UNIVERSIDAD CONTINENTAL
TRABAJO DE INVESTIGACIÓN
EFECTOS DE LA INTELIGENCIA ARTIFICIAL
EN EL RENDIMIENTO ACADÉMICO DE ESTU-
DIANTES DEL ÚLTIMO CICLO DE INGENIERÍA
CIVIL
ESTUDIANTES:
• WILLIAM JOSEHIN AGUILAR PUMA
• WALTER CASTILLO LAURA
• FIDEL PAUCARA SACACA
• SAUL COARI RIOS
AREQUIPA – PERÚ
2025
DOCENTE: JUAN ALFONSO MOLINA
01 PROBLEMA DE INVESTIGACIÓN
02 FORMULACIÓN DEL PROBLEMA
03 OBJETIVOS DE INVESTIGACIÓN
04 JUSTIFICACIÓN
05 ANTECEDENTES DE INVESTIGACIÓN
06 MARCO TEÓRICO
CO
07 HIPÓTESIS
N
TE
08 METODOLOGÍA DE INVESTIGACIÓN
NI
DO
09 CONCLUSIONES
10 RECOMENDACIONES
La irrupción acelerada de la Inteligencia Artificial (IA) en el ámbito educativo
universitario en los últimos tres años ha generado un panorama de transformación
sin precedentes. Herramientas como los chatbots de generación de lenguaje
natural (p. ej., ChatGPT, Gemini, Copilot), sistemas de tutoría inteligente y
plataformas de aprendizaje adaptativo han pasado de ser conceptos emergentes a
recursos de uso cotidiano para una gran población estudiantil.
En el Perú, la adopción de herramientas de IA en la
educación superior ha crecido exponencialmente,
especialmente en carreras técnicas como Ingeniería
PR
Civil. Sin embargo, no existe suficiente evidencia
OB
empírica sobre cómo estas tecnologías están
afectando realmente el rendimiento académico de los
LE GA
estudiantes.
M CI
A ÓN
Como señalan Zawacki et al. (2019), la IA traería
DE
consigo "oportunidades significativas para mejorar la
IN
educación superior", pero también "desafíos éticos y
VE
prácticos considerables". Esta advertencia se ha
ST
materializado rápidamente en el contexto
I-
universitario actual.
Problema general
¿Cuáles son los efectos de la inteligencia
artificial en el rendimiento académico de
estudiantes del último ciclo de Ingeniería
Civil?
Problemas específicos
¿Cómo influye el acceso y manejo de información en el
rendimiento académico de estudiantes del último ciclo de
Ingeniería Civil?
¿De qué manera la personalización y aprendizaje adaptativo afecta
en el rendimiento académico de estudiantes de ingeniería civil de la
FO
Universidad Continental?
R
¿Cuál es el impacto de la interacción en red y colaboración en el
M
rendimiento académico de estudiantes del último ciclo de Ingeniería Civil?
UL
AC LEM
¿Cómo la aplicación práctica en problemas reales influye en el rendimiento
académico de estudiantes del último ciclo de Ingeniería Civil?
IÓ A
N
¿De qué manera el desarrollo de competencias de autorregulación
DE
afecta en el rendimiento académico de estudiantes del último ciclo
LP
de Ingeniería Civil?
RO
¿Cuál es la relación entre la innovación y creatividad en el
rendimiento académico de estudiantes del último ciclo de
B
Ingeniería Civil?
-
Objetivo general
Determinar los efectos de la inteligencia
artificial en el rendimiento académico de
estudiantes del último ciclo de Ingeniería
Civil.
Objetivos específicos
Analizar la influencia del acceso y manejo de información
en el rendimiento académico de estudiantes del último
ciclo de Ingeniería Civil.
Evaluar el efecto de la personalización y aprendizaje adaptativo en
el rendimiento académico de estudiantes del último ciclo de
OB
Ingeniería Civil.
Analizar el impacto de la interacción en red y colaboración en el
JE
rendimiento académico de estudiantes del último ciclo de Ingeniería Civil.
TI
VO C
Establecer la influencia de la aplicación práctica en problemas reales
S D IÓN
en el rendimiento académico de estudiantes del último ciclo de
GA
Ingeniería Civil.
E
IN
Evaluar el efecto del desarrollo de competencias de
autorregulación en el rendimiento académico de estudiantes del
VE
último ciclo de Ingeniería Civil.
ST
Establecer la relación entre la innovación y creatividad en
I
-
el rendimiento académico de estudiantes del último ciclo
La justificación de este Proyecto
de Investigación está
estrictamente ligada al estudio
sobre cuál es el impacto de la
Inteligencia Artificial en el
rendimiento académico de los
estudiantes, esto
es fundamental debido a su
relevancia en la educación
actual. La Inteligencia Artificial
está cada vez más inmersa en el
entorno de la educación,
comprender como esto influye en
JU
el rendimiento de los estudiantes
ST
es fundamental para adaptar
I FI
posibles metodologías de
CA
enseñanza y mejorar los
CI
resultados.
ÓN
Esta investigación podría
proporcionar información valiosa
sobre como la Inteligencia
1. Ahmad et al. (2022) en su investigación de uso de la inteligencia artificial en
los ámbitos académico y administrativo, concluyen que los usos de la IA no solo
apoyan la educación, sino que también mejoran su eficiencia al facilitar tareas
como el análisis del aprendizaje (AL), la realidad virtual (RV), la calificación y
evaluación (G/A) y los procesos de admisión.
2. Por otro lado, Chao & Rivera ( 2024) “Usos y percepciones de herramientas
de inteligencia artificial en la educación superior en México”. Los hallazgos
determinaron que al menos el 20% del profesorado y el 33% del estudiantado ya
Antecedentes
utilizan inter- de IA en su vida académica.
alguna herramienta
nacionales
1. Aguilar & Rojas (2023) en su investigación del
uso de un chatbot con inteligencia artificial (GPT-
4) mejora el aprendizaje de Excel en una escuela
AN NV
secundaria pública. Indicando ChatGPT GPT-4
TE EST
mejoró significativamente aprendizaje de Excel.
I
CE IG
2. Esteves (2023) investiga con qué frecuencia y
de qué manera los estudiantes de cuatro
DE AC
universidades privadas peruanas utilizan
NT IÓ
programas de inteligencia artificial (IA) para
ES N
redactar trabajos académicos. El 52.6%
DE
considera que IA optimiza búsqueda de
información. Antecedentes nacio-
nales
Inteligencia artificial
La inteligencia artificial, entendida comúnmente como la capacidad de las
máquinas para imitar el pensamiento y comportamiento humano, representa
un avance hacia sistemas computacionales que emulan la mente y las acciones
humanas. Esta no solo se integra en el formato computacional que se conoce,
sino que se manifiesta en diversas funciones y formas en la vida. Su evolución
ha generado un efecto considerable en diversas áreas, entre ellas la
reestructuración del orden social y los procedimientos educativos (Gocen &
Aydemir, 2020).
Rendimiento académico
Según Cruz (2022), el rendimiento académico
M
“expresa todo lo que un individuo ha aprendido
AR
como producto de los procesos de instrucción o
CO
entrenamiento."
Por otro lado. Según Tejada (2019), "el
TE
rendimiento académico se relaciona con las
ÓR
calificaciones, las evaluaciones y la culminación
IC
del curso a tiempo" (p. 109-110). Es importante
O
reconocer el hecho de que "el bajo rendimiento
académico podría estar asociado al propio
alumno, a la metodología y a la forma de
Dimensiones de la Inteli-
gencia artificial
1. Acceso y manejo de información: Capacidad para encontrar, filtrar y procesar
información con herramientas de IA (Chat GPT, Homer Pro, QGIS, MATLAB).
2. Personalización y aprendizaje adaptativo: Grado de personalización del aprendizaje
según necesidades individuales, ajustando contenidos y actividades.
3. Interacción en red y colaboración: Nivel de integración y colaboración entre
estudiantes, profesores y sistemas tecnológicos con IA.
4. Aplicación y práctica en problemas reales: Capacidad para usar IA en la resolución
de problemas prácticos de energías renovables y TIC.
5. Desarrollo de competencias de autorregulación: Habilidad para
planificar, monitorear y evaluar el propio aprendizaje con ayuda de IA.
6. Innovación y creatividad: Capacidad para generar ideas y soluciones
M
innovadoras en energías renovables usando IA.
AR
Dimensiones del Rendimiento
académico
CO
1. Conceptual: Comprensión y sistematización de
TE
conocimientos, teorías y categorías del área
ÓR
profesional.
IC
2. Procedimental: Saber hacer: conjunto de
O
habilidades y conocimientos para ejecutar
procesos metodológicos básicos y avanzados.
3. Actitudinal: Valores y disposición emocional
Hipótesis general
La inteligencia artificial ha generado efectos
significativos y positivos en el rendimiento
académico de estudiantes del último ciclo de
Ingeniería Civil.
Hipótesis específicos
El acceso y manejo de información mejora significativamente
en el rendimiento académico de estudiantes del último ciclo
de Ingeniería Civil.
La personalización y aprendizaje adaptativo impactan
positivamente en el rendimiento académico de estudiantes del
último ciclo de Ingeniería Civil.
La interacción en red y colaboración facilita significativamente en el
HI ST
rendimiento académico de estudiantes del último ciclo de Ingeniería Civil.
IN
PÓ IG
VE
La aplicación práctica en problemas reales mejora significativamente en
TE AC
el rendimiento académico de estudiantes del último ciclo de Ingeniería
SI IÓ
Civil.
SD N
El desarrollo de competencias de autorregulación mejora
E
significativamente en el rendimiento académico de estudiantes
del último ciclo de Ingeniería Civil.
Existe una relación positiva y significativamente entre la
innovación y creatividad influye positivamente en el
rendimiento académico de estudiantes del último ciclo
Procedimiento Metodológico de la Investigación
Este capítulo detalla la metodología empleada en la investigación, abarcando el
enfoque, método, tipo, nivel y diseño del estudio, así como la población, mues-
tra,
técnicas e instrumentos utilizados.
Enfoque y Método de Investigación
Se utilizó una metodología cuantitativa para la recolección y análisis
de datos numéricos mediante herramientas estadísticas, buscando
M NV
hallazgos objetivos y precisos.
ET ES
I
OD T I
La investigación empleó un enfoque deductivo, ob-
servando fenómenos, elaborando hipótesis y contra-
OL GAC
OG I Ó
stando deducciones con la experiencia.
ÍA N
DE
Tipo, Nivel y Diseño del Estudio
Tipo de Investigación: Básica Nivel de Investigación: Cor-
relacional
Se centró en comprender he- Examinó la relación entre la co-
chos, conceptos o teorías sub- municación organizacional y las
yacentes sin aplicación práctica habilidades blandas, buscando
inmediata. explorar vínculos entre variables.
Diseño de Investigación: No Experimental
M NV
ET ES
Las variables no fueron manipuladas; el fenómeno se
I
OD T I
observó de forma natural .
OL GAC
OG I Ó
ÍA N
DE
Población y Muestreo
Población
La población se constituyó por la comunidad estudiantil de la Universidad
Continental, definida como la colección de todos los aspectos que coinciden
con un conjunto de precisiones
posibles de ser estudiados.
Muestreo Censal
Se aplicó un muestreo censal, estudiando a 82 personas que for-
maron el universo poblacional. Esto permitió obtener una amplia
información directamente de los
docentes sobre la inteligencia artificial y el rendimiento
M NV
académico.
Técnicas e Instrumentos de Recolección de Datos
ET ES
I
OD T I
Técnica: Encuesta
Se utilizó la encuesta como técnica principal para la recolección de
OL GAC
OG I Ó
Instrumento: Cuestionarios
ÍA N
Se aplicaron dos cuestionarios estructurados para cada variable d
DE
diseñados para obtener datos cuantitativos.
Confiabilidad y Validez del Instrumento
Confiabilidad
El coeficiente alfa de Cronbach fue excelente: 0,945 para la variable de inteligen-
cia artificial y 0,972
para rendimiento académico, indicando alta consistencia interna.
Validez
La validez se probó mediante el juicio de tres expertos docentes, obteniendo
una puntuación de 48 para ambas variables, lo que confirma un alto nivel de
validez de los instrumentos.
Procedimiento de Tratamiento de Datos
M NV
Recopilación de Cuestionarios
ET ES
Codificación de Datos
I
OD T I
Procesamiento y Análisis Estadístico
OL GAC
OG I Ó
Presentación de Resultados
ÍA N
DE
Se espera determinar efectos significativos de la IA en el rendimiento aca-
démico
El estudio identificará el nivel de influencia del acceso y manejo de informa-
ción
Se evaluará el impacto de la personalización y aprendizaje adaptativo
Se revelará cómo la colaboración asistida por IA afecta el rendimiento
Se establecerá la influencia de aplicaciones prácticas en proble-
CO
mas reales
N
CL
US
Se comprenderá el rol de la autorregulación facilitada
IO
por IA
NE
S
Se determinará la relación entre
innovación/creatividad y rendimiento
Institucionales
•Implementar políticas claras sobre uso
ético de IA
•Incorporar alfabetización en IA al currí-
culo
•Facilitar acceso equitativo a herramien-
tas de IA Académicas
•Capacitar docentes en uso de IA
•Integrar IA en metodologías de ense-
ñanza
•Fomentar pensamiento crítico en es-
tudiantes
RE
CO
Para Futuros Investigadores
M
Ampliar estudios a otras carreras, realizar in-
EN
vestigaciones longitudinales y experimenta-
DA
les para establecer relaciones causales más
CI
precisas.
ON
ES
GRACIAS
