Validación de contenido de CHAEA mediante juicio de expertos con el uso de inteligencia artificial generativa

• Autores: Astudillo, Gustavo Javier; Dieser, María Paula; Bast, Silvia Gabriela
• Año de publicación: 2025
• Idioma: español castellano
• Tipo de recurso: artículo
• Materia: Ciencias Informáticas; Learning styles; CHAEA; Content validity; Expert judgment; Generative artificial intelligence; Estilos de aprendizaje; Validez de contenido; Juicio de expertos; Inteligencia artificial generativa
• Institución: Universidad Nacional de La Plata

Los estilos de aprendizaje describen cómo los individuos procesan y asimilan información, influenciando las estrategias didácticas y metodologías de enseñanza. El Cuestionario Honey-Alonso de Estilos de Aprendizaje (CHAEA) es una herramienta ampliamente utilizada en el nivel universitario hispanohablante para evaluar estos estilos. Sin embargo, su validez ha sido cuestionada al ser aplicado en distintos contextos culturales. Esta investigación explora la utilización de Inteligencias Artificiales Generativas (IAG) como jueces expertos en la validación de contenido del CHAEA. El artículo sintetiza tanto hallazgos previos como el juicio de expertos realizado. Los resultados muestran un excelente nivel de concordancia interjueces y con la estructura original del CHAEA. Además, dan cuenta de la viabilidad del uso de IAG como jueces expertos, destacando su potencial para complementar el juicio humano. Este trabajo contribuye al análisis de estilos de aprendizaje y propone nuevas perspectivas para la validación de instrumentos de medición en educación.
Learning styles describe how individuals process and assimilate information, influencing teaching strategies and methodologies. The Honey-Alonso Learning Styles Questionnaire (CHAEA) is a widely used tool at the university level in Spanish-speaking contexts to assess these styles. However, its validity has been questioned when applied across different cultural contexts. This research explores the use of Generative Artificial Intelligences (GenAI) as expert judges in the content validation of CHAEA. The article synthesizes previous findings as well as the expert judgment conducted. The results show an excellent level of agreement between judges and with the original CHAEA structure. In addition, they demonstrate the feasibility of using GenAI as expert judges, highlighting their potential to complement human judgment. This work contributes to the analysis of learning styles and proposes new perspectives for the validation of educational measurement instruments.
Facultad de Informática