Percepciones sobre la inteligencia artificial analizadas con componentes principales y regresión multinomial.
DOI:
https://doi.org/10.63618/omd/isj/v3/nE1/194Palabras clave:
Percepción ciudadana, Inteligencia artificial, Regresión multinomial, Componentes principales; , Alfabetización digitalResumen
Este estudio examina las percepciones ciudadanas sobre el impacto de la inteligencia artificial (IA) en el empleo mediante un enfoque cuantitativo aplicado a adultos residentes en Quito. Se utilizó una encuesta tipo Likert de catorce ítems para evaluar actitudes, alfabetización digital y valoración social de la IA. Los datos se analizaron mediante componentes principales con el propósito de identificar factores latentes vinculados con regulación, efectos sociales y utilidad tecnológica. Luego se aplicó un modelo de regresión logística multinomial para determinar en qué medida estos factores, junto con variables sociodemográficas, influyen en la percepción de si la IA generará empleo en el futuro. Los resultados muestran que un componente asociado a preocupaciones sociales y laborales disminuye significativamente la probabilidad de considerar a la IA como generadora de empleo. En cambio, las actitudes orientadas a apertura y utilidad tecnológica no presentaron efectos estadísticos relevantes. Además, el nivel educativo evidenció diferencias claras: las personas con formación universitaria tendieron a anticipar impactos laborales más positivos. En conjunto, los hallazgos indican que las percepciones sobre la IA se estructuran principalmente a partir de dimensiones actitudinales, más que por características demográficas aisladas. Aunque la muestra es no probabilística y el estudio posee un carácter exploratorio, ofrece una base metodológica útil para futuras investigaciones sobre aceptación tecnológica y transformación laboral en contextos urbanos.
Descargas
Referencias
ACM Digital Library. (2024). AI in HR: Perception is reality. Doi:https//doi.org/10.1145/3632634.3655879
Agresti, A. (2021). An Introduction to Categorical Data Analysis. Wiley.
Almeida, F., & Duarte Santos, J. (2020). The role of artificial intelligence in human resources. International Journal of Social Sciences and Management Research, 17-27. doi:https://doi.org/10.32861/ijssmr.72.17.27
Ayuso, S., Rodríguez, Á., Riera, M., & Ayuso, R. (2022). Análisis factorial y regresión logística multinomial del cuestionario de evaluación de sobrecarga del cuidador. Gerokomos.
Damásio, B. F., Freitas, C. P., & Silva, J. P. (2021). Exploratory factor analysis: Practical recommendations and recent developments. Psicologia: Reflexão e Crítica, 34. doi:https://doi.org/10.1186/s41155-021-00192-0
De Winter, J. C., Dodou, D., & Wieringa, P. A. (2021). Exploratory factor analysis recommendations and sample size guidelines. Current Psychology, 3535-3546. doi:https://doi.org/10.1007/s12144-019-00294-7
Etikan, I. (2020). Comparison of convenience sampling and purposive sampling. American Journal of Theoretical and Applied Statistics, 1-4. doi:https://doi.org/10.11648/j.ajtas.20160501.11 DOI: https://doi.org/10.11648/j.ajtas.20160501.11
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage Learning.
Hernández-Sampieri, R., & Mendoza, C. (2018). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill Education.
Köster, F. (2023). Algorithmic anxiety: How older adults perceive decision making systems. Journal of Digital Society.
Lugo, L., & Barrera, M. (2024). Actualización sobre el concepto de brecha digital en tiempos de la inteligencia artificial: hacia una propuesta cualitativa. Centro de Investigación para la Comunicación Aplicada, 49-66. doi:https://doi.org/10.36105/stx.2024n13.05 DOI: https://doi.org/10.36105/stx.2024n13.05
Martínez, J. A., & Pérez, P. S. (2024). Regresión logística. Medicina de Familia SEMERGEN, 50. doi:https://doi.org/10.1016/j.semerg.2023.102086 DOI: https://doi.org/10.1016/j.semerg.2023.102086
Ministerio de Telecomunicaciones y Sociedad de la Información. (2025). Agenda de Transformación Digital del Ecuador 2022–2025. Gobierno del Ecuador. Obtenido de https://www.telecomunicaciones.gob.ec/
Ragnedda, M., & & Ruiu, M. (2022). igital capital and generational digital divide. Information, Communication & Society.
Registro Oficial No. 459. (2021). Ley Orgánica de Protección de Datos Personales. República del Ecuador.
Rubina-López, A., Lazo-Salcedo, C. A., Bazán-Linares, M. V., & Fermín-Vásquez, C. (2025). La educación en la era digital y virtualización de educación universitaria: Avances, desafíos y tendencias hacia el futuro al 2050. Innova Science Journal, 208-226. doi:https://doi.org/10.63618/omd/isj/v3/n4/132 DOI: https://doi.org/10.63618/omd/isj/v3/n4/132
Sadeghi, S. (2024). Employee well-being in the age of AI: Perceptions, concerns, behaviors, and outcomes. arXiv. Obtenido de https://arxiv.org/abs/2412.04796
Salazar, M., & Rojas, A. (2023). La inteligencia artificial y su impacto en el empleo: desafíos para la formación profesional en América Latina. Revista Iberoamericana de Educación Superior, 14(40), 45-62. doi:https://doi.org/10.22201/iisue.20072872e.2023.40.835
Shmueli, G., Bruce, P. C., Gedeck, P., Patel, N. R., & Lichtendahl, K. C. (2020). Data Mining for Business Analytics: Concepts, Techniques, and Applications. Wiley. doi:https://doi.org/10.1177/0894439318784881
Soulami, M., Benchekroun, S., & Galiulina, A. (2024). Exploring how AI adoption in the workplace affects employees: A bibliometric and systematic review. Frontiers in Artificial Intelligence. doi:https://doi.org/10.3389/frai.2024.1473872 DOI: https://doi.org/10.3389/frai.2024.1473872
Zambrano-Alay, A. G. (2025). La evaluación formativa y su impacto en la motivación por el aprendizaje en estudiantes de séptimo grado: revisión bibliográfica. Innova Science Journal, 15-26. doi:https://doi.org/10.63618/omd/isj/v3/n4/119 DOI: https://doi.org/10.63618/omd/isj/v3/n4/119
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Juna-Pozo, Luis Patricio (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
: