La competencia técnica como el predictor más sólido de la autoeficacia en inteligencia artificial: un análisis mediante árboles de decisión de la alfabetización en ChatGPT entre educadores rumanos Autores: Ioana Eva Cădariu - Department of Psychology, Tibiscus University of Timisoara (RO) Loredana Vîșcu - Tibiscus University of Timisoara, Romania (RO) Cristian Delcea - Iuliu Hatieganu, University of Medicine and Pharmacy (RO) Dana Rad - Faculty of Educational Sciences, Psychology and Social Work, Aurel Vlaicu University of Arad (RO) Ionut Virgil Serban - University of Chieti-Pescara (IT) Lidia Ricci - Sapienza University of Rome, Rome (IT) Iacobina Carmen Zau - Institute of Sexology, Cluj-Napoca, Romania (RO) Resumen La creciente integración de la inteligencia artificial generativa (IA) en la educación exige que los docentes desarrollen no solo competencias operativas, sino también confianza en su capacidad para utilizar eficazmente las herramientas de IA. El presente estudio examinó la relación predictiva entre el constructo multidimensional de alfabetización en ChatGPT y la autoeficacia en IA entre docentes que trabajan en contextos educativos rumanos. Una muestra de 393 docentes del oeste de Rumanía completó la ChatGPT Literacy Scale y la subescala de autoeficacia en IA de la Meta AI Literacy Scale. Los análisis de fiabilidad indicaron una consistencia interna de buena a excelente en todas las dimensiones de alfabetización (α = 0,80–0,95) y en la autoeficacia en IA (α = 0,89). Para modelar relaciones no lineales y jerárquicas entre los predictores, se aplicó un enfoque de regresión mediante árboles de decisión en JASP. Las cinco dimensiones de la alfabetización en ChatGPT —competencia técnica, evaluación crítica, competencia comunicativa, competencia ética y aplicación creativa— se introdujeron como predictores de la autoeficacia en IA. El modelo explicó el 53,2 % de la varianza de la autoeficacia en IA (R² = 0,532), mostrando un rendimiento predictivo moderado (MSE = 0,517; RMSE = 0,719). El análisis de importancia de las características reveló que la competencia técnica fue el predictor más fuerte (40,07 %), seguida de la competencia ética (18,12 %), la evaluación crítica (14,99 %), la competencia comunicativa (14,01 %) y la aplicación creativa (12,80 %). La primera y más informativa división del árbol se produjo en función de la competencia técnica, lo que subraya su importancia en la configuración de la percepción de los docentes sobre su propia capacidad para utilizar la IA. Estos hallazgos indican que la competencia técnica emergió como el predictor más fuerte de la autoeficacia en IA entre los docentes. Los resultados tienen implicaciones para los programas de desarrollo profesional centrados en IA, destacando la importancia de una formación técnica estructurada junto con el desarrollo de competencias éticas y críticas.