Adoption of Artificial Intelligence–Based Precision Mental Health Technologies Among Psychology Trainees : Mixed Methods Cross-Sectional Survey Study

Loading...
Thumbnail Image
Identifiers

Publication date

Start date of the public exhibition period

End date of the public exhibition period

Advisors

Journal Title

Journal ISSN

Volume Title

Publisher

Metrics
Google Scholar
Share
Export

Research Projects

Organizational Units

Journal Issue

Abstract

Antecedentes: A pesar de los beneficios significativos de la inteligencia artificial (IA) en la salud mental, su implementación en el mundo real sigue siendo limitada, lo que hace esencial comprender los factores que influyen en su adopción. Objetivo: Este estudio examinó la aceptabilidad y la intención de uso de tecnologías de precisión para la salud mental basadas en inteligencia artificial (AI-PMHT, por sus siglas en inglés) y propuso un modelo empírico guiado por la teoría que integra predictores tradicionales de aceptación tecnológica (por ejemplo, utilidad percibida, riesgo y facilidad de uso) con factores psicológicos emergentes (por ejemplo, ansiedad ante la IA, personalidad y pensamiento conspirativo) que pueden orientar futuras investigaciones sobre implementación, planificación estratégica y diseño de programas de formación. Métodos: Se distribuyó una encuesta en línea a una muestra de 357 psicólogos en formación, incluidos estudiantes de grado y de máster. Se utilizó un enfoque de métodos mixtos, combinando medidas cuantitativas (mediante cuestionarios validados psicométricamente) y datos cualitativos (a través de preguntas abiertas). Se realizaron estadísticas descriptivas y pruebas t para caracterizar la muestra, y se analizaron temáticamente las respuestas a las preguntas sobre facilitadores y barreras. Se empleó modelado de ecuaciones estructurales por mínimos cuadrados parciales para construir el modelo empírico. Resultados: Los participantes mostraron una aceptabilidad e intención de uso moderadas a altas de las AI-PMHT, aunque la ansiedad y el riesgo percibido variaron (con niveles más altos entre las mujeres), y un uso más frecuente se asoció con perfiles de aceptación más favorables sin reducir el miedo. El análisis temático reveló que los participantes consideraron las herramientas de IA como potenciadoras de la eficiencia, pero expresaron preocupaciones sobre la fiabilidad, la usabilidad, la dependencia excesiva y las limitaciones de acceso. El modelado de ecuaciones estructurales por mínimos cuadrados parciales respaldó una vía jerárquica de adopción en la que los factores disposicionales y demográficos moldean el miedo a la IA y el riesgo percibido, lo cual influye a su vez en las evaluaciones cognitivas y las actitudes, asociándose finalmente con la aceptabilidad y la intención de uso de las AI-PMHT. Las variables predisponentes (particularmente la resistencia al cambio y el pensamiento conspirativo) fueron los predictores más fuertes de la ansiedad relacionada con la IA, mientras que el género y la extraversión mostraron efectos menores pero significativos. El miedo actuó como un mediador afectivo clave, aumentando el riesgo percibido y debilitando indirectamente las actitudes positivas y la utilidad percibida. La aceptabilidad fue el constructo más influyente en la cadena causal, prediciendo directamente la satisfacción, la utilidad percibida, la experiencia previa y la intención futura de uso, coherente con un bucle de retroalimentación reforzante en el que la aceptación temprana favorece el compromiso sostenido. Conclusiones: Los hallazgos sugieren un marco estratificado que puede orientar futuras investigaciones sobre implementación y el diseño de programas de formación, abordando (1) los perfiles disposicionales y emocionales predisponentes; (2) el miedo precipitante y el riesgo percibido mediante una regulación transparente, un diseño explicable y políticas que fortalezcan la agencia profesional; y (3) el mantenimiento a través de experiencias tempranas de alta calidad, usabilidad y apoyo institucional sostenido. Este modelo guiado por la teoría aclara cómo los factores psicológicos, contextuales y experienciales moldean conjuntamente la adopción y el uso sostenido de las AI-PMHT entre psicólogos en formación, informando estrategias educativas e implementativas dirigidas a esta población. [Traducción automática al español; idioma original: inglés.]

Doctoral program

Description

Publisher Copyright: © Sara Noheda, Eduar Ramírez-Riveros, Sara Rodriguez-Moreno, Carolina Martín-Azañedo, Ana Georgescu, Pablo Roca.

Citation

Noheda, S, Ramírez, E S, Rodriguez-Moreno, S, Martín-Azañedo, C, Georgescu, A & Roca, P 2026, 'Adoption of Artificial Intelligence–Based Precision Mental Health Technologies Among Psychology Trainees : Mixed Methods Cross-Sectional Survey Study', Journal of Medical Internet Research, vol. 28, e93893. https://doi.org/10.2196/93893