Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Percepción y Uso de ChatGPT en Estudiantes Universitarios
0
Zitationen
2
Autoren
2024
Jahr
Abstract
En este estudio de cohorte transversal, se investigaron las principales características relacionadas con el uso y percepción de la herramienta de inteligencia artificial ChatGPT en actividades académicas, desde la perspectiva de estudiantes universitarios. El estudio empleó un muestreo no probabilístico tipo bola de nieve, logrando la participación de 256 estudiantes provenientes de seis universidades ecuatorianas. Se aplicó como técnica estadística el Análisis de Correspondencias Múltiples (ACM). El ACM permitió identificar las relaciones entre las diferentes variables categóricas, revelando patrones de comportamiento y percepciones en los estudiantes. El análisis se realizó en R Studio, empleando librerías como FactoMineR para realizar el análisis de correspondencias múltiples y ggplot2 para visualizar los resultados. FactoMineR es una librería ampliamente utilizada para análisis exploratorios multivariados, y permite la fácil implementación de ACM, proporcionando información detallada sobre la relación entre las variables categóricas. Por su parte, ggplot2 facilita la creación de gráficos claros y efectivos para interpretar los resultados del análisis. Los resultados mostraron que existe una fuerte motivación por parte de los estudiantes para utilizar ChatGPT en sus actividades académicas, aunque también se observó un cierto grado de secretismo respecto a su uso. Los estudiantes parecen utilizar la herramienta como un recurso adicional para sus estudios, pero no siempre lo manifiestan abiertamente. Un hallazgo relevante fue que el género de los estudiantes no mostró relación significativa con el uso y percepción de ChatGPT, lo que sugiere que la motivación para utilizar la herramienta es generalizada y no depende de características demográficas específicas.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.231 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.084 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.444 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.776 Zit.
Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)
2018 · 5.423 Zit.