Acceso usuarios
Abdullah Alenezi, Abdulhameed Alenezi
La necesidad de alfabetización en inteligencia artificial (IA) se ha convertido en un aspecto fundamental de la educación superior, pero las diferentes disciplinas STEM y humanidades presentan diferentes necesidades de formación y contenido.
El estudio examina los estándares de alfabetización en IA y los métodos pedagógicos para estos campos académicos mediante métodos cuantitativos y cualitativos. Un diseño de investigación cuasiexperimental utilizó cuestionarios para 25 estudiantes universitarios, de los cuales 12 pertenecían a campos STEM y 13 a estudios humanísticos. El estudio revela que los estudiantes STEM necesitan competencias técnicas en IA, mientras que los estudiantes de humanidades se centran en la comprensión de los conceptos conceptuales de IA y los efectos éticos y sociales de la inteligencia artificial. Los métodos utilizados para impartir los diferentes materiales difieren, ya que los programas STEM se centran en experiencias de programación y formación en desarrollo de algoritmos, mientras que los cursos de humanidades enseñan habilidades analíticas y conocimientos multidisciplinarios. Los estudiantes de ambos ámbitos identifican la formación insuficiente en IA como deficiente en sus programas académicos. La investigación apoya las clases interdisciplinarias de IA, combinando la instrucción presencial con enfoques de aprendizaje en línea para cerrar esta brecha en la alfabetización en IA. La información recopilada respalda la investigación en educación en IA para desarrollar nuevos estándares curriculares y estrategias gubernamentales que mejoren la competencia en IA en todos los campos académicos.
Artificial intelligence (AI) literacy has become an essential competency in higher education across disciplines, yet the teaching approaches and content requirements differ significantly between STEM and humanities fields. This mixed-methods study investigates these differences, focusing on the pedagogical strategies, AI literacy needs, and institutional gaps that exist between the two domains. A quasi-experimental design was applied using a structured questionnaire with 25 university students (12 from STEM and 13 from humanities). Quantitative data were analyzed through descriptive statistics, while qualitative data were examined using thematic analysis. The findings reveal that STEM students prioritize technical skills such as programming and algorithmic logic, whereas humanities students emphasize conceptual understanding, ethical reasoning, and the social impact of AI. Both groups express concern over insufficient institutional support for comprehensive AI training. The study identifies the need for adaptable, discipline-specific AI curricula and advocates for interdisciplinary learning environments that balance technical and ethical components. This research fills a gap in current literature by empirically comparing AI literacy frameworks across distinct academic traditions and proposes evidence-based recommendations for inclusive AI curriculum development.
