Archivos Latinoamericanos de Producción Animal. 2025 (Abril Junio). 33 (2)
Efecto del perfil del estudiante universitario en la valoración
pedagógica de ChatGPT para la introducción en producción animal
Recibido: 20250321 Revisado: 20250617 Aceptado: 20250717
1
Autor para la correspondencia : cmachado@vet.unicen.edu.ar
93
Claudio F. Machado
1,2,3
Effect of the university student profile on the pedagogical assessment of
ChatGPT for introduction to animal production
Abstract. The emergence of generative artificial intelligence tools like ChatGPT opens new possibilities for
university teaching, although rigorously evaluated experiences in specific disciplinary contexts are still limited.
This study explores its pedagogical use in an introductory Animal Production course (2
nd
year, Veterinary Sciences,
UNICEN, Argentina). Volunteer students (104, 94 % of the class) individually addressed a productive,
environmental, and/or economic problem proposed by the instructors through an initial “prompt.” They were then
asked to generate and justify three additional prompts using a beforeafter logic, complete two surveys, and submit
a report with ChatGPT’s responses within 30 days. The first survey included classification variables and seven
Likertscale items (1–5), followed by a second with three complementary questions. Descriptive, cluster, and
ANOVA analyses were performed. The experience was positively evaluated, with an average satisfaction of 4.2/5
regarding ChatGPT’s responses. However, 74 % of students expressed doubts about the reliability of the content,
while only 16 % verified the information. The tool was perceived as more useful for professional practice (3.8/5)
than for academic learning (3.3/5). Two principal components were identified, explaining 54.7 % of the variance:
students with prior experience in AI perceived higher quality and usefulness in ChatGPT’s responses (PC1), while
those less familiar with animal production or more focused on small animal health reported greater difficulty (PC2).
Although preliminary, this study demonstrates the potential of ChatGPT as an educational tool, particularly when
paired with pedagogical strategies that promote critical thinking. As a future direction, the implementation of
pedagogical design workshops with AI is proposed, focused on the cocreation of theoretically grounded activities
to enhance both teaching quality and institutional integration.
Keywords: ChatGPT, Educational Use, Agricultural, Animal Production
https://doi.org/10.53588/alpa.330206
2
Proanvet, Depto. Prod. Animal, Facultad de Ciencias Veterinarias (FCV), Universidad Nacional del Centro de la Pcia. de Bs.
As. (UNICEN) Tandil (7000), Argentina;
3
UE CIVETAN (FCV; CIC; CONICET) Tandil (7000), Argentina.
4
SAMP, Depto.
Sanidad Animal, FCV UNICEN.Tandil (7000), Argentina.
Resumen. La irrupción de herramientas de inteligencia artificial generativa como ChatGPT abre nuevas
posibilidades para la enseñanza universitaria, aunque aún son escasas las experiencias evaluadas en contextos
disciplinares específicos. Este estudio explora su uso pedagógico en un curso introductorio de Producción Animal
(2
º
año, Ciencias Veterinarias, UNICEN, Argentina). Estudiantes voluntarios (104, 94 % del curso) abordaron
individualmente un problema productivo, ambiental y/o económico, propuesto por los docentes mediante un
primer “prompt”. Luego, debían generar y justificar tres prompts adicionales en lógica antesdespués, completar
dos encuestas y entregar un informe con las respuestas de ChatGPT en un plazo de 30 días. La primera encuesta
incluyó variables de clasificación y siete ítems Likert (1–5), seguida por una segunda con tres consultas
complementarias. Se realizó análisis descriptivo, de conglomerados y ANOVA. La experiencia fue valorada
positivamente, con una satisfacción media de 4,2/5 respecto a las respuestas de ChatGPT. No obstante, el 74 %
expresó dudas sobre su solidez, aunque solo el 16 % verificó la información. Se percibió mayor utilidad en el ámbito
profesional (3,8/5) que académico (3,3/5). Se identificaron dos componentes principales que explican el 54,7 % de la
varianza: estudiantes con experiencia previa en IA valoraron más la calidad de las respuestas (CP1), mientras que
aquellos menos familiarizados con producción animal o enfocados en sanidad de pequeños animales manifestaron
más dificultades (CP2). Aunque preliminar, este estudio muestra el potencial de ChatGPT como herramienta
Jose Luis Iglesias
2
María Emilia Tejedo
2
Karen Williams
2
Laura B. Nadin
2
Marcelo Rodríguez
4
94
Machado et al.
Introducción
Los sistemas de producción animal enfrentan de
safíos que van más allá de la eficiencia y rentabilidad,
incluyendo los efectos del cambio climático y las
crecientes demandas sociales en torno a la
sostenibilidad, el bienestar animal y humano. Estos
desafíos requieren que los graduados agropecuarios
cuenten con una formación cada vez más sistémica e
interdisciplinaria, que les permita acompañar y
asesorar eficazmente a los productores (Mayberry et al.,
2020). Este exigente proceso formativo debe iniciarse
tempranamente en las carreras universitarias
agropecuarias, especialmente en un contexto donde
sólo una minoría de los estudiantes posee experiencia previa
en sistemas de producción animal, ya sea por formación
secundaria agropecuaria o por vínculos familiares con el
sector (Iglesias et al., 2020; Ragland et al., 2023).
La integración de tecnologías informáticas avan
zadas, como el Internet de las Cosas (IoT) y la
inteligencia artificial (IA), han revolucionado
exponencialmente la producción animal,
proporcionando soluciones innovadoras que mejoran la
eficiencia, el bienestar animal y la sostenibilidad
(Machado et al., 2020; Rodríguez Alvarez et al., 2019;
Tullo et al., 2019; Zhang et al., 2022). Estos avances
tecnológicos no solo transforman la producción
agropecuaria, sino que también abren nuevas
oportunidades en la educación, y donde es clave la
capacitación docente para aprovechar estos desarrollos
(Kilag et al., 2023). En este contexto, ChatGPT
(Generative Pretrained Transformer), un modelo de
inteligencia artificial generativa de OpenAI , lanzado en
2022 y disponible al público en una versión gratuita, que
ha ganado gran difusión. Esta herramienta ofrece
múltiples aplicaciones en educación, como responder
preguntas, generar explicaciones, producir contenido
creativo, brindar soporte técnico y resumir
información, entre otras funciones (Deleón Villagrán,
2023). Para el diseño de tareas educativas, la IA ofrece
oportunidad de explorar una gran diversidad de
recursos pedagógicos que mejoran los procesos de
aprendizaje y evaluación, lo que resulta muy
educativa, especialmente cuando se integra con estrategias pedagógicas que promuevan el pensamiento crítico. Se
propone como línea futura la implementación de talleres de diseño pedagógico con IA, centrados en el codiseño de
actividades fundamentadas, para fortalecer tanto la calidad de la enseñanza como su integración institucional.
Palabras clave: ChatGPT, Uso educativo, Agropecuario, Producción animal
Efeito do perfil do estudante universitário na avaliação pedagógica do ChatGPT
para introdução à produção animal
Resumo. A chegada de ferramentas de inteligência artificial generativa, como o ChatGPT, abre novas possibilidades
para o ensino universitário, embora ainda sejam escassas as experiências avaliadas em contextos disciplinares
específicos. Este estudo explora seu uso pedagógico em um curso introdutório de Produção Animal (2
º
ano, Ciências
Veterinárias, UNICEN, Argentina). Estudantes voluntários (104, 94 % da turma) abordaram individualmente um
problema produtivo, ambiental e/ou econômico proposto pelos docentes por meio de um primeiro “prompt”. Em
seguida, deveriam gerar e justificar três prompts adicionais em lógica antesdepois, responder a dois questionários e
entregar um relatório com as respostas do ChatGPT em um prazo de 30 dias. O primeiro questionário incluiu
variáveis de classificação e sete itens Likert (1–5), seguido por outro com três perguntas complementares. Foram
realizadas análises descritivas, de conglomerados e ANOVA. A experiência foi bem avaliada, com uma média de
satisfação de 4,2/5 em relação às respostas do ChatGPT. No entanto, 74 % expressaram dúvidas quanto à sua
solidez, embora apenas 16 % tenham verificado as informações. A ferramenta foi considerada mais útil para o
exercício profissional (3,8/5) do que para a formação acadêmica (3,3/5). Identificaramse dois componentes
principais que explicam 54,7 % da variância: estudantes com experiência prévia em IA valorizaram mais a qualidade
das respostas (CP1), enquanto aqueles com menor familiaridade com produção animal ou foco em sanidade de
pequenos animais relataram mais dificuldades (CP2). Apesar de preliminar, este estudo demonstra o potencial do
ChatGPT como ferramenta educacional, especialmente quando integrado a estratégias pedagógicas que incentivem o
pensamento crítico. Como linha futura, propõese a realização de oficinas de design pedagógico com IA, centradas na
cocriação de atividades fundamentadas, para fortalecer a qualidade do ensino e sua integração institucional.
Palavraschave: ChatGPT, Uso educacional, Agropecuário, Produção animal
ISSNL 10221301. Archivos Latinoamericanos de Producción Animal. 2025. 33 (2): 93106
95
Uso educativo de ChatGPT en la introducción en producción animal
pertinente para las diversas competencias que requiere
el trabajo en producción animal (Baumhover y Hansen,
2024). La formación temprana con IA puede facilitar el
desarrollo de competencias clave en los futuros
profesionales agropecuarios, permitiéndoles adquirir
habilidades analíticas y de toma de decisiones en
contextos productivos reales (Luckin y Holmes, 2016;
Roll y Wylie, 2016).
ChatGPT se ha posicionado como una herramienta
versátil en la educación superior, facilitando la
generación de contenidos, la resolución de dudas y la
estructuración de esquemas argumentativos en
distintos campos del conocimiento (Sok y Heng, 2024).
En el ámbito de la producción animal, es esencial que
los estudiantes desarrollen la capacidad de interpretar
datos, proponer estrategias de mejora y comprender la
complejidad de los sistemas productivos. Sin embargo,
diversos estudios han identificado dificultades en la
adquisición de estas competencias durante los
primeros años de formación universitaria, debido a la
falta de experiencia práctica y a la desconexión entre la
teoría y su aplicación en campo (Kirschner et al., 2006).
En este sentido, la utilización de ChatGPT como
herramienta pedagógica puede representar una
solución innovadora al proporcionar retroalimentación
inmediata en estudios de caso, guiar el razonamiento
de los estudiantes y fomentar su autonomía en la
resolución de problemas (Bećirović y Mattoš, 2024).
Por todo lo expuesto, las referencias sobre el uso del
ChatGPT en la ciencia animal y en particular en la
medicina veterinaria, presentan un aumento
exponencial. Recientemente se publicó una revisión
sobre su uso y su aplicación en clínica, educación e
investigación dentro del campo de la medicina
veterinaria (Chu, 2024). En una encuesta a
profesionales de la asociación de hospitales
veterinarios de EEUU (n = 3908) se reportó que el 83 %
conocía herramientas de IA y que el 69 % las utilizaba
regularmente (Danylenko, 2024). Asimismo, en Australia,
una encuesta realizada a estudiantes de veterinaria reveló
que más del 75 % de ellos había utilizado la herramienta,
pero los autores destacan la importancia de explorar
estrategias pedagógicas adecuadas para su integración
educativa (Worthing et al., 2024).
Recientemente se han identificado varios principios
sobre la aplicación cautelosa y ética de la IA en la
atención sanitaria humana (Goldberg et al., 2024) que
pueden resultar aplicables a medicina veterinaria. Por
otro lado, el uso por los estudiantes también genera
preocupaciones, en virtud que ChatGPT puede aprobar
exámenes diseñados para parasitología veterinaria
(Šlapeta, 2023) y de preguntas de opción múltiple y
verdadero/falso generadas de 15 cursos de veterinaria,
pero con rendimiento menor al promedio de los
estudiantes (Coleman y Moore, 2024).
Independientemente de estas preocupaciones que
seguramente genere recaudos sobre las modalidades de
examen, el proceso disruptivo y de capacidad de
procesamiento creciente que presenta la IA, requiere que
los docentes deban adaptarse rápidamente para
utilizarla junto a sus estudiantes (Ross, 2023). El
creciente interés pedagógico por la IA también se refleja
en América Latina (de la Torre y Baldeón, 2023; García
Sánchez, 2024; Escaleras Medina et al., 2025 a y b; Reina
Marín et al., 2025; Rivadeneira et al., 2025, entre otros).
Sin embargo, según el conocimiento de los autores, no se
han reportado en la región estudios cuantitativos que
evalúen pedagógicamente el uso de ChatGPT en
contenidos vinculados a la producción animal, lo cual
constituye una de las motivaciones de este trabajo.
Existen diversos enfoques pedagógicos que pueden
integrarse con herramientas de inteligencia artificial,
como la recuperación activa de conocimientos previos
(Tarzia y Patel, 2024), la curiosidad intrínseca (Ma et al.,
2024) y el aprendizaje autodirigido (Morris, 2019),
entre otros. Adicionalmente, este trabajo procura
promover una reflexión crítica preliminar sobre las
posibilidades y limitaciones del uso de IA generativa
en la enseñanza universitaria de producción animal.
Además, se considera que el perfil del estudiante, en
términos de sus características académicas,
tecnológicas y actitudinales, podría influir en su
valoración y aprovechamiento de estas herramientas
(Alotaibi et al., 2024), aspecto que no ha sido
suficientemente explorado en el ámbito agropecuario y
actúa como motivación adicional. En este marco, el
presente estudio tiene como objetivo general analizar el
impacto del perfil del estudiante universitario en su
valoración del uso pedagógico de ChatGPT para la
introducción en Producción Animal. Los objetivos
específicos son: (1) caracterizar los perfiles de los
estudiantes participantes en términos de variables
académicas, tecnológicas y actitudinales; (2) evaluar la
influencia de dichos perfiles en el aprovechamiento y
percepción de una actividad educativa mediada por
ChatGPT; y (3) reflexionar críticamente sobre los
potenciales beneficios y limitaciones del uso de
inteligencia artificial generativa en la enseñanza
universitaria de Producción Animal.
ISSNL 10221301. Archivos Latinoamericanos de Producción Animal. 2025. 33 (2): 93106
96
Materiales y Métodos
Con el objetivo de consolidar una formación
temprana de los estudiantes en producción animal, la
Facultad de Ciencias Veterinarias (FCV UNICEN,
TandilArgentina) estableció un curso obligatorio de
120 h., en 2
do
año de la carrera a partir del año 2008,
denominado Introducción a la producción
agropecuaria (IPA). A los fines de su mejora, en el
mismo se han efectuado la caracterización de los
estudiantes (Iglesias et al., 2020) y la valoración de
estrategias de motivación profesional (Machado et al.,
2023). En septiembre de 2024, en el curso IPA se
desarrolló una clase de 45 minutos sobre aplicaciones
de IA en general, y en particular un ejemplo de uso de
ChatGPT para evaluar un problema productivo
económico de un sistema determinado de producción
animal, explorado con 4 prompts secuenciales del tipo
socrático, donde el siguiente prompt se base en la
respuesta previa (Leung, 2024). A partir de esta clase,
se ofreció a los estudiantes una actividad práctica de
participación voluntaria con el uso de ChatGPT, cuya
culminación otorgaba un trabajo práctico aprobado
adicional, y participaron 104 (87 % de los matriculados
en el curso). A cada estudiante se le solicitó que
seleccione una producción animal de interés y se le
asignó individualmente un caso (Prompt) diseñado por
los docentes del curso. Un ejemplo de la actividad
solicitada individualmente se resume en la tabla 1. Los
estudiantes disponían de 30 días para completar las
tareas solicitadas. La encuesta final de la actividad fue
desarrollada en Google form
®
, utilizando la escala
Likert de 1 a 5 (Chyung et al., 2017), que incluía como
resguardo ético, consentimiento expreso de los
estudiantes para la utilización de la información
provista, de forma anónima (dictamen comisión de
Investigación y Posgrado, SIP 051/2025). Si bien no se
esperaba alta consistencia interna por tratarse de
variables conceptualmente distintas, se calculó el alfa
de Cronbach como referencia metodológica. El valor
obtenido fue de α = 0,43, lo que sugiere baja coherencia
interna, algo esperable en escalas exploratorias con
ítems diversos (Tavakol & Dennick, 2011; Ursachi et al.,
2015). En estudios complementarios se deberá realizar
un análisis factorial exploratorio para identificar
subescalas conceptualmente más homogéneas y
mejorar la consistencia interna del instrumento.
Las variables de clasificación y de respuesta de la
encuesta se detallan en la tabla 2. Las orientaciones de
la carrera son 11 opciones. Sanidad de grandes
animales, sanidad de pequeños animales, producción
de bovinos para leche, producción bovinos para carne,
producción ovina, producción porcina, producción
avícola, producción apícola, producción equina,
producción ictícola y tecnología de los alimentos. Las
orientaciones se seleccionan en 5
to
año, igualmente se
consulta en 2
do
año para verificar si esa elección actual
tenía alguna relación con la valoración de sus respuestas.
En virtud de la concentración de las respuestas, las
mismas fueron agrupadas acorde lo descrito en tabla 2. A
partir de los resultados iniciales, se decidió efectuar una
segunda consulta (Google form
®
) con los mismos
participantes para clarificar algunas interpretaciones. En
particular, se solicitó la justificación de la valoración
grupal de la calidad de las respuestas del ChatGPT y
sobre la aparente diferencia de valoración del uso
educativo durante la carrera con respecto al uso potencial
durante el ejercicio profesional.
Se efectuó un análisis de componentes principales
con las 5 variables de respuesta y las 5 variables de
clasificación utilizando el software Infostat (Di Rienzo
et al., 2019). Los dendrogramas se infirieron usando el
método de la Mínima Varianza de Ward (Ward Jr,
1963), que no se presentan por limitaciones de espacio.
Los componentes principales se evaluaron previamente
por normalidad (test ShapiroWilk), y se efectuó un
ANOVA con las variables de clasificación.
Machado et al.
ISSNL 10221301. Archivos Latinoamericanos de Producción Animal. 2025. 33 (2): 93106
97
Tabla 1: Esquema general de la actividad pedagógica planteada
Variables de clasificación Variables de respuesta
Nivel de familiaridad con herramientas de IA Satisfacción con las respuestas obtenidas de ChatGPT
(inteligencia artificial) (ExpIA) 1= Muy baja
1=Nunca las he utilizado 5= Muy alta
5: Las utilizo muy frecuentemente
Estilo de aprendizaje preferido (EstiloAprend) Dificultad de la actividad
1=Guiado (aprendo mejor con orientación directa del/la docente) 1= Muy fácil
5= Autodirigido (aprendo mejor trabajando por mi cuenta) 5= Muy difícil
Experiencia previa en producción animal (Ed. agraria; Aumento del interés en producción animal por la actividad
vínculo al campo etc.) (ExpProdAnim) 1=Nulo
1= ninguna 5: Gran aumento
5= muy alta
Orientación de la carrera (OrientCarrera) Recomendación de más uso de ChatGPT en la etapa formativa de
1=Producción y sanidad de grandes animales la carrera
3= no podría elegir 1=Nula
5=sanidad de pequeños animales 5: Alta sugerencia
Autoevalación de performance académica (AutovalAcademica) Recomendación de más uso de ChatGPT en la etapa de ejercicio
1=bajo profesional
5= muy alto 5: Alta sugerencia
1=Nula Rapidez en la tarea (horas)
15
Tabla 2: variables evaluadas
Actividad Ejemplos (cada estudiante tenía una actividad particular individual)
Elección individual de un sistema de producción animal Producción de carne bovina pastoril, Cría.
de interés para cada estudiante
Definición de un problema que actúa de prompt inicial, En un rodeo de cría bovina en 400 has y una carga de 0,6 animales/ha, se
por parte de los docentes (a partir del punto previo) logra un porcentaje de destete de 78%. Presentar en una tabla los
principales KPIs (“key performance indicators”), incluyendo el Margen
Bruto.
Elaboración de 3 prompts adicionales (socráticos) por parte 1.Quisiera identificar (máx. 400 palabras) a las principales variables a
de cada estudiante (implica interpretar la salida previa para mejorar, para integrarlas a un plan estratégico de corto plazo.
elaborar el siguiente . 2. ¿Si lograra mejorar un 10% el porcentaje de destete por una adecuación
sanitaria?, mostrar los resultados de impacto antesdespués en una tabla.
3. ¿Cuál sería el impacto económico, si al progreso anterior lo mantengo
y logro una mejora de un 5% en la carga animal por mayor eficiencia de
uso forrajero?
Cada estudiante elabora un informe de los resultados del
ChatGPT y una justificación en una tabla sobre los criterios
aplicados para seleccionar los prompts adicionales propuestos
(Elección, aspectos positivos de aplicación y los negativos,
si los hubo).
Cada estudiante completa una encuesta Google Form® anónima
donde se le consulta sobre características personales (6) como
variables de clasificación y otras consultas sobre su valoración
de la experiencia (7).
Uso educativo de ChatGPT en la introducción en producción animal
ISSNL 10221301. Archivos Latinoamericanos de Producción Animal. 2025. 33 (2): 93106
98
Resultados
En la figura 1 se muestran las orientaciones de
carrera preferidas por los estudiantes, donde cuatro de
ellas componen la mayoría (80,4 % en total), sanidad de
grandes animales, sanidad de pequeños animales,
producción de bovinos para carne y producción
equina. En general, los estudiantes valoraron
positivamente la experiencia (Tabla 3) donde todas las
preguntas superaron la media, con alta satisfacción en
las respuestas provista por la IA utilizada y con una
percepción de baja dificultad de la tarea solicitada. La
actividad total estaba diseñada para resolverla en 2 hs,
y los estudiantes indicaron que les implicó en
promedio 1 h 42´min. Se observa una valoración
levemente mayor de la utilidad del uso del ChatGPT
en la profesión por sobre la etapa formativa de la
carrera (Tabla 3). A partir de una segunda consulta
voluntaria a partir de estos resultados, se profundizó
en la fundamentación sobre la confiabilidad de las
respuestas de la IA utilizada. A pesar de la alta
calificación relativa (84 % del máximo, Tabla 3), ante la
consulta de justificación, la mayoría (74 %) presentaba
dudas o identificaba limitaciones sobre la solidez de las
respuestas aunque sin verificarlas, ya que solo el 16 %
menciona que contrastó las salidas del ChatGPT con
otras fuentes de información para confirmar los déficits
de las respuestas (Figura 2).
Pregunta Puntaje
¿Cúal es tu satisfacción con las respuestas de ChatGPT? 4,2 ± 0,8
(1=muy baja 5=muy alta)
¿Dificultad de la tarea? (1=muy poca 5=muy fácil) 3,6 ± 0,9
¿La tarea aumentó tu interés en la producción animal? 3,2 ± 1,2
(1=muy poco 5=muy alto)
¿Utilidad del ChatGPT en los cursos de la carrera ? 3,3 ± 1,1
(1=muy poca 5= muy alta)
¿Utilidad del ChatGPT para el futuro ejercicio profesional? 3,8 ± 1,1
(1=muy poca 5= muy alta)
Tabla 3. Valoración (escala Likert) y su desvío estándar de la tarea realizada (n = 86)
Figura 1: Orientación preferida de la carrera de medicina veterinaria n = 87
Figura 2: Nube de palabras sobre “¿Qué te pareció el práctico realizado con ChatGPT? n = 87
Machado et al.
ISSNL 10221301. Archivos Latinoamericanos de Producción Animal. 2025. 33 (2): 93106
99
La Figura 4 muestra el biplot correspondiente al
análisis de componentes principales (CP), construido a
partir de las correlaciones entre las variables originales
y los dos primeros componentes (Tabla 4). Estos
componentes explican conjuntamente el 54,7 % de la
varianza total (CP1: 33,8 %, CP2: 20,9 %). El
Componente Principal 1 (CP1), que puede ser
interpretado como un eje de “ChatGPT útil”, presenta
correlaciones moderadas a altas con variables como
Calidad de la respuesta de ChatGPT (r = 0,51), Utilidad
de ChatGPT para la profesión (r = 0,47), Uso de
ChatGPT en la carrera (r = 0,43), y Claridad de la tarea
(r = 0,40). Estas correlaciones indican que los
individuos con puntuaciones altas en este componente
tienden a valorar positivamente la calidad de las
respuestas de la herramienta y su aplicabilidad tanto
académica como profesional. También se asocian con
mayor claridad percibida en la consigna. El
Componente Principal 2 (CP2) puede interpretarse
como un eje de “ChatGPT dificultoso”, con altas
correlaciones positivas con Dificultad de la tarea (r =
0,60) y correlaciones negativas con velocidad en la
ejecución de la tarea (r = –0,60), lo que sugiere que
quienes perciben mayor dificultad les llevó mayor
tiempo el ejercicio realizado. Además, CP2 presenta
relaciones inversas con variables como Interés por la
producción animal (r = –0,28) y Uso de ChatGPT en la
carrera (r = –0,35), lo cual sugiere que la percepción de
dificultad se vincula con un menor interés temático y en la
integración de la herramienta para el trayecto formativo.
En el biplot (figura 4), las variables alineadas en la
misma dirección que los ejes reflejan una fuerte carga
sobre ese componente, mientras que las variables que
forman un ángulo recto respecto a un eje indican baja
correlación con ese componente. Por ejemplo: Calidad
de la respuesta de ChatGPT y Uso de ChatGPT en la
carrera aparecen próximas y orientadas hacia CP1,
indicando que contribuyen de forma conjunta a este
componente y se relacionan positivamente entre sí.
Dificultad y Rapidez de ejecución de la tarea se ubican
en direcciones opuestas en CP2, reflejando su relación
inversa. Variables como Claridad de la tarea presentan
una contribución moderada a ambos componentes,
ubicándose en el cuadrante positivo de ambos ejes.
Figura 3. Justificación del valor asignado a las respuestas del ChatGPT (4,2 ± 0,8, tabla 3). n = 78
Tabla 4. Correlaciones entre los componentes principales con las variables originales
Variables CP 1 (“ChatGPT útil”). CP 2 (“ChatGPT difícultoso”).
ClaridTAREA 0,40 0,26
CalidadRespCHATGPT 0,51 0,06
DificultadTAREA 0,19 0,60
Rapidez de ejecución 0,07 0,60
¨+InteresProdAnim 0,36 0,28
UsoCHATcarrera 0,43 0,35
UtilCHATProfesion 0,47 0,09
Explicación de la varianza 33,8% 20,9%
Uso educativo de ChatGPT en la introducción en producción animal
ISSNL 10221301. Archivos Latinoamericanos de Producción Animal. 2025. 33 (2): 93106
100
Figura 4: biplot de los componentes principales y las líneas representan los eigenvalores de las variables utilizadas.
Tabla 5. Significancia y pvalores del ANOVA entre los componentes principales y variables de descripción del estudiantado
Variables* CP 1 (“ ChatGPT útil”). CP 2 (“ChatGPT difícultoso”).
OrientCarrera NS 0,0009
ExpIA 0,0020 NS
ExpProdAnim NS 0,0125
AutovalAcademica NS NS
EstiloAprend NS NS
* En tabla 2 se describen las variables mencionadas.
Los estudiantes que conformaron el componente
principal 1 (“ChatGPT útil”) poseían una significativa
mayor experiencia previa en el uso de inteligencia
Artificial, y los del componente principal 2 (“ChatGPT
difícultoso”) poseían una muy baja experiencia previa
en sistemas de producción animal y estaban más
orientados a sanidad de pequeños animales (Tabla 4).
Discusión
Acorde a los objetivos planteados, a continuación se
plantea primero un análisis de los resultados propios
(Obj. 1 y 2) y posteriormente una reflexión crítica breve
sobre sobre las potencialidades y limitaciones del uso
pedagógico de ChatGPT en producción animal (Obj.3).
a) Efecto del perfil del estudiante en el ejercicio
pedagógico utilizado:
La selección de la orientación de la carrera (Figura
1), fue muy consistente a lo reportado en una
caracterización de 4 años sobre la misma asignatura
(Iglesias et al., 2021), quienes reportaron que las
principales opciones fueron sanidad de grandes
animales, sanidad de pequeños animales, producción
bovinos de carne y equino en un 27,0, 17,8, 17,5 y 15,5%
(total 78 %), respectivamente. El valor del alfa de
Cronbach de las variables bajo estudio (Tabla 3) fue
bajo (α = 0,43), y refleja la heterogeneidad conceptual
de las mismas, que abordaron aspectos diversos de la
experiencia estudiantil sin conformar una única
dimensión latente. Esta decisión metodológica fue
coherente con el carácter exploratorio del estudio,
donde se buscó captar percepciones variadas más que
construir una escala psicométricamente cerrada
(Tavakol & Dennick, 2011). Aunque en esta etapa del
estudio no se aplicaron análisis factoriales, se considera
que su inclusión en futuras investigaciones podría
aportar a la validación de posibles agrupamientos de
ítems y al desarrollo de escalas con mayor consistencia
interna (Ursachi et al., 2015).
La muy buena valoración de la tarea en nuestro
estudio (Tabla 3, Figura 2), es coincidente con
diferentes trabajos. En un ejercicio de aplicación de
ChatGPT con estudiantes en etapa final de la carrera de
Machado et al.
ISSNL 10221301. Archivos Latinoamericanos de Producción Animal. 2025. 33 (2): 93106
101
veterinaria, el 72,7 % consideró el ejercicio de
moderado a extremadamente atractivo (Alonso Sousa y
Flay, 2024). Adicionalmente, estos autores mencionan
que hubo mejoras en comprensión (77,3 %) y en las
habilidades de pensamiento crítico (68,2 %). Del
mismo modo, acorde a la opinión de docentes
universitarios, el uso de ChatGPT se aprecia como una
alternativa muy atractiva para el aprendizaje (Firaina y
Sulisworo, 2023) y por parte de docentes y estudiantes
de medicina (Abouammoh et al., 2023). Existe una
tendencia a una mayor valoración de utilidad de la IA
para el ejercicio profesional que en la etapa formativa
universitaria (Tabla 3). Sobre la justificación de este
punto, surge la argumentación de mayor capacidad de
discernimiento en la etapa profesional. Los
participantes mencionaron frases como: “Como
estudiante se duda de las fuentes del ChatGPT, en
cambio como profesional se puede discernir lo que está
correcto y lo que no, siendo el ChatGPT una
herramienta y no una fuente de estudio”. Otro destacó
que “tal vez se haga un mejor uso de la herramienta ya
teniendo los conocimientos de un veterinario
graduado. En el transcurso de la carrera tal vez no se
sepa diferenciar cuando hay datos incorrectos”. Por el
contrario, estudiantes de 2do a 4to año de veterinaria
(Australia), consideraron a ChatGPT como preciso (47
%), relevante (83 %) y práctico (59 %) para la currícula
veterinaria, y un poco menor (30, 42 y 41 % para los
mismos atributos en su uso en trabajo profesional
(Worthing et al., 2024). Sin embargo, el 68 % estuvo
entre de acuerdo/muy de acuerdo, con que los
profesionales veterinarios deberían aceptar la IA y
trabajar con la industria informática para una mejor
integración de la medicina veterinaria con esta
herramienta (Worthing et al., 2024), lo que es ya es una
realidad en hospitales veterinarios de EEUU, donde el 69
% de los profesionales utiliza la IA regularmente
(Danylenko, 2024). Finalmente, se requieren valoraciones
pedagógicas más profundas que las aquí desarrolladas
para comprender con mayor claridad las diferencias en la
percepción de la utilidad relativa durante la formación de
grado y en el ejercicio profesional.
El análisis de CP permitió visualizar cómo las
percepciones sobre la utilidad y dificultad en el uso de
ChatGPT se agrupan en dos dimensiones
conceptualmente diferenciadas, lo cual aporta
evidencia para una caracterización más fina de los
perfiles estudiantiles en relación con esta herramienta
de inteligencia artificial. Los estudiantes que
conforman el componente principal 1 (Tabla 4) le
otorgaron gran calidad a las respuestas del ChatGPT,
encuentran fácil la tarea y útil tanto para la educación
como para el ejercicio profesional. La experiencia
previa en IA de los participantes se asoció
significativamente con este componente (Tabla 5),
circunstancia que es informada por otros autores como
un antecedente clave en la valoración de la efectividad
de su uso (Alonso Sousa y Flay, 2024; Worthing et al.,
2024). En el caso del componente principal 2, la
percepción de la dificultad de la tarea estuvo
significativamente relacionada a estudiantes con una
orientación de la carrera más focalizada en sanidad de
pequeños animales y con baja experiencia previa en
sistemas de producción animal (Tabla 5). Es sabido que
la percepción de la tarea como irrelevante o poco
interesante, puede aumentar la procrastinación de los
estudiantes y el tiempo dedicado a completarla,
incrementando la sensación de dificultad (NaveaMartín
y SuárezRiveiro, 2017; Trevino y DeFreitas, 2014). En
cuanto a la motivación, el trabajo era voluntario, acotado
en tiempo requerido y con un potencial rédito
académico (trabajo práctico aprobado adicional). A
pesar de esta situación no mejoró notoriamente el
interés en sistemas de producción animal (Tabla 3), lo
que sugiere la necesidad que futuros estudios
profundicen en las motivaciones propias y extrínsecas
de los estudiantes (McDavid y San Miguel, 2024).
Un punto que suele ser recurrente en la bibliografía
del uso de esta IA es la recomendación de promover el
desarrollo de análisis crítico. Al igual que en este
trabajo, algunos autores solicitan que los estudiantes
presenten el conjunto de promptresultados, con el
agregado de su propio análisis y reflexiones
(Baumhover y Hansen, 2024). En un estudio con 392
estudiantes de ciencias de la salud (Almazrou et al.,
2024), se identificó que los puntos que más estimulaban
el pensamiento crítico la aplicación de ChatGPT, eran
el estímulo del cuestionamiento y la indagación (4,3/5)
y las simulaciones de casos reales (3,9/5). En nuestro
caso, también basado en simulación de casos con el
objetivo de fomentar reflexión y pensamiento crítico, se
incluyó la tarea de justificación de cada uno de los 3
prompts diseñados individualmente (Tabla 1). Diseñar
prompts efectivos con base en criterios validados es
esencial para optimizar el potencial pedagógico de la IA,
ya que facilita la generación de contenidos personalizados
y relevantes, minimizando intervenciones posteriores
(Nazari y Saadi, 2024; Urban et al., 2024). Las
justificaciones de los prompts elaborados por los
estudiantes (n = 87, resultados no presentados) mostraron
una amplia variabilidad en su desarrollo, destacándose
algunos casos con observaciones especialmente precisas y
sólidamente fundamentadas. Por ejemplo, en un caso de
estrés en cerdas gestantes y bajo retorno de celo, una
estudiante destacó “me sorprendió la multiplicidad de
medidas propuestas, la relevancia de aspectos climáticos
y estacionales (respuesta al prompt1), la puesta en valor
de estrategias combinadas de corto y mediano plazo
Uso educativo de ChatGPT en la introducción en producción animal
ISSNL 10221301. Archivos Latinoamericanos de Producción Animal. 2025. 33 (2): 93106
102
(respuesta al prompt2), y finalmente la oportunidad de
efectuar la valoración económica de las alternativas de
mejora (respuestas al prompts 3 y 4)”. Esta estrategia
pedagógica de consultas secuenciales socráticas se ha
mencionado que fortalece la metacognición y co
construye conocimiento e incentiva la reflexión
(Chukhlomin, 2024).
En una revisión del uso educativo de ChatGPT
(Melisa et al., 2025), se señala que, para maximizar los
beneficios los docentes deben brindar orientación sobre
su uso responsable fomentando que los estudiantes
apliquen juicio crítico y verifiquen la precisión de la
información. La verificación de los resultados
secuenciales de la IA no era parte de los instructivos de
este ejercicio sencillo (Tabla 1), y de hecho solo un 16%
de los participantes la realizaron (Figura 3). Otros
autores sugieren que es recomendable efectuar una
previa capacitación técnica específica, antes utilizar IA
a la temática, en una estrategia de recuperación de
información previamente aprendida (Tarzia y Patel,
2024). En un estudio con estudiantes de segundo año
de veterinaria previamente capacitados en la
patogénesis de un agente específico en una
determinada especie, el 60 % redujo su valoración
inicial sobre la calidad de las respuestas generadas por
ChatGPT tras evaluarlas críticamente (Worthing et al.,
2024). En este estudio, la implementación de la
inteligencia artificial se llevó a cabo sin que los
estudiantes tuvieran competencias específicas previas
sobre los temas tratados, más allá de una orientación
inicial provista mediante un prompt diseñado por el
equipo docente. Aun así, los resultados fueron
alentadores, la propuesta incentivó la participación
voluntaria y la libre elección del tema productivo,
favoreciendo así la activación de la curiosidad (Ma et
al., 2024), el aprendizaje autodirigido (Morris, 2019) y
los principios de la teoría de la autodeterminación
(Zhou y Li, 2023). Los resultados presentes estimulan la
elaboración de una aplicación institucional longitudinal
de la IA que combinen el estímulo de la curiosidad y la
autodeterminación en algunas instancias como en este
trabajo, pero fortalecido mayormente por el trabajo
orientado a la recuperación de información
previamente aprendida (Tarzia y Patel, 2024) y la
verificación con otras fuentes (Worthing et al., 2024).
b) Oportunidades educativas y consideraciones
críticas del uso de ChatGPT en Producción Animal
A continuación, se ofrece una síntesis de aspectos
relevantes que permiten contextualizar y proveer un
marco orientador al tema sin pretender un desarrollo
exhaustivo. Para una comprensión más profunda, se
sugiere la lectura de los artículos específicos que
abordan estas cuestiones con mayor detalle (Bećirović y
Mattoš, 2024; Escaleras Medina et al., 2025; Melisa et al.,
2025; Munaye et al., 2025; Sok y Heng, 2024, entre otros).
Diversos estudios coinciden en que el uso pedagógico
de ChatGPT requiere estrategias explícitas que
fomenten el pensamiento crítico, la verificación activa y
la recuperación de conocimientos, para evitar una
dependencia que comprometa habilidades cognitivas
superiores como la evaluación y la autorreflexión
(Aithal y Aithal, 2023; Melisa et al., 2025). En este
sentido y reforzando esas advertencias, en un estudio
con 319 expertos en tecnología (de los cuales se estima
de antemano una mayor conciencia de las limitaciones
de la IA que los estudiantes), se informó que el uso de
herramientas de inteligencia artificial generativa
reducían el esfuerzo percibido del pensamiento crítico,
fomentan una dependencia excesiva de la IA, ya que la
confianza en la herramienta a menudo disminuía la
capacidad de resolución de problemas de forma
independiente (Lee et al., 2025). Esta situación puede
vincularse con la "paradoja de la comodidad" descrita
tempranamente por Bainbridge (1983), donde el
confort que proporciona la automatización de tareas
complejas conlleva una reducción en las capacidades
operativas y decisionales humanas. En contextos educativos
altamente informatizados y saturados de datos, el equilibrio
entre el uso de IA y las prácticas pedagógicas tradicionales
resulta indispensable para sostener el hábito de
cuestionamiento y la autonomía del pensamiento académico.
Por otro lado, la incorporación de ChatGPT por
parte del cuerpo docente plantea sus propios desafíos.
Algunos docentes adoptan estas tecnologías con
entusiasmo, pero sin una planificación pedagógica
estructurada que puede derivar en improvisación y
baja producción académica (Pettersson et al., 2024;
Butson y SpronkenSmith, 2024) e incluso reclamos de
los estudiantes por su uso excesivo (NYT, 2025). Por
otro lado, en un relevamiento de profesores
universitarios (Reina Marín et al., 2025), un 73 %
mostraron baja percepción de las ventajas de la IA, con
fuerte desconfianza por falta de políticas
institucionales. Además, la ansiedad frente a posibles
efectos negativos en el aprendizaje y el uso indebido
por parte de los estudiantes puede disminuir
significativamente la intención de los docentes al uso
de estas herramientas (Verano Tacoronte et al., 2025).
Una estrategia prometedora para abordar estas
tensiones entre valoraciones docentes tan dispares, es
la promoción de talleres institucionales de diseño
pedagógico con IA, centrados en el codiseño de
prompts educativos con fundamento teórico, lo que
contribuiría a fortalecer tanto la confianza docente
como la calidad de su implementación.
Machado et al.
ISSNL 10221301. Archivos Latinoamericanos de Producción Animal. 2025. 33 (2): 93106
Abouammoh, N., Alhasan, K., Raina, R., Malki, K. A.,
Aljamaan, F., Tamimi, I., ... & Temsah, M. H. (2023).
Exploring perceptions and experiences of ChatGPT
in medical education: a qualitative study among
medical college faculty and students in Saudi
Arabia. MedRxiv, 202307. https://doi.org/
10.1101/2023.07.13.23292624
Literatura Citada
Driven Exercises. J. Vet. Med. Educ. e20240075.
https://doi.org/10.3138/jvme20240075
103
Conclusión
Conflicto de intereses: Los autores declaran que no tienen ningún conflicto de interés para declarar.
Aprobación del Comité de Experimentación Animal: No se requiere.
Contribuciones de los autores: Claudio Machado diseñó las encuestas, procesó y analizó los resultados junto a
Marcelo Rodríguez y redactó el documento. José Luis Iglesias, Emilia Tejedo, Karen Williams y Laura Nadin
contribuyeron al diseño de la encuesta y a la revisión final del manuscrito.
Agradecimientos: A los estudiantes participantes del estudio, y a los evaluadores anónimos que contribuyeron a
una mayor claridad del trabajo.
Editado por:
El presente estudio confirma la versatilidad de
ChatGPT y su aceptación por parte de los estudiantes
como herramienta educativa en sistemas de
producción animal. Se observó que el perfil del
estudiante influye en su interacción con la IA
expresado en 2 componentes principales que explican
el 54,7 % de la varianza. Aquellos estudiantes con
experiencia previa en inteligencia artificial percibieron
mayor utilidad y calidad en las respuestas (CP1),
mientras que quienes tenían menor experiencia en
producción animal o cuya formación se orienta hacia la
sanidad de pequeños animales expresaron mayores
dificultades en su uso (CP2). Por otro lado, la
incorporación de ChatGPT por parte del cuerpo
docente plantea desafíos importantes. Algunos lo
adoptan sin una planificación pedagógica clara,
mientras que otros muestran desconfianza o ansiedad
ante su uso, especialmente por la ausencia de políticas
institucionales. Una estrategia prometedora para
abordar estas tensiones es la realización de talleres de
diseño pedagógico con IA, enfocados en el codiseño
de actividades fundamentadas que mejoren la calidad
docente y su integración institucional.
Financiamiento: El presente trabajo se enmarca en el proyecto 03/H333 Buenas prácticas de bienestar animal y de
sostenibilidad en sistemas pecuarios de la región de influencia de la UNICEN: Evaluación de sistemas productivos y
capacitación en el grado de Veterinaria, Argentina.
Aithal, P.S., Aithal, S., 2023. Application of ChatGPT in
higher education and research–A futuristic analysis.
Int. J. Appl. Eng. Manag. Lett. 7, 168–194.
http://dx.doi.org/10.2139/ssrn.4674364
Almazrou, S., Alanezi, F., Almutairi, S.A., AboAlsamh,
H.M., Alsedrah, I.T., Arif, W.M., Alsadhan, A.A.,
AlSanad, D.S., Alqahtani, N.S., AlShammary, M.H.,
Bakhshwain, A.M., Almuhanna, A.F., Almulhem,
M., Alnaim, N., Albelali, S., Attar, R.W., 2024.
Enhancing medical students critical thinking skills
through ChatGPT: An empirical study with medical
students. Nutr. Health 02601060241273627. https://
doi.org/10.1177/02601060241273627
Alotaibi, F., Hmood, R., & Khan, M. S. (2024). A
multinational study on the factors influencing
university students’ attitudes and usage of
ChatGPT. Scientific Reports, 14, 1983. https://
doi.org/10.1038/s41598024525498
Bainbridge, L., 1983. Ironies of automation.
Automatica 19, 775–779. https://doi.org/https://
doi.org/10.1016/00051098(83)900468
Baumhover, A., Hansen, S.L., 2024. Preparing the AI
assisted animal scientist: faculty and student
perspectives on enhancing animal science education
with artificial intelligence. Anim. Front. 14, 54–56.
https://doi.org/10.1093/af/vfae038
Bećirović, S., Mattoš, B., 2024. Artificial Intelligence in
the Transformation of Higher Education: Threats,
Promises and Implementation Strategies, in: Digital
Transformation in Higher Education, Part A: Best
Practices and Challenges. Emerald Publishing
Limited, pp. 23–43.
Alonso Sousa, S., Flay, K.J., 2024. A Survey of
Veterinary Student Perceptions on Integrating
ChatGPT in Veterinary Education Through AI
Uso educativo de ChatGPT en la introducción en producción animal
ISSNL 10221301. Archivos Latinoamericanos de Producción Animal. 2025. 33 (2): 93106
104
Butson, R., & SpronkenSmith, R. (2024). AI and its
implications for research in higher education: a
critical dialogue. Higher Education Research &
Development, 43(3), 563–577. https://doi.org/
10.1080/07294360.2023.2280200
Chu, C.P., 2024. ChatGPT in veterinary medicine: a
practical guidance of generative artificial intelligence
in clinics, education, and research. Front. Vet. Sci. 11,
1395934. https://doi.org/10.3389/fvets.2024.1395934
Chukhlomin, V. (2024). Socratic Prompts: Engineered
Dialogue as a Tool for AIEnhanced Educational Inquiry.
Latin American Business and Sustainability Review, 1(1),
113. https://doi.org/10.70469/labsreview.v1i1.10
Chyung, S.Y., Roberts, K., Swanson, I., Hankinson, A.,
2017. EvidenceBased Survey Design: The Use of a
Midpoint on the Likert Scale. Perform. Improv. 56, 15–
23. https://doi.org/https://doi.org/10.1002/pfi.21727
Coleman, M.C., Moore, J.N., 2024. Two artificial
intelligence models underperform on examinations in
a veterinary curriculum. J. Am. Vet. Med. Assoc. 262,
692–697. https://doi.org/10.2460/javma.23.12.0666
Danylenko, G., 2024. AI in veterinary medicine: The
next paradigm shift. [WWW Document]. URL https://
digitail.com/blog/artificialintelligenceinveterinary
medicinethenextparadigmshift/ (accessed 10.1.24).
De la Torre, A., & BaldeonCalisto, M. 2024.
Generative artificial intelligence in Latin American
higher education: A systematic literature review. In
2024 12
th
International Symposium on Digital
Forensics and Security (ISDFS) (pp. 17). IEEE.
https://doi.org/10.1109/ISDFS60797.2024.10527283
Deleon Villagrán, M. (2023). Perspectivas sobre el Chat
GPT: Una herramienta potente en la Educación
Superior. Panorama UNAB, 5(EneroJunio), 911.
https://panorama.unab.edu.sv/index.php/
panoramaunab/article/view/42
Di Rienzo, J.A., Casanoves, F., Balzarini, M.G.,
Gonzalez, L., Tablada, M., Robledo, C.W., 2019.
InfoStat Centro de Transferencia InfoStat, FCA,
Universidad Nacional de Córdoba, Argentina. URL
http://www.infostat.com.ar
Escaleras Medina, J. C., Pimbosa Ortiz, D. E., Sánchez
Prado, R. G., & Baque Mite, R. F. (2025a). Uso y
Percepción de ChatGPT en la Educación Superior:
Exploración de la Experiencia de Estudiantes de la
Facultad de Ciencias Agropecuarias. Arandu UTIC,
12(1), 560–572.
https://doi.org/10.69639/arandu.v12i1.626
Escaleras Medina, J. C., Pimbosa Ortiz, D. E., Sánchez
Prado, R. G., & Baque Mite, R. F. (2025a). Uso y
Percepción de ChatGPT en la Educación Superior:
Exploración de la Experiencia de Estudiantes de la
Facultad de Ciencias Agropecuarias. Arandu
UTIC, 12(1), 560–572.
https://doi.org/10.69639/arandu.v12i1.626
Escaleras Medina, J. C., Pimbosa Ortiz, D. E., Sánchez
Prado, R. G., Maldonado Guerrero, E. A., & Carchi
Tandazo, T. A. (2025b). Impacto de la Inteligencia
Artificial en el Proceso de Aprendizaje
Universitario en América Latina: Una Revisión
Sistemática. Arandu UTIC, 12(1), 2431–2448.
https://doi.org/10.69639/arandu.v12i1.751
Firaina, R., Sulisworo, D., 2023. Exploring the Usage of
ChatGPT in Higher Education: Frequency and
Impact on Productivity. Bul. Edukasi Indones.
https://doi.org/10.56741/bei.v2i01.310
García Sánchez, O. V. (2023). Uso y percepción de
ChatGPT en la educación superior. Revista De
Investigación En Tecnologías De La Información,
11(23), 98–107. https://doi.org/10.36825/RITI.11.23.009
Goldberg, C.B., Adams, L., Blumenthal, D., Brennan,
P.F., Brown, N., Butte, A.J., Cheatham, M.,
DeBronkart, D., Dixon, J., Drazen, J., 2024. To do no
harm—and the most good—with AI in health care.
Nejm Ai. 1:3 https://doi.org/10.1056/AIp2400036
Iglesias, J.L., Nadin, L., Williams, K., Pinto de
Almeida, A., Tejedo, M.E., Machado, C.F., 2020.
Caracterización de estudiantes de veterinaria en una
etapa temprana de su carrera. Docencia Vet. 4, 30–36.
Kilag, O. K., Miñoza, J., Comighud, E., Amontos, C.,
Damos, M., & Abendan, C. F. 2023. Empowering
teachers: Integrating technology into livelihood
education for a digital future. Excellencia:
International Multidisciplinary Journal of Education
(29949521), 1(1), 3041.
Kirschner, P.A., Sweller, J., Clark, R.E., 2006. Why
Minimal Guidance During Instruction Does Not
Work: An Analysis of the Failure of Constructuvist,
Discovery, ProblemBased, Experimental, and
InquiryBased Teaching. Educ. Psychol. 42, 75–86.
https://doi.org/10.1207/s15326985ep4102_1
Lee, H.P.H., Sarkar, A., Tankelevitch, L., Drosos, I.,
Rintel, S., Banks, R., Wilson, N., 2025. The Impact
of Generative AI on Critical Thinking: Self
Reported Reductions in Cognitive Effort and
Confidence Effects From a Survey of Knowledge
Workers. https://doi.org/10.1145/3706598.3713778
Leung, C. H. 2024. Promoting Optimal Learning with
ChatGPT: A Comprehensive Exploration of
Prompt Engineering in Education. Asian Journal of
Contemporary Education, 8, 104114. https://
doi.org/10.55493/5052.v8i2.5101
Machado et al.
ISSNL 10221301. Archivos Latinoamericanos de Producción Animal. 2025. 33 (2): 93106
105
Luckin, R., Holmes, W., 2016. Intelligence unleashed:
An argument for AI in education. Open Ideas;
Pearson Education, London. 60p.
Nazari, M., Saadi, G., 2024. Developing effective
prompts to improve communication with
ChatGPT: a formula for higher education
stakeholders. Discov. Educ. 3, 45. https://doi.org/
10.1007/s4421702400122w
Ma, Z.,Liu, X. Huang, Y. 2024. Unsupervised
Reinforcement Learning for MultiTask
Autonomous Driving: Expanding Skills and
Cultivating Curiosity," in IEEE Transactions on
Intelligent Transportation Systems, vol. 25, 14209
14219. https://doi.org/10.1109/TITS.2024.3400224
Machado, C.F., Arroqui, M., Mangudo, P., Alvarez,
J.R., Mateos, C., Zunino, A., 2020. Exploración de
innovaciones en sistemas de producción de carne
con modelos de simulación: experiencia
interdisciplinaria y oportunidades de aplicación en
el paradigma de internet de las cosas. Electron. J.
SADIO 19, 43–63. https://sedici.unlp.edu.ar/
handle/10915/135044
Machado, C.F., Williams, K., Nadin, L.B., Iglesias, J.L.,
Tejedo, M.E., Schang, E., Dogna, B., Castelletti, A.,
2023. Diversidad de perfiles y desafíos para el
desarrollo profesional veterinario: motivación
temprana de estudiantes con testimonios de graduados.
Docencia Vet. 41–46. https://shorturl.at/rUxPD
Mayberry, D., Hatcher, S., Cowley, F., 2020. New
skills, networks and challenges: the changing face
of animal production science in Australia. Anim. Prod.
Sci. 61, 201–207. https://doi.org/10.1071/AN20115
McDavid, L., San Miguel, S.F., 2024. Using a Positive
Psychology Lens to Understand How Veterinary
Medicine Learning Contexts Promote Student
Thriving and Inhibit Frustration. J. Vet. Med. Educ.
e20240024. https://doi.org/10.3138/jvme20240024
Melisa, R., Ashadi, A., Triastuti, A., Hidayati, S.,
Salido, A., Ero, P.E.L., Marlini, C., Zefrin, Z., Al
Fuad, Z., 2025. Critical Thinking in the Age of AI:
A Systematic Review of AI’s Effects on Higher
Education. Educ. Process Int. J. https://doi.org/
10.22521/edupij.2025.14.31
Morris, T. H. 2019. Selfdirected learning: A
fundamental competence in a rapidly changing
world. International Review of Education, 65(4), 633
653. https://doi.org/10.1007/s11159019097932
Munaye, Y. Y., Admass, W., Belayneh, Y., Molla, A., &
Asmare, M. (2025). ChatGPT in Education: A
Systematic Review on Opportunities, Challenges,
and Future Directions. Algorithms, 18(6), 352. https://
doi.org/10.3390/a18060352
NaveaMartín, A., SuárezRiveiro, J.M., 2017. Estudio
sobre la utilización de estrategias de
automotivación en estudiantes universitarios.
Psicol. Educ. Educ. Psychol. 23, 115–121. https://
doi.org/10.1016/j.pse.2016.08.001
NYT 2025. https://www.nytimes.com/2025/05/14/
technology/chatgptcollegeprofessors.html?
unlocked_article_code=1.HE8.hGa7.BbLlDZBmuW
Fz&smid=nytcoreios
share&referringSource=articleShare
Pettersson, J., Hult, E., Eriksson, T., & Adewumi, T.
(2024). Generative AI and Teachers – For Us or
Against Us? A Case Study. arXiv. https://doi.org/
10.48550/arXiv.2404.03486
Ragland, E.C., Radcliffe, S., Karcher, E.L., 2023. A
review of the application of active learning
pedagogies in undergraduate animal science
curricula. J. Anim. Sci. 101, skac352. https://
doi.org/10.1093/jas/skac352
Reina Marín, Y., Cruz Caro, O., Maicelo Rubio, Y. D.
C., Alva Tuesta, J. N., Sánchez Bardales, E.,
Carrasco Rituay, A. M., & Chávez Santos, R. (2025,
April). Artificial intelligence as a teaching tool in
university education. In Frontiers in Education
(Vol. 10, p. 1578451). Frontiers Media SA. https://
doi.org/10.3389/feduc.2025.1578451
Rivadeneira, L., Bellido De luna, D. y Fernandez, C.
2025. Exploring the role of ChatGPT in higher
education institutions: Where does Latin America
stand? Digit. Gov.: Res. Pract. 6, 2:12. https://
doi.org/10.1145/3689370
Rodríguez Alvarez, J., Arroqui, M., Mangudo, P.,
Toloza, J., Jatip, D., Rodriguez, M.J., Teyseyre, A.,
Sanz, C., Zunino, A., Machado, C., Mateos, C.,
2019. Estimating Body Condition Score in Dairy
Cows From Depth Images Using Convolutional
Neural Networks, Transfer Learning and Model
Ensembling Techniques. Agronomy 9, 90. https://
doi.org/10.3390/agronomy9020090
Roll, I., Wylie, R., 2016. Evolution and revolution in
artificial intelligence in education. Int. J. Artif.
Intell. Educ. 26, 582–599. https://doi.org/10.1007/
s4059301601103
Ross, E.M., 2023. Embracing artificial intelligence in
the classroom. Harvard Graduate School of Education.
Šlapeta, J., 2023. Are ChatGPT and other pretrained
language models good parasitologists? Trends
Parasitol. 39, 314–316. https://doi.org/10.1016/
j.pt.2023.02.006
Sok, S., Heng, K., 2024. Opportunities, challenges, and
strategies for using ChatGPT in higher education:
A literature review. J. Digit. Educ. Technol. 4,
ep2401. https://doi.org/10.30935/jdet/14027
Uso educativo de ChatGPT en la introducción en producción animal
ISSNL 10221301. Archivos Latinoamericanos de Producción Animal. 2025. 33 (2): 93106
106
ISSNL 10221301. Archivos Latinoamericanos de Producción Animal. 2025. 33 (2): 93106
Tarzia, B., & Patel, S. 2024. 180 AIEnhanced Spaced
Repetition in Emergency Medicine Education.
Annals of Emergency Medicine, 84(4), S83S84.
https://doi.org/10.1016/
j.annemergmed.2024.08.185
VeranoTacoronte, D., BolívarCruz, A. & Sosa
Cabrera, S. Are university teachers ready for
generative artificial intelligence? Unpacking faculty
anxiety in the ChatGPT era. Educ Inf Technol (2025).
https://doi.org/10.1007/s10639025135857
Tavakol, M., & Dennick, R. (2011). Making sense of
Cronbach’s alpha. International Journal of Medical
Education, 2, 53–55. https://doi.org/10.5116/
ijme.4dfb.8dfd
Trevino, N.N., DeFreitas, S.C., 2014. The relationship
between intrinsic motivation and academic
achievement for first generation Latino college
students. Soc. Psychol. Educ. 17, 293–306. https://
doi.org/10.1007/s1121801392453
Tullo, E., Finzi, A., Guarino, M., 2019. Review:
Environmental impact of livestock farming and
Precision Livestock Farming as a mitigation
strategy. Sci. Total Environ. 650, 2751–2760. https://
doi.org/https://doi.org/10.1016/
j.scitotenv.2018.10.018
Urban, M., Děchtěrenko, F., Lukavský, J., Hrabalová,
V., Svacha, F., Brom, C., Urban, K., 2024. ChatGPT
improves creative problemsolving performance in
university students: An experimental study.
Comput. Educ. 215, 105031. https://doi.org/
10.1016/j.compedu.2024.105031
Ursachi, G., Horodnic, I. A., & Zait, A. (2015). How
reliable are measurement scales? External factors
with indirect influence on reliability estimators.
Procedia Economics and Finance, 20, 679–686.
https://doi.org/10.1016/S22125671(15)001239
Ward Jr, J.H., 1963. Hierarchical grouping to optimize
an objective function. J. Am. Stat. Assoc. 58, 236–
244. https://doi.org/10.2307/2282967
Worthing, K.A., Roberts, M., Šlapeta, J., 2024.
Surveyed veterinary students in Australia find
ChatGPT practical and relevant while expressing
no concern about artificial intelligence replacing
veterinarians. Vet. Rec. Open 11, e280. https://
doi.org/https://doi.org/10.1002/vro2.80
Zhang, Y., Huang, J., Huang, H., Li, X., Jin, Y., Guo,
H., Feng, Q., Zhao, Y., 2022. Grassland
aboveground biomass estimation through
assimilating remote sensing data into a grass
simulation model. Remote Sens. 14, 3194.
https://doi.org/10.3390/rs14133194
Zhou, L. & Li, J. J. (2023). The impact of ChatGPT on
on learning motivation: A study based on self
determination theory. Educ. Sci. Manag., 1(1), 19
29. https://doi.org/10.56578/esm010103
Machado et al.
