Estrategia pedagógica basada en inteligencia artificial generativa en el aprendizaje autodirigido de estudiantes de Enfermería
DOI:
https://doi.org/10.62452/s0j91k94Palavras-chave:
Aprendizaje autodirigido, inteligencia artificial generativa, educación en enfermería, estudiantes de enfermería, estrategia pedagógicaResumo
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.
Downloads
Referências
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
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2026 Alberto Figueroa-Reyes, Irina García-Martínez, Rosangela Caicedo-Quiroz, Jarol Figueroa-García (Autor/a)
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Os autores que publicam na Revista Metropolitana de Ciencias Aplicadas (REMCA), concordam com os seguintes termos:
1. Direitos autorais
Os autores mantêm direitos autorais irrestritos sobre suas obras. Os autores concedem ao periódico o direito de primeira publicação. Para tal, cedem à revista, em caráter não exclusivo, direitos de exploração (reprodução, distribuição, comunicação pública e transformação). Os autores podem firmar acordos adicionais para a distribuição não exclusiva da versão publicada do trabalho no periódico, desde que haja reconhecimento de sua publicação inicial nesta revista.
© Os autores.
2. Licença
Os trabalhos são publicados na revista sob a licença Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0 Internacional (CC BY-NC-SA 4.0). Os termos podem ser encontrados em: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.pt
Esta licença permite:
- Compartilhar: copiar e redistribuir o material em qualquer meio ou formato.
- Adaptar: remixar, transformar e desenvolver o material.
Nos seguintes termos:
- Atribuição: Você deve dar o crédito apropriado, fornecer um link para a licença e indicar se alguma alteração foi feita. Você pode fazer isso de qualquer maneira razoável, mas não de uma forma que sugira que o licenciante endossa ou patrocina seu uso.
- Não comercial: você não pode usar o material para fins comerciais.
- Compartilhamento pela mesma licença: se você remixar, transformar ou criar a partir do material, deverá distribuir sua criação sob a mesma licença do trabalho original.
Não há restrições adicionais. Você não pode aplicar termos legais ou medidas tecnológicas que restrinjam legalmente outros de fazerem qualquer coisa que a licença permita.
