Preferencias declaradas por estilos de tutoría virtual en dos cohortes curriculares de Kinesiología: estudio transversal exploratorio.

Italo Campos Montenegro

doi:10.6018/edumed.723391

Autores/as

Italo Campos Montenegro arrera de Kinesiología, Facultad de Ciencias de la Vida, Universidad Viña del Mar, Viña del Mar, Chile https://orcid.org/0009-0007-0325-3344

DOI: https://doi.org/10.6018/edumed.723391

Palabras clave: tutor virtual, Inteligencia artifical, ChatGPT, Tutoría socrática, Razonamiento clínico, educación en salud, Educación superior

Resumen

Objetivo: Comparar la preferencia declarada por estilos de tutoría virtual entre dos cohortes curriculares de estudiantes de Kinesiología y describir diferencias en utilidad percibida, estrategias de estudio y orientación funcional de uso del tutor. Métodos: Se realizó un estudio cuantitativo, observacional y transversal en estudiantes de 6.º y 8.º semestre de Kinesiología de la Universidad Viña del Mar. Los estudiantes tuvieron acceso libre a dos tutores virtuales —uno estructurado-explicativo y otro reflexivo-socrático— sin asignación, exposición estandarizada ni registro objetivo de las interacciones. La variable principal fue la preferencia declarada por el tutor reflexivo-socrático. Los resultados secundarios se obtuvieron mediante un cuestionario elaborado ad hoc y se interpretaron como indicadores contextuales de autorreporte. La diferencia entre cohortes curriculares en la preferencia por el tutor reflexivo-socrático se estimó mediante prueba exacta de Fisher y regresión logística penalizada de Firth, ajustada por frecuencia de uso y experiencia previa con tutores virtuales. Resultados: Participaron 44 de 70 estudiantes invitados. La preferencia por el tutor reflexivo-socrático fue reportada por el 10% de estudiantes de 6.º semestre y por un 70,8% de los de 8.º semestre. La asociación fue significativa en el análisis no ajustado y se mantuvo tras el ajuste mediante regresión logística penalizada de Firth. La utilidad percibida fue alta en ambos grupos. En los resultados secundarios se observaron patrones descriptivos diferentes en reflexión, justificación y elaboración de resúmenes o esquemas, pero ninguna de las ocho comparaciones conservó significación estadística después del ajuste de Holm. Conclusiones: Se observaron diferencias marcadas en la preferencia declarada por estilos de tutoría virtual entre las dos cohortes curriculares estudiadas. Debido a que cada cohorte correspondía a una asignatura y a tutores contextualizados diferentes, los resultados no permiten atribuir estas diferencias exclusivamente al nivel formativo. Los patrones observados permiten formular hipótesis sobre la relación entre configuración tutorial, contexto curricular, características de la tarea y grado de autonomía esperado, que deberán evaluarse mediante diseños con exposición equivalente y resultados educativos objetivos.

Descargas

Los datos de descargas todavía no están disponibles.

Metrics

Vistas/Descargas

Resumen
0
pdf
0
Anexo 1
0
Anexo 2
0
xml
0

Citas

1. Okonkwo CW, Ade-Ibijola A. Chatbots applications in education: a systematic review. Comput Educ Artif Intell. 2021, 2, 100033. https://doi.org/10.1016/j.caeai.2021.100033.

2. Abdallah N, Katmah R, Khalaf K, Jelinek HF. Systematic review of ChatGPT in higher education: navigating impact on learning, wellbeing, and collaboration. Soc Sci Humanit Open. 2025, 12, 101866. https://doi.org/10.1016/j.ssaho.2025.101866.

3. Xi L, Zhang Y, Wang Q. Investigating the effects of an LLM-based Socratic conversational agent on students’ academic performance and reflective thinking in higher education. Comput Educ. 2026, 241, 105494. https://doi.org/10.1016/j.compedu.2025.105494.

4. Fakour H, Imani M. Socratic wisdom in the age of AI: a comparative study of ChatGPT and human tutors in enhancing critical thinking skills. Front Educ. 2025, 10, 1528603. https://doi.org/10.3389/feduc.2025.1528603.

5. Chang DH, Lin MP-C, Hajian S, Wang QQ. Educational design principles of using AI chatbot that supports self-regulated learning in education: goal setting, feedback, and personalization. Sustainability. 2023, 15, 12921. https://doi.org/10.3390/su151712921.

6. Guan R, Raković M, Chen G, Gašević D. How educational chatbots support self-regulated learning? A systematic review of the literature. Educ Inf Technol. 2025, 30, 4493–4518. https://doi.org/10.1007/s10639-024-12881-y.

7. Bassner P, Lenk-Ostendorf B, Beinstingel R, Wasner T, Krusche S. Less stress, better scores, same learning: the dissociation of performance and learning in AI-supported programming education. Comput Educ Artif Intell. 2026, 10, 100537. https://doi.org/10.1016/j.caeai.2025.100537.

8. Bastani H, Bastani O, Sungu A, Ge H, Kabakcı Ö, Mariman R. Generative AI without guardrails can harm learning: evidence from high school mathematics. Proc Natl Acad Sci U S A. 2025, 122, e2422633122. https://doi.org/10.1073/pnas.2422633122.

9. Zhai C, Wibowo S, Li LD. The effects of over-reliance on AI dialogue systems on students’ cognitive abilities: a systematic review. Smart Learn Environ. 2024, 11, 28. https://doi.org/10.1186/s40561-024-00316-7.

10. Campos Montenegro I, Martínez Mena M. Alfabetización en IA y experiencia subjetiva con un tutor virtual basado en GPT en estudiantes de Kinesiología: estudio transversal. Rev Esp Edu Med. 2026, 7(4). https://doi.org/10.6018/edumed.715291.

11. Feigerlova E, Hani H, Hothersall-Davies E. A systematic review of the impact of artificial intelligence on educational outcomes in health professions education. BMC Med Educ. 2025, 25, 129. https://doi.org/10.1186/s12909-025-06719-5.

12. Izquierdo-Condoy JS, Arias-Intriago M, Tello-De-la-Torre A, Busch F, Ortiz-Prado E. Generative artificial intelligence in medical education: enhancing critical thinking or undermining cognitive autonomy? J Med Internet Res. 2025, 27, e76340. https://doi.org/10.2196/76340.

13. Çiçek FE, Ülker M, Özer M, Kıyak YS. ChatGPT versus expert feedback on clinical reasoning questions and their effect on learning: a randomized controlled trial. Postgrad Med J. 2025, 101, 458–463. https://doi.org/10.1093/postmj/qgae170.

14. Corral-Gudino L, Marcos M. La escritura en educación médica en la era de la inteligencia artificial generativa: recomendaciones para fomentar la creatividad y el pensamiento crítico en un entorno de aprendizaje asistido por IA generativa. Rev Esp Edu Med. 2026, 7(3). https://doi.org/10.6018/edumed.708901.

15. Bonilla Mejia JJ, Cortés Fuenzalida TD, Polanco Aliaga DH, Martínez Carrillo C, Herrera Alcaíno AA. Inteligencia artificial en la formación clínica práctica de estudiantes de medicina de pregrado: una revisión de alcance de aplicaciones, resultados y brechas. Rev Esp Edu Med. 2026, 7(3). https://doi.org/10.6018/edumed.710071.