Acceso usuarios
Yong Li
Esta investigación analiza los mecanismos mediadores y los factores contingentes que subyacen a la efectividad de los libros de texto digitales mejorados con inteligencia artificial (AI-EDT) en estudiantes universitarios chinos. Empleando modelado de ecuaciones estructurales por mínimos cuadrados parciales (PLS-SEM) con datos de 554 estudiantes, este artículo propone un marco conceptual en el que las características de los libros de texto con IA (AITF) inciden en el rendimiento académico (AP) mediante dos vías diferenciadas: el impacto percibido en el aprendizaje (PLI) y el aprendizaje autodirigido (SDL). Los resultados revelan que las AITF ejercen un efecto positivo sobre el PLI (β = 0.427) y el SDL (β = 0.356), los cuales median parcialmente la relación AITF-AP. La infraestructura y el soporte para el aprendizaje (LIS) moderan el vínculo AITF-PLI (β = 0.189), en tanto que la efectividad comparativa (CE) fortalece la conexión PLI-AP (β = 0.234). Estos hallazgos demuestran que el éxito de los AI-EDT no radica únicamente en su dimensión tecnológica, sino que depende de ecosistemas institucionales y de percepciones comparativas favorables por parte de los estudiantes. El estudio ofrece un marco fundamentado en evidencia para la integración de herramientas basadas en IA, al tiempo que subraya la sinergia entre innovación pedagógica, adaptación conductual y soporte contextual.
This research explores the mediating mechanisms and contingent factors that underlie the effectiveness of AI-enhanced digital textbooks (AI-EDT) for Chinese university students. Using partial least squares structural equation modeling (PLS-SEM) on data from 554 students, this paper proposes a conceptual framework where AI textbook features (AITF) affect academic performance (AP) via two distinct pathways: perceived learning impact (PLI) and self-directed learning (SDL). The results indicate that AITF exerts a positive effect on PLI (β = 0.427) and SDL (β = 0.356), which partially mediate the AITF-AP relationship. Learning infrastructure and support (LIS) moderates the AITF-PLI link (β = 0.189), while comparative effectiveness (CE) reinforces the PLI-AP connection (β= 0.234). This shows that AI-EDT’s success is not merely technological but contingent upon robust institutional ecosystems and learners’ favorable comparative perceptions. It provides an evidence-based framework for integrating AI-driven tools and highlights the synergy of pedagogical innovation, behavioral adaptation, and contextual support.
