Uso de inteligencia artificial y aprendizaje en estudiantes de ingeniería pesquera: estudio en gestión ambiental

Abstract

El presente estudio examinó la relación entre la integración pedagógica de herramientas de inteligencia artificial y el aprendizaje en el curso de gestión ambiental de estudiantes de ingeniería pesquera de la Universidad Nacional del Callao. El objetivo fue determinar si el uso de herramientas como ChatGPT, Gemini, Qwen, Copilot, Gamma, Suno y HeyGen se asoció con el aprendizaje global y con sus dimensiones cognitiva, conductual y afectiva. En el estudio se aplicó un diseño cuantitativo, aplicado y preexperimental, con diseño de pretest-postest en un único grupo. La muestra censal estuvo constituida por 9 estudiantes matriculados en el curso durante enero de 2025. La información fue recolectada utilizando un cuestionario tipo Likert y fue analizada con la prueba de los rangos con signo de Wilcoxon y el coeficiente de correlación de Spearman. Se evidenciaron diferencias estadísticamente significativas entre el pretest y el postest, así como correlaciones positivas y significativas entre el uso de herramientas de IA y el aprendizaje global, además de sus dimensiones cognitiva (ρ = 0.963; p < 0.001), conductual (ρ = 0.688; p = 0.042)y afectiva (ρ = 0.665; p = 0.046). Estos hallazgos indican que la integración pedagógica de la inteligencia artificial favorece losprocesos de aprendizaje en educación superior y constituye un recurso útil para la enseñanza de la Gestión Ambiental en contextos universitarios.

This study examined the relationship between the pedagogical integration of artificial intelligence tools and learning in the environmental management course for fisheries engineering students at the National University of Callao. The objective was to determine whether the use of tools such as ChatGPT, Gemini, Qwen, Copilot, Gamma, Suno, and HeyGen was associated with overall learning and its cognitive, behavioral, and affective dimensions. The study employed a quantitative, applied, and pre-experimental design, using a single-group pretest-posttest design. The census sample consisted of 9 students enrolled in the course during January 2025. Data were collected using a Likert-type questionnaire and analyzed using the Wilcoxon signed-rank test and Spearman’s correlation coefficient. Statistically significant differences were found between the pretest and posttest, as well as positive and significant correlations between the use of AI tools and overall learning, including its cognitive (ρ = 0.963; p < 0.001), behavioral (ρ = 0.688; p = 0.042), and affective (ρ = 0.665; p = 0.046) dimensions. These findings indicate that the pedagogical integration of artificial intelligence enhances learning processes in higher education and constitutes a useful resource for teaching Environmental Management in university settings.