INTRODUCCIÓN

La inteligencia artificial (IA) se define como sistemas computacionales capaces de procesar datos y tomar decisiones emulando facultades humanas como el razonamiento, el aprendizaje y la comunicación (Benítez et al., 2018; Unesco, 2022). Su desarrollo acelerado ha transformado múltiples sectores de la sociedad, incluyendo la educación y las ciencias de la salud. La ética aplicada a la IA busca alinear estos sistemas con principios y valores que prioricen el bienestar humano, la equidad y el respeto a los derechos fundamentales (IEEE, 2019), lo que plantea nuevos retos para la formación académica.

En el ámbito educativo, los estudiantes de ciencias de la salud recurren cada vez más a herramientas de IA para resolver dudas, elaborar trabajos, resumir artículos o generar ideas académicas (Sánchez-Mendiola, 2025; Rodríguez-Weber et al., 2024). Sin embargo, este uso no siempre se acompaña de lineamientos claros sobre honestidad, responsabilidad y transparencia, lo que abre debates en torno a la autoría, el plagio y la integridad académica (Avello-Sáez et al., 2024). Así mismo, emergen preocupaciones relacionadas con la privacidad de los datos (Melo, 2024), los sesgos algorítmicos y la equidad en el acceso a tecnologías de calidad (Vélez-Rivera et al., 2024).

De ahí la necesidad de contar con marcos institucionales que regulen el empleo de la IA y fortalezcan la autonomía, la responsabilidad y el juicio profesional (Rodríguez-Weber et al., 2024). En este sentido, resulta fundamental evaluar cómo los estudiantes perciben y utilizan la ética en la IA en su vida académica, y de qué manera esta interacción repercute en la calidad de sus aprendizajes y en su futura práctica profesional. La formación de profesionales de la salud implica no solo adquirir competencias técnicas, sino también consolidar un compromiso ético y crítico frente al uso de tecnologías emergentes.

A este respecto existen diversos instrumentos para medir actitudes hacia la tecnología y la ética en la educación como el de Chauca-Saavedra et al. (2025), que se enfoca en analizar la percepción del impacto de la IA en estudiantes de ciencias de la salud, pero no en la relación directa entre ética e inteligencia artificial. Al-Qererm et al. (2023) analizan las percepciones éticas de los estudiantes y su conocimiento sobre implicaciones éticas de la IA en medicina, pero no evalúa directamente el desempeño académico en relación con la ética en la IA. La propuesta de Holmes et al. (2023) tiene un enfoque ético y reflexivo, no cuantitativo ni de rendimiento; sin embargo, sí explora cómo los aspectos éticos de la IA pueden influir en la experiencia y formación del estudiante de diversas disciplinas universitarias vinculadas a la educación a distancia, incluyendo docencia, administración y gestión institucional. Ahmad et al. (2023) exploran la relación entre la ética, la IA y el comportamiento educativo, pero no mide resultados académicos (rendimiento o desempeño), es decir no muestra cómo la dependencia tecnológica puede deteriorar el pensamiento crítico y la autonomía moral del estudiante. Por su parte el aporte de Sallam et al. (2023) sí relaciona la ética con la adopción tecnológica, muestra que la percepción del riesgo ético afecta la disposición de los estudiantes a usar ChatGPT y, por ende, puede influir en su proceso de aprendizaje y desempeño futuro, pero no mide rendimiento académico. De lo anterior se puede observar que, pocos son los aportes instrumentales que se enfocan específicamente en estudiantes de ciencias de la salud y en la relación directa entre ética en inteligencia artificial y el desempeño académico, por lo que ante este vacío de información, el objetivo del presente estudio fue diseñar un instrumento que permita analizar de manera integral los dilemas éticos asociados al uso académico de la IA y generar evidencia empírica que constituya una base de lineamientos institucionales orientados a una integración crítica, responsable y formativa de estas tecnologías en la educación superior en salud.

METODOLOGÍA

Tipo de estudio

Se realizó un estudio de tipo instrumental, de acuerdo con Montero y León (2005), que se orienta al desarrollo, adaptación y validación de instrumentos, así como al análisis de sus propiedades psicométricas. Este tipo de estudio se caracteriza por centrarse en el diseño metodológico de instrumentos que permiten medir constructos de manera válida y confiable, mediante procesos sistemáticos de elaboración, juicio de expertos, análisis de validez de contenido y pruebas de confiabilidad (Juárez-Hernández y Tobón, 2018). Específicamente en el presente se realizó un estudio instrumental orientado al diseño y validación de un instrumento para evaluar los factores éticos relacionados con el uso de la inteligencia artificial (IA) en la formación académica de estudiantes de ciencias de la salud.

Diseño del instrumento

El constructo central fue la ética en el uso de la inteligencia artificial en la educación en salud, entendida como el conjunto de principios, valores y conductas que guían el uso responsable, honesto y crítico de sistemas inteligentes en los procesos formativos, priorizando el bienestar humano, la transparencia, la privacidad y la integridad académica (UNESCO, 2022; IEEE, 2019; Sánchez-Mendiola, 2025).

El instrumento que se diseñó se denominó “Ética en inteligencia artificial en la formación de estudiantes de salud”, y fue diseñado de acuerdo con los referentes conceptuales mencionados. Integra diez dimensiones: frecuencia y acceso a la IA; tipo de herramientas de IA utilizadas; aplicabilidad académica de la IA; percepción sobre tu rendimiento académico; percepción sobre tu cumplimiento y responsabilidad; percepción sobre la calidad del trabajo; integridad académica; privacidad y datos; sesgos y equidad; y por último la responsabilidad profesional. Estas dimensiones fueron derivadas de los estudios de Robles-Zeas et al. (2024), Rodríguez-Weber et al. (2024) y Avello-Sáez et al. (2024), así como de las directrices éticas de la UNESCO (2022).

El instrumento se conformó por 51 ítems (tabla 1) distribuidos en diez dimensiones, además de una sección de datos sociodemográficos (sexo, edad, semestre, promedio, etc.). Se empleó una escala de respuesta tipo Likert de cinco puntos para los primeros 50 ítems y 1 ítem de selección múltiple con casillas de verificación. La escala tipo Likert esta graduada de la siguiente manera: 1 = Nunca / Deficiente / Nada; 2 = Casi nunca / Poco satisfecho / Muy poco; 3 = Algunas veces / Bueno / Poco; 4 = Frecuentemente / Muy bueno / Mucho y 5 = Siempre / Excelente / Totalmente.

El instrumento adopta una aproximación integral para el análisis de la ética en el uso de la inteligencia artificial, incorporando dimensiones relacionadas con las prácticas de uso, las percepciones académicas y los principios éticos que orientan dichas prácticas. Desde esta perspectiva, la ética se concibe como un eje transversal que permite interpretar el uso responsable de la inteligencia artificial en la formación de estudiantes de ciencias de la salud.

Análisis de validez de contenido

El proceso de validación de contenido contó con la participación de trece jueces expertos (tabla 2) seleccionados con base en los criterios propuestos por Juárez-Hernández y Tobón (2018) y el modelo de validación del Centro Universitario CIFE (2019).

El proceso se desarrolló con un enfoque cuali–cuantitativo, utilizando la Escala de Validación de Jueces Expertos (Centro Universitario CIFE, 2019), la cual permite evaluar: pertinencia del ítem (grado en que refleja el constructo) y la redacción (claridad y coherencia semántica).

Análisis estadístico

Se aplicó el coeficiente V de Aiken (Penfield y Giacobbi, 2004) para estimar la validez de contenido con intervalos de confianza del 95%. Se consideraron aceptables los ítems con valores V ≥ 0.75, tal como establecen Bulger y Housner (2007), y Vi ≥ 0.50 para el límite inferior. Para lo anterior se utilizó la plantilla de Juárez-Hernández (2018).

Prueba piloto

Después del proceso de validación de contenido con jueces expertos y una vez incorporadas las modificaciones sugeridas, se aplicó una prueba piloto con 32 estudiantes de ciencias de la salud (tabla 3). Esta etapa tuvo como propósito evaluar la comprensión semántica de los ítems, la claridad de las instrucciones, así como la aceptabilidad y satisfacción del instrumento utilizando la escala propuesta por el Centro Universitario CIFE (2018).

Análisis de confiabilidad

Asimismo, una vez concluida la prueba piloto, se examinó el desempeño del cuestionario en términos de confiabilidad mediante el coeficiente Omega de McDonald y el coeficiente alfa de Cronbach. El tamaño de muestra empleado es de 313 estudiantes de ciencias de la salud, que se consideró adecuado conforme a lo indicado por Carpenter (2018), quien sugiere que entre 5 y 100 participantes son suficientes para esta fase dentro de los estudios instrumentales. Estos objetivos permitieron valorar la calidad práctica y psicométrica del instrumento.

RESULTADOS

Cada juez calificó ambos criterios (pertinencia y redacción) mediante una escala de cuatro niveles (nulo, bajo, aceptable y alto). Las observaciones cualitativas fueron consideradas para reformular o eliminar ítems ambiguos o redundantes.

Los resultados mostraron valores globales de V de Aiken > 0.75 para todos los ítems lo que indica una adecuada correspondencia entre los ítems y las dimensiones teóricas del constructo. En la figura 1 se presentan los valores correspondientes a la pertinencia de los ítems, donde el trazo asociado al coeficiente V de Aiken, representa la estimación puntual del grado de acuerdo entre jueces. El intervalo de confianza inferior (ICI), indica el valor mínimo esperado de dicha validez bajo un criterio conservador, mientras que el intervalo de confianza superior (ICS) muestra el límite máximo de estimación. La cercanía entre el V observado y sus intervalos de confianza refleja estabilidad y precisión en la valoración de los jueces respecto a la adecuación conceptual de los ítems.

Por su parte, la figura 2 muestra estos mismos coeficientes aplicados al criterio de redacción. En esta gráfica se observa un patrón similar, con valores elevados de V y rangos estrechos entre el ICI y el ICS, lo que sugiere que los ítems presentan claridad, coherencia lingüística y adecuada formulación. La consistencia visual entre ambas figuras permite apreciar que tanto el contenido como la redacción del instrumento cumplen con criterios psicométricos aceptables para su uso en estudios posteriores.

En cuanto al pilotaje, la evaluación de satisfacción fue aplicada a los 32 estudiantes participantes en la prueba piloto. En relación con la comprensión de las instrucciones, el 46.9 % reportó un grado excelente, el 37.5 % un grado bueno y el 15.6 % un grado aceptable. En cuanto a la comprensión de los ítems, el 53.1 % indicó un grado excelente, el 34.4 % un grado bueno y el 12.5 % un grado aceptable. La satisfacción general con el instrumento presentó una distribución favorable, con un 50 % en la categoría excelente y un 40.6 % en la categoría buena. Asimismo, la relevancia percibida de las preguntas se calificó como excelente en el 53.1 % y buena en el 37.5 % de los casos. Finalmente, la mayoría de los participantes (78.1 %) no reportó sugerencias de mejora, y los comentarios cualitativos señalaron que el instrumento es claro, pertinente y fácil de contestar. Los estudiantes reportaron una alta aceptabilidad del instrumento; no obstante, también realizaron algunas sugerencias de mejora. Entre ellas destacaron la necesidad de clarificar ciertos términos relacionados con la inteligencia artificial y ajustar la redacción para evitar ambigüedades. Estas observaciones fueron consideradas para fortalecer la claridad semántica del instrumento en versiones posteriores.

Una vez concluidas las etapas anteriores y aplicados los ajustes derivados de las mismas, el instrumento fue administrado en su versión final a una muestra de 313 estudiantes de ciencias de la salud, con el propósito de estimar su confiabilidad y consistencia interna en condiciones reales de aplicación. Los coeficientes obtenidos reflejaron valores adecuados. El alfa de Cronbach global fue α = 0.886, dentro del rango considerado óptimo para estudios instrumentales (≥ 0.80). Por su parte, el Omega de McDonald fue Ω = 0.89 confirmando la solidez de la consistencia interna del instrumento y respaldando la estabilidad de la medición del constructo evaluado.

Asimismo, las correlaciones ítem-total corregidas mostraron valores aceptables en la mayoría de los reactivos, lo que evidencia una contribución positiva de los ítems a la puntuación total del instrumento. El análisis del alfa de Cronbach si el ítem se elimina no evidenció incrementos sustantivos en el coeficiente global, por lo que se decidió conservar la totalidad de los ítems, atendiendo tanto a criterios estadísticos como a su relevancia teórica en la evaluación ética del uso de la inteligencia artificial en la formación de estudiantes de salud.

En conjunto, estos resultados respaldan la confiabilidad del instrumento en esta fase inicial de validación, sin que ello implique aún una validación psicométrica completa, la cual requerirá análisis adicionales en estudios posteriores.

DISCUSIÓN

El presente estudio tuvo como propósito desarrollar y validar un instrumento para evaluar los factores éticos asociados al uso académico de la inteligencia artificial (IA) en estudiantes de ciencias de la salud, el cual es un tema que adquiere especial relevancia ante el uso creciente de tecnologías generativas en los procesos formativos. La ética en la IA se ha convertido en un eje prioritario debido a los riesgos emergentes relacionados con privacidad, sesgos algorítmicos, integridad académica y responsabilidad profesional, particularmente en áreas donde las decisiones requieren juicio clínico y fundamentos bioéticos sólidos. Aunque existen estudios que abordan percepciones sobre IA en contextos educativos o clínicos, la revisión de literatura muestra una ausencia de instrumentos específicos que integren simultáneamente aspectos éticos, académicos y formativos, lo cual limita las posibilidades de evaluación sistemática en programas de salud. Por ello, la creación de un instrumento propio se justifica plenamente como una respuesta a este vacío conceptual y metodológico.

Los instrumentos previos identificados en la literatura tienden a centrarse en competencias digitales, alfabetización en IA o creencias sobre su uso, pero no profundizan en sus implicaciones éticas, ni contemplan dimensiones como integridad académica, responsabilidad profesional o sesgos algorítmicos. Esta falta de abordaje integral constituye una limitación importante, previamente señalada por Avello-Sáez et al. (2024) y Holmes et al. (2023), quienes destacan que la IA no puede evaluarse únicamente desde la eficacia o funcionalidad, sino desde la capacidad del estudiante para utilizarla de manera crítica, segura y ética. En este contexto, el instrumento propuesto aporta un enfoque novedoso al integrar dimensiones cognitivas, conductuales y éticas, ofreciendo una herramienta sólida para el análisis educativo.

Respecto a la validez de contenido, los resultados muestran valores de V de Aiken superiores a 0.75 en todos los ítems, con intervalos de confianza aceptables y límites inferiores por encima de 0.50. Esto indica que los jueces consideraron los reactivos pertinentes, coherentes y alineados con los constructos teóricos. Además, la selección de jueces expertos, con experiencia en docencia, investigación, diseño y validación de instrumentos, fortalece la calidad del proceso de validación, destacándose su carácter mixto (evaluación cualitativa y cuantitativa), como recomiendan Juárez-Hernández y Tobón (2018).

En relación con la prueba piloto, los estudiantes manifestaron altos niveles de comprensión y satisfacción con las instrucciones, los ítems y la relevancia de las preguntas. La ausencia de valoraciones negativas y la predominancia de respuestas en las categorías “excelente” y “bueno” indican una adecuada aceptabilidad del instrumento. Estos hallazgos concuerdan con lo planteado por Carvajal et al. (2011), quienes enfatizan que una prueba piloto exitosa constituye evidencia importante de validez aparente y usabilidad. Los comentarios cualitativos refuerzan esta percepción positiva al señalar claridad, pertinencia y facilidad en el proceso de respuesta.

Asimismo, los coeficientes de confiabilidad obtenidos mediante el alfa de Cronbach (α = 0.886) y el Omega de McDonald (Ω = 0.89) evidencian una consistencia interna elevada del instrumento. En términos psicométricos, valores iguales o superiores a 0.80 suelen considerarse adecuados para escalas en desarrollo, mientras que coeficientes por encima de 0.90 reflejan una consistencia interna excelente (Nunnally y Bernstein, 1995; George y Mallery, 2019). En el caso del Omega, su valor cercano a 0.90 confirma la coherencia entre los ítems bajo supuestos menos restrictivos que los del alfa, por lo que se reconoce como un estimador más robusto de la confiabilidad compuesta (McDonald, 2013; Zinbarg et al., 2005). Estos resultados respaldan el uso del instrumento en investigaciones posteriores y lo ubican dentro de los rangos recomendados para estudios instrumentales.

LIMITACIONES DEL ESTUDIO

Es importante señalar que algunos ítems del instrumento, particularmente aquellos relacionados con el compromiso ético y la integridad académica, podrían estar influidos por la deseabilidad social o la tendencia a la aquiescencia. No obstante, su inclusión resulta pertinente para explorar la conciencia ética declarada de los estudiantes frente al uso de la inteligencia artificial. Futuras investigaciones podrán fortalecer el instrumento mediante la incorporación de ítems invertidos o escalas específicas de control de deseabilidad social, así como mediante aplicaciones en contextos diversos.

Si bien los resultados obtenidos permiten afirmar que el instrumento presenta una adecuada validez de contenido y niveles satisfactorios de confiabilidad, para fortalecer la exploración psicométrica del instrumento, será necesario incorporar en estudios posteriores análisis de validez de constructo, tales como análisis factorial exploratorio y confirmatorio, así como procedimientos correlacionales que permitan evaluar con mayor profundidad la estructura interna y el comportamiento del constructo evaluado.

CONCLUSIONES

El instrumento desarrollado demuestra validez de contenido sólida, alta aceptabilidad por parte de los estudiantes y confiabilidad consistente, lo que lo posiciona como una herramienta adecuada para evaluar los factores éticos del uso de IA en la formación en salud. Sus aportes se alinean con las recomendaciones internacionales de organismos como la Unesco (2022) y responden a la necesidad de contar con evaluaciones integrales que permitan orientar políticas educativas, estrategias formativas y prácticas académicas responsables en un entorno donde la IA continuará creciendo.

Desde una perspectiva pedagógica, este instrumento permite a las instituciones de educación superior y a los docentes contar con una herramienta sistemática para identificar prácticas, percepciones y dilemas éticos asociados al uso académico de la inteligencia artificial. Su aplicación facilita la toma de decisiones formativas orientadas al desarrollo del pensamiento crítico, la integridad académica y la responsabilidad profesional en la formación de estudiantes de ciencias de la salud, contribuyendo así a una integración educativa más reflexiva, ética y contextualizada de estas tecnologías emergentes.

CONSIDERACIONES ÉTICAS

El estudio cumplió con los principios éticos establecidos por el Código de Núremberg (Comisión Nacional de Bioética, 1947), la Declaración de Helsinki (Conbioética, 1964), el Informe Belmont (1979) y la Ley Federal de Protección de Datos Personales en Posesión de los Particulares (Cámara de Diputados, 2025). Todos los participantes, jueces expertos y estudiantes, recibieron un consentimiento informado elaborado específicamente para este proyecto, en el cual se explicó el propósito del estudio, la naturaleza voluntaria de su participación, los posibles riesgos y beneficios, y las medidas de confidencialidad.

El presente estudio se condujo conforme a los principios de integridad de la investigación científica establecidos en la Declaración de Singapur (2010) sobre la integridad en la investigación, asegurando la honestidad intelectual, la transparencia en el diseño metodológico, la rigurosidad en el análisis de los datos y la responsabilidad ética en la comunicación de los resultados. Los autores declaran que la información presentada es original, veraz y obtenida mediante procedimientos metodológicos éticamente aceptables, sin incurrir en fabricación, falsificación o manipulación indebida de los datos.

FINANCIACIÓN Y ORIGEN DEL ESTUDIO

El presente estudio no contó con financiamiento externo y fue desarrollado como parte de un proyecto académico de investigación en el ámbito de la educación superior en ciencias de la salud.

CONFLICTO DE INTERESES

Los autores declaran que no existieron intereses financieros, institucionales o comerciales que pudieran influir en el diseño, desarrollo, análisis o interpretación de los resultados.

DISPONIBILIDAD DE DATOS

Los conjuntos de datos generados y analizados durante el presente estudio no se encuentran disponibles públicamente debido a consideraciones éticas relacionadas con la confidencialidad y protección de la información de los participantes. No obstante, los datos podrán ser solicitados de manera razonable al autor de correspondencia, previa evaluación ética y con fines exclusivamente académicos.

CONTRIBUCIÓN DE LOS AUTORES

Francisco-Raúl Hernández-Burrola: Administración del proyecto; Análisis formal; Conceptualización; Curación de datos; Escritura - borrador original; Escritura - revisión y edición; Investigación; Metodología; Recursos; Software; Validación; Visualización; Adquisición de fondos.

Haydeé Parra-Acosta: Análisis formal; Conceptualización; Escritura - revisión y edición; Metodología; Recursos; Supervisión; Validación; Visualización; Adquisición de fondos.

Referencias

Ahmad, S. F., Han, H., Alam, M. M., Rehmat, M. K., Irshad, M., Arraño-Muñoz, M., & Ariza-Montes, A. (2023). Impact of artificial intelligence on human loss in decision making, laziness and safety in education. Humanities and Social Sciences Communications, 10(1), Artículo 311. https://doi.org/10.1057/s41599-023-01787-8

Al-Qerem, W., Eberhardt, J., Jarab, A., Al Bawab, A. Q., Hammad, A., Alasmari, F., Alazab, B., Husein, D. A., Alazab, J., & Al-Beool, S. (2023). Exploring knowledge, attitudes, and practices towards artificial intelligence among health professions’ students in Jordan. BMC Medical Informatics and Decision Making, 23(1), Artículo 288. https://doi.org/10.1186/s12911-023-02403-0

Avello-Sáez, D., Lucero-González, N., & Villagrán, I. (2024). Desarrollo de una declaración de uso de inteligencia artificial con una perspectiva de integridad académica en educación médica y ciencias de la salud. Revista Médica Clínica Las Condes, 35(5–6), 412–420. https://doi.org/10.1016/j.rmclc.2024.06.003

Benítez, R., Cencerrado, A., Gerard, B., & Kanaan, E. S. (2018). Inteligencia artificial avanzada. Editorial UOC. https://openaccess.uoc.edu/server/api/core/bitstreams/509e0233-eefd-44e0-acf7-58582fa65f7a/content

Bulger, S. M., & Housner, L. D. (2007). Modified Delphi investigation of exercise science in physical education teacher education. Journal of Teaching in Physical Education, 26(1), 57–80. https://doi.org/10.1123/jtpe.26.1.57

Cámara de Diputados del H. Congreso de la Unión. (2025, 20 de marzo). Ley Federal de protección de datos personales en posesión de los particulares. Secretaría de Servicios Parlamentarios. https://www.diputados.gob.mx/LeyesBiblio/pdf/LFPDPPP.pdf

Carpenter, S. (2018). Ten steps in scale development and reporting: A guide for researchers. communication methods and measures, 12(1), 25–44. https://doi.org/10.1080/19312458.2017.1396583

Carvajal, A., Centeno, C., Watson, R., Martínez, M., & Sanz Rubiales, Á. (2011). ¿Cómo validar un instrumento de medida de la salud? Anales del Sistema Sanitario de Navarra, 34(1), 63–72. https://recyt.fecyt.es/index.php/ASSN/article/view/10317

Centro Universitario CIFE. (2018). Cuestionario de satisfacción con el instrumento (plantilla). Google Forms. https://docs.google.com/forms/d/e/1FAIpQLSc8-jOiWYwG64QbnhRyGAg1ElTggq2aP1XiSg45pyN9XLbXNQ/viewform

Centro Universitario CIFE. (2019). Escala Jueces Expertos (plantilla). https://bit.ly/4c2yZ8t

Chauca Saavedra, C. L., Arones Mayuri, M. E., Quispe Nombreras, V. C., & Olivera Machado, S. H. (2025). Percepción del impacto del aprendizaje de la Inteligencia Artificial en la formación de estudiantes universitarios de la salud. Revista Información Científica. https://doi.org/10.5281/zenodo.15392016

Comisión Nacional de Bioética. (1947). Código de Nuremberg . https://www.conbioetica-mexico.salud.gob.mx/descargas/pdf/normatividad/normatinternacional/2.INTL._Cod_Nuremberg.pdf

Conbioética. (1964). Declaración de Helsinki de la AMM. https://conbioetica-mexico.salud.gob.mx/descargas/pdf/Declaracion_Helsinki_Brasil.pdf

Declaración de Singapur sobre la integridad en la investigación. (2010). https://www.conicyt.cl/fondap/files/2014/12/DECLARACI%C3%93N-SINGAPUR.pdf

George, D., & Mallery, P. (2019). IBM SPSS Statistics 26 step by step: A simple guide and reference. Routledge. https://doi.org/10.4324/9780429056765

Holmes, W., Iniesto, F., Anastopoulou, S., & Boticario, J. G. (2023). Stakeholder perspectives on the ethics of AI in distance-based higher education. The International Review of Research in Open and Distributed Learning, 24(2), 96–117. https://doi.org/10.19173/irrodl.v24i2.6089

IEEE Global Initiative on Ethics of Autonomous and Intelligent Systems. (2019). Ethically aligned design: A vision for prioritizing human well-being with artificial intelligence and autonomous systems. IEEE.

Informe Belmont: Principios y guías éticos para la protección de los sujetos humanos de investigación. (1979). Comisión Nacional para la Protección de los Sujetos Humanos de Investigación Biomédica y del Comportamiento. https://www.conbioetica-mexico.salud.gob.mx/descargas/pdf/normatividad/normatinternacional/10._INTL_Informe_Belmont.pdf

Juárez-Hernández, L. G. (2018). Plantilla para el cálculo de la V de Aikene intervalos de confianza.

Juárez-Hernández, L. G., & Tobón, S. (2018). Análisis de los elementos implícitos en la validación de contenido de un instrumento de investigación. Revista Espacios, 39(53), 23–30. https://www.revistaespacios.com/cited2017/cited2017-23.pdf

McDonald, R. P. (2013). Test theory: A unified treatment. Psychology Press. https://doi.org/10.4324/9781410601087

Melo, Z. (2024). Inteligencia artificial en salud: desafíos éticos para lograr la aplicación de las tecnologías a la salud del paciente. Trayectorias Humanas Trascontinentales, (18). https://doi.org/10.25965/trahs.6349

Montero, I., y León, O. G. (2005). Sistema de clasificación del método en los informes de investigación en psicología. International Journalof Clinical and Health Psychology, 5(1), 115–127. https://www.redalyc.org/pdf/337/33701007.pdf

Nunnally, J., y Bernstein, I. (1995). Psychometric theory (3.a ed.). McGraw-Hill.

Penfield, R. D., & Giacobbi, P. R., Jr. (2004). Applying a score confidence interval to Aiken’s item content-relevance index. Measurement in Physical Education and Exercise Science, 8(4), 213–225. https://doi.org/10.1207/s15327841mpee0804_3

Robles Zeas, R. M., Serrano Paredes, K. L., & Cruz Gavilanes, T. M. (2024). Uso de inteligencia artificial como soporte para el aprendizaje en las ciencias de la salud. Imaginario Social, 7(1). http://revista-imaginariosocial.com/index.php/es/index

Rodríguez Weber, F. L., Portela Ortiz, J. M., & Enríquez Barajas, A. (2024). La inteligencia artificial (IA) en la medicina y su aprendizaje. Acta Médica Grupo Ángeles, 22(3), 261–263. https://doi.org/10.35366/117512

Sallam, M., Salim, N. A., Barakat, M., Al-Mahzoum, K., Al-Tammemi, A. B., Malaeb, D., Hallit, R., & Hallit, S. (2023). Assessing health students’ attitudes and usage of ChatGPT in Jordan: Validation study. JMIR Medical Education, 9(1), Artículo e48254. https://doi.org/10.2196/48254

Sánchez Mendiola, M. (2025). ¿Autonomía en riesgo? Ética y la dependencia de la inteligencia ar-tificial generativa en la formación médica. Investigación en Educación Médica, 14(53), 5–7. https://doi.org/10.22201/fm.20075057e.2025.53.24670

UNESCO. (2022). Recomendación sobre la ética de la inteligencia artificial. https://unesdoc.unesco.org/ark:/48223/pf0000381137_spa

Vélez-Rivera, R., Muñoz-Álvarez, D., Leal-Orellana, P., & Ruiz-Garrido, A. (2024). Uso de Inteligencia Artificial en educación superior y sus implicancias éticas: Mapeo sistemático de literatura. Hachetetepé: Revista Científica de Educación y Comunicación, (28), Artículo 1105. https://doi.org/10.25267/Hachetetepe.2024.i28.1105

Zinbarg, R. E., Revelle, W., Yovel, I., & Li, W. (2005). Cronbach’s $\alpha$, Revelle’s $\beta$, and McDonald’s $\omega_H$: Their relations with each other and two alternative conceptualizations of reliability. Psychometrika, 70(1), 123–133. https://doi.org/10.1007/s11336-003-0974-7