La actitud, la utilidad percibida, la facilidad de uso percibida y la aceptación de la inteligencia artificial entre los estudiantes de medicina en Irán: una aplicación del modelo de aceptación de tecnología.

Autores/as

  • Zeinab Jalambadani Department of Community Medicine, Faculty of Medicine, Sabzevar University of Medical Sciences, Sabzevar, Iran https://orcid.org/0000-0003-0803-7679
  • Hossein Assarzadeh Department of Dental Prosthesis, Faculty of Medicine, Sabzevar University of Medical Sciences, Sabzevar, Iran https://orcid.org/0000-0003-4719-9355
  • Ali Reza Ghorbani Department of Public Health, School of Health, Sabzevar University of Medical Sciences, Sabzevar, Iran. https://orcid.org/0000-0002-6936-1088
  • Mehdi Rabiei Education Development Center, Sabzevar University of Medical Sciences, Sabzevar, Iran
DOI: https://doi.org/10.6018/edumed.689171
Palabras clave: artificial inteligence, Technology Acceptance Model, medical education, curriculum integration, Iran

Resumen

Introducción: Este estudio evaluó la actitud, la utilidad percibida (PU), la facilidad de uso percibida (PEOU) y la intención de aceptar la tecnología de inteligencia artificial (IA) de los estudiantes de medicina en Irán en 2024 utilizando el Modelo de Aceptación de Tecnología (TAM). Metodología: En este estudio transversal, se seleccionaron 246 estudiantes de medicina mediante un muestreo estratificado. Los datos se recopilaron con un cuestionario basado en TAM sobre IA y se analizaron utilizando SPSS 24. Se utilizaron la correlación de Pearson, la regresión lineal y las estadísticas descriptivas para evaluar las relaciones y los predictores. Resultados: La actitud hacia el uso (β = 0,41, P < 0,001), PEOU (β = 0,50, P < 0,001), PU (β = 0,43, P < 0,001) y la intención de uso (β = 0,58, P < 0,001) se asociaron significativamente con el uso real de IA. En una regresión multivariable, la PU, la PEOU y la actitud explicaron conjuntamente el 78 % de la varianza en el uso real de la IA (R² = 0,78; R² ajustado = 0,76; F(4, 241) = 60,75; p < 0,001). Conclusión: La PU, la PEOU y la actitud positiva son fuertes predictores de la aceptación y el uso real de la IA entre los estudiantes de medicina. Las instituciones educativas deben abordar estos factores para facilitar la integración efectiva de la IA en la formación médica.

Descargas

Los datos de descargas todavía no están disponibles.
Metrics
Vistas/Descargas
  • Resumen
    96
  • pdf
    51

Citas

1. Al-Adwan AS, Li N, Al-Adwan A, Abbasi GA, Albelbisi NA, Habibi A. Correction to: “Extending the Technology Acceptance Model (TAM) to Predict University Students’ Intentions to Use Metaverse-Based Learning Platforms”. Education and Information Technologies. 2023, 1-2. https://doi.org/10.1007/s10639-023-11816-3

2. Garcia M, Kim S, Nguyen T. Explainability in medical artificial intelligence: Role and challenges. Wiley Interdisciplinary Reviews: Computational Biology and Medicine. 2025, 17(3), e1456. https://doi.org/10.1002/wicm.1456

3. Huang J, Saleh S, Liu Y. A review on artificial intelligence in education. Academic Journal of Interdisciplinary Studies. 2021, 10(206). https://doi.org/10.36941/ajis-2021-0077

4. Ahmadi F, Rezaei M. Emotional well-being and psychological health in Tehran adolescents. International Journal of Pediatrics. 2025, 13(5):12345. https://doi.org/10.1186/s12889-025-22960-5

5. Marycz M, Turowska I, Glazik S, Jasiński P. Artificial Intelligence in Anaerobic Digestion: A Review of Sensors, Modeling Approaches, and Optimization Strategies. Sensors. 2025, 25(22), 6961. http://dx.doi.org/10.3390/s25226961

6. Liu C, Tan Z, He M. Overview of artificial intelligence in medicine. In: Artificial Intelligence in Medicine: Applications, Limitations and Future Directions. Springer; 2022, 23-34. https://doi.org/10.1007/978-981-19-1222-1_2

7. Davis FD, Granić A, Marangunić N. The technology acceptance model 30 years of TAM. Technology. 2023. https://doi.org/10.1007/s00146-024-01896-1

8. Bigwanto A, Widayati N, Wibowo MA, Sari EM. Lean Construction: A Sustainability Operation for Government Projects. Sustainability. 2024, 16(8), 3386. http://dx.doi.org/10.3390/su16083386

9. Johnson A, Brown L, Davis E. Technology acceptance model in healthcare: A systematic review of TAM and UTAUT applications. Journal of Biomedical Informatics. 2025, 152, 104612. https://doi.org/10.1016/j.jbi.2025.104612

10. Sánchez-Prieto JC, Cruz-Benito J, Therón Sánchez R, García-Peñalvo FJ. Assessed by machines: Development of a TAM-based tool to measure AI-based assessment acceptance among students. International Journal of Interactive Multimedia and Artificial Intelligence. 2020, 6(4), 80. https://doi.org/10.9781/ijimai.2020.09.004

11. Na S, Heo S, Han S, Shin Y, Roh Y. Acceptance model of artificial intelligence (AI)-based technologies in construction firms: Applying the Technology Acceptance Model (TAM) with the Technology–Organisation–Environment (TOE) framework. Buildings. 2022, 12(2), 90. https://doi.org/10.3390/buildings12020090

12. Lee JWY, Tan JY, Bello F. Technology Acceptance Model in Medical Education: Systematic Review. JMIR Medical Education. 2025, 11(1), e67873. https://doi.org/10.2196/67873

13. Zaineldeen S, Hongbo L, Koffi AL, Hassan BMA. Technology acceptance model: concepts, contribution, limitation, and adoption in education. Universal Journal of Educational Research. 2020, 8(11), 5061-71. https://doi.org/10.13189/ujer.2020.081106

14. Sobhanian P, Eslami S, Ghezel MA. Attitudes and Readiness of Iranian Medical Science Students toward Artificial Intelligence: A Cross-Sectional Study. Iranian Biomedical Journal. 2024, 28, 115. http://dx.doi.org/10.61186/ibj.25th-11th-IACRTIMSS

15. Sousa L, Castro C, António C, Santos A. Inverse methods in design of industrial forging processes. Journal of Materials Processing Technology. 2002, 128(1-3), 266-73. https://doi.org/10.1016/s0924-0136(02)00464-8

16. Alkhaaldi SM, Kassab CH, Dimassi Z, Alsoud LO, Al Fahim M, Al Hageh C, et al. Medical student experiences and perceptions of ChatGPT and artificial intelligence: cross-sectional study. JMIR Medical Education. 2023, 9(1), e51302. http://dx.doi.org/10.2196/51302

Publicado
10-12-2025
Cómo citar
Jalambadani, Z., Assarzadeh, H., Ghorbani, A. R., & Rabiei, M. (2025). La actitud, la utilidad percibida, la facilidad de uso percibida y la aceptación de la inteligencia artificial entre los estudiantes de medicina en Irán: una aplicación del modelo de aceptación de tecnología. Revista Española De Educación Médica, 6(6). https://doi.org/10.6018/edumed.689171
Número
Vol. 6 Núm. 6 (2025): Revista Española de Educación Médica
Sección
Artículos

Derechos de autor 2025 Servicio de Publicaciones de la Universidad de Murcia

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Las obras que se publican en esta revista están sujetas a los siguientes términos:

1. El Servicio de Publicaciones de la Universidad de Murcia (la editorial) conserva los derechos patrimoniales (copyright) de las obras publicadas y favorece y permite la reutilización de las mismas bajo la licencia de uso indicada en el punto 2.

          © Servicio de Publicaciones, Universidad de Murcia

2. Las obras se publican bajo una licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0.

3. Condiciones de auto-archivo. Se permite y se anima a los autores a difundir electrónicamente las versiones preprint (versión antes de ser evaluada y enviada a la revista) y/o post-print (versión evaluada y aceptada para su publicación) de sus obras antes de su publicación, ya que favorece su circulación y difusión más temprana y con ello un posible aumento en su citación y alcance entre la comunidad académica.