EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Escala de autoeficacia en inteligencia artificial generativa (EAIAG) para contextos académicos: Diseño y validación psicométrica

María Antonieta Elvira-Valdés, Emilse Durán-Aponte

RIED-Revista Iberoamericana de Educación a Distancia · 15.10.2026 · 30 (1)

DOI: 10.5944/ried.49248 ↗

Kurz gefasst

Fachartikel in der Zeitschrift RIED-Revista Iberoamericana de Educación a Distancia, online erschienen am 15.10.2026. Verfasst von María Antonieta Elvira-Valdés und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

La expansión de la inteligencia artificial generativa en la educación superior demanda instrumentos psicométricos que evalúen la autoeficacia del estudiantado ante estas tecnologías. Este estudio tuvo como objetivo diseñar y validar la Escala de Autoeficacia en Inteligencia Artificial Generativa para contextos académicos (EAIAG) en una muestra de 251 estudiantes universitarios hispanohablantes de España (n = 107) y Latinoamérica (n = 144). Se adoptó un diseño instrumental en tres fases. La validez de contenido, evaluada con seis jueces expertos, fue excelente. El análisis factorial exploratorio evidenció una estructura tridimensional que explica el 55,3 % de la varianza, con un ajuste satisfactorio en el análisis factorial confirmatorio (CFI = ,938; TLI = ,934; RMSEA = ,069). La versión final consta de 17 ítems en tres dimensiones: gestión de prompts, integración adaptativa y evaluación crítica y ética. La fiabilidad fue excelente (α = ,931; ω = ,953). Los valores HTMT (< ,85) respaldaron la validez discriminante; la AVE fue adecuada en gestión de prompts e integración adaptativa, e inferior a ,50 en evaluación crítica y ética. Se obtuvieron correlaciones positivas con la escala PEIIA, un instrumento de autoinforme teóricamente próximo (r = ,360 a ,581; p < ,001). La invarianza factorial mostró equivalencia escalar entre España y Latinoamérica (ΔCFI ≤ ,005; ΔRMSEA ≤ ,001). Estos resultados aportan evidencias iniciales favorables sobre la validez y fiabilidad de la EAIAG, con utilidad potencial para la investigación y la identificación de necesidades formativas en educación superior hispanohablante.

Zitieren

APA

Elvira-Valdés, M. A., & Durán-Aponte, E. (2026). Escala de autoeficacia en inteligencia artificial generativa (EAIAG) para contextos académicos: Diseño y validación psicométrica. RIED-Revista Iberoamericana de Educación a Distancia, 30(1). https://doi.org/10.5944/ried.49248

Vancouver

Elvira-Valdés MA, Durán-Aponte E. Escala de autoeficacia en inteligencia artificial generativa (EAIAG) para contextos académicos: Diseño y validación psicométrica. RIED-Revista Iberoamericana de Educación a Distancia. 2026;30(1). doi:10.5944/ried.49248

BibTeX
@article{ElviraValds2026,
  author = {Elvira-Valdés, María Antonieta and Durán-Aponte, Emilse},
  title = {Escala de autoeficacia en inteligencia artificial generativa (EAIAG) para contextos académicos: Diseño y validación psicométrica},
  journal = {RIED-Revista Iberoamericana de Educación a Distancia},
  year = {2026},
  volume = {30},
  number = {1},
  doi = {10.5944/ried.49248}
}
Kostenlos starten →