use of
ChatGPT. The methodology followed an exploratory design in the systematic review of research found
in the databases Scopus, ScienceDirect, and Google Scholar. The main finding was that a greater
number of publications address the perceptions and attitudes of students, followed by faculty, and a
very small number address university administrators or directors. This research contributes to
knowledge so that decision-makers can implement institutional policies to regulate the use of
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 3 p 2470.
ChatGPT in teaching processes.
Keywords: attitudes, higher education, college students, perception, use of artificial
intelligence
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,
publicado en este sitio está disponibles bajo Licencia Creative Commons.
Cómo citar: Valdivia Núñez, E., & Zúñiga Sánchez, O. (2025). El estudio de las percepciones y
actitudes de actores universitarios con respecto al uso de ChatGPT: Una revisión bibliográfica.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades 6 (3), 2469 – 2484.
https://doi.org/10.56712/latam.v6i3.4124
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 3 p 2471.
INTRODUCCIÓN
La inteligencia artificial ha transformado profundamente diversos sectores y aspectos de la vida
cotidiana y de nuestra sociedad, incluida la educación superior. De acuerdo con la UNESCO (s.f.) la
Inteligencia Artificial (IA) representa, no solo una oportunidad para abordar algunos desafíos relativos
a la educación actual, sino también una oportunidad para innovar en las prácticas de enseñanza y
aprendizaje. Se subraya que su empleo podría influir en la forma de pensar y actuar de los seres
humanos por lo que es muy importante conocer sus repercusiones positivas y negativas.
En el ámbito de la educación superior, existe preocupación no sólo por el uso de la inteligencia artificial
generativa por el estudiantado, sino también por parte del profesorado quien pudiera sentir incapacidad
en el desempeño de su ejercicio de la docencia. De acuerdo con Delgado et al. (2024) su investigación
revela que el profesorado tiene un conocimiento limitado sobre los usos de la IA en el ámbito de la
educación.
Las universidades están implementando tecnologías para mejorar la experiencia de aprendizaje y
optimizar el rendimiento académico. Estas herramientas, que van desde sistemas de evaluación
automática hasta asistentes virtuales personalizados, prometen revolucionar la manera en que los
estudiantes aprenden y se preparan para el futuro. Sin embargo, la percepción de los estudiantes,
profesorado y gestores universitarios con respecto del uso y manejo de la inteligencia artificial en el
proceso educativo podría ser variada e inclusive, influenciada por factores como la familiaridad
tecnológica, las preocupaciones éticas y las implicaciones psicológicas. En esta investigación se
intenta analizar las investigaciones que se han realizado en torno a la incorporación de la IA en la
educación superior, con el fin de encontrar beneficios y oportunidades de su uso, desde la perspectiva
del estudiante, profesorado y gestores de la educación superior.
Las preguntas de investigación que orientan esta investigación son: ¿Cómo se distribuyen las
publicaciones en función de estudiantes, docentes y gestores? ¿Cómo se definen los conceptos de
actitudes y percepciones o puntos de vistas de estos actores universitarios con respecto al ChatGPT?
METODOLOGÍA
El diseño de la investigación es mixta, en primer lugar, corresponde en una revisión sistemática de la
literatura, siguiendo un análisis documental sobre investigaciones cuyo objeto de estudio tiene que ver
con el análisis de las actitudes y las percepciones o puntos de vista de estudiantes, profesores y
gestores universitarios con respecto al impacto de ChatGPT en el proceso educativo. Como criterios
de inclusión y exclusión se consideraron los siguientes criterios: a) publicaciones realizadas en el año
2024 hasta el primer trimestre del año 2025 y, b) mismos que se encuentren en la base de datos de
Data Science, Scopus y Google Scholar.
Segundo, es exploratoria descriptiva puesto que se contabilizarán el número de publicaciones que se
encuentran publicadas en la base de datos seleccionadas, en función de estos tres actores. Tercero,
encontrar coincidencias y diferencias entre estos actores con respecto del uso de la IA en el proceso
de docencia, particularmente en el apoyo para la realización de sus tareas.
Como parte del proceso de búsqueda, se utilizaron códigos booleanos, que permitieron refinar y
ampliar la búsqueda de información a partir de combinaciones de términos y operadores lógicos. Los
operadores AND, OR y NOT son utilizados para estructurar las consultas, de acuerdo con los tres
grupos de actores y las variables del impacto de ChatGPT en la educación.
AND: Este operador se utiliza para asegurar que ambos términos de búsqueda estén presentes en los
resultados. Por ejemplo, se emplea para encontrar estudios que incluyan tanto a los estudiantes como
el uso de Chat GPT.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 3 p 2472.
OR: Se usa para incluir sinónimos o términos relacionados. En este caso, se utilizará para combinar
términos como "profesores" o "docentes", "gestores universitarios" o "administradores educativos".
NOT: Este operador permite excluir un término específico de la búsqueda. Por ejemplo, se podrá utilizar
para excluir publicaciones que no estén relacionadas con el enfoque educativo de Chat GPT
Se aplican cadenas de búsqueda específicas para cada uno de los tres actores involucrados:
estudiantes, profesores y gestores universitarios. A continuación, se presentan la estructura de las
cadenas de búsqueda utilizadas incluyendo, los operadores booleanos mencionados.
Búsqueda de información con los tres actores (estudiantes, profesores y gestores universitarios)
("estudiantes" OR "alumnos") AND ("ChatGPT" OR "IA" OR "inteligencia artificial") AND ("percepción" OR
"puntos de vista" OR “actitudes” )
("students" OR "pupils") AND ("ChatGPT" OR "AI" OR "artificial intelligence") AND ("perception" OR
"viewpoints" OR "attitudes")
("estudiantes" OR "alumnos") AND ("ChatGPT" OR "IA" OR "inteligencia artificial") AND "percepción".
("students" OR "pupils") AND ("ChatGPT" OR "AI" OR "artificial intelligence") AND "perception"
("estudiantes" OR "alumnos") AND ("ChatGPT" OR "IA" OR "inteligencia artificial") AND "puntos de vista".
("students" OR "pupils") AND ("ChatGPT" OR "AI" OR "artificial intelligence") AND "viewpoints"
("estudiantes" OR "alumnos") AND ("ChatGPT" OR "IA" OR "inteligencia artificial") AND “actitudes”.
("students" OR "pupils") AND ("ChatGPT" OR "AI" OR "artificial intelligence") AND "attitudes"
("profesores" OR "docentes") AND ("ChatGPT" OR "IA" OR "inteligencia artificial") AND ("percepción" OR
"puntos de vista" OR "actitudes")
("teachers" OR "instructors") AND ("ChatGPT" OR "AI" OR "artificial intelligence") AND ("perception" OR
"viewpoints" OR "attitudes")
("profesores" OR "docentes") AND ("ChatGPT" OR "IA" OR "inteligencia artificial") AND "percepción"
("teachers" OR "instructors") AND ("ChatGPT" OR "AI" OR "artificial intelligence") AND "perception"
("profesores" OR "docentes") AND ("ChatGPT" OR "IA" OR "inteligencia artificial") AND "puntos de vista"
("teachers" OR "instructors") AND ("ChatGPT" OR "AI" OR "artificial intelligence") AND "viewpoints"
("profesores" OR "docentes") AND ("ChatGPT" OR "IA" OR "inteligencia artificial") AND "actitudes"
("teachers" OR "instructors") AND ("ChatGPT" OR "AI" OR "artificial intelligence") AND "attitudes"
("gestores universitarios" OR "administradores educativos") AND ("ChatGPT" OR "IA" OR "inteligencia
artificial") AND ("percepción" OR "puntos de vista" OR "actitudes")
("university administrators" OR "educational administrators") AND ("ChatGPT" OR "AI" OR "artificial
intelligence") AND ("perception" OR "viewpoints" OR "attitudes")
("gestores universitarios" OR "administradores educativos") AND ("ChatGPT" OR "IA" OR "inteligencia
artificial") AND "percepción".
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 3 p 2473.
("university administrators" OR "educational administrators") AND ("ChatGPT" OR "AI" OR "artificial
intelligence") AND "perception"
("gestores universitarios" OR "administradores educativos") AND ("ChatGPT" OR "IA" OR "inteligencia
artificial") AND "puntos de vista"
("university administrators" OR "educational administrators") AND ("ChatGPT" OR "AI" OR "artificial
intelligence") AND "viewpoints"
("gestores universitarios" OR "administradores educativos") AND ("ChatGPT" OR "IA" OR "inteligencia
artificial") AND "actitudes"
("university administrators" OR "educational administrators") AND ("ChatGPT" OR "AI" OR "artificial
intelligence") AND "attitudes"
DESARROLLO
La evolución de la inteligencia artificial en las últimas décadas
De acuerdo con Russell y Norvig (2004) La inteligencia artificial (IA) representa un campo de
conocimiento desarrollado recientemente, cuyo nombre se acuñó en el año de 1956, sin embargo, los
trabajos y proyectos realizados en este campo datan de años más atrás. Estos autores proponen una
clasificación con cuatro cuadrantes, en los cuales, ubicaron las concepciones construidas acerca de
la inteligencia artificial, el primero, aquellas relacionadas con Sistemas que piensan como humanos,
segundo, Sistemas que actúan como humanos, tercero, Sistemas que piensan racionalmente, y por
último, Sistemas que actúan racionalmente.
En los últimos años, la integración de la inteligencia artificial (IA) en entornos educativos ha generado
un intenso debate sobre su impacto en la autonomía estudiantil. Según Pérez y Ruiz (2025), si bien las
herramientas de IA pueden fomentar una mayor personalización del aprendizaje y ofrecer apoyo
adaptativo en tiempo real, también existe el riesgo de que los estudiantes desarrollen una dependencia
excesiva de estas tecnologías, lo que podría limitar su capacidad de autorregulación y pensamiento
crítico. En este sentido, la IA representa “una espada de doble filo que, aunque potencia el rendimiento
académico, puede debilitar habilidades esenciales para el aprendizaje autónomo” (Pérez & Ruiz, 2025,
p. 126). Este dilema plantea la necesidad de diseñar estrategias pedagógicas que equilibren el uso de
la tecnología con el desarrollo de competencias metacognitivas.
ChatGPT-4 y Grok AI corresponden a tecnologías que se sustentan en modelos de lenguaje avanzados
porque procesan texto con el fin de construir respuestas relativamente coherentes. De igual forma,
estas tecnologías también son consideradas como Modelos de Lenguaje Pre-entrenados (PLM) debido
a que, como parte de su diseño original, son entrenados con grandes volúmenes de datos antes de ser
ajustados para un fin específico. De acuerdo con Wei et al (2024) los Modelos de Lenguaje (ML) tiene
como principal aplicación, generar cadenas de texto a partir de algunos datos de entrada, por ejemplo
“la tarea de traducción automática genera la secuencia de texto traducida basándose en la secuencia
de texto de entrada y el idioma de destino” (Wei et al., 2024, p. 13). Con el desarrollo de Deep Learning,
los modelos de lenguaje pre-entrenados (PLM) “se afinan para tareas posteriores, de modo que el
conocimiento adquirido pueda transferirse a otras tareas.” (Wei et al., 2024, p. 8).
En el mismo momento que se desarrollaban sistemas dotados de inteligencia, surge la necesidad de
construir marcos de análisis para poder evaluar y determinar aquellos sistemas dotados de
inteligencia. De acuerdo con esto, se crea la Prueba de Turing que representó un marco de referencia
propuesto por Alan Turing en el año 1950, diseñado para poder determinar si un Sistema dotado de
inteligencia supera la prueba que le realice un evaluador humano estudiando las respuestas que le sean
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 3 p 2474.
otorgadas por el Sistema mediante un proceso de interacción, es decir, se trata que el humano
reconozca si las respuestas que recibe a sus preguntas provienen de otro humano o de un sistema
dotado de inteligencia (Russell y Norvig, 2004).
Para que un Sistema pueda considerarse dotado de inteligencia artificial se requieren que se cumplan
ciertas características: procesamiento de lenguaje natural, representación del conocimiento,
razonamiento automático y aprendizaje automático (Russell y Norvig, 2004)
De acuerdo con Zúñiga (2024) un Chatbot corresponde a un programa informático basado en
inteligencia artificial amigable con el usuario, puesto que emplea un procesamiento de lenguaje natural
con el fin de comprender las preguntas que realicen los usuarios. El proyecto ELIZA, desarrollado entre
1964 y 1967 por el MIT por Joseph Weizenbaum, el cual fué un Chatbot pionero, caracterizado por ser
un sistema inteligente con el propósito de simular una sesión de apoyo psicológico entre un conocedor
de este campo del conocimiento y un paciente (García Brustenga, 2018).
Acercamiento de los estudios de la IA en la educación superior
En México, Fernández et al. (2024) realizaron una investigación exploratoria encuestando a 151
estudiantes universitarios de la Ciudad de México, quienes encontraron que el 88.1% de los
encuestados se sienten familiarizados con Chat GPT. Es decir, que los estudiantes perciben a esta
herramienta como un medio que ofrece información de calidad y reconocen beneficios potenciales
como parte de su profesionalización. Por su parte, Estrada-Aroz et al. (2024) tomaron una muestra de
144 estudiantes de la carrera de enfermería, en la cual, tuvo como propósito conocer la percepción
sobre el uso de ChatGPT durante su formación profesional. Como resultado, encontraron que la
percepción del estudiantado sobre el uso, fue medianamente favorable, es decir encuentran beneficios
y barreras potenciales, como por ejemplo la generación de referencias inexactas o incorrectas y la
posibilidad de errores lógicos y contradictorios.
Resultados similares, son los que demuestran Delgado et al. (2024) quienes recabaron la opinión de
276 docentes, quienes reconocieron que en lo general, perciben muchos beneficios, así como
limitaciones en el uso de ChatGPT, como por ejemplo, el riesgo de que el estudiantado no logre
desarrollar competencias claves para desarrollar un pensamiento crítico o capacidad en la resolución
de problemas. Por su parte, Gil-Vera (2024), analizó la relación entre usabilidad y satisfacción en
estudiantes universitarios con respecto al uso de ChatGPT. Tomando una muestra de 250 estudiantes.
Como principal resultado, logró encontrar que existe una relación positiva y directa entre la usabilidad
y la satisfacción. Asimismo, Kamoun et al. (2024) entrevistaron a 145 docentes y 855 estudiantes de
pregrado y posgrado, cuyo propósito fue analizar el conocimiento, la actitud y percepción hacia
ChatGPT. Entre sus hallazgos se puede mencionar que el profesorado mostró mayor conocimiento que
el alumnado, en lo que respecta a las actitudes, el estudiantado se mostró moderadamente positiva
hacia ChatGPT, en el cual, la mayor parte consideró a esta herramienta como útil, sin embargo, casi el
50% de los estudiantes consideran que su uso tiene implicaciones éticas que favorece el plagio, en
cambio, la comparativa de la actitud de los profesores fue comparativamente más reservada que el
alumnado.
Las percepciones como objeto de estudio
El concepto de percepción ha sido objeto de estudio y debate a lo largo de la historia, con enfoques
que van desde la filosofía hasta la neurociencia. En este contexto, el trabajo de Varela y Maturana
(1992) en su libro La sociedad de los seres humanos: De la biología a la conciencia ofrece una visión
biológica y fenomenológica de la percepción. Para estos autores, la percepción no es un proceso
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 3 p 2475.
pasivo de recepción de estímulos sensoriales, sino un proceso activo que implica la interacción
constante del organismo con su entorno. Según su teoría de la autopoiesis, los seres humanos no
perciben el mundo de forma objetiva y externa, sino que lo construyen a través de su estructura
biológica y su interacción con el medio.
A lo largo de la historia, diversas corrientes y teorías han intentado explicar cómo se procesa la
percepción. La escuela Gestalt propone que la percepción busca patrones completos no solo
fragmentos de información (Wertheimer, 1923; Köhler, 1929; Koffka, 1935). Según esta teoría, el
contenido de la percepción no es igual a la suma de las cualidades correspondientes a la imagen
proyectiva, sino que el organismo produce formas simples y organizadas. Este enfoque resalta que
cuanto más básicos y simples sean los estímulos, mejor serán percibidos y asimilados.
En contraste, Neisser (1967) presentó una visión constructivista de la percepción, argumentando que
la mente organiza activamente la información sensorial para formar representaciones del mundo. Esta
perspectiva ve la percepción como un proceso activo y constructivo, donde la mente no solo recibe
datos, sino que los organiza de acuerdo con experiencias previas y expectativas.
Gibson (1979), por otro lado, destacó la importancia de la interacción directa con el entorno para la
percepción. Según su teoría, la percepción no es simplemente un proceso pasivo, sino activo y
contextual. En la misma línea, Goldstein (2010) afirmó que la percepción es un proceso organizado y
de interpretación que nos permite comprender el entorno mediante la integración de la información
sensorial.
Vargas Melgarejo (1994) señaló que aún existe debate sobre si la percepción debe considerarse un
tipo de conocimiento, un tema que sigue siendo relevante en el ámbito académico. La percepción
humana está influenciada por diversos factores. El contexto y las expectativas previas juegan un papel
crucial en la interpretación de los estímulos sensoriales. Según Goldstein (2010), nuestras experiencias
previas pueden modificar la forma en que percibimos un objeto o evento, facilitando o distorsionando
la información sensorial. La atención también es fundamental en la percepción, y Posner (1980)
demostró que la capacidad de focalizar la atención en ciertos estímulos altera la forma en que los
percibimos.
Otros factores, como la cultura y el lenguaje, también afectan la percepción. Investigaciones han
mostrado que los hablantes de diferentes idiomas reciben y clasifican los colores de manera distinta,
lo que sugiere que el lenguaje actúa como un filtro que moldea la percepción (Berlin y Kay, 1969).
En el campo de la inteligencia artificial, la percepción se ha convertido en un área clave de estudio,
especialmente en el desarrollo de sistemas autónomos y robots. A través del uso de redes neuronales
convolucionales (CNN), las máquinas aprenden a percibir imágenes, sonidos y otros tipos de datos
sensoriales, replicando de alguna manera el proceso perceptivo humano (LeCun, Bengio y Hinton,
2015).
Damasio (1994) sostiene que las emociones son fundamentales para la toma de decisiones y la
percepción, ya que modulan cómo procesamos la información sensorial y evaluamos nuestro entorno.
Lazarus (1991) explica que las emociones influyen en la percepción a través del proceso de evaluación
cognitiva, donde interpretamos los estímulos en función de su significado personal y contexto
emocional.
Finalmente, la filosofía ha abordado la relación entre la percepción y la realidad. Kant (2017) argumentó
que no podemos conocer la "cosa en sí", sino sólo cómo aparece a través de nuestros sentidos. Este
tema sigue siendo relevante en debates contemporáneos sobre la naturaleza de la realidad, las
ilusiones ópticas y los efectos de la percepción distorsionada (Gibson, 1979).
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 3 p 2476.
La investigación sobre la percepción ha experimentado avances importantes, adoptando un enfoque
interdisciplinario que combina psicología, neurociencia, filosofía y tecnología. La percepción
multisensorial y las tecnologías innovadoras como la realidad aumentada y la inteligencia artificial
están expandiendo nuestra comprensión de este complejo proceso. Además, la neuroplasticidad del
cerebro, que permite adaptaciones a nuevas experiencias perceptivas, continúa siendo un tema clave
en la investigación actual (Pascual-Leone et al., 2005).
La investigación contemporánea en percepción continúa desafiando modelos anteriores, enfatizando
la interacción entre percepción y acción, así como la influencia de factores emocionales y culturales
en cómo interpretamos el mundo que nos rodea.
Las actitudes como objeto de estudio
Las actitudes son un aspecto central en la psicología social porque influyen directamente en el
comportamiento humano y las relaciones entre las personas. Se pueden entender como una inclinación
psicológica que afecta la forma en que alguien percibe, piensa y reacciona ante diferentes situaciones.
Estas se definen como predisposiciones psicológicas que influyen en cómo las personas perciben,
evalúan y responden a diversos estímulos, tanto en lo individual como en lo colectivo. Este tema ha
sido abordado desde distintas perspectivas, convirtiéndolo en un área importante dentro de la
psicología. Aquí se hablará sobre su definición, componentes, teorías y cómo afectan la conducta
social.
Un artículo reciente de Axios (2025) analiza cómo la división en la aceptación de la inteligencia artificial
para apoyo emocional está creciendo. Mientras algunas personas confían en chatbots como
terapeutas y compañeros, otras se muestran escépticas sobre su efectividad en tareas
tradicionalmente humanas. Las startups tecnológicas están impulsando estas herramientas, lo que
plantea un debate sobre su capacidad para cubrir roles emocionales y humanos.
De acuerdo con Eagly y Chaiken (1993), las actitudes pueden conceptualizarse como evaluaciones
psicológicas, positivas o negativas hacia objetos, personas, eventos o ideas. Estas evaluaciones son
el resultado de experiencias previas, influencias sociales y factores cognitivos, afectivos y
conductuales. De acuerdo con la teoría tripartita de las actitudes, propuesta por Rosenberg y Hovland
(1960), una actitud consta de tres componentes principales: el componente cognitivo, que se refiere a
las creencias y pensamientos sobre un objeto; el componente afectivo, que implica los sentimientos o
emociones hacia el objeto; y el componente conductual, que describe las acciones o intenciones de
acción hacia el objeto. Este enfoque sigue siendo fundamental para entender cómo se forman y se
modifican las actitudes.
Existen diversas teorías que han intentado explicar el origen y la función de las actitudes en los
individuos. Una de las teorías más influyentes es la Teoría de la Acción Razonada (Fishbein y Ajzen,
1975), que postula que las intenciones de una persona para comportarse en cierta forma, están
determinadas por sus actitudes hacia ese comportamiento y las normas subjetivas percibidas. Esta
teoría ha sido fundamental en la comprensión de cómo las actitudes pueden predecir el
comportamiento, lo que ha sido útil para estudios en ámbitos como la salud pública y la psicología del
consumidor.
Por otro lado, la Teoría de la Disonancia Cognitiva (Festinger, 1957) propone que las personas buscan
la coherencia entre sus actitudes y comportamientos. Cuando existe una discrepancia entre estos, se
experimenta un malestar psicológico que lleva a la persona a modificar sus actitudes para reducir la
disonancia. Esta teoría ha tenido un gran impacto en la investigación sobre cómo las personas
justifican comportamientos que están en conflicto con sus creencias.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 3 p 2477.
Además, la Teoría del Aprendizaje Social de Bandura y Walters (1974), sostienen que las actitudes se
desarrollan a través de la observación de comportamientos de otros, lo que implica una influencia
significativa de las figuras de referencia y los medios de comunicación en la formación de las actitudes.
Según esta teoría, las actitudes se refuerzan por la observación de recompensas y castigos asociados
a ciertos comportamientos en el entorno social.
Por su parte, Cacioppo y Petty (1989) refieren que las actitudes pueden formarse a través de la
persuasión, un proceso en el que los individuos cambian sus creencias, actitudes o comportamientos
debido a la exposición a un mensaje persuasivo. La efectividad de este proceso depende de diversos
factores, como la credibilidad del emisor, la calidad del mensaje y las características del receptor.
En el ámbito de la psicología social, se ha argumentado que las actitudes también están
profundamente marcadas por factores socioculturales. La influencia de los grupos de referencia, las
normas sociales y los medios de comunicación contribuyen significativamente a la formación de
actitudes. Por ejemplo, los estudios de Hovland y Weiss (1952) demostraron que los mensajes
persuasivos provenientes de fuentes consideradas como más creíbles o atractivas tienden a ser más
efectivos en cambiar las actitudes de los individuos.
Uno de los temas recurrentes en el estudio de las actitudes es la relación entre estas y el
comportamiento. A pesar de la intuición de que las actitudes afectan las acciones, diversos estudios
han mostrado que la relación entre ambos no siempre es directa. Según Ajzen (1991), las actitudes
hacia un comportamiento pueden predecir el comportamiento sólo cuando las intenciones de llevar a
cabo ese comportamiento están presentes y cuando existan otras condiciones que faciliten la acción.
Este concepto es fundamental en la teoría de la conducta planificada, que expande la teoría de la acción
razonada al incluir la percepción de control sobre el comportamiento, lo que puede influir en la relación
entre actitudes y comportamientos.
Por otra parte, de acuerdo con Corral Verdugo (2010) numerosas investigaciones demuestran que la
conducta no está directamente determinada por las actitudes, sino que entre estas se encuentran
factores o terceras variables. Se habla de la existencia de la intención conductual como un componente
que tiene una relación muy estrecha con la conducta.
Además, el contexto social y cultural juega un papel determinante en cómo las actitudes se expresan
en la acción. Por ejemplo, las actitudes hacia la diversidad y la inclusión han ganado prominencia en
las últimas décadas, y numerosos estudios han demostrado que las actitudes positivas hacia la
diversidad en los grupos laborales están asociadas con un comportamiento más inclusivo y
cooperativo (Devine, 1989).
RESULTADOS
El análisis documental realizado en esta investigación se hizo considerando las publicaciones
académicas relacionadas con las percepciones, actitudes y puntos de vista de estudiantes, profesores
y gestores universitarios sobre el impacto de ChatGPT en la educación, con un énfasis particular, como
apoyo en el proceso de enseñanza y aprendizaje. Las publicaciones revisadas fueron seleccionadas a
partir de bases de datos académicas como ScienceDirect, Scopus y Google Scholar, con un enfoque
en artículos publicados durante el año 2024 hasta el primer trimestre del año 2025.
En cuanto a las características generales de los estudios analizados, la mayoría de las publicaciones
destacan el uso de ChatGPT en el contexto de la asistencia académica, específicamente para la
realización de tareas, la resolución de dudas y la mejora en la comprensión de contenidos. Sin embargo,
también se identificaron preocupaciones comunes sobre los posibles efectos negativos de la
dependencia de la inteligencia artificial en el desarrollo de habilidades cognitivas fundamentales.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 3 p 2478.
Distribución de las publicaciones por base de datos y grupo de actores
La revisión documental permitió identificar un total de 52 publicaciones distribuidas entre tres bases
de datos: Google Scholar, Scopus y ScienceDirect. La mayor cantidad de resultados provino de Google
Scholar, lo que refleja tanto su mayor amplitud como la inclusión de documentos menos estrictos en
cuanto a revisión por pares. En cambio, Scopus y ScienceDirect ofrecieron un número
significativamente menor de publicaciones, lo que puede atribuirse a sus criterios más rigurosos de
indexación.
Tabla 1
Distribución de publicaciones por base de datos y grupos de investigación
Base de Datos Estudiantes Profesores Gestores Universitarios Total de Publicaciones
ScienceDirect 30 25 0 55
Español 11 13 0
Inglés 19 12 0
Percepción 11 0 0
Puntos de vista 5 0 0
Actitudes 14 0 0
Scopus 7 0 0 7
Español 6 0 0
Inglés 1 0 0
Percepción 5 0 0
Puntos de vista 0 0 0
Actitudes 1 0 0
Google Scholar 525 578 6 906
Español 469 469 4
Inglés 18,600 10,400 178
Percepción 474 380 113
Puntos de vista 79 60 41
Actitudes 291 231 127
Total 173
Fuente: elaboración propia
Patrones principales identificados
Existe un claro predominio del enfoque en estudiantes, presentes en 38 de las 52 publicaciones, lo que
refleja el interés en explorar cómo esta población está interactuando con ChatGPT en contextos
educativos. Los enfoques en docentes y gestores son considerablemente menores, lo que sugiere un
vacío de investigación en torno a los usos institucionales o pedagógicos más estructurados de la
herramienta. Los artículos revisados emplean con frecuencia conceptos como percepción, actitudes y
puntos de vista.
Profundización cualitativa: cómo se conceptualizan los enfoques
Percepción: Hace referencia a la valoración inicial o la imagen subjetiva que los usuarios -mayormente
estudiantes- tienen sobre ChatGPT. Como por ejemplo: ‘muchos lo ven como una herramienta útil para
obtener respuestas rápidas’ .
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 3 p 2479.
Actitudes: Incluye tanto dimensiones cognitivas como emocionales, expresando una posición
favorable o desfavorable hacia el uso de IA en el aula. Ejemplo: sentimientos de entusiasmo o
preocupación por su impacto en el aprendizaje autónomo.
Punto de vista: Término más utilizado en estudios con metodología cualitativa profunda, donde se
recogen reflexiones argumentadas sobre la influencia de ChatGPT en el pensamiento crítico, la ética
académica o la evaluación. Ejemplo: ‘El uso constante de ChatGPT puede reducir el esfuerzo de
razonamiento propio.’
Contraste entre bases de datos: análisis comparativo
Google Scholar: presenta el mayor número de resultados, en parte por su naturaleza más inclusiva, que
incorpora literatura gris -tesis, ponencias, documentos sin revisión por pares- y en varios idiomas,
incluido el español. Esto favorece el registro de investigaciones locales y emergentes.
Scopus y ScienceDirect: por el contrario, aplican filtros más exigentes para indexar solo publicaciones
con revisión por pares y de alto impacto, lo que restringe la cantidad de estudios disponibles,
especialmente en áreas como la educación o en idiomas distintos del inglés.
Asimismo, la temporalidad influye: dado que ChatGPT es una herramienta emergente, muchas
investigaciones aún están en desarrollo o en fase de publicación, lo que puede explicar el bajo número
de artículos disponibles en bases de datos académicas tradicionales.
DISCUSIÓN
Los resultados obtenidos revelan una creciente atención académica hacia el impacto de ChatGPT en
el entorno universitario, particularmente en su uso como herramienta de apoyo para la realización de
tareas académicas. Esta tendencia es evidente en el alto volumen de publicaciones localizadas,
especialmente en Google Scholar, que concentra la mayor parte de los estudios tanto en idioma
español como en inglés (García-Peñalvo, 2023; Susnjak & McIntosh, 2024). Esta proliferación refleja el
interés global por comprender cómo las tecnologías basadas en inteligencia artificial están
transformando los procesos educativos.
Uno de los hallazgos más relevantes es el claro predominio de estudios centrados en la perspectiva
del estudiantado, en comparación con la escasa presencia de investigaciones que exploren la visión
del profesorado o de los gestores universitarios. Este desequilibrio indica que, aunque los estudiantes
son los principales usuarios de esta tecnología, las implicaciones institucionales y pedagógicas
todavía no han sido suficientemente abordadas desde el punto de vista de quienes diseñan, ejecutan y
regulan las políticas educativas en las universidades Zawacki-Richter et al. (2019). Además, se ha
observado que la mayoría de las publicaciones tienden a centrarse en experiencias individuales más
que en estrategias sistémicas de implementación institucional.
Respecto a los tipos de enfoque encontrados, se evidencia un énfasis en la recopilación de
percepciones y actitudes de los estudiantes hacia ChatGPT. En cambio, los estudios que abordan los
puntos de vista entendidos como opiniones argumentadas, críticas o reflexivas son menos frecuentes.
Este patrón puede reflejar que muchas de las investigaciones aún se encuentran en una fase
exploratoria y descriptiva (Baidoo-Anu & Owusu Ansah, 2023), más que en un análisis profundo o
longitudinal de las implicaciones del uso de la IA en los entornos de enseñanza-aprendizaje (Mollick &
Mollick, 2023).
Además, si bien las publicaciones reconocen los beneficios de ChatGPT en términos de accesibilidad
a la información, mejora de la comprensión de contenidos y eficiencia en la resolución de tareas
(Kasneci et al., 2023), también advierten sobre riesgos importantes. Entre ellos, se destaca la pérdida
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 3 p 2480.
potencial de habilidades cognitivas esenciales, como el pensamiento crítico, la escritura autónoma y
la resolución de problemas complejos (Cotton et al., 2023; Essien et al., 2024). Esta dualidad plantea
un desafío urgente para las instituciones de educación superior sobre cómo deberían integrarse estas
herramientas de inteligencia artificial sin debilitar los procesos formativos fundamentales. Es decir,
estos desafíos expuestos encuentran coincidencia con lo expuesto por Choque y González (2023),
quienes advierten de una serie de retos a superar por parte de las universidades públicas, como son:
capacitación docente en el uso efectivo de ChatGPT, y el establecimiento de políticas para el uso ético
en las actividades académicas.
Un aspecto preocupante es la casi nula presencia de investigaciones que analicen la percepción y el
papel de los gestores universitarios frente al uso de inteligencia artificial. Siendo estos los
responsables de establecer políticas institucionales, definir estrategias de innovación educativa y
garantizar la calidad académica, su ausencia en el debate representa una brecha significativa tanto en
la literatura como en el diseño de estrategias institucionales efectivas (Chan, 2023; Perkins, Smith & Li,
2023). Esta omisión limita la posibilidad de diseñar marcos éticos y normativos adecuados para el uso
responsable y pedagógicamente justificado de la inteligencia artificial en contextos universitarios. Este
hallazgo cobra relevancia con los argumentos expuestos por Zúñiga (2024) reconocer mediante
políticas institucionales, el impacto y uso de Inteligencia Artificial Generativa, decidiendo a cada
institución sobre su regulación y la forma de cómo deben ser citados los productos que aquí se
emanen.
CONCLUSIÓN
El análisis de los resultados revela que la mayoría de los estudios sobre el uso de ChatGPT en la
educación superior se enfocan en las percepciones de los estudiantes, reflejando un interés
predominante en los efectos inmediatos de la herramienta sobre su experiencia académica. Este
patrón es especialmente evidente en Google Scholar, lo que también sugiere una mayor producción de
estudios preliminares o de acceso abierto.
En contraste, los estudios sobre docentes son menos frecuentes, aunque comienzan a explorar el
impacto de la inteligencia artificial en la enseñanza y el desarrollo pedagógico. Por otro lado, la
investigación sobre gestores universitarios es casi inexistente, lo que evidencia una brecha importante
en torno a la implementación institucional y las implicaciones organizativas del uso de estas
tecnologías.
Esta distribución desigual pone de manifiesto la necesidad de ampliar las investigaciones hacia
docentes y gestores, con el fin de comprender mejor los desafíos pedagógicos y organizativos que
plantea la integración de ChatGPT en la educación superior. Asimismo, es esencial abordar aspectos
como su impacto en habilidades cognitivas, realizar estudios comparativos entre disciplinas,
desarrollar investigaciones longitudinales y profundizar en los marcos éticos que regulan su uso.
A nivel institucional, se recomienda establecer políticas claras sobre el uso de inteligencia artificial,
fortalecer la formación docente, promover el pensamiento crítico en el estudiantado, conformar
comités interdisciplinarios para la gestión tecnológica, y diseñar mecanismos de evaluación que
permitan medir el impacto real de estas herramientas en los procesos educativos.
Futuras líneas de investigación en este tema podrían centrarse en conocer y analizar la forma cómo se
usa y aplica estas herramientas de Inteligencia Artificial en otros contextos regionales.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 3 p 2481.
REFERENCIAS
Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision
Processes, 50(2), 179–211. https://doi.org/10.1016/0749-5978(91)90020-T
Axios. (2025). Empathy gap in artificial intelligence: Chatbots as therapists and companions.
Recuperado de https://www.axios.com/2025/03/23/empathy-chatbot-turing-therapist
Bandura, A., & Walters, R. H. (1974). Aprendizaje social y desarrollo de la personalidad (Á. Rivière, Trad.).
Alianza Editorial. https://archive.org/details/bandura-a.-walters-r.-aprendizaje-social.-desarrollo-de-la-
personalidad
Baidoo-Anu, D., & Owusu Ansah, L. (2023). Education in the era of generative artificial intelligence (AI):
Understanding the potential benefits of ChatGPT in promoting teaching and learning. Journal of AI.
https://www.researchgate.net/publication/369385210
Berlin, B., & Kay, P. (1991). Basic color terms: Their universality and evolution. Alianza Editorial.
https://archive.org/details/bandura-a.-walters-r.-aprendizaje-social.-desarrollo-de-la-personalidad
Cacioppo, J. T., & Petty, R. E. (1989). The elaboration likelihood model of persuasion. Advances in
Experimental Social Psychology, 52, 123–205. https://doi.org/10.1016/S0065-2601(08)60214-
Chan, K. K. H. (2023). Designing a comprehensive framework for integrating AI in university teaching:
Pedagogical, governance, and operational dimensions. International Journal of Educational Technology
in Higher Education, 20(1), 37. https://doi.org/10.1186/s41239-023-00408-3
Choque, J., Morales, A., & González, M. (2023). Impacto del uso de ChatGPT en la educación superior:
Una revisión sistemática. Revista de Investigación en Tecnologías de la Información, 11(23), 98–107.
https://doi.org/10.36825/RITI.11.23.009
Corral Verdugo, V. (2010). Psicología de la sustentabilidad: Un análisis de lo que nos hace pro
ecológicos y pro sociales. Editorial Trillas. ISBN: 978-607-17-0453-5.
Cotton, D. R. E., Cotton, P. A., & Shipway, R. J. (2023). Chatting and cheating: Ensuring academic integrity
in the era of ChatGPT. Innovations in Education and Teaching International, 60(4), 456–465.
https://doi.org/10.1080/14703297.2023.2190148
Damasio, A. R. (1994). El error de Descartes: La emoción, la razón y el cerebro humano.
Grosset/Putnam. Recuperado de https://archive.org/details/antonio-damasio-descartes-error
Delgado, N., Carrasco, L. C., Maza, M. S. de la, & Etxabe-Urbieta, J. M. (2024). Aplicación de la
Inteligencia Artificial (IA) en Educación: Los beneficios y limitaciones de la IA percibidos por el
profesorado de educación primaria, educación secundaria y educación superior. Revista Electrónica
Interuniversitaria de Formación del Profesorado, 27(1), Article 1.
https://doi.org/10.6018/reifop.577211
Devine, P. G. (1989). Stereotypes and prejudice: Their automatic and controlled components. Journal
of Personality and Social Psychology, 56(1), 5–18. https://doi.org/10.1037/0022-3514.56.1.5
Eagly, A. H., & Chaiken, S. (1993). The psychology of attitudes. New York: Harcourt, Brace, & Janovich.
Psychology & Marketing, 12(5), 459–466.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 3 p 2482.
Essien, A., Bukoye, O. T., O’Dea, X., & Kremantzis, M. (2024). The influence of AI text generators on
critical thinking skills in UK business schools. Studies in Higher Education, 49(5), 865-882.
https://doi.org/10.1080/03075079.2024.2316881
Estrada-Araoz, E. G., León-Hancco, L. B., & Avilés-Puma, B. (2024). Percepción de los estudiantes
universitarios sobre el uso del ChatGPT durante su formación profesional. Gaceta Médica de Caracas,
132(2), Article 2. http://saber.ucv.ve/ojs/index.php/rev_gmc/article/view/28536
Fernández Marfil, L. A., Vallejos Parás, C., & Beltrán Cuervo, P. (2024). CHATGPT: ¿EL FUTURO DEL
APRENDIZAJE? PERCEPCIONES Y USO ENTRE ESTUDIANTES UNIVERSITARIOS. Etic@net. Revista
científica electrónica de Educación y Comunicación en la Sociedad del Conocimiento, 24(2), Article 2.
https://doi.org/10.30827/eticanet.v24i2.31026
Festinger, L. (1957). A theory of cognitive dissonance. Stanford University
Press.https://archive.org/details/byleonfestingert0000leon/page/n5/mode/2up
Fishbein, M., & Ajzen, I. (1975). Belief, attitude, intention, and behavior: An introduction to theory and
research. Addison-Wesley.
Garcia Brustenga, G., Fuertes-Alpiste, M., & Molas-Castells, N. (2018). Briefing paper: Los chatbots en
educación. https://openaccess.uoc.edu/handle/10609/85786
García-Peñalvo, F. J. (2023). La percepción de la inteligencia artificial en contextos educativos tras el
lanzamiento de ChatGPT: Disrupción o pánico. Education in the Knowledge Society (EKS), 24, e31279.
https://doi.org/10.14201/eks.31279
Gibson, J. J. (1979). The ecological approach to visual perception. Houghton Mifflin.
https://archive.org/details/pdfy-u5hmFOvOM2Civ4Gz
Gil-Vera, V. D. (2024). Uso de ChatGPT por estudiantes universitarios: un análisis relacional. Formación
universitaria, 17(5), 129–138. https://doi.org/10.4067/s0718-50062024000400129
Goldstein, E. B. (2010). Psicología cognitiva: Conectando la mente, la investigación y la experiencia
cotidiana (3.ª ed.). Cengage Learning.
Hovland, C. I., & Weiss, W. (1952). The influence of source credibility on communication effectiveness.
Public Opinion Quarterly, 15(4), 635–650. https://doi.org/10.1086/266350
Kant, I. (2017). Crítica de la razón pura. México, D. F.: Colofón S.A. de C.V.
Kamoun, F., El Ayeb, W., Jabri, I., Sifi, S., & Iqbal, F. (2024). Exploring Students’ and Faculty’s Knowledge,
Attitudes, and Perceptions Towards ChatGPT: A Cross-Sectional Empirical Study. Journal of
Information Technology Education: Research, 23, 004. https://doi.org/10.28945/5239
Kasneci, E., et al. (2023). ChatGPT's applications in higher education: Unmasking opportunities and
challenges. ResearchGate.
https://www.researchgate.net/publication/377930749_ChatGPT%27s_Applications_in_Higher_Educat
ion_Unmasking_Opportunities_and_Challenges
Koffka, K. (1935). Principles of Gestalt psychology. Harcourt, Brace and Company. Recuperado de
https://archive.org/details/in.ernet.dli.2015.7888
Köhler, W. (1929). Psicología de la Gestalt. Editorial Losada. Recuperado de
https://archive.org/details/gestaltpsycholog0000kohl/page/n5/mode/2up
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 3 p 2483.
Lazarus, R. S. (1991). Emotion and adaptation. Oxford University Press. Recuperado de
https://archive.org/details/emotionadaptatio0000laza
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436–444.
https://doi.org/10.1038/nature14539
Mollick, E., & Mollick, L. (2023). Assigning AI: Seven approaches for students with prompts. SSRN.
https://doi.org/10.2139/ssrn.4475995
Neisser, U. (1967). Psicología cognitiva. Appleton-Century-Crofts. Recuperado de
https://archive.org/details/cognitivepsychol00neis
Pascual-Leone, A., Amedi, A., Fregni, F., & Merabet, L. B. (2005). The plastic human brain cortex. Annual
Review of Neuroscience, 28, 377-401. https://doi.org/10.1146/annurev.neuro.27.070203.144216
Pérez, L., & Ruiz, M. (2025). Inteligencia artificial y educación: Potencialidades y riesgos en el
aprendizaje autónomo. Editorial Académica Iberoamericana.
Perkins, C., Smith, A., & Li, J. (2023). A framework for the responsible integration of generative AI in
educational assessment. arXiv preprint. https://arxiv.org/abs/2312.07086
Posner, M. I. (1980). Orienting of attention. Quarterly Journal of Experimental Psychology, 32(1), 3–25.
https://doi.org/10.1080/00335558008248231
Russell, S. J., & Norvig, P. (2004). Inteligencia artificial: Un enfoque moderno (2.ª ed.). Pearson
Educación. Recuperado de
https://www.academia.edu/8241613/Inteligencia_Aritificial_Un_Enfoque_Moderno_2da_Edici%C3%B
3n_Stuart_J_Russell_y_Peter_Norvig
Rosenberg, M. J., & Hovland, C. I. (1960). Attitude organization and change: An analysis of consistency
among attitude components. Yale University Press.
https://archive.org/details/attitudeorganiza0003unse
Susnjak, T., & McIntosh, T. R. (2024). ChatGPT: The end of online exam integrity? Education Sciences,
14(6), 656. https://doi.org/10.3390/educsci14060656
United Nations Educational, Scientific, and Cultural Organization [UNESCO]. (s.f.). La inteligencia
artificial en la educación. Recuperado de https://www.unesco.org/es/digital-education/artificial-
intelligence
Vargas Melgarejo, L. M. (1994). Sobre el concepto de percepción. Alteridades, 4(8), 47-53. Universidad
Autónoma Metropolitana Unidad Iztapalapa.
https://doi.org/10.22201/cimsur.24485561e.1994.8.34763
Varela, F. J., & Maturana, H. R. (1992). La sociedad de los seres humanos: De la biología a la conciencia.
Editorial Losada.
Wertheimer, M. (1923). Leyes de la organización en las formas perceptuales. Revista de Psicología,
2(2), 302–350. https://doi.org/10.1007/BF00410640
Wei, C., Wang, Y.-C., Wang, B., & Kuo, C.-C. J. (2024). An overview on language models: Recent
developments and outlook. APSIPA Transactions on Signal and Information Processing, 13(2).
https://doi.org/10.1561/116.00000010
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2025, Volumen VI, Número 3 p 2484.
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on
artificial intelligence applications in higher education–where are the educators? International Journal
of Educational Technology in Higher Education, 16(1), 1–27. https://doi.org/10.1186/s41239-019-
0176-8
Zúñiga Sánchez, O. (2024). El impacto de ChatGPT en la formación y producción académica: Que no
cunda el pánico. RIDE Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 14(28).
https://doi.org/10.23913/ride.v14i28.1867
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, publicados en
este sitio está disponibles bajo Licencia Creative Commons .