Estrategia pedagógica basada en inteligencia artificial generativa en el aprendizaje autodirigido de estudiantes de Enfermería
DOI:
https://doi.org/10.62452/s0j91k94Palabras clave:
Aprendizaje autodirigido, inteligencia artificial generativa, educación en enfermería, estudiantes de enfermería, estrategia pedagógicaResumen
La inteligencia artificial generativa ofrece nuevas posibilidades para fortalecer el aprendizaje autodirigido en la educación en enfermería, siempre que su incorporación responda a un diseño pedagógico estructurado. El objetivo del estudio fue evaluar el efecto de la estrategia E-PAGIA, organizada en las etapas de planificación, construcción, automonitoreo e interacción/transferencia, sobre el aprendizaje autodirigido de estudiantes de enfermería. Se desarrolló un estudio cuantitativo, cuasiexperimental y longitudinal con 128 estudiantes, distribuidos en un grupo experimental y un grupo control de 64 participantes cada uno. La intervención tuvo una duración de ocho semanas. El aprendizaje autodirigido se evaluó mediante el Self-Directed Learning Instrument, considerando la puntuación global y sus dimensiones. Los grupos presentaron puntuaciones iniciales comparables. Después de la intervención, el grupo experimental incrementó su puntuación global media de 65.00 a 82.35 puntos, mientras que el grupo control pasó de 65.75 a 69.46. Las mejoras del grupo experimental se observaron en las cuatro dimensiones evaluadas y fueron especialmente marcadas en motivación para aprender y planificación e implementación. El análisis ajustado por las puntuaciones iniciales confirmó diferencias significativas entre los grupos y evidenció un efecto de magnitud elevada asociado con la estrategia. Los resultados indican que E-PAGIA puede favorecer el aprendizaje autodirigido cuando la inteligencia artificial generativa se integra como apoyo cognitivo dentro de una secuencia pedagógica que mantiene la responsabilidad intelectual del estudiante, la mediación docente y la verificación crítica de la información. Se concluye que la estrategia constituye una alternativa pertinente de innovación pedagógica para la formación en enfermería.
Descargas
Referencias
Amankwaa, I., Ekpor, E., Cudjoe, D., Kobiah, E., Fuseini, A.-K. J., Diebieri, M., Gyamfi, S., & Brownie, S. (2025). Patterns, advances, and gaps in using ChatGPT and similar technologies in nursing education: A PAGER scoping review. Nurse Education Today, 153, 106822. https://doi.org/10.1016/j.nedt.2025.106822
Bozkurt, S. A., Aydoğan, S., Dursun Ergezen, F., & Türkoğlu, A. (2025). A systematic review and sequential explanatory synthesis: Artificial intelligence in healthcare education, a case of nursing. International Nursing Review, 72(2), e70018. https://doi.org/10.1111/inr.70018
Cheng, S.-F., Kuo, C.-L., Lin, K.-C., & Lee-Hsieh, J. (2010). Development and preliminary testing of a self-rating instrument to measure self-directed learning ability of nursing students. International Journal of Nursing Studies, 47(9), 1152–1158. https://doi.org/10.1016/j.ijnurstu.2010.02.002
Doston, T., Fontenot, J., Morris, D., & Hebert, M. (2025). The use of artificial intelligence in nursing education: A scoping review. Journal of Nursing Education, 64(8), 479–488. https://doi.org/10.3928/01484834-20250313-03
El Arab, R. A. A., Alshakihs, A. H., Alabdulwahab, S. H., Almubarak, Y. S., Alkhalifah, S. S., Abdrbo, A., Hassanein, S., & Sagbakken, M. (2025). Artificial intelligence in nursing: A systematic review of attitudes, literacy, readiness, and adoption intentions among nursing students and practicing nurses. Frontiers in Digital Health, 7, 1666005. https://doi.org/10.3389/fdgth.2025.1666005
García-Mc Collins, M. del P. (2025). Innovación en la práctica de enfermería: Implementando nuevas tecnologías y enfoques para mejorar la atención al paciente. Sophia Research Review, 2(3), 15–19. https://doi.org/10.64092/388she15
Gunawan, J., Aungsuroch, Y., & Montayre, J. (2024). ChatGPT integration within nursing education and its implications for nursing students: A systematic review and text network analysis. Nurse Education Today, 141, 106323. https://doi.org/10.1016/j.nedt.2024.106323
Hardie, P., Darley, A., Derwin, R., Eustace-Cook, J., Kearns, S., Mc Brien, B., Siddiquee, A., Zheng, D., & Mooney, M. (2026). Applications, attitudes and ethical considerations of generative artificial intelligence (Gen AI) in nursing education: A scoping review. BMC Nursing, 25, 148. https://doi.org/10.1186/s12912-025-04253-9
Kucukkaya, A., Arikan, E., & Goktas, P. (2024). Unlocking ChatGPT's potential and challenges in intensive care nursing education and practice: A systematic review with narrative synthesis. Nursing Outlook, 72(6), 102287. https://doi.org/10.1016/j.outlook.2024.102287
Lifshits, I., & Rosenberg, D. (2024). Artificial intelligence in nursing education: A scoping review. Nurse Education in Practice, 80, 104148. https://doi.org/10.1016/j.nepr.2024.104148
Ma, J., Wen, J., Qiu, Y., Wang, Y., Xiao, Q., Liu, T., Zhang, D., Zhao, Y., Lu, Z., & Sun, Z. (2025). The role of artificial intelligence in shaping nursing education: A comprehensive systematic review. Nurse Education in Practice, 84, 104345. https://doi.org/10.1016/j.nepr.2025.104345
Sánchez-Núñez, K. E. (2026). Educación de enfermería en la era digital: SmartNurse como puente hacia la innovación. Sophia Research Review, 3(1), 5–8. https://doi.org/10.64092/vafchy37
Shen, W.-Q., Chen, H.-L., & Hu, Y. (2014). The validity and reliability of the self-directed learning instrument (SDLI) in mainland Chinese nursing students. BMC Medical Education, 14, 108. https://doi.org/10.1186/1472-6920-14-108
United Nations Educational, Scientific and Cultural Organization. (2023). Guidance for generative AI in education and research. https://unesdoc.unesco.org/ark:/48223/pf0000386693
World Health Organization. (2025). Ethics and governance of artificial intelligence for health: Guidance on large multi-modal models. https://iris.who.int/server/api/core/bitstreams/e9e62c65-6045-481e-bd04-20e206bc5039/content
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Alberto Figueroa-Reyes, Irina García-Martínez, Rosangela Caicedo-Quiroz, Jarol Figueroa-García (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los autores que publican en la Revista Metropolitana de Ciencias Aplicadas (REMCA), están de acuerdo con los siguientes términos:
1. Derechos de Autor
Los autores conservan los derechos de autor sobre sus trabajos sin restricciones. Los autores otorgan a la revista el derecho de primera publicación. Para ello, ceden a la revista, de forma no exclusiva, los derechos de explotación (reproducción, distribución, comunicación pública y transformación). Los autores pueden establecer otros acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista, siempre que exista un reconocimiento de su publicación inicial en esta revista.
© Los autores.
2. Licencia
Los trabajos se publican en la revista bajo la licencia de Atribución-NoComercial-CompartirIgual 4.0 Internacional de Creative Commons (CC BY-NC-SA 4.0). Los términos se pueden consultar en: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es
Esta licencia permite:
- Compartir: copiar y redistribuir el material en cualquier medio o formato.
- Adaptar: remezclar, transformar y crear a partir del material.
Bajo los siguientes términos:
- Atribución: ha de reconocer la autoría de manera apropiada, proporcionar un enlace a la licencia e indicar si se ha hecho algún cambio. Puede hacerlo de cualquier manera razonable, pero no de forma tal que sugiera que el licenciador le da soporte o patrocina el uso que se hace.
- NoComercial: no puede utilizar el material para finalidades comerciales.
- CompartirIgual: si remezcla, transforma o crea a partir del material, debe difundir su creación con la misma licencia que la obra original.
No hay restricciones adicionales. No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otros hacer cualquier cosa que la licencia permita.
