Factores que influyen en la adopción de herramientas de IA por docentes en instituciones públicas de Milagro: un estudio basado en el TAM con énfasis en usabilidad y utilidad percibidas
Factors influencing the adoption of AI tools by teachers in public institutions in Milagro: a TAM-based study with emphasis on perceived usability and utility
DOI:
https://doi.org/10.56712/latam.v7i1.5304Palabras clave:
inteligencia artificial, adopción tecnológica, docentes, modelo de aceptación tecnológica, educación básicaResumen
El estudio evaluó los factores que influyen en la adopción de herramientas de inteligencia artificial (IA) por docentes de Educación Básica Superior en instituciones públicas del cantón Milagro, utilizando el Modelo de Aceptación Tecnológica (TAM) con énfasis en los constructos de utilidad percibida, facilidad de uso, usabilidad, motivación intrínseca y autoeficacia tecnológica. Se aplicó un enfoque cuantitativo no experimental con diseño transversal correlacional, encuestando a una muestra intencionada de 150 docentes mediante un cuestionario estructurado. Los datos se analizaron con estadísticos descriptivos y el coeficiente alfa de Cronbach para evaluar la confiabilidad del instrumento. Los resultados mostraron que más del 90 % de los docentes valoran positivamente la utilidad y facilidad de uso de las herramientas de IA, al igual que la usabilidad, la motivación intrínseca y la autoeficacia tecnológica, con alta aceptación y confianza en estos aspectos. Además, el 99.3 % manifestó intención de uso, evidenciando una fuerte predisposición para incorporar estas tecnologías en su práctica pedagógica. La confiabilidad del instrumento fue adecuada en la mayoría de los constructos. Estos hallazgos indican que, aunque los docentes cuentan con una actitud favorable, la adopción efectiva requiere también estrategias institucionales que mejoren la infraestructura tecnológica y la formación continua. Se concluye que el modelo TAM resulta pertinente para comprender y fomentar la adopción de IA en contextos educativos públicos locales, facilitando la planificación de intervenciones ajustadas a las necesidades del cantón Milagro.
Descargas
Citas
Al-Abdullatif, A. M. (2024). Modeling teachers’ acceptance of generative artificial intelligence use in higher education: The role of AI literacy, intelligent TPACK, and perceived trust. Education Sciences, 14(11), 1209. https://doi.org/10.3390/educsci14111209
Alharbi, S., & Drew, S. (2014). Using the technology acceptance model in understanding academics’ behavioural intention to use learning management systems. International Journal of Advanced Computer Science and Applications, 5(1), 143–155. https://doi.org/10.14569/IJACSA.2014.050121
An, et al. (2023). Acceptance of Pre-Service Teachers Towards Artificial Intelligence (AI): The Role of AI-Related Teacher Training Courses and AI-TPACK. Education Sciences, 15(2), 167.
Banco Interamericano de Desarrollo. (2025). From hype to reality: Rethinking AI in education across Latin America and the Caribbean. Enfoque Educación blog.
Cabero-Almenara, J., Palacios-Rodríguez, A., Loaiza-Aguirre, M. I., & de Rivas-Manzano, M. R. (2024). Acceptance of educational artificial intelligence by teachers and its relationship with some variables and pedagogical beliefs. Education Sciences, 14(7), 740. https://doi.org/10.3390/educsci14070740
Cabero-Almenara, J., Guillén-Gámez, F. D., & Ruiz-Palmero, J. (2024). Inteligencia artificial en la educación superior: percepciones y preparación del profesorado universitario en entornos digitales. RIED. Revista Iberoamericana de Educación a Distancia, 27(1), 45–66. https://doi.org/10.5944/ried.27.1.36515
Chaves, M., & Díaz, R. (2023). Factors influencing the adoption of AI tools in higher education: A Mexican perspective. Revista Iberoamericana de Educación a Distancia, 26(2), 89-110. https://doi.org/10.5944/ried.26.2.35768
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User acceptance of computer technology: A comparison of two theoretical models. Management Science, 35(8), 982–1003. https://doi.org/10.1287/mnsc.35.8.982
Ertmer, P. A., & Ottenbreit-Leftwich, A. T. (2010). Teacher technology change: How knowledge, confidence, beliefs, and culture intersect. Journal of Research on Technology in Education, 42(3), 255–284. https://doi.org/10.1080/15391523.2010.10782551
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign. https://curriculumredesign.org/wp-content/uploads/AI-in-Education-CCR-2019.pdf
Huang, Y., Lin, L., & Cheng, S. (2022). Factors influencing teachers’ adoption of artificial intelligence in education: An extended TAM approach. Computers & Education, 176, 104345. https://doi.org/10.1016/j.compedu.2021.104345
Ifenthaler, D., & Schumacher, C. (2016). Student perceptions of privacy principles for learning analytics. Educational Technology Research and Development, 64(5), 923–938. https://doi.org/10.1007/s11423-016-9463-4
Joo, Y., Lim, K.-Y., & Kim, N.-H. (2017). Implementation of TPACK-based technology acceptance model: Influences of training and instructional context. Computers & Education, 111, 36–47.
Legris, P., Ingham, J., & Collerette, P. (2003). Why do people use information technology? A critical review of the technology acceptance model. Information & Management, 40(3), 191–204. https://doi.org/10.1016/S0378-7206(01)00143-4
Nielsen, J. (1993). Usability engineering. Morgan Kaufmann.
Scherer, R., & Teo, T. (2019). Unpacking teachers’ intention to integrate technology: A meta-analysis. Educational Research Review, 27, 90–109. https://doi.org/10.1016/j.edurev.2019.03.003
Tarhini, A., Hone, K., & Liu, X. (2014). A cross-cultural examination of the impact of social, organisational and individual factors on educational technology acceptance between British and Lebanese university students. British Journal of Educational Technology, 45(4), 739–755. https://doi.org/10.1111/bjet.12069
Teo, T. (2011). Factors influencing teachers’ intention to use technology: Model development and test. Computers & Education, 57(4), 2432–2440. https://doi.org/10.1016/j.compedu.2011.06.008
Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management Science, 46(2), 186–204. https://doi.org/10.1287/mnsc.46.2.186.11926
Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478. https://doi.org/10.2307/30036540
Viberg, O., Cukurova, M., Feldman-Maggor, Y., Alexandron, G., Shirai, S., Kanemune, S., … & Coelho, R. (2023). What explains teachers' trust of AI in education across six countries? arXiv.
Woolf, B. P. (2010). Building intelligent interactive tutors: Student-centered strategies for revolutionizing e-learning. Morgan Kaufmann.
Xue, Y., Ghazali, N., & Mahat, J. (2025). Artificial intelligence adoption among teachers: A systematic review and agenda for future research. Computers & Education, 211, 105012. https://doi.org/10.1016/j.compedu.2023.105012
Xue, Y., Qian, M., & Li, L. (2025). Understanding teachers’ intentions to use AI-based educational tools: Extending the TAM with institutional and social factors. Computers & Education, 211, 105012. https://doi.org/10.1016/j.compedu.2025.105012
Zhang, C., Schießl, J., Plößl, L., Hofmann, F., & Gläser-Zikuda, M. (2023). Acceptance of artificial intelligence among pre-service teachers: A multigroup analysis. International Journal of Educational Technology in Higher Education, 20, Article 49. https://doi.org/10.1186/s41239-023-00420-7
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Ketty Elizabeth Gómez Barzola, Maura Zoraida Acosta Revelo, Karem Lissette Miranda Herrera, Celi Maribel Herrera Altafulla
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
