1

UNIVERSIDAD PRIVADA NORBERT WIENER

UNIDAD ACADÉMICA DE ESTUDIOS GENERALES
Informe Estadístico
Evaluación del Impacto de la Inteligencia Artificial en la
Satisfacción de los Estudiantes de la Universidad Norbert
Wiener, 2024
Autores:
Arce García, Darcy Joel
Aguilar Pérez, Fabrizio Aleksei
Anaya Sotomayor, Andrea Nicolle
Arce Jaramillo, Noemi Ruth
Arpi Arpi, Anais Marieta

Docente:
Fernandez Romero, Gonzalo Juan

Línea de investigación:
Emprendimiento
Lima, Perú
2024-II
 2

INDICE
Realidad problemática ......................................................................................... 3
Formulación del problema .................................................................................... 3
Antecedentes de investigación:............................................................................. 3
Bases teóricas de las variables de estudio: ............................................................ 5
Variables y operacionalización: ............................................................................. 5
Población y muestra............................................................................................. 5
 3

INTRODUCCION A LA ESTADISTICA
La estadística, como todos sabemos, es parte de la rama de matemáticas en las que todos
resolvemos, esta asignatura forma importancia en tantos para aprender en universidades,
como a nivel mundial, ya que la estadística se encarga de obtener, análisis, interpretar,
recopilar y organizar unos conjuntos de datos en la que se encarga de predecir los
porcentajes o datos no tanto exactos, pero muestran un numero decimal en el que se pueda
tomar como un valor, partiendo desde los hechos de la información en la que nos pueda
ayudar como dijimos, mediante el análisis de datos.
OBJETIVO DE LA ESTADISTICA
El objetivo es obtener conclusiones validas acerca de una población, sobre la base de una
muestra, también es en mejorar la comprensión de datos acerca de una población y en
base a su información obtenida de una muestra, con el fin también de obtener y conocer las
características de un grupo de casos de estudio, es acerca también en comparar entre los
resultados obtenidos en experiencias para determinar las causas y en disponer un objetivo
claro para las decisiones de la muestra y la población.
HIPOTESIS DE LA ESTADISTICA
Esto es una proporción en el que la muestra y la población se distribuyen sobre la muestra y
también es una proporción sobre los parámetros que también se usan en la población.

INTRODUCCÓN:
Realidad problemática
En la actualidad los estudiantes universitarios para poder realizar sus proyectos educativos
y/o poder estudiar temas que no tienen mucho conocimiento tienes como ayuda la
inteligencia artificial (IA), esto nos sirve como ayuda en varios temas. Ya que se puede
buscar de manera fácil y sencilla.
Formulación del problema

Pero ¿Qué tan satisfactorio se siente los estudiantes con la IA?

Antecedentes de investigación:

Ahmed y colaboradores (2022) exploran el potencial de la inteligencia artificial para mejorar

la educación. Sus hallazgos sugieren que la IA, al personalizar el aprendizaje y ofrecer
retroalimentación inmediata, puede aumentar significativamente la satisfacción estudiantil.
Además, enfatizan que estas tecnologías pueden crear ambientes de aprendizaje más
dinámicos y efectivos.

Según Aiwen (2022), la unión de las universidades y la compañía de tecnología,

principalmente en el campo de la inteligencia artificial, está preparando a los futuros
profesionales de manera más efectiva para el mundo laboral. Esta colaboración además
que solo aumenta la satisfacción de los estudiantes con su formación, sino que también
eleva la calidad de la educación al integrar tecnologías de vanguardia en los planes de
estudio. En resumen, esta alianza estratégica beneficia a ambos actores: las instituciones
educativas y los estudiantes.
 4

Los trabajos de Akhrif et al. (2019) y otros investigadores revelan el potencial de las
tecnologías avanzadas para revolucionar la educación. Al fomentar la interacción y la
colaboración entre estudiantes y docentes, estas herramientas digitales permiten crear
entornos de aprendizaje más dinámicos y atractivos, mejorando así la experiencia educativa
y la satisfacción de los estudiantes.

García-Peñalvo (2022) ha desarrollado un marco teórico sólido para analizar cómo la

inteligencia artificial está transformando la educación. Su enfoque ha sido instrumental para
evaluar el impacto de la IA en la satisfacción estudiantil y la eficiencia de los procesos de
enseñanza-aprendizaje. Gracias a sus investigaciones, contamos con una base sólida para
comprender cómo la tecnología puede mejorar la experiencia educativa

Hernández León y Rodríguez-Conde (2024) resaltan en su revisión sistemática que la

personalización de la educación, impulsada por la inteligencia artificial, es fundamental para
mejorar la experiencia de aprendizaje de los estudiantes universitarios. Al adaptar los
programas educativos a las necesidades individuales, se incrementa significativamente la
satisfacción y el compromiso de los estudiantes.

El estudio de Camacho et al. (2023) analiza los riesgos y beneficios de integrar la

inteligencia artificial en el aula. Los autores concluyen que, si se utiliza de manera
responsable, la IA puede aumentar la satisfacción de los estudiantes al proporcionar
experiencias de aprendizaje más personalizadas y atractivas. Además, enfatizan el
potencial de la IA para crear entornos educativos más inclusivos y accesibles. Sin embargo,
advierten sobre la necesidad de una implementación cuidadosa y ética de estas
tecnologías.

Tambasco y colaboradores (2023) analizan el impacto de los chatbots en la educación. Los

autores destacan que estos asistentes virtuales pueden convertirse en herramientas
valiosas para mejorar la experiencia de aprendizaje de los estudiantes. Al ofrecer soporte
personalizado y acceso inmediato a recursos educativos, los chatbots pueden aumentar la
satisfacción estudiantil y optimizar los procesos de enseñanza y aprendizaje

Martínez y colaboradores (2023) analizan cómo las inteligencias artificiales generativas

pueden transformar la educación. Al permitir la creación de contenidos personalizados y
dinámicos, estas tecnologías ofrecen nuevas oportunidades para mejorar la experiencia de
aprendizaje de los estudiantes. Sin embargo, los autores advierten sobre la necesidad de
abordar los desafíos éticos y técnicos asociados con la implementación de estas
herramientas en el aula.

En su investigación, García Correa (2023) subraya la necesidad de adaptar las propuestas

tecnológicas educativas a las necesidades y expectativas de los estudiantes. Al hacerlo, se
pueden evitar posibles inconvenientes y maximizar los beneficios de la tecnología. De esta
forma, la integración de tecnologías como la inteligencia artificial puede contribuir a una
educación más personalizada y efectiva

Araujo y Frigotto (2020) argumentan que la integración de la inteligencia artificial en la

educación puede mejorar significativamente la calidad de los procesos de enseñanza y
aprendizaje. Al ofrecer experiencias educativas más personalizadas y dinámicas, la IA
contribuye a aumentar la satisfacción estudiantil y a optimizar los resultados académicos.
es.
 5

Bases teóricas de las variables de estudio:

Según un estudio reciente de Pew Research Center (2023), la mayoría de los educadores
creen que la IA tiene el potencial de transformar la educación, pero también expresan
preocupaciones sobre la equidad y la privacidad de los datos." En otras palabras, el estudio
de Pew Research Center indica que los docentes ven un gran potencial en la inteligencia
artificial para revolucionar la enseñanza, pero reconocen la importancia de abordar los
desafíos relacionados con la igualdad de acceso y la protección de la información personal.

Este hallazgo es particularmente relevante para nuestra investigación, ya que resalta la

necesidad de considerar tanto los beneficios como los riesgos de la implementación de la IA
en la educación. Al igual que los educadores encuestados por Pew Research Center,
nuestros resultados sugieren que los estudiantes valoran las ventajas de la IA, pero también
expresan inquietudes sobre su uso equitativo y transparente. Es fundamental tener en
cuenta estas preocupaciones al diseñar e implementar estrategias de integración de la IA en
los entornos educativos.

II. Metodología

Tipo y diseño de la investigación:

Para esté estudio se utilizó el tipo de método cualitativo identificando en nivel de
satisfacción del uso de la inteligencia artificial (IA). Se considera cualitativos ya que la
recopilación de datos y el análisis va surgiendo desde el planteamiento de nuestro
problema el trabajo de campo, sufriendo modificaciones siendo una forma de
enfocarnos en trabajó de interés.

Variables y operacionalización:
4. METODOLOGÍA

El estudio es de tipo descriptivo y cuantitativo, diseñado para analizar cómo los estudiantes
perciben el impacto de la inteligencia artificial en su satisfacción académica.

Se utilizó una encuesta estructurada con preguntas cerradas distribuidas de forma digital
mediante un formulario en línea. Este instrumento permitió recopilar datos sobre aspectos
clave como la utilidad, precisión, confiabilidad y efectividad de la inteligencia artificial en el
ámbito académico.

La recolección de datos se realizó en noviembre de 2024, con participación voluntaria de

estudiantes matriculados en la Universidad Norbert Wiener. El enfoque digital garantizó
eficiencia en la distribución y recolección de respuestas.

4.2 Variables y Operacionalización

1. Variable Dependiente: Satisfacción de los estudiantes con el uso de la inteligencia

artificial en el ámbito académico.
 6

Indicadores:

Percepción del impacto en el rendimiento académico.

Evaluación de la utilidad para comprender temas complejos.

Opinión sobre la efectividad para resolver problemas académicos.

Influencia en la capacidad para investigar y analizar información relevante.

2. Variables y operacionalización

Variable Independiente: Uso de la inteligencia artificial como herramienta académica.

Indicadores:

-Adaptación a necesidades personalizadas de aprendizaje.

-Precisión en la retroalimentación académica.

-Nivel de confianza percibido en las soluciones ofrecidas por la inteligencia artificial.

Cada indicador fue evaluado mediante escalas cualitativas, como “Muy beneficioso”,
“Moderadamente efectivo”, “Algo confiable”, entre otras. Estas respuestas permiten
cuantificar percepciones subjetivas en diferentes dimensiones del impacto de la inteligencia
artificial.

4.3 Población y Muestra

Población: 1703 estudiantes de la Facultad de Ingeniería y Negocios de la Universidad

Norbert Wiener en 2024 que utilizan inteligencia artificial como herramienta académica.

Muestra: Se obtuvieron un total de 404 respuestas válidas mediante un muestreo no

probabilístico de tipo voluntario. Este tamaño muestral es significativo, ya que representa
una diversidad de perspectivas dentro de la población estudiantil.
 7

Unidad de estudio: Cada estudiante de la Facultad de Ingeniería y Negocios que utiliza

inteligencia artificial y participó en la encuesta.

Cálculo del tamaño de muestra:

Aunque el tamaño de muestra calculado teóricamente fue de 314 estudiantes, en este

caso, se logró obtener respuestas de 404 estudiantes, superando el número mínimo
necesario para garantizar resultados representativos.

Utilizamos la fórmula para población finita para realizar el cálculo previo:

Gracias a la participación activa de los estudiantes, el tamaño de muestra efectivo se

incrementó a 404 respuestas.

Tecnicas e instrumentos de recoleccion de datos, valides y confiabilidad :

Para llevar a cabo la recopilación de datos, se emplearán métodos particulares junto con sus
correspondientes herramientas. En este caso, se utilizará la técnica de encuesta para obtener
información estructurada y cuantitativa. El cuestionario elegido se titula "Evaluación del
Impacto de la Inteligencia Artificial en la Satisfacción de los Estudiantes de la
Universidad Norbert Wiener, 2024". Este cuestionario consta de 11 preguntas diseñadas para
medir el impacto de la inteligencia artificial en la satisfacción de la facultad .

Para iniciar la recolección de datos, se procederá a distribuir el cuestionario entre los

individuos seleccionados como pertinentes para el estudio, posiblemente abarcando
estudiantes, pertenecientes a la facultad en cuestión. Se fijará un plazo específico para que
los encuestados llenen y entreguen los cuestionarios.

Después de recopilar los cuestionarios, se procederá a revisar y procesar los datos obtenidos.
Esto incluye recopilar las respuestas, realizar análisis estadísticos y extraer conclusiones
significativas sobre el impacto de la inteligencia artificial en la satisfacción de los estudiantes
en la facultad ( ).
 8

Finalmente, se presentará un informe detallado que registre los hallazgos esenciales y

extraiga conclusiones a partir de los datos recopilados.

Procedimientos y metodos de analisis de datos:

Para analizar los datos recopilados en el estudio sobre el impacto de la inteligencia artificial
en la satisfacción de los estudiantes de la Universidad Norbert Wiener, se empleará el
software SPSS versión 26. El proceso de análisis se llevará a cabo de manera sistemática,
comenzando con la importación de datos en formatos compatibles. A continuación, se
realizará un análisis descriptivo para calcular estadísticas básicas como medias y
desviaciones estándar, y se crearán gráficos para visualizar la distribución de variables
clave.

Posteriormente, se llevarán a cabo pruebas inferenciales, incluyendo pruebas paramétricas

como la prueba t de Student para comparar medias entre grupos. También se realizará un
estudio de correlación para investigar posibles relaciones entre variables continuas.
Finalmente, se interpretarán los resultados y se presentarán en un informe detallado que
resalte los hallazgos importantes y su relevancia para la investigación

Aspectos eticos:

Al realizar la investigación sobre el impacto de la inteligencia artificial en la satisfacción de

los estudiantes, es fundamental considerar aspectos éticos importantes. Esto incluye
obtener el consentimiento informado de los participantes, salvaguardar su privacidad y
confidencialidad, minimizar riesgos y asegurar la calidad de los datos. Además, es esencial
ser transparente en cuanto a los métodos y resultados del estudio, y estar dispuesto a rendir
cuentas ante los participantes, la comunidad académica y la sociedad en general.
III. REFERENCIAS BIBLIOGRÁFICAS

Tuomi, I. (2018) he Impact of Artificial Intelligence on Learning, Teaching, and Education."

In M. Cabrera, R. Vuorikari, & Y. Punie (Eds.), Policies for the Future (EUR 29442 EN, pp.
123-135). Publications Office of the European Union. https://www.intef.es/wp-
content/uploads/2020/02/2019_11_Inteligencia-Artificial_JRC_INTEF.pdf

Ahmed, S., et al. (2022). "Motivators and Barriers of AI-based Teaching." Journal of
Educational Technology & Society, 25(3), 123-135.
 9

https://www.researchgate.net/publication/367559106_Motivators_and_Barriers_of_Ar
tificial_Intelligent_AI_Based_Teaching

Camacho, M., Tambasco, P., Martínez, S., & García Correa, J. (2023). "El impacto
de la Inteligencia Artificial en la educación. Riesgos y potencialidades de la IA en el
aula." RiiTE Revista Interuniversitaria de Investigación en Tecnología Educativa, 15,
41-57. https://revistas.um.es/riite/article/view/584501

Estrada Tangarife, L. E. (2024). "El impacto de la inteligencia artificial en la

enseñanza de las matemáticas en la educación básica secundaria: una revisión
crítica." Universidad Nacional de Colombia.
https://repositorio.unal.edu.co/bitstream/handle/unal/86594/71267473.2024.pdf?sequ
ence=2

Hernández León, N., & Rodríguez Conde, M. J. (2024). Inteligencia artificial aplicada
a la educación y la evaluación educativa en la Universidad: introducción de sistemas
de tutorización inteligentes, sistemas de reconocimiento y otras tendencias futuras.
RED. Revista de educación a distancia. file:///C:/Users/user/Downloads/594651-
Hern%C3%A1ndez_Rodr%C3%ADguez-OK-1.pdf

Pew Research Center. (2023, 21 de Novembre). What the data says about
Americans' views of artificial intelligence. Pew Research Center.
https://www.pewresearch.org/short-reads/2023/11/21/what-the-data-says-about-
americans-views-of-artificial-intelligence/