Instrumentos para medir la competencia docente en inteligencia artificial: comparación e integración desde el marco de la UNESCO
DOI:
https://doi.org/10.66778/LU.e02v07n04.01Palabras clave:
competencias del docente, educación superior, evaluación de la educación, formación de docente, educación superior; inteligencia artificial; proceso de enseñanza-aprendizajeResumen
Introducción: la oferta formativa en inteligencia artificial (IA) en educación superior requiere un diagnóstico previo que determine el nivel de competencia docente para sugerir itinerarios adaptados. Aunque el Marco de la UNESCO destaca como referente por su enfoque humano, carece de un instrumento métrico y de rangos cuantitativos. Las escalas existentes están dispersas, en inglés, validadas en contextos ajenos o poco alineadas con el marco. Ante la demanda heterogénea identificada en la Universidad de El Salvador (UES) entre 2025 y 2026, surgió la necesidad de integrar un instrumento idóneo. Objetivo: integrar un cuestionario para medir las competencias en IA del profesorado de la UES a partir de subescalas validadas y alineadas con el Marco de la UNESCO. Metodología: entre mayo y julio de 2026 se implementó un procedimiento de cuatro fases para evaluar seis instrumentos (TAICS, AI-ED-SAT, AICTS, T-GAIC, AILST y AI-TPACK). Se seleccionaron subescalas clave, se incorporaron cinco bloques propios de contextualización institucional y se ejecutó una prueba piloto con docentes. Resultados y discusión: se estructuró un cuestionario de nueve bloques (AI-ED-SAT como núcleo base, tres subescalas de TAICS y bloques contextuales propios). El pilotaje confirmó la comprensibilidad con una claridad del 96,09 % (Excelente). Se evidencia que la integración articulada de subescalas supera las limitaciones de pertinencia local de las escalas internacionales. Conclusiones: la ruta metodológica aplicada ofrece un procedimiento replicable para ensamblar herramientas sin perder el rigor psicométrico original. El instrumento resultante provee un diagnóstico de autopercepción indispensable para guiar la formación docente en la UES.
Descargas
Referencias
Carbajal-Degante, E. (2025). De la UNESCO a la UNAM: adaptación de un marco de competencias docentes en inteligencia artificial para la educación. Revista Mexicana de Bachillerato a Distancia, 17(33). https://doi.org/10.22201/cuaieed.20074751e.2025.33.90977
Celik, I., Dindar, M., Muukkonen, H., y Järvelä, S. (2022). The promises and challenges of artificial intelligence for teachers: A systematic review of research. TechTrends, 66(4), 616-630. https://doi.org/10.1007/s11528-022-00715-y
Chiu, T. K. F., Ahmad, Z., y Çoban, M. (2025). Development and validation of teacher artificial intelligence (AI) competence self-efficacy (TAICS) scale. Education and Information Technologies, 30, 6667-6685. https://doi.org/10.1007/s10639-024-13094-z
Costello, A. B., y Osborne, J. W. (2005). Best practices in exploratory factor analysis: Four recommendations for getting the most from your analysis. Practical Assessment, Research, and Evaluation, 10(7), 1-9. https://doi.org/10.7275/jyj1-4868
Galán-Íñigo, A., Ruiz-Lázaro, J., y Jiménez-García, E. (2025). Análisis comparado de los marcos de competencias en inteligencia artificial en el ámbito educativo. Edutec. Revista Electrónica de Tecnología Educativa, (93), 185-208. https://doi.org/10.21556/edutec.2025.93.3699
Gallego, L., y Araque, O. (2019). Variables de influencia en la capacidad de aprendizaje: un análisis por conglomerados y componentes principales. Información Tecnológica, 30(2), 257-264. https://doi.org/10.4067/S0718-07642019000200257
Hu, L. T., y Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1-55. https://doi.org/10.1080/10705519909540118
Lloret-Segura, S., Ferreres-Traver, A., Hernández-Baeza, A., y Tomás-Marco, I. (2014). El análisis factorial exploratorio de los ítems: Una guía práctica, revisada y actualizada. Anales de Psicología, 30(3), 1151-1169. https://doi.org/10.6018/analesps.30.3.199361
López Falcón, A. L., y Ramos Serpa, G. (2021). Acerca de los métodos teóricos y empíricos de investigación: significación para la investigación educativa. Revista Conrado, 17(S3), 22-31. https://conrado.ucf.edu.cu/index.php/conrado/article/view/2133
Majeed, S., y Farooq, M. S. (2025). Artificial Intelligence Competence Teachers’ Assessment Scale (AICTS): Development and validation. Journal of Innovations in Education and Social Sciences, 2(1), 223-238. https://jiess.org.uk/index.php/jiess/article/view/66
Maldonado-Suárez, N., y Santoyo-Telles, F. (2024). Validez de contenido por juicio de expertos: integración cuantitativa y cualitativa en la construcción de instrumentos de medición. REIRE Revista d’Innovació i Recerca en Educació, 17(2), 1-19. https://doi.org/10.1344/reire.46238
Martín-Párraga, L., Llorente-Cejudo, C., y Cabero-Almenara, J. (2022). Análisis de las competencias digitales docentes desde los marcos e instrumentos de evaluación. International Journal of Educational Research and Innovation, (18), 62-79. https://doi.org/10.46661/ijeri.7444
Miao, F., y Cukurova, M. (2024). AI competency framework for teachers. UNESCO. https://doi.org/10.54675/ZJTE2084
Montero, I., y León, O. G. (2007). A guide for naming research studies in Psychology. International Journal of Clinical and Health Psychology, 7(3), 847-862. https://www.aepc.es/ijchp/GNEIP07_es.pdf
Muñiz, J., y Fonseca-Pedrero, E. (2008). Construcción de instrumentos de medida para la evaluación universitaria. Revista de Investigación en Educación, 5(1), 13-25. https://revistas.uvigo.es/index.php/reined/article/view/1816
Ning, Y., Zhang, W., Yao, D., Fang, B., Xu, B., y Wijaya, T. T. (2025). Development and validation of the Artificial Intelligence Literacy Scale for Teachers (AILST). Education and Information Technologies, 30(12), 17769-17803. https://doi.org/10.1007/s10639-025-13347-5
Oviedo, H. C., y Campo-Arias, A. (2005). Aproximación al uso del coeficiente alfade Cronbach. Revista Colombiana de Psiquiatría, 34(4), 572-580. http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0034-74502005000400009
Pereira Pérez, Z. (2011). Los diseños de método mixto en la investigación en educación: una experiencia concreta. Revista Electrónica Educare, 15(1), 15-29. https://doi.org/10.15359/ree.15-1.2
Putnick, D. L., y Bornstein, M. H. (2016). Measurement invariance conventions and reporting: The state of the art and future directions. Psychological Methods, 21(4), 456-483. https://doi.org/10.1016/j.dr.2016.06.004
Ranganathan, P., Caduff, C., y Frampton, C. M. A. (2024). Designing and validating a research questionnaire - Part 2. Perspectives in Clinical Research, 15(1), 42-45. https://doi.org/10.4103/picr. picr_318_23
Ruiz Mendoza, K. K. (2024). Reflexiones conceptuales: método comparativo, investigación comparativa en educación, ¿educación o pedagogía comparada? Revista Española de Educación Comparada, (44), 417-436. https://doi.org/10.5944/reec.44.2024.35815
Sartor-Harada, A., y Azevedo Gomes, J. (2026). AI-ED-SAT: diseño y validación de un cuestionario para autoevaluar competencias docentes en IA educativa. RIED-Revista Iberoamericana de Educación a Distancia, 29(1), 79-110. https://doi.org/10.5944/ried.45413
Setiyawan, A., Soeharto, S., Wijaya, T. T., Korenova, L., y Lavicza, Z. (2025). Measuring teachers’ competencies for AI integration: Development and validation of the AI-TPACK in vocational education. Computers and Education Open, 9, 100319. https://doi.org/10.1016/j.caeo.2025.100319
Shi, L. (2025). Assessing teachers’ generative artificial intelligence competencies: Instrument development and validation. Education and Information Technologies, 30, 23365-23384. https://doi.org/10.1007/s10639-025-13684-5
UNESCO. (2025). Marco de competencias para docentes en materia de IA. UNESCO. https://doi.org/10.54675/AQKZ9414
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Los autores que publican en la Revista La Universidad acuerdan los siguientes términos: Los autores continúan como propietarios de sus trabajos, cediendo de manera no exclusiva los derechos de difusión a la Revista La Universidad bajo los estándares de la Licencia Atribución-No comercial-Compartir igual: CC BY-NC-SA 4.0 Esta licencia permite usar una obra para crear otra obra o contenido, modificando o no la obra original, siempre que se cite al autor, la obra resultante se comparta bajo el mismo tipo de licencia y no tenga fines comerciales (https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
