Liderazgo colaborativo, colaboración profesional y uso pedagógico de inteligencia artificial en docentes

1 Introducción

El presente reporte resume los resultados de un modelo de ecuaciones estructurales orientado a analizar los factores asociados a la diversidad de uso pedagógico de inteligencia artificial entre docentes que declararon haber utilizado IA para enseñar durante los últimos 12 meses.

El modelo considera como variable dependiente la diversidad de uso pedagógico de IA, construida como un índice de conteo entre 0 y 8 a partir de distintas formas de uso reportadas por los docentes. Como predictores principales se incluyen condiciones organizacionales, percepciones sobre la IA y formación profesional específica en IA.

2 Preparación de la muestra y variables

La muestra analítica corresponde a docentes que reportaron haber utilizado inteligencia artificial para enseñar durante los últimos 12 meses, es decir, casos con TT4G36 == 1.

Tabla 1. Tamaño de la muestra analítica

Indicador	N
Docentes incluidos en la submuestra analítica	36762

3 Exclusión de autoeficacia digital docente

Inicialmente se consideró incorporar el constructo de autoeficacia digital docente, medido mediante los ítems TT4G33A a TT4G33G. Sin embargo, al filtrar la muestra por docentes que usaron IA para enseñar durante los últimos 12 meses (TT4G36 == 1), estos ítems presentaron valor constante igual a 8 en todos los casos, por lo que no tienen variabilidad suficiente para ser incorporados al modelo SEM.

Tabla 2. Revisión de variabilidad en ítems de autoeficacia digital docente

Variable	Valores únicos	Valor mínimo	Valor máximo
TT4G33A	1	8	8
TT4G33B	1	8	8
TT4G33C	1	8	8
TT4G33D	1	8	8
TT4G33E	1	8	8
TT4G33F	1	8	8
TT4G33G	1	8	8

Dado que todos los ítems presentan un único valor, este bloque fue excluido del modelo final.

4 Variable dependiente: diversidad de uso pedagógico de IA

La variable diversidad_uso_ia representa la cantidad de formas distintas de uso pedagógico de inteligencia artificial reportadas por cada docente. El índice varía entre 0 y 8.

Tabla 3. Distribución del índice de diversidad de uso pedagógico de IA

Diversidad de uso IA	Frecuencia	Porcentaje
0	1200	3.26
1	3578	9.73
2	5836	15.88
3	6109	16.62
4	5428	14.77
5	4135	11.25
6	3191	8.68
7	2695	7.33
8	4590	12.49

Tabla 4. Estadísticos descriptivos del índice de diversidad de uso pedagógico de IA

Mínimo	Q1	Mediana	Media	Q3	Máximo
0	2	4	4.099	6	8

5 Datos perdidos

Se revisó el porcentaje de datos perdidos en las variables utilizadas en el análisis. Los ítems de colaboración profesional y liderazgo colaborativo presentan bajos porcentajes de datos perdidos. En los ítems de percepciones sobre IA, los códigos 5 = no sé y 9 = perdido fueron tratados como valores perdidos.

Tabla 5. Porcentaje de datos perdidos por variable

Variable	Porcentaje perdido
genero	57.45
TT4G35J	23.54
TT4G35H	22.58
TT4G35I	21.48
TT4G35E	12.98
TT4G35D	12.17
TT4G35G	11.25
TT4G35C	10.14
TT4G35F	8.54
TT4G35B	7.17
TT4G35A	5.23
formacion_ia	2.27
horas_trabajo	2.23
horas_ensenanza	1.99
TT4G64I	1.46
TT4G64J	1.32
TT4G66E	1.29
TT4G67B	1.28
TT4G64D	1.27
TT4G66B	1.24
TT4G64H	1.23
TT4G64G	1.20
TT4G67A	1.14
TT4G64A	0.97
TT4G26G	0.73
TT4G26H	0.69
TT4G26F	0.60
TT4G26D	0.60
TT4G26E	0.58
TT4G26C	0.58
TT4G26A	0.56
TT4G26B	0.54
diversidad_uso_ia	0.00

La revisión de datos perdidos es especialmente relevante para la comparación entre modelos, dado que la incorporación de variables exógenas con valores perdidos reduce el tamaño de muestra efectivo utilizado por lavaan.

6 Modelo de medición: CFA ampliado

Se estimó un análisis factorial confirmatorio con cuatro constructos latentes:

• Colaboración profesional docente.
• Liderazgo colaborativo.
• Beneficios percibidos de la IA.
• Riesgos percibidos de la IA.

Dado que los ítems son ordinales, se utilizó el estimador WLSMV.

Tabla 6. Índices de ajuste del CFA ampliado

Indicador	Valor
CFI	0.961
TLI	0.957
RMSEA	0.058
SRMR	0.047

Tabla 7. Cargas factoriales estandarizadas del CFA ampliado

Constructo	Ítem	Carga	p-valor
colaboracion_profesional	TT4G26A	0.434	NA
colaboracion_profesional	TT4G26B	0.577	0
colaboracion_profesional	TT4G26C	0.594	0
colaboracion_profesional	TT4G26D	0.619	0
colaboracion_profesional	TT4G26E	0.660	0
colaboracion_profesional	TT4G26F	0.798	0
colaboracion_profesional	TT4G26G	0.737	0
colaboracion_profesional	TT4G26H	0.648	0
liderazgo_colaborativo	TT4G64A	0.805	NA
liderazgo_colaborativo	TT4G64D	0.830	0
liderazgo_colaborativo	TT4G64G	0.833	0
liderazgo_colaborativo	TT4G64H	0.757	0
liderazgo_colaborativo	TT4G64I	0.831	0
liderazgo_colaborativo	TT4G64J	0.829	0
liderazgo_colaborativo	TT4G66B	0.844	0
liderazgo_colaborativo	TT4G66E	0.838	0
liderazgo_colaborativo	TT4G67A	0.796	0
liderazgo_colaborativo	TT4G67B	0.780	0
beneficios_ia	TT4G35A	0.804	NA
beneficios_ia	TT4G35B	0.894	0
beneficios_ia	TT4G35C	0.869	0
beneficios_ia	TT4G35D	0.800	0
beneficios_ia	TT4G35E	0.686	0
riesgos_ia	TT4G35F	0.634	NA
riesgos_ia	TT4G35G	0.741	0
riesgos_ia	TT4G35H	0.855	0
riesgos_ia	TT4G35I	0.770	0
riesgos_ia	TT4G35J	0.685	0

Los resultados del CFA muestran un ajuste global adecuado y cargas factoriales aceptables en los cuatro constructos. El constructo de liderazgo colaborativo presenta las cargas más altas y consistentes. Los beneficios percibidos de IA también muestran una estructura sólida. En colaboración profesional, el ítem TT4G26A presenta una carga menor, aunque se mantiene sobre el umbral mínimo usual de 0.40.

7 Comparación de modelos SEM

Se estimaron tres especificaciones alternativas del modelo estructural:

1. Modelo SEM ampliado: incluye liderazgo colaborativo, colaboración profesional, beneficios percibidos de IA, riesgos percibidos de IA y formación en IA.
2. Modelo SEM ampliado con controles laborales: agrega horas totales de trabajo y horas de enseñanza.
3. Modelo SEM ampliado con controles laborales y género: agrega género como variable de control adicional.

El propósito de esta comparación es evaluar si la incorporación progresiva de controles mejora el ajuste global del modelo, aumenta la varianza explicada de la diversidad de uso pedagógico de IA y mantiene un tamaño de muestra analítica suficiente.

Tabla 8. Comparación de ajuste, muestra y varianza explicada entre modelos SEM

Modelo	N usado	N eliminado	% eliminado	CFI	TLI	RMSEA	SRMR	R² diversidad uso IA
Modelo ampliado	35929	833	2.266	0.954	0.953	0.058	0.051	0.174
Modelo con controles laborales	34872	1890	5.141	0.956	0.961	0.053	0.050	0.190
Modelo con controles laborales y género	14832	21930	59.654	0.956	0.963	0.056	0.054	0.156

La comparación entre modelos permite observar que el modelo ampliado con controles laborales presenta el balance más adecuado entre ajuste estadístico, capacidad explicativa y tamaño de muestra analítica. En comparación con el modelo ampliado sin controles, la incorporación de horas totales de trabajo y horas de enseñanza mejora los principales índices de ajuste global y aumenta la varianza explicada de la diversidad de uso pedagógico de IA.

El modelo que incorpora género presenta un ajuste global similar en CFI y TLI; sin embargo, su incorporación debe interpretarse con cautela debido a la reducción del tamaño muestral asociada a los valores perdidos en esta variable. Además, no mejora de forma sustantiva la capacidad explicativa del modelo respecto de la especificación con controles laborales.

8 Figuras de los modelos SEM

Se generan dos tipos de figuras:

1. Figuras estructurales simplificadas, recomendadas para el cuerpo principal del paper.
2. Figuras completas con ítems observados, recomendadas para material suplementario o anexos.

8.1 Figuras estructurales simplificadas

Estas figuras muestran únicamente las relaciones entre constructos y variables principales. Son las más recomendables para el cuerpo del artículo, porque permiten visualizar el argumento central del modelo sin sobrecargar la figura con todos los ítems observados.

Figura 1. Modelo ampliado: representación estructural simplificada

Modelo ampliado: representación estructural simplificada.

Figura 2. Modelo ampliado con controles laborales: representación estructural simplificada

Modelo ampliado con controles laborales: representación estructural simplificada.

Figura 3. Modelo ampliado con controles laborales y género: representación estructural simplificada

Modelo ampliado con controles laborales y género: representación estructural simplificada.

8.2 Figuras completas con ítems observados

Las siguientes figuras incluyen los constructos latentes, sus ítems observados y las relaciones estructurales entre variables. Debido a su nivel de detalle, se recomienda utilizarlas como figuras suplementarias o anexos del artículo.

Figura S1. Modelo ampliado completo con ítems observados

Modelo ampliado completo con ítems observados.

Figura S2. Modelo ampliado con controles laborales completo con ítems observados

Modelo ampliado con controles laborales completo con ítems observados.

Figura S3. Modelo ampliado con controles laborales y género completo con ítems observados

Modelo ampliado con controles laborales y género completo con ítems observados.

9 Efectos estructurales sobre la diversidad de uso pedagógico de IA

Esta sección compara los coeficientes estimados para la variable dependiente diversidad_uso_ia en cada una de las tres especificaciones.

Tabla 9. Efectos directos sobre la diversidad de uso pedagógico de IA

Modelo	Predictor	Estimación	Error estándar	z	p-valor	β estandarizado	Sig.
Modelo ampliado	liderazgo_colaborativo	0.162	0.016	9.836	0.000	0.056	***
Modelo ampliado	colaboracion_profesional	0.814	0.033	24.754	0.000	0.153	***
Modelo ampliado	beneficios_ia	0.871	0.018	49.175	0.000	0.303	***
Modelo ampliado	riesgos_ia	-0.277	0.022	-12.707	0.000	-0.075	***
Modelo ampliado	formacion_ia	0.790	0.026	30.466	0.000	0.164	***
Modelo con controles laborales	liderazgo_colaborativo	0.146	0.017	8.827	0.000	0.051	***
Modelo con controles laborales	colaboracion_profesional	0.864	0.033	25.919	0.000	0.163	***
Modelo con controles laborales	beneficios_ia	0.852	0.018	48.151	0.000	0.297	***
Modelo con controles laborales	riesgos_ia	-0.270	0.022	-12.208	0.000	-0.073	***
Modelo con controles laborales	formacion_ia	0.792	0.026	30.561	0.000	0.166	***
Modelo con controles laborales	horas_trabajo	-0.017	0.001	-25.191	0.000	-0.137	***
Modelo con controles laborales	horas_ensenanza	0.021	0.001	19.105	0.000	0.103	***
Modelo con controles laborales y género	liderazgo_colaborativo	0.140	0.026	5.402	0.000	0.048	***
Modelo con controles laborales y género	colaboracion_profesional	0.918	0.046	19.766	0.000	0.186	***
Modelo con controles laborales y género	beneficios_ia	0.646	0.027	24.285	0.000	0.225	***
Modelo con controles laborales y género	riesgos_ia	-0.190	0.031	-6.022	0.000	-0.054	***
Modelo con controles laborales y género	formacion_ia	0.867	0.042	20.811	0.000	0.173	***
Modelo con controles laborales y género	horas_trabajo	-0.016	0.001	-15.339	0.000	-0.133	***
Modelo con controles laborales y género	horas_ensenanza	0.017	0.002	10.796	0.000	0.091	***
Modelo con controles laborales y género	genero	-0.131	0.040	-3.235	0.001	-0.026	**

En las tres especificaciones, la diversidad de uso pedagógico de IA se asocia principalmente con los beneficios percibidos de la IA, la formación específica en IA y la colaboración profesional docente. Los riesgos percibidos presentan una asociación negativa con la diversidad de uso, mientras que liderazgo colaborativo mantiene un efecto directo positivo, aunque de menor magnitud que los predictores anteriores.

En el modelo con controles laborales, las horas totales de trabajo presentan una asociación negativa con la diversidad de uso pedagógico de IA, mientras que las horas de enseñanza presentan una asociación positiva. Esto sugiere que no solo las percepciones y condiciones organizacionales importan, sino también la distribución del tiempo laboral docente.

10 Efectos indirectos y totales

Además de los efectos directos, los modelos estiman el efecto indirecto de liderazgo colaborativo sobre la diversidad de uso pedagógico de IA a través de la colaboración profesional docente.

Tabla 10. Efectos indirectos, directos y totales

Modelo	Efecto	Estimación	Error estándar	z	p-valor	β estandarizado	Sig.
Modelo ampliado	indirecto_colaboracion	0.147	0.006	23.684	0	0.051	***
Modelo ampliado	directo_liderazgo	0.162	0.016	9.836	0	0.056	***
Modelo ampliado	total_liderazgo	0.309	0.016	19.874	0	0.108	***
Modelo con controles laborales	indirecto_colaboracion	0.159	0.006	24.774	0	0.056	***
Modelo con controles laborales	directo_liderazgo	0.146	0.017	8.827	0	0.051	***
Modelo con controles laborales	total_liderazgo	0.305	0.016	19.569	0	0.107	***
Modelo con controles laborales y género	indirecto_colaboracion	0.178	0.010	18.005	0	0.061	***
Modelo con controles laborales y género	directo_liderazgo	0.140	0.026	5.402	0	0.048	***
Modelo con controles laborales y género	total_liderazgo	0.317	0.025	12.852	0	0.109	***

Los efectos indirectos muestran que parte de la asociación entre liderazgo colaborativo y diversidad de uso pedagógico de IA opera a través de la colaboración profesional docente. Esto respalda la hipótesis de que las condiciones organizacionales no solo se relacionan directamente con el uso de IA, sino también mediante prácticas colaborativas entre docentes.

11 Evaluación específica del modelo con género

La incorporación de género permite evaluar si las asociaciones principales se mantienen al controlar por esta característica individual. Sin embargo, esta especificación debe interpretarse con cautela debido al alto nivel de datos perdidos en dicha variable.

Tabla 11. Datos perdidos en variables de control

	Variable	N total	N perdidos	% perdido
genero	genero	36762	21120	57.45
formacion_ia	formacion_ia	36762	833	2.27
horas_trabajo	horas_trabajo	36762	818	2.23
horas_ensenanza	horas_ensenanza	36762	732	1.99

Aunque el efecto de género puede resultar estadísticamente significativo, su magnitud estandarizada debe evaluarse junto con la pérdida de casos y la comparación del ajuste global. En contextos de muestras grandes, efectos de magnitud muy baja pueden alcanzar significación estadística sin necesariamente representar una diferencia sustantiva relevante.

12 Recomendación sobre la especificación principal

A partir de la comparación de especificaciones, se recomienda utilizar el modelo SEM ampliado con controles laborales como modelo principal del estudio.

Esta recomendación se basa en cuatro criterios:

1. Conserva un tamaño de muestra analítica alto.
2. Mejora el ajuste global respecto del modelo ampliado sin controles.
3. Presenta una mayor varianza explicada de la diversidad de uso pedagógico de IA.
4. Incorpora controles laborales sustantivamente relevantes sin producir una pérdida excesiva de casos.

El modelo sin controles puede presentarse como modelo base, mientras que el modelo con género puede reportarse como análisis complementario o de sensibilidad. No obstante, debido a la alta proporción de datos perdidos en la variable género y a la reducción sustantiva del tamaño muestral, no se recomienda utilizar este último como modelo principal.

Tabla 12. Criterio de decisión entre modelos

Modelo	Rol recomendado	Justificación
Modelo ampliado	Modelo base	Permite evaluar las relaciones principales sin controles laborales adicionales.
Modelo con controles laborales	Modelo principal recomendado	Presenta el mejor balance entre ajuste global, varianza explicada y tamaño muestral.
Modelo con controles laborales y género	Análisis de sensibilidad	Incluye género, pero pierde muchos casos por valores perdidos y no mejora sustantivamente el modelo.

13 Resultados del modelo principal recomendado

A continuación se reportan los resultados del modelo seleccionado como especificación principal: el modelo SEM ampliado con controles laborales.

Tabla 13. Índices de ajuste del modelo principal recomendado

Indicador	Valor
CFI	0.956
TLI	0.961
RMSEA	0.053
SRMR	0.050

Tabla 14. Efectos estructurales del modelo principal recomendado

Variable dependiente	Predictor	Estimación	Error estándar	z	p-valor	β estandarizado	Sig.
colaboracion_profesional	liderazgo_colaborativo	0.184	0.004	48.408	0.000	0.342	***
beneficios_ia	liderazgo_colaborativo	0.131	0.006	20.167	0.000	0.131	***
beneficios_ia	colaboracion_profesional	0.127	0.013	9.723	0.000	0.068	***
riesgos_ia	liderazgo_colaborativo	-0.025	0.005	-4.729	0.000	-0.033	***
riesgos_ia	colaboracion_profesional	-0.016	0.011	-1.533	0.125	-0.011
diversidad_uso_ia	liderazgo_colaborativo	0.146	0.017	8.827	0.000	0.051	***
diversidad_uso_ia	colaboracion_profesional	0.864	0.033	25.919	0.000	0.163	***
diversidad_uso_ia	beneficios_ia	0.852	0.018	48.151	0.000	0.297	***
diversidad_uso_ia	riesgos_ia	-0.270	0.022	-12.208	0.000	-0.073	***
diversidad_uso_ia	formacion_ia	0.792	0.026	30.561	0.000	0.166	***
diversidad_uso_ia	horas_trabajo	-0.017	0.001	-25.191	0.000	-0.137	***
diversidad_uso_ia	horas_ensenanza	0.021	0.001	19.105	0.000	0.103	***

Tabla 15. Varianza explicada en el modelo principal recomendado

Variable	R²
TT4G35B	0.793
TT4G35C	0.751
TT4G35H	0.734
TT4G66B	0.709
TT4G66E	0.698
TT4G64G	0.688
TT4G64D	0.684
TT4G64J	0.681
TT4G64I	0.679
TT4G64A	0.645
TT4G35A	0.640
TT4G67A	0.632
TT4G26F	0.631
TT4G35D	0.630
TT4G67B	0.604
TT4G35I	0.592
TT4G64H	0.565
TT4G35G	0.553
TT4G26G	0.527
TT4G35J	0.469
TT4G35E	0.462
TT4G26E	0.429
TT4G26H	0.415
TT4G35F	0.382
TT4G26D	0.374
TT4G26C	0.345
TT4G26B	0.321
diversidad_uso_ia	0.190
TT4G26A	0.186
colaboracion_profesional	0.117
beneficios_ia	0.028
riesgos_ia	0.001

14 Síntesis interpretativa

Los resultados respaldan un modelo en el cual la diversidad de uso pedagógico de inteligencia artificial se encuentra asociada tanto a factores organizacionales como a percepciones docentes y condiciones laborales.

En particular, los beneficios percibidos de la IA y la formación específica en IA muestran asociaciones positivas relevantes con la diversidad de uso pedagógico. La colaboración profesional docente también presenta una asociación positiva, lo que sugiere que los entornos colaborativos pueden favorecer una mayor variedad de usos pedagógicos de la IA.

Los riesgos percibidos de la IA presentan una asociación negativa con la diversidad de uso, lo que indica que mayores preocupaciones sobre la IA podrían limitar la amplitud de usos pedagógicos reportados por los docentes.

El liderazgo colaborativo mantiene un efecto directo positivo sobre la diversidad de uso de IA y, además, presenta un efecto indirecto a través de la colaboración profesional docente. Esto sugiere que el liderazgo puede operar tanto directamente como mediante la promoción de prácticas colaborativas.

Finalmente, la incorporación de controles laborales permite observar que la distribución del tiempo docente también es relevante: las horas totales de trabajo se asocian negativamente con la diversidad de uso, mientras que las horas de enseñanza se asocian positivamente. Esto refuerza la conveniencia de utilizar el modelo con controles laborales como especificación principal.

15 Conclusión

El análisis comparativo de modelos permite concluir que el modelo SEM ampliado con controles laborales constituye la especificación más adecuada para el estudio. Este modelo presenta un ajuste global adecuado, conserva un tamaño de muestra analítica amplio, incrementa la varianza explicada de la diversidad de uso pedagógico de IA y permite controlar por condiciones laborales relevantes.

Se recomienda presentar el modelo ampliado sin controles como modelo base, el modelo con controles laborales como modelo principal y el modelo con género como análisis de sensibilidad, señalando explícitamente que este último se ve limitado por la alta proporción de valores perdidos en la variable género.