Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.

Artículo de investigación

Cómo el bienestar digital y la IA generativa logran el éxito académico de los estudiantes y los objetivos de desarrollo sostenible

742 visualizaciones

⸱

DOI:

10.3791/70211

⸱

27 de febrero de 2026

1Xuzhou Kindergarten Teachers College

En este artículo

Resumen

Este estudio concluye que el bienestar digital y la IA generativa aumentan la participación en el aprendizaje del inglés como lengua extranjera, conduciendo a un mejor rendimiento académico. Un mayor rendimiento aumenta la conciencia sobre los objetivos de desarrollo sostenible, vinculando la tecnología educativa tanto con los resultados académicos como los de sostenibilidad.

Resumen

Este estudio examina cómo el bienestar digital y la adopción de la IA generativa contribuyen al éxito académico y a la implicación de los estudiantes de inglés como lengua extranjera (EFL) con los Objetivos de Desarrollo Sostenible (ODS). Utilizando un diseño cuantitativo transversal, se recopilaron datos de 440 participantes mediante escalas validadas que miden el bienestar digital, el uso de la IA, la implicación en el aprendizaje, el rendimiento académico y la conciencia sobre los ODS. Se empleó el modelado estructural de ecuaciones de mínimos cuadrados parciales (PLS-SEM) para analizar las relaciones entre estos constructos y evaluar la validez predictiva y robustez del modelo. Los hallazgos revelan que tanto el bienestar digital como la IA generativa mejoran significativamente la implicación en el aprendizaje de lenguas extranjeras, lo que a su vez impulsa el éxito académico. Además, el rendimiento académico influye positivamente en la conciencia de los estudiantes sobre los ODS, destacando la interconexión entre la educación digital y los resultados de sostenibilidad. El estudio identifica la participación en el aprendizaje como un mediador fundamental entre el aprendizaje potenciado por tecnología y el rendimiento académico. Estos resultados subrayan la importancia de integrar estrategias de bienestar digital y alfabetización en IA en los marcos educativos para fomentar tanto el rendimiento académico como la ciudadanía global. Estos se logran diseñando planes de estudio y pedagogías que enseñen simultáneamente a los estudiantes a gestionar su vida digital para un aprendizaje efectivo, y les capaciten para aprovechar y criticar tecnologías avanzadas para comprender y actuar ante los desafíos más urgentes del mundo.

Introducción

En una era marcada por rápidos avances tecnológicos, la integración del bienestar digital y la inteligencia artificial generativa (GAI) en la educación ha surgido como una fuerza transformadora con implicaciones de gran alcance para el rendimiento académico de los estudiantes y los Objetivos de Desarrollo Sostenible (ODS) de las Naciones Unidas1. Mientras que el bienestar digital se centra en promover un uso saludable de la tecnología para mejorar el equilibrio cognitivo y emocional, el GAI introduce oportunidades sin precedentes para el aprendizajepersonalizado 2, la accesibilidad y la eficiencia educativa3. No obstante, aunque existe una línea de interés en desarrollo en estas áreas en todo el mundo, el cuerpo de conocimiento existente está disperso, con poco enfoque en el potencial futuro de sus sinergias para desarrollar el éxito académico y promover hitos globalesde sostenibilidad 4. Esta investigación ayuda a cubrir esta carencia tan necesaria al examinar específicamente cómo el uso responsable de la IAI, cuando se basa en principios de bienestar digital, puede maximizar los resultados de aprendizaje pero al mismo tiempo apoyar los ODS clave, especialmente el ODS 4 (Educación de Calidad), el ODS 3 (Buena Salud y Bienestar) y el ODS 10 (Reducción de las Desigualdades).

Una revisión de la literatura actual revela varias dimensiones poco exploradas. En primer lugar, aunque los estudios sobre bienestar digital enfatizan los riesgos de pasar demasiado tiempo frente a pantallas, distracciones digitales y preocupaciones de salud mentalentre los estudiantes 5, pocos han examinado cómo las prácticas estructuradas de mindfulness digital pueden coexistir con herramientas de aprendizaje impulsadas porIA 6. En segundo lugar, la investigación sobre el GAI en educación destaca predominantemente su eficiencia en la automatización de evaluaciones, la generación de contenidos y la posibilitación del aprendizajeadaptativo 7, aunque pasa por alto sus impactos psicológicos y conductuales en el bienestar de losestudiantes 8. En tercer lugar, aunque el marco de los ODS aboga por una educación inclusiva y equitativa, se ha prestado mínima atención a cómo los entornos de aprendizaje potenciados por IA, diseñados pensando en el bienestar, pueden reducir las disparidades educativas y promover prácticas de aprendizajesostenibles 9. Estas carencias subrayan la necesidad de un enfoque integrador que armonice la innovación tecnológica con estrategias de bienestar centradas en el ser humano.

Este estudio aborda estas limitaciones proponiendo un marco novedoso que alinea los principios del bienestar digital con las aplicaciones del GAI en la educación. A diferencia de un estudioanterior 10, que analizó estas nociones de forma independiente, nuestro estudio considera sus dinámicas como tales, presentando así evidencia empírica de cómo esta IA puede implementarse moralmente para apoyar, en lugar de erosionar, el enfoque, la motivación y el rendimiento académico a largo plazo del alumno. De este modo, el presente manuscrito contribuirá a las discusiones futuras en los ámbitos de la tecnología educativa, la psicología y la ciencia de la sostenibilidad, proporcionando una variante actual que interesará a un gran número de lectores, investigadores, responsables políticos y educadores interesados en encontrar enfoques basados en la evidencia para encontrar el equilibrio adecuado entre centrarse en la integración de tecnologías y lo sostenible, Desarrollo integral de los alumnos y estudiantes.

Las contribuciones teóricas de esta investigación son tres. En primer lugar, impulsa el discurso sobre el bienestar digital introduciendo una nueva dimensión del bienestar mediado por la IA, que explora cómo se puede calibrar la IA generativa para minimizar la sobrecarga cognitiva y promover el compromiso consciente11. En segundo lugar, se basa en la literatura sobre la IA en la educación, ya que integra consideraciones sobre el bienestar como una característica esencial del diseño, rompiendo con los discursos ya existentes orientados a la eficiencia. En tercer lugar, mejora la calidad de la investigación sobre los ODS al mostrar cómo los sistemas educativos actualizados mediante la IA pueden convertirse en motores del desarrollo sostenible, especialmente para cerrar brechas digitales y garantizar que los alumnos sean mentalmente resilientes. Estas innovaciones del teórico sitúan nuestra investigación entre la vanguardia de los estudios interdisciplinarios, proporcionando una perspectiva sobre la interdependencia actual entre tecnología, educación y sostenibilidad a escala global. Académicamente, el estudio ofrece un marco holístico de cómo es posible evaluar el doble resultado del GAI y el bienestar digital en los resultados de aprendizaje mediante datosempíricos 13. Entre los responsables políticos, les presenta recomendaciones prácticas sobre cómo se puede gobernar éticamente el uso de la IA en la educación, protegiendo la seguridad de los estudiantesde 14 años. Para los educadores, muestra métodos basados en la evidencia sobre cómo implementar la herramienta de IA que pueden apoyar, pero no violar, la efectividad de lapedagogía 15. Además, la conexión entre estos resultados y los ODS ofrece una visión más amplia de las implicaciones generales de la educación tecnológicamente avanzada en la sociedad, de ahí las razones por las que la innovación digital debe estar alineada con el desarrollo humano sostenible.

La aparición de tecnologías digitales y de inteligencia artificial generativa (IA) en rápida expansión en la educación despertó un enorme interés intelectual por su efecto combinado en el rendimiento académico estudiantil y en la consecución de toda la serie de objetivos sociales, incluido el Objetivo de DesarrolloSostenible 16. Aunque estos desarrollos tecnológicos tienen un potencial revolucionario, las aplicaciones de tales tecnologías en los entornos pedagógicos son un campo rico en polaridades y logística controvertida, donde los estudios existentes deben sintetizarse críticamente para definir los conocimientos y las limitaciones de los próximosestudios 17. Esta revisión bibliográfica revisará los conocimientos de tres campos relacionados: (1) el bienestar digital y sus implicaciones educativas, (2) la IA generativa y su influencia en la práctica educativa, y (3) la compatibilidad de las intervenciones tecnológicas con los ODS, específicamente aquellos que se refieren a la educación de calidad, la salud y la equidad. El bienestar digital ha surgido como un área crítica de estudio en entornos de aprendizaje cada vez más inmersos en tecnología18. Aunque la investigación pone de manifiesto riesgos como la sobrecarga cognitiva, la distracción digital y el consumo pasivo asociados al uso excesivo de pantallas, existe un reconocimiento creciente del potencial para mitigar estosefectos 19. Intervenciones estratégicas como la atención plena digital, el uso intencionado de la tecnología y la reflexión metacognitiva pueden fomentar un compromiso significativo y proteger la salud mental y emocional. Es importante destacar que el bienestar digital va más allá de minimizar el tiempo frente a la pantalla; Implica cultivar una relación equilibrada y autodeterminada con la tecnología20. Esta perspectiva es especialmente relevante en contextos de aprendizaje mejorado por IA, donde desafíos éticos como el sesgo algorítmico y la dependencia excesiva de la automatización pueden afectar directamente al sentido de competencia,autonomía y relación de los estudiantes, necesidades psicológicas fundamentales esenciales para la motivación yel bienestar 22. Para cerrar esta brecha se requiere un marco que no solo aborde los riesgos de la interacción digital, sino que también integre de forma proactiva los principios de bienestar en el diseño y uso de herramientas de IA generativa en la educación.

Con la novedad de la IA generativa, que crea texto, fotos y juegos similares a los humanos que responden a acciones, se ha abierto un nuevo ámbito de posibilidades de aprendizaje personalizadoy adaptativo. Las investigaciones han confirmado que es eficaz en la automatización de procesos administrativos, la creación de recursos de aprendizaje personalizados, la oferta de retroalimentación en tiempo real y la mejora tanto de la eficiencia como de la accesibilidad de lasinstrucciones. Por ejemplo, herramientas basadas en IA como Intelligent Tutoring Systems y ChatGPT han demostrado facilitar la instruccióndiferenciada 25. Dicho esto, también existen implicaciones éticas y psicológicas del uso pedagógico de la IA generativa, como el problema de la integridad académica, el sesgo en el algoritmo y la posibilidad de que los estudiantes pierdan sus facultades de pensamiento crítico si dependen demasiado de obras generadas porIA26. Aunque la investigación actual proporciona una gran cantidad de información sobre las capacidades funcionales de la IA en la educación, no explora las consecuencias psicológicas y conductuales en los estudiantes, especialmente en lo que respecta al bienestar digital27. Esta omisión apunta a la necesidad de considerar más a fondo las formas en que la IA generativa podría utilizarse para beneficiar el bienestar cognitivo y emocional de los estudiantes en lugar deperjudicarlos 28. La combinación del bienestar digital y la IA generativa también adquiere una nueva importancia cuando se filtra a través del prisma de los ODS, a través de los cuales el mundo ha desarrollado una vocación global de desarrollo equitativo y sostenible. Por su parte, el ODS 4 (Educación de Calidad) exige un acceso equitativo e inclusivo a las oportunidadesde aprendizaje 29. De manera similar, el ODS 3 (Buena Salud y Bienestar) y el ODS 10 (Reducción de las desigualdades) subrayan la necesidad de cuidar la salud mental y promover la equidad social, ambos relacionados con las experiencias digitales de los estudiantesde 30 años. Sin embargo, la IA y los ODS se discuten actualmente de forma tecno-positivista, alabando la escalabilidad de las intervenciones de IA e ignorando los aspectos psicosociales de la utilizaciónde la tecnología 31. Por ejemplo, aunque la IA puede personalizar la experiencia de aprendizaje de poblaciones desfavorecidas, su implementación carece de protección del bienestar, lo que puede aumentar la fatiga digital y aumentar la brecha de desigualdad entre estudiantes con diferentes accesos a la tecnología y capacidades de autorregulación32. La tensión entre innovación y bienestar añade al hecho de que esta carencia en la literatura es vital, la existencia de un marco coherente y coherente que combine el progreso educativo impulsado por IA con los ideales humanistas de losODS 33.

La psicología educativa, la interacción humano-ordenador y los estudios de sostenibilidad representan algunos de los enfoques teóricos que pueden proporcionar lentes útiles para unir estas dos líneas de investigación. Un ejemplo de esta teoría es la teoría de la autodeterminación (TDS), según la cual se puede lograr un aprendizaje saludable y bienestar cuando las personas experimentan la satisfacción de la autonomía, competencia y relación34. Cuando se aplica a entornos digitales, la TDA implica que la IA generativa podría aumentar tanto su autonomía mediante programas de aprendizaje personalizados como la competencia gracias a la adaptabilidad de la retroalimentación, pero también debe estar diseñada para apoyar la relación al trascender el desplazamientosocial 35. Del mismo modo, la noción de equilibrio digital, la condición en la que el uso de la tecnología coincide tanto con el bienestar individual como colectivo, ofrece una base normativa para evaluar el papel de la IA en la educación36. No obstante, estos constructos teóricos rara vez se han incorporado en el análisis empírico de entornos de aprendizaje habilitados por IA, lo que plantea preguntas sobre cómo es posible diseñar sistemas de IA que estén inherentemente orientados al bienestardigital 37. Una revisión crítica de la literatura muestra que existen algunas tensiones no resueltas y áreas de desarrollo futuro38. Para empezar, aunque el bienestar digital se centra inteligentemente en la contención y la atención plena, la IA generativa es el tema del compromiso y la inmersión, cuya paradoja necesita solucionesempíricas 39. En segundo lugar, la discusión ética sobre la IA en la educación se ha basado en gran medida en la privacidad de los datos y la transparencia algorítmica, sin pensar demasiado en las implicaciones psicológicas de la interacción con la IA40. En tercer lugar, el enfoque en la sostenibilidad y la equidad que proporcionan los ODS no se relaciona de forma integral con los aspectos técnicos y pedagógicos de la implementación real de la IA. Para superar esta discapacidad, es importante cruzar disciplinas y utilizar los conocimientos de la ciencia cognitiva, la economía conductual y la política educativa para crear marcos que no solo sean tecnológicamente estables, sino también humanos. La Figura 1 muestra el marco conceptual del presente estudio, que incluye todas las variables y su relación de trayectoria entre sí. En este modelo, la relación hipotética entre variables de estudio se da en el marco conceptual.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Protocolo

Este estudio no requirió la aprobación ética formal de un Comité de Revisión Institucional (IRB), ya que implicó encuestas anónimas y/o entrevistas con participantes que proporcionaron su consentimiento informado. No se recopilaron datos personales ni sensibles, y todas las respuestas se trataron de forma confidencial únicamente con fines de investigación. La participación fue voluntaria y se informó a los encuestados de los objetivos del estudio antes de aportar su opinión.

El estudio empleó un diseño cuantitativo y transversal para investigar las relaciones entre el bienestar digital, el uso de la IA generativa y los resultados académicos entre estudiantes de inglés como lengua extranjera (EFL). Los datos se recopilaron mediante una encuesta en línea de una población muestreada intencionadamente de 440 estudiantes de grado en inglés inglés de varias universidades chinas que utilizaron activamente herramientas de IA generativa en su aprendizaje. El cuestionario estructurado utilizó escalas validadas, incluyendo una medida de 12 ítems para el bienestardigital 41, una escala de 8 ítems para el uso de IA generativa, una escala de éxito académicoautopercibido 42 y medidas para la concienciación sobre los ODS y el compromiso con el aprendizaje, todas empleando respuestas Likert de 5 puntos. El análisis de datos siguió un protocolo bifásico usando SPSS v.27 para estadística descriptiva y comprobaciones de fiabilidad, y SmartPLS v.4.0 para Modelado de Ecuaciones Estructurales de Mínimos Cuadrados Parciales (PLS-SEM) para evaluar los modelos de medición y estructurales, aplicándose bootstrapping a la significación del camino de prueba.

Diseño de investigación
El diseño de investigación utilizado en este estudio es cuantitativo y transversal para determinar cómo se relacionan entre sí el bienestar digital, la IA generativa, el éxito académico de los estudiantes y los ODS entre los estudiantes de EFL. Un diseño transversal permite al investigador recopilar datos en un momento dado y ofrece una imagen de las variables que se están estudiando. El diseño de investigación cuantitativa basa los resultados en información medible y estadísticamente analizable para que los resultados sean más fiables y generalizados. Este patrón es especialmente aplicable para analizar los efectos directos e indirectos del bienestar digital y la IA generativa sobre el rendimiento académico y los ODS, ya que permitirá el empleo de procedimientos estadísticos sofisticados como la modelización de ecuaciones estructurales.

Población y muestreo
La población objetivo de este estudio estaba compuesta por estudiantes de grado matriculados en programas de inglés como lengua extranjera (EFL) en instituciones de educación superior en China. Para participar, los estudiantes debían cumplir los siguientes criterios de inclusión: estar actualmente matriculados como estudiantes de grado, utilizar activamente herramientas de IA generativa (como ChatGPT, Copilot u plataformas similares para asistencia en redacción, investigación o generación de contenido) como parte de su proceso académico habitual de aprendizaje y proporcionar su consentimiento informado. Los criterios de exclusión fueron no utilizar IA generativa con fines académicos, ser estudiante de posgrado o sin título, y proporcionar respuestas incompletas a encuestas.

Se empleó una técnica de muestreo intencionado para reclutar participantes que cumplieran estos criterios, asegurando la medición significativa de la variable central de uso de la IA. La muestra final estuvo compuesta por N = 440 participantes, un tamaño considerado adecuado para la robustez estadística requerida para el Modelado de Ecuaciones Estructurales de Mínimos Cuadrados Parciales (PLS-SEM). Para mejorar la representatividad y la generalización, el reclutamiento abarcó múltiples universidades y diversas disciplinas académicas (Humanidades, Ciencias Sociales, STEM). Los datos demográficos de la muestra son los siguientes: Edad entre 18 y 24 años (M = 20,4, SD = 1,6); El sexo se distribuía en un 58% de mujeres (n = 255) y un 42% de hombres (n = 185); El año de estudios incluía a estudiantes de primer año (22%, n = 97), segundo año (31%, n = 136), tercero (28%, n = 123) y cuarto (19%, n = 84). No se recopiló información sobre el peso porque no era relevante para los constructos del estudio.

Procedimiento de recogida de datos
La recopilación de datos se realizó mediante una encuesta anónima en línea alojada en una plataforma segura (por ejemplo, Qualtrics). Los posibles participantes de las universidades objetivo fueron invitados a través de listas de correo institucionales, anuncios sobre Sistemas de Gestión del Aprendizaje (por ejemplo, Moodle, Blackboard) y grupos estudiantiles relevantes en redes sociales. La invitación detallaba claramente el propósito del estudio, su naturaleza voluntaria, el tiempo estimado de finalización (15-20 minutos) y las garantías de confidencialidad. La primera página de la encuesta presentaba un formulario detallado de consentimiento informado; Solo los participantes que dieron su consentimiento digital accedieron al cuestionario. Para mitigar el sesgo de orden, las secciones de la encuesta se presentaron en una secuencia aleatoria para cada encuestado. La ventana de recogida de datos estuvo abierta durante dos semanas. Un único recordatorio se envió a través de los canales originales una semana después de la invitación inicial para fomentar la participación y mejorar las tasas de respuesta. Tras el periodo de recogida, el conjunto de datos fue evaluado para comprobar su completitud, eliminando respuestas sustancialmente incompletas (por ejemplo, >20% de datos faltantes). Se realizaron comprobaciones posteriores para detectar valores atípicos univariantes y multivariantes antes del análisis final para garantizar la calidad de los datos.

Instrumentación y medidas
El estudio utilizó un cuestionario estructurado para medir variables clave, incluyendo el bienestar digital, el uso de la IA generativa, el éxito académico de los estudiantes, la concienciación sobre los ODS y la implicación de los estudiantes en inglés inglés (EFL). El bienestar digital se midió utilizando la escala de 12 ítems de Arslankara et al.41, incluyendo subescalas de responsabilidad (4 ítems), satisfacción (4 ítems) y bienestar (4 ítems). El uso de IA generativa se operacionalizó mediante una escala43 de 8 ítems, centrada en la frecuencia de adopción de ChatGPT. En el presente estudio, el rendimiento académico fue evaluado utilizando una escala de autopercepción adaptada de Yu et al.42, citada en Mehrvarz et al.44. Este instrumento consta de cuatro elementos. La concienciación sobre los ODS se midió utilizando una escala validada adaptada de Atmaca et al.45, que comprende tres dimensiones clave: sostenibilidad económica (12 ítems), sostenibilidad social (9 ítems) y sostenibilidad ambiental (14 ítems), mediante la conciencia y participación de los estudiantes en las actividades. Finalmente, el compromiso con el aprendizaje de lenguas extranjeras se evaluó utilizando una escala de 9 ítems de Eerdemutu et al.46. Todas las escalas emplearon respuestas de Likert de 5 puntos, con pruebas piloto (n=30) confirmando la fiabilidad (α > de Cronbach 0,82) y el análisis factorial confirmatorio validando la distintividad de los constructos.

Plan de análisis de datos
Los datos recogidos se analizaron utilizando una combinación de SPSS (v.27) y SmartPLS (v.4.0) mediante un enfoque analítico en dos fases. En primer lugar, se empleó SPSS para análisis preliminares, incluyendo estadística descriptiva (medias, desviaciones estándar), pruebas de fiabilidad (alfa de Cronbach) y matrices de correlación para examinar las relaciones de referencia entre variables. En segundo lugar, se utilizó SmartPLS, un software de modelado estructural parcial de mínimos cuadrados (PLS-SEM), para probar el modelo hipotético. PLS-SEM fue elegido por su capacidad para manejar relaciones complejas entre variables latentes y su robustez con datos no distribuidos normalmente. El análisis incluyó la evaluación de la validez del modelo de medición (validez convergente y discriminante) y la significación estructural del modelo (coeficientes de camino, valores R² y relevancia predictiva). Se realizó un bootstrapping para comprobar la significación estadística de los caminos.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Resultados

Los resultados proporcionan un sólido respaldo empírico para las hipótesis centrales del estudio, confirmando una vía secuencial significativa en la que el bienestar digital y el uso de la IA generativa influyen positivamente en el compromiso con el aprendizaje del EFL, lo que a su vez impulsa el éxito académico y, en consecuencia, fomenta un mayor compromiso con los Objetivos de Desarrollo Sostenible (ODS). Específicamente, tanto el bienestar digital (β=0,32, p<0,001) como el uso de la ...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Discusión

Investigaciones previas han examinado en gran medida el bienestar digital, la IA en la educación y la Educación para el Desarrollo Sostenible (EDS) de formaaislada 47. Existía una brecha significativa en la comprensión de cómo las competencias digitales personales se cruzan con las tecnologías emergentes para impulsar no solo resultados académicos, sino también la ciudadanía global. Este estudio conecta de forma única entre estos dominios. Demostramos que el biene...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Divulgaciones

Todos los autores declaran que no hay conflictos de interés.

Agradecimientos

Esta investigación no recibió financiación.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
Escala de Éxito AcadémicoAdaptado de Yu et al. (2010)N/AInstrumento de Topografía
Procedimiento de venda en los ojos (para Q2)SmartPLSRutina internaProcedimiento analítico
Procedimiento de arranqueSmartPLSRutina internaProcedimiento analítico
Evaluación de Fiabilidad CompuestaSmartPLSRutina internaProcedimiento analítico
Análisis de matrices de correlaciónEstadísticas IBM SPSSRutina internaProcedimiento analítico
Análisis de fiabilidad alfa de CronbachEstadísticas IBM SPSSRutina internaProcedimiento analítico
Sistema de almacenamiento de datosTI institucionalServidor SeguroEquipamiento y Material
Análisis estadístico descriptivoEstadísticas IBM SPSSRutina internaProcedimiento analítico
Escala de Bienestar DigitalArslankara et al. (2022)N/AInstrumento de Topografía
Escala de Compromiso en el Aprendizaje EFLEerdemutu et al. (2024)N/AInstrumento de Topografía
Evaluación del criterio Fornell-LarckerSmartPLSRutina internaProcedimiento analítico
Escala de Uso de IA GenerativaAdaptado de Abbas et al. (2024)N/AInstrumento de Topografía
Evaluación de la relación heterorasgo-monorasgo (HTMT)SmartPLSRutina internaProcedimiento analítico
Estadísticas IBM SPSSIBMVersión 27Software
Documentación de Consentimiento InformadoEquipo de investigaciónFormulario electrónicoEquipamiento y Material
Cuestionario en líneaEquipo de investigaciónAutoadministradoEquipamiento y Material
Algoritmo PLSSmartPLSRutina internaProcedimiento analítico
PLS-SEM SoftwareSmartPLSVersión 4.0Software
Escala de Concienciación sobre los ODSAdaptado de Atmaca et al. (2019)N/AInstrumento de Topografía
SmartPLSSmartPLS GmbHVersión 4.0Software

Referencias

  1. Nedungadi, P., Tang, K. Y., Raman, R. The transformative power of generative artificial intelligence for achieving the sustainable development goal of quality education. Sustainability. 16 (22), 9779(2024).
  2. Khoso, A. K., Honggang, W., Darazi, M. A. Empowering creativity and engagement: The impact of generative artificial intelligence usage on Chinese EFL students' language learning experience. Comp Human Behav Rep. 18, 100627(2025).
  3. Rane, N. Roles and challenges of ChatGPT and similar generative artificial intelligence for achieving the sustainable development goals (SDGs). SSRN. 4603244, (2023).
  4. Enhancing education and well-being through artificial intelligence: opportunities and challenges. Qasmi, F., Fatima, S. K. Int Conf Breaking Barriers Generative Intell, , 154-164 (2024).
  5. Ferk, S., Vesna, S., Sanja, J. The role of AI implementation in higher education in achieving the Sustainable Development Goals: A case study from Slovenia. Sustainability. 17 (1), 183(2025).
  6. Barbieri, W., Nguyen, N. N. Generative AI as a placement buddy: Supporting pre-service teachers in work-integrated learning, self-management and crisis resolution. Australasian J Edu Tech. 41 (2), 34-49 (2025).
  7. Alshammari, M. E. Promoting emotional and psychological well-being in students through a self-help ChatGPT intervention: Artificial intelligence powered support. Int J Instruct. 18 (3), 511-530 (2025).
  8. Khoso, A. K., Honggang, W., Younas, M., Salam El-Dakhs, D. A. The Dual Forces of AI: How Generative AI and Perceived AI Dependency Influence Fear of Missing Out (FoMO) and EFL Students' Vocabulary Acquisition. J Vis Exp. (226), e69637(2025).
  9. Matthew, U. O., et al. Generative artificial intelligence (AI) on sustainable development goal 4 for tertiary education: conversational AI with user-centric ChatGPT-4. Impacts Generat AI Creativity Higher Edu. , 259-288 (2024).
  10. Pushpanadham, K., Sarpong, R. A. Research and Innovation in Higher Education: Promises of Generative Artificial Intelligence for Sustainable Development. Generat Artif Intell Higher Edu Handbook Edu Leaders. 32 (5-6), 154(2024).
  11. Nedungadi, P., Tang, K. Y., Raman, R. The transformative power of generative artificial intelligence for achieving the sustainable development goal of quality education. Sustainability. 16 (22), 9779(2024).
  12. Abdelmagid, A. S., Jabli, N. M., Al-Mohaya, A. Y., Teleb, A. A. Integrating Interactive Metaverse Environments and Generative Artificial Intelligence to Promote the Green Digital Economy and e-Entrepreneurship in Higher Education. Sustainability. 17 (12), 5594(2025).
  13. Raman, R., Iyer, A., Nedungadi, P. Forecasting Artificial General Intelligence for Sustainable Development Goals: A Data-Driven Analysis of Research Trends. Sustainability. 17 (16), 7347(2025).
  14. Farmanesh, P., Vehbi, A., Dehkordi, N. S. AI Literacy in Achieving Sustainable Development Goals: The Interplay of Student Engagement and Anxiety Reduction in Northern Cyprus Universities. Sustainability. 17 (11), 4763(2025).
  15. Niewiadomski, M., et al. The interrelation between digital competencies and Work-Life balance among academic Staff Realization of SDG goals in the science sector. Qual Quant. , 1-26 (2025).
  16. Jiménez-García, E., Ruiz-Lázaro, J., Martínez-Requejo, S., Redondo-Duarte, S. Artificial Intelligence and chatbots for sustainable higher education: a systematic review. RIED-Rev Iberoamer Educ Dist. 28 (2), 81-104 (2025).
  17. Sharma, C., Sharma, S., Bhardwaj, V., Dhaliwal, B. K. Generative artificial intelligence for sustainable development: predictive trend analysis in key sectors using natural language processing. Disc Appl Sci. 7 (6), 596(2025).
  18. Navigating the Bio-Digital Revolution: AI's Role in Achieving Sustainable Development Goals. Aravinda, K., Rangaraju, T., Singla, A., Parmar, A., Ziara, S. 2025 Int Conf Next Generat Comm Info Proc, , 262-267 (2025).
  19. Khoso, A. K., Honggang, W., Darazi, M. A. Trust and attitude towards AI as pathways to creativity: a TAM Model study of EFL students' digital literacy and AI acceptance. Humanit Soc Sci Commun. 13, 69(2025).
  20. Simanjuntak, A., Sutarman, A., Anjani, S. A., Nuche, A. Integrating artificial intelligence in e-learning for organizational well-being through orange technology mapping. IAIC Transact Sustain Digital Innovat. 7 (1), 13-26 (2025).
  21. Al-Emran, M., et al. Role of perceived threats and knowledge management in shaping generative AI use in education and its impact on social sustainability. Int J Manag Edu. 23 (1), 101105(2025).
  22. Bollaert, L. Artificial Intelligence: Objective or Tool in the 21st-Century Higher Education Strategy and Leadership. Edu Sci. 15 (6), 774(2025).
  23. Shahzad, M. F., Shuo, X., Liu, H., Zahid, H. Generative artificial intelligence (ChatGPT-4) and social media impact on academic performance and psychological well-being in China's higher education. Eur J Edu. 60 (1), e12835(2025).
  24. Jukiewicz, M. How generative artificial intelligence transforms teaching and influences student wellbeing in future education. Front Edu. 10, 159457(2025).
  25. Shi, J., Liu, W., Hu, K. Exploring How AI Literacy and Self-Regulated Learning Relate to Student Writing Performance and Well-Being in Generative AI-Supported Higher Education. Behav Sci. 15 (5), 705(2025).
  26. Hall, K. Shaping Digital Well-being: Developing a Well-being Lens on the Socio-technical Systems Perspective in Information Systems Research. [PhD dissertation]. , (2025).
  27. Huang, F., Wang, Y., Zhang, H. Modelling Generative AI Acceptance, Perceived Teachers' Enthusiasm and Self-Efficacy to English as a Foreign Language Learners' Well-Being in the Digital Era. Eur J Edu. 59 (4), e12770(2024).
  28. Shahzad, M. F., Xu, S., Liu, H., Zahid, H. Generative artificial intelligence (ChatGPT-4) and social media impact on academic performance and psychological well-being in China's higher education. Eur J Edu. 60 (1), e12835(2025).
  29. Kamau, J. N. Generative Artificial Intelligence and Mental Well-Being of University Students. A Structural Equation Modeling (SEM) Based-Analysis. African J Busi Dev Studies. 1 (2), 344-358 (2025).
  30. Monzon, N., Hays, F. A. Leveraging generative artificial intelligence to improve motivation and retrieval in higher education learners. JMIR Med Edu. 11 (1), e59210(2025).
  31. Reyes-Portillo, J. A., et al. Generative AI-Powered Mental Wellness Chatbot for College Student Mental Wellness: Open Trial. JMIR Format Res. 9 (1), e71923(2025).
  32. Kazanidis, I., Pellas, N. Harnessing generative artificial intelligence for digital literacy innovation: A comparative study between early childhood education and computer science undergraduates. AI. 5 (3), 1427-1445 (2024).
  33. Vanden Abeele, M. M. Digital wellbeing as a dynamic construct. Comm Theor. 31 (4), 932-955 (2021).
  34. Ryan, R. M., Edward, L. D. Intrinsic and extrinsic motivation from a self-determination theory perspective: Definitions, theory, practices, and future directions. Contemp Edu Psychol. 61, 101860(2020).
  35. Kee, T., Kuys, B., King, R. Generative artificial intelligence to enhance architecture education to develop digital literacy and holistic competency. J Artif Intell Archit. 3 (1), 24-41 (2024).
  36. Klarin, J., Hoff, E. V., Larsson, A., Daukantaitė, D. Adolescents' use and perceived usefulness of generative AI for schoolwork: exploring their relationships with executive functioning and academic achievement. Front Artif Intell. 7, 1415782(2024).
  37. Setsoafia, P., Appiah-Kubi, J., Koduah, C. A., Essel, H. B., Madakena, A. K. T. Are They AI-Literate? Exploring The Impact Of Generative AI Literacy On Academic Performance Among Ghanaian University Students. , (2025).
  38. Oubibi, M. Generative artificial intelligence: Postgraduate student's digital adaptability, engagement and academic confidence. J Comp Edu. , 1-23 (2025).
  39. Pavone, G. Generative AI in the Learning Process: Threat or Tool? Understanding the Role of Self-Esteem and Academic Anxiety in Shaping Student Motivations. J Marketing Edu. 02734753251346857, (2025).
  40. Doshi, R., Dadhich, M., Poddar, S., Hiran, K. K. Integrating generative AI in education to achieve sustainable development goals. IGI global. , (2024).
  41. Arslankara, V. B., Demir, A., Öztaş, Ö, Usta, E. Digital well-being scale validity and reliability study. J Teacher Edu Lifelong Learning. 4 (2), 263-274 (2022).
  42. Yu, A. Y., Tian, S. W., Vogel, D., Kwok, R. C. W. Can learning be virtually boosted? An investigation of online social networking impacts. Comp Edu. 55 (4), 1494-1503 (2010).
  43. Abbas, M., Jam, F. A., Khan, T. I. Is it harmful or helpful? Examining the causes and consequences of generative AI usage among university students. Int J Edu Technol Higher Edu. 21 (1), 10(2024).
  44. Mehrvarz, M., Heidari, E., Farrokhnia, M., Noroozi, O. The mediating role of digital informal learning in the relationship between students' digital competence and their academic performance. Comp Edu. 167, 104184(2021).
  45. Atmaca, A. C., Kıray, S. A., Pehlivan, M. Development of a measurement tool for sustainable development awareness. Int J Assess Tools Edu. 6 (1), 80-91 (2019).
  46. Eerdemutu, L., Dewaele, J. M., Wang, J. Developing a short language classroom engagement scale (LCES) and linking it with needs satisfaction and achievement. System. 120, 103189(2024).
  47. Ajlouni, A. O., Abu-Shawish, R. K., Silim, D. M., Ibrahim, A. H. The Academic Intensity Use of Chatbot-Based Artificial Intelligence and Its Relation to Academic Well-Being: A Correlational Study at the University of Jordan. IntJ Eng Pedag. 14 (8), (2024).
  48. Reeve, J., Cheon, S. H. Autonomy-supportive teaching: Its malleability, benefits, and potential to improve educational practice. Edu Psychol. 56 (1), 54-77 (2021).
  49. Nedungadi, P., Tang, K. Y., Raman, R. The transformative power of generative artificial intelligence for achieving the sustainable development goal of quality education. Sustainability. 16 (22), 9779(2024).
  50. Khoso, A. K., Honggang, W., Darazi, M. A. Trust and attitude towards AI as pathways to creativity: a TAM Model study of EFL students' digital literacy and AI acceptance. Humanit Soc Sci Commun. 13, 69(2026).
  51. Ringo, D. S. The effect of generative AI use on doctoral students' academic research progress: the moderating role of hedonic gratification. Cogent Education. 12 (1), 2475268(2025).
  52. Duong, C. D., Vu, T. N., Ngo, T. V. N., Do, N. D., Tran, N. M. Reduced student life satisfaction and academic performance: Unraveling the dark side of ChatGPT in the higher education context. Int J Human Comp Interact. 41 (8), 4948-4963 (2025).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Reimpresiones y permisos

Etiquetas

Estudiantes de ingl s como lengua extranjeracompromiso con el aprendizajealfabetizaci n en IAaprendizaje potenciado por la tecnolog arendimiento acad micoconcienciaci n sobre los ODS

Este artículo ha sido publicado

Video próximamente

Contáctenos
Recomendar a la biblioteca

Privacidad

Términos de uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos los derechos reservados.