Alfabetización de datos y adopción iniciald e IA en K-12: un análisis mixto comparativo entre Cataluña e Italia

Abstract

[ES] Los grandes avances tecnológicos desarrollados en la sociedad no han pasado desapercibidos en ningún ámbito. Aunque el sistema educativo presenta aún resistencias, se encuentra cada vez más presionado hacia la digitalización y la adaptación a los cambios tecnológicos. Este proceso implica no solo la incorporación de herramientas digitales, sino también el desarrollo de competencias específicas como la alfabetización de datos, especialmente en las etapas educativas K-12, donde un uso estratégico de los datos podría contribuir significativamente a la mejora de los procesos de enseñanza y aprendizaje. La presente tesis doctoral se enmarca en un enfoque metodológico mixto y adopta un diseño secuencial explicativo (DEXPLIS), articulado mediante dos estudios de caso en contextos europeos: Cataluña e Italia. La investigación se sustenta en un enfoque no experimental, ex post facto, en el que no se manipulan variables, sino que se analizan relaciones existentes entre ellas. El objetivo principal es analizar el estado de la alfabetización de datos en el profesorado de educación primaria y secundaria, así como su relación con el conocimiento, uso y percepción sobre la Inteligencia Artificial (IA) en contextos educativos. En una primera fase, se realizó una revisión sistemática y un mapeo de literatura sobre las analíticas de aprendizaje y la alfabetización de datos en entornos K-12, lo que permitió establecer los marcos teóricos y conceptuales de referencia. En el contexto educativo internacional, el concepto K-12 designa el conjunto de etapas educativas obligatorias que se desarrollan antes del acceso a la educación superior, incluyendo tanto la educación infantil como la secundaria. Aunque su origen se encuentra en los sistemas anglosajones, su uso se ha extendido en la literatura académica como una herramienta útil para comparar enfoques pedagógicos, marcos normativos y competencias docentes en distintos países. A partir de esta base, se diseñó y validó un cuestionario centrado en la alfabetización de datos, que constituye el núcleo instrumental de esta tesis. De forma complementaria, se incorporó un segundo cuestionario sobre IA, seleccionado por tratarse de uno de los elementos tecnológicos que más está transformando los sistemas educativos contemporáneos y cuya integración resulta clave para una evaluación completa de la alfabetización de datos en contextos escolares. Este segundo instrumento fue también sometido a un proceso riguroso de validación mediante juicio de expertos, análisis factorial exploratorio y confirmatorio, así como pruebas de fiabilidad interna. Posteriormente, los instrumentos se administraron a dos muestras de docentes de ambos países, complementándose con entrevistas semiestructuradas y un grupo de discusión para integrar perspectivas cualitativas. El análisis multivariado incluyó la aplicación de modelos de ecuaciones estructurales (Partial Least Squares Structural Equation Modelling – PLS-SEM), que permitieron observar relaciones predictivas significativas entre el uso de la IA, el conocimiento de la IA y nivel de alfabetización de datos. En particular, se evidenció que la alfabetización general en el uso de datos presenta una relación predictiva significativa con el uso declarado de tecnologías basadas en IA en la práctica docente. Los resultados evidencian un nivel limitado de alfabetización de datos, especialmente en lo relativo a la transformación de datos en decisiones pedagógicas. Asimismo, se identificaron diferencias significativas entre contextos nacionales, aunque no en niveles educativos, observándose estas diferencias en la preocupación por el uso de IA entre el alumnado, Uso general de datos y Prácticas aplicadas de datos. Finalmente, la tesis propone un conjunto de pautas prácticas para la mejora de la alfabetización de datos docente, orientadas a la formación profesional, la toma de decisiones basada en evidencias y la integración estratégica de tecnologías emergentes. Este trabajo aporta no solo un marco empírico comparativo, sino también herramientas prácticas para fortalecer la cultura del dato en el ámbito escolar europeo.

[EN] The significant technological advances developed in society have not gone unnoticed in any field. Although the educational system still shows some resistance, it is increasingly pressured to embrace digitalisation and adapt to technological changes. This process involves integrating digital tools and developing specific competencies such as data literacy, particularly in K-12 education stages, where a strategic use of data could significantly contribute to improving teaching and learning processes. This doctoral thesis adopts a mixed-method approach based on a sequential explanatory design (DEXPLIS), articulated through two case studies in European contexts: Catalonia and Italy. The research is based on a non-experimental, ex post facto design, in which variables are not manipulated but analysed in their existing relationships. The main objective is to analyse the current state of data literacy among primary and secondary school teachers and its relationship with the knowledge, use, and perception of Artificial Intelligence (AI) in educational settings. In the first phase, a systematic review and literature mapping on learning analytics and data literacy in K-12 environments were conducted, which helped establish the theoretical and conceptual frameworks of reference. In the international educational context, the term K-12 refers to the full range of compulsory schooling prior to higher education, encompassing both early childhood and secondary education. Although the term originated in Anglo-Saxon education systems, it has become increasingly widespread in academic literature as a useful framework for comparing pedagogical approaches, regulatory structures, and teaching competencies across countries. Based on the theoretical foundation, a questionnaire focused on data literacy was designed and validated, constituting this thesis's core instrument. A second questionnaire on artificial intelligence was included and selected because AI is one of the most transformative technological elements in today's educational systems, and its integration is key to a comprehensive assessment of data literacy in schools. This second instrument was also rigorously validated through expert judgment, exploratory and confirmatory factor analyses, and internal reliability testing. Subsequently, both instruments were administered to two teacher samples from the selected countries and were complemented with semi-structured interviews and a focus group to integrate qualitative perspectives. The multivariate analysis included the application of Partial Least Squares Structural Equation Modelling (PLS-SEM), which revealed significant predictive relationships between the use of the AI, knowledge of the AI, and the level of data literacy. Specifically, general data literacy showed a significant predictive relationship with using AI-based technologies in teaching practice. The results show a generally limited level of data literacy, particularly regarding transforming data into pedagogical decisions. Significant differences were also found between national contexts, although not across educational levels. These differences were especially noticeable in concerns about student use of the AI, general use of data, and applied data use. Finally, the thesis proposes a set of practical guidelines to improve teachers’ data literacy. These guidelines are aimed at professional development, evidence-based decision-making, and the strategic integration of emerging technologies. This work contributes a comparative empirical framework and practical tools to strengthen a data-informed culture in the European school context.