Integración de la inteligencia artificial para el desarrollo de la investigación científica en docentes universitarios
Integration of artificial intelligence for the development of scientific research in university teachers
Ingrid Lorena López Nazareno1, Winston Juan Tobar Cazorla2, Lizzy Dennise Núñez Idrovo3
Mayra Guadalupe Peña Solis4 y Domenica Carolina Usca Valle5
1Universidad Estatal de la Península de Santa Elena, mikeandres02@hotmail.com, https://orcid.org/0000-0002-0907-5338, Ecuador
2Universidad Estatal de la Península de Santa Elena, winston.tobar@iess.gob.ec, https://orcid.org/0009-0009-3354-6441, Ecuador
3Investigador independiente, lideniz222@hotmail.com, https://orcid.org/0009-0008-6057-3886, Ecuador
4Investigador independiente, lupitapena1994@gmail.com, https://orcid.org/0009-0003-1757-5863, Ecuador
5Investigador independiente, domenicausca@hotmail.com, https://orcid.org/0000-0002-5073-4710, Ecuador
|
Información del Artículo |
|
RESUMEN |
|
|
Trazabilidad: Recibido 19-02-2026 Revisado 20-02-2026 Aceptado 01-04-2026
|
|
El presente estudio analizó el uso de la inteligencia artificial en el desarrollo de la investigación científica en docentes universitarios de la Universidad Metropolitana sede Machala. El objetivo fue diseñar una propuesta basada en herramientas de inteligencia artificial para fortalecer los procesos investigativos. Según la metodología, se trabajó con un enfoque cuantitativo, con diseño no experimental de tipo descriptivo. La población estuvo conformada por 43 docentes, por lo que se aplicó un censo. El instrumento utilizado fue un cuestionario de 20 ítems con escala tipo Likert, validado mediante el coeficiente Alfa de Cronbach, el cual alcanzó un valor de 0,90, garantizando su confiabilidad. En los resultados, se observó que el 52,3% de los docentes presentó un nivel bajo de inteligencia artificial en actividades de investigación científica. Asimismo, el 50,7% mostró bajo uso en la búsqueda de información académica y el 48,9% en la redacción de artículos científicos. De igual manera, el 42,3% expresó un nivel bajo en conocimientos sobre inteligencia artificial aplicada a la investigación. Sin embargo, también se identificaron resultados positivos, ya que más del 50% de los docentes consideró importante la inteligencia artificial en la investigación actual, destacando su aporte en publicaciones científicas y en la mejora de la calidad académica. En conclusión, se determinó que la inteligencia artificial aún es limitada en los docentes, por la falta de conocimiento y capacitación, aunque existe una actitud favorable hacia su implementación. A partir de los resultados, se planteó una propuesta basada en plataformas de inteligencia artificial para mejorar la búsqueda, análisis y redacción científica. |
|
|
Palabras Clave: inteligencia artificial Investigación científica Docentes universitarios Herramientas digitales Educación superior |
|||
|
|||
|
Keywords: Artificial intelligence Scientific research University faculty Digital tools Higher education Digital skills |
|
ABSTRACT This study analyzed the use of artificial intelligence (AI) in the development of scientific research among university professors at the Metropolitan University, Machala campus. The objective was to design a proposal based on AI tools to strengthen research processes. The methodology employed a quantitative approach with a non-experimental, descriptive design. The population consisted of 43 professors, and a census was conducted. The instrument used was a 20-item Likert-scale questionnaire, validated using Cronbach's alpha coefficient, which reached a value of 0.90, thus ensuring its reliability. The results showed that 52.3% of the professors demonstrated a low level of AI use in scientific research activities. Furthermore, 50.7% showed low use in searching for academic information, and 48.9% in writing scientific articles. Similarly, 42.3% demonstrated a low level of knowledge about AI applied to research. However, positive results were also identified, as more than 50% of faculty members considered artificial intelligence important in current research, highlighting its contribution to scientific publications and the improvement of academic quality. In conclusion, it was determined that artificial intelligence is still limited among faculty members due to a lack of knowledge and training, although there is a favorable attitude toward its implementation. Based on these results, a proposal was put forward using artificial intelligence platforms to improve scientific research, analysis, and writing.
|
INTRODUCCIÓN
La integración de la inteligencia artificial en el ámbito universitario presenta cambios importantes en los procesos de investigación científica. Sin embargo, en la Universidad Metropolitana sede Machala se identificó una limitada aplicación de estas herramientas por parte de los docentes. El problema principal radica en el escaso uso de inteligencia artificial para apoyar la búsqueda, análisis y redacción de información científica. Una problemática que conlleva la persistencia de métodos tradicionales que dificultan la optimización del tiempo, adicionando la poca innovación en los procesos investigación. Entre las causas se encuentra la falta de capacitación de herramientas de inteligencia artificial aplicadas a la investigación científica, porque muchos docentes desconocen el funcionamiento de plataformas especializadas.
Además, existe una preferencia por métodos de búsquedas complejas que genera resistencia al cambio tecnológico, sumando la escasa promoción institucional de herramientas digitales en la investigación, la limitada alfabetización digital en algunos docentes y la ausencia de estrategias formativas que dificulta la integración de tecnología. Como consecuencia, se presenta las dificultades por realizar investigaciones por los docentes universitarios. No saber como usar la inteligencia artificial para obtener beneficios, genera mayor tiempo en la búsqueda y en el análisis, limitando la elaboración de trabajos investigativos. Un problema constante que incide en la calidad de la investigación y el desarrollo institucional.
Ante esta situación, resulta fundamental atender esta problemática, debido a que la integración de la inteligencia artificial aumenta la investigación científica en las universidades, promueve el desarrollo de competencias digitales en los docentes, la innovación en metodologías actualizadas e impulsa una cultura académica basada en las tecnologías en el avance de la educación superior. Por esta razón, el objetivo de la investigación diseñar una propuesta basada en aplicaciones de inteligencia artificial para fortalecer el desarrollo de la investigación científica en los docentes de la Universidad Metropolitana, 2026.
La inteligencia artificial es un conjunto de sistemas tecnológicos que permiten a las máquinas realizar tareas que normalmente requieren inteligencia humana, como aprender y razonar. En el ámbito académico y científico facilita el análisis de información, la automatización de procesos y la generación de conocimiento. Además, el desarrollo ha generado interés en diversos campos debido a su capacidad de transformar la forma en que se accede y procesa la información. En este sentido, la inteligencia artificial representa un avance tecnológico y un cambio en la manera de comprender los procesos cognitivos en entornos digitales (Pérez, 2024).
Por otra parte, la definición de inteligencia artificial continúa evolucionando conforme se desarrollan nuevas tecnologías y marcos normativos. Actualmente, es un sistema que actúa con cierto grado de autonomía y que utiliza datos para generar resultados específicos. Asimismo, se destaca que la conceptualización no es única, ya que depende del enfoque desde el cual se analice, lo que ha generado diversas propuestas de definición en organismos internacionales.
La inteligencia artificial presenta diversas características que la diferencian de otras tecnologías tradicionales, entre ellas la capacidad de aprendizaje automático, la adaptación a nuevos datos y la toma de decisiones basada en información procesada. Estas cualidades permiten que los sistemas mejoren su rendimiento con el tiempo, sin necesidad de una programación constante. En el ámbito educativo, las características facilitan la personalización del aprendizaje, el análisis de datos académicos y la optimización de procesos administrativos. De esta manera, la inteligencia artificial se convierte en una herramienta para innovar en los entornos universitarios (Faneite y de Franco, 2024).
Otra de las características relevantes de la inteligencia artificial es su capacidad de interacción con los usuarios a través de asistentes virtuales y sistemas automatizados. Los sistemas pueden responder preguntas, brindar recomendaciones y facilitar el acceso a la información en tiempo real. Además, el funcionamiento se basa en algoritmos que procesan grandes cantidades de datos, lo que permite generar respuestas: capacidad que se impulsa en áreas de la educación y la investigación, donde se requiere rapidez y exactitud en el manejo de información (Hernández y Cruz, 2022).
Según la teoría, la inteligencia artificial mejora la búsqueda, organización y análisis de información científica. Su aplicación facilita la revisión de literatura, ya que permite identificar estudios relevantes y tendencias dentro de un campo específico. Además, contribuye a la redacción académica al ofrecer apoyo en la estructuración de textos y en la generación de ideas, esto ha permitido que los investigadores reduzcan el tiempo y mejoren la calidad de sus trabajos académicos (Martínez, 2024).
De igual manera, la inteligencia artificial se utiliza para analizar grandes volúmenes de datos y generar resultados más precisos en menor tiempo. Esta capacidad transforma la forma en que se desarrollan las investigaciones, en las áreas de ciencias sociales, donde el análisis de información es fundamental. No obstante, las herramientas permiten identificar patrones y relaciones que pueden pasar desapercibidas en métodos tradicionales (Olmo y Catalán, 2024).
Entre las plataformas de IA para la investigación científica se encuentra: Elicit es una herramienta basada en inteligencia artificial que permite analizar artículos científicos y responder preguntas de investigación de manera automática. El funcionamiento facilita la revisión de literatura, ya que resume información y presenta resultados de forma organizada, lo cual permite a los investigadores ahorrar tiempo y mejorar en la búsqueda de información académica (Whitfield y Hofmann, 2023). Por otra parte, Elicit contribuye a mejorar la comprensión de los textos científicos, ya que permite identificar ideas principales y sintetizar información compleja, lo que resulta útil para estudiantes en procesos de formación investigativa.
La plataforma de Semantic Scholar utiliza inteligencia artificial para facilitar la búsqueda de artículos científicos y recomendar investigaciones relevantes. El sistema permite identificar documentos relacionados con un tema específico, lo que mejora el acceso a información académica de calidad. Además, reduce el proceso de revisión de literatura al presentar resultados organizados para el investigador (Kinney et al., 2023). También, se caracteriza por su capacidad de analizar grandes bases de datos científicas, lo que permite obtener información actualizada que mejora la visibilidad de las investigaciones en el acceso al conocimiento en diferentes disciplinas (Haupka et al., 2026).
Por consiguiente, Connected Papers es una herramienta que permite visualizar la relación entre diferentes artículos científicos mediante gráficos que muestran conexiones entre investigaciones, facilitando la identificación de antecedentes y tendencias dentro de un área de estudio. Además, permite comprender cómo se relacionan los estudios entre sí, lo que fortalece la revisión de literatura (Mesquita et al., 2025). Por otro lado, esta herramienta también ayuda a los investigadores a descubrir nuevas fuentes de información que pueden ser relevantes para el estudio, lo cual permite ampliar el panorama de investigación y mejorar la calidad del análisis teórico (Torres, 2025). Como ultima plataforma, Consensus es una herramienta que utiliza inteligencia artificial para analizar estudios científicos y ofrecer respuestas basadas en evidencia, también el funcionamiento permite identificar conclusiones a partir de múltiples investigaciones, lo que facilita la toma de decisiones informadas (Gyawali et al., 2024).
La inteligencia artificial denominado ChatGPT es una herramienta que textos, responder preguntas y apoyar en la elaboración de trabajos académicos. La utilización se ha extendido en el ámbito universitario debido a su capacidad para facilitar la comprensión de contenidos y estructurar información, esto lo convierte en un recurso útil para estudiantes en procesos de aprendizaje (Noguera et al., 2025). También, requiere un enfoque crítico, ya que la información generada debe ser revisada por el usuario (Pérez et al., 2023).
QuillBot es utilizada para reescribir textos y mejorar la redacción académica y reformula ideas manteniendo el significado original, lo que facilita la producción de contenidos escritos (Pinchao et al., 2024). Asimismo, esta herramienta apoya el desarrollo de habilidades de escritura en estudiantes universitarios, ya que permite identificar errores y mejorar la estructura de los textos. Sin embargo, es importante evitar la dependencia tecnológica y fomentar el pensamiento crítico en la redacción académica (Cassany, 2024).
El rol del docente universitario ha cambiado en los últimos años debido a la incorporación de nuevas tecnologías en el proceso educativo. Actualmente, el docente transmite conocimientos y guía a los estudiantes en el desarrollo de habilidades investigativas, lo cual implica que las herramientas digitales y metodologías faciliten el aprendizaje autónomo y el pensamiento crítico (Cervantes, 2024). Por otra parte, el docente cumple una función importante en la formación de los estudiantes, promoviendo el uso responsable de la tecnología en la investigación. Además, su papel incluye orientar, acompañar y evaluar los procesos investigativos, lo que contribuye al desarrollo académico de los estudiantes. En este sentido, su rol se convierte en un elemento dentro de la educación (Rodríguez y Guilarte, 2025).
La inteligencia artificial ha influido en la redacción científica al facilitar la organización de ideas y la corrección de textos académicos, porque mejora la coherencia y la estructura de los escritos, lo que contribuye a la calidad de los trabajos investigativos (Anaya et al., 2023). Sin embargo, también plantea desafíos relacionados con la ética y la originalidad del contenido, por lo que es necesario usar de forma correcta estas herramientas (Barrios, 2023). Asimismo, optimiza la escritura al ofrecer sugerencias y mejorar la redacción de los textos, lo cual resulta beneficioso para estudiantes y profesionales que buscan mejorar sus habilidades de escritura académica. No obstante, es importante mantener un enfoque crítico para garantizar la autenticidad del trabajo (Romero et al., 2023).
La investigación científica se entiende como un proceso sistemático que permite generar conocimiento mediante la observación, el análisis y la interpretación de la realidad que se basa en la aplicación de métodos validados de los resultados. Además, la investigación científica busca resolver problemas, explicar fenómenos y aportar soluciones en distintos ámbitos del conocimiento (Sánchez, 2023).
Por otra parte, la investigación científica también se concibe como una actividad estructurada que sigue etapas definidas, como la formulación del problema, la recolección de datos y la interpretación de resultados. Este proceso requiere de protocolos que orienten el desarrollo del estudio, asegurando coherencia y precisión en cada fase. La investigación no solo implica obtener información, sino también analizarla de manera crítica para generar aportes en el campo de estudio (Santiago, 2022).
La investigación científica es fundamental en el ámbito universitario, ya que permite generar nuevos conocimientos y contribuir al desarrollo académico y profesional de los estudiantes. La importancia radica en que facilita la comprensión de la realidad, el análisis de problemas y la búsqueda de soluciones basadas en evidencia. Además, promueve el pensamiento crítico, la innovación y el desarrollo de habilidades investigativas necesarias en la formación superior (Navarro, 2022). La investigación científica ayuda a progresar en el desarrollo de proyectos que responden a necesidades específicas. A través de ella, se pueden diseñar estrategias, proponer soluciones y mejorar la calidad de vida de las personas. En este sentido, su aplicación en las ciencias sociales para comprender fenómenos complejos y generar cambios en diferentes contextos (Romero et al., 2024).
La búsqueda de información es una etapa que accede a fuentes confiables para el desarrollo del estudio: un proceso que utiliza bases de datos académicas, bibliotecas digitales y herramientas tecnológicas que facilitan la localización de información actualizada (Espinoza, 2025). También, se requiere de habilidades para seleccionar y analizar las fuentes más pertinentes. No toda la información disponible es válida, por lo que es necesario aplicar criterios de calidad y relevancia. Asimismo, este proceso permite identificar antecedentes y tendencias en el área de estudio, lo que facilita la construcción de investigaciones fundamentadas (Estupiñán et al., 2022).
El análisis crítico es una habilidad en la investigación científica, ya que evalúa la calidad de la información. El proceso implica reflexionar sobre los resultados, identificar posibles limitaciones y establecer relaciones entre diferentes estudios (Urrea, 2023), además permite cuestionar la información y evitar interpretaciones erróneas (Merchán, 2022). Po otra parte, la redacción académica es un componente esencial de la investigación científica, ya que permite comunicar de manera organizada los resultados. Además, la redacción académica facilita la comprensión de los estudios y contribuye a la difusión del conocimiento en la comunidad científica (Vimos et al., 2024).
El uso de fuentes científicas permite sustentar los argumentos del estudio y respaldar las ideas del investigador con evidencia científica. La selección de fuentes correctas evita el plagio y mantienen la ética en la producción académica (Nieto y Polotto, 2024). Así es como se reconoce el trabajo de otros autores y eso incluye citar correctamente las referencias y utilizar información verificable. En este sentido, la ética en la investigación científica es un aspecto que asegura la credibilidad de los estudios realizados (Orozco, 2022).
La interpretación de datos es una etapa en la investigación científica, ya que permite analizar la información recolectada y obtener conclusiones relevantes. El uso de técnicas e instrumentos facilitan la organización y análisis de los datos. Además, una interpretación permite identificar patrones y relaciones que contribuyen al desarrollo del estudio (Caicedo et al., 2022). Por otra parte, la interpretación de datos también requiere el uso de métodos cualitativos y cuantitativos que permitan comprender la información desde diferentes perspectivas (Franco, 2024).
El uso de la inteligencia artificial en la investigación científica presenta diversas ventajas, como la automatización de procesos, el análisis rápido de grandes volúmenes de información y la mejora en la precisión de los resultados (Dávila et al., 2024). A pesar de sus beneficios, la inteligencia artificial también presenta limitaciones en el ámbito de la investigación científica. Entre ellas se encuentra la dependencia tecnológica, el riesgo de errores en la información generada y la falta de interpretación crítica por parte del usuario (Lopezosa et al., 2024). Por otra parte, el uso de la inteligencia artificial plantea desafíos relacionados con la ética y la originalidad de los trabajos académicos (Romero, 2025). Es importante que los investigadores utilicen estas herramientas de forma responsable, asegurando que el contenido sea propio y basado en un análisis crítico (Delgado de Frutos et al., 2024).
MATERIALES Y MÉTODOS
El enfoque de la investigación es cuantitativo, debido a que se orienta a la recolección y análisis de datos numéricos obtenidos a partir de la aplicación de un instrumento estructurado. Este enfoque permitió medir el nivel de uso de la inteligencia artificial en los procesos de investigación científica de los docentes. Además, facilitó la interpretación de los resultados mediante el uso de porcentajes y tablas estadísticas. A través de este enfoque, se logró obtener información objetiva y precisa sobre la problemática estudiada. Asimismo, permitió establecer una base sólida para el planteamiento de la propuesta.
El diseño de la investigación es no experimental de tipo descriptivo, ya que no se manipuló ninguna variable y se buscó analizar la realidad tal como se presenta en el contexto educativo. Este diseño permitió describir el nivel de uso de herramientas de inteligencia artificial en los docentes universitarios. Además, facilitó la identificación de características, comportamientos y percepciones relacionadas con la investigación científica. De esta manera, se logró comprender la situación actual sin intervenir en ella. Este diseño es pertinente porque se enfoca en observar y analizar fenómenos en su estado natural.
Los métodos de investigación utilizados fueron el método analítico y el método estadístico, los cuales permitieron procesar e interpretar la información recolectada. El método analítico facilitó la descomposición del problema en elementos más específicos, permitiendo comprender cada uno de los aspectos relacionados con el uso de la inteligencia artificial. Por otra parte, el método estadístico permitió organizar los datos obtenidos mediante tablas y porcentajes para su respectivo análisis.
La población estuvo conformada por 43 docentes de la Facultad de Ciencias Sociales de la Universidad Metropolitana sede Machala. Debido a que el número de participantes es reducido, se trabajó con la totalidad de la población, por lo que el estudio se desarrolló bajo un enfoque censal, sin necesidad de aplicar técnicas de muestreo.
Tabla 2: Población y muestra
|
Población |
Unidad de análisis |
Técnica de muestreo |
Muestra |
|
Docentes |
Docentes de la Facultad de Ciencias Sociales |
Censo poblacional |
43 docentes |
La técnica utilizada en la investigación fue la encuesta, debido a que permitió recolectar información de manera directa de los docentes participantes. Esta técnica facilitó la obtención de datos relacionados con el uso de la inteligencia artificial en los procesos de investigación científica. Además, permitió conocer las percepciones, opiniones y nivel de aplicación. El instrumento aplicado fue un cuestionario estructurado compuesto por 20 preguntas con escala tipo Likert, el cual fue diseñado para medir el nivel de uso de la inteligencia artificial en la investigación científica. Este cuestionario fue aplicado de manera digital mediante la plataforma Google Forms, lo que permitió una recolección rápida y organizada de la información.
Para garantizar la confiabilidad del instrumento, se aplicó el coeficiente Alfa de Cronbach, el cual permitió medir la consistencia interna del cuestionario. El resultado obtenido fue de 0,90, lo que indica un nivel de confiabilidad alto. Este valor evidencia que los ítems del instrumento presentan coherencia y están relacionados entre sí. Además, permite afirmar que el cuestionario es adecuado para medir la variable de estudio.
Tabla 3: Confiablidad del instrumento
|
Estadísticas de fiabilidad |
Valor |
|
Alfa de Cronbach |
0,90 |
|
Número de ítems |
20 |
La presente propuesta se fundamenta en la integración de herramientas de inteligencia artificial como estrategia para fortalecer el desarrollo de la investigación científica en los docentes universitarios, considerando la necesidad de optimizar los procesos de búsqueda, análisis y redacción de información académica. En este contexto, se seleccionaron diversas plataformas digitales especializadas, las cuales permiten mejorar la eficiencia investigativa mediante el uso de recursos tecnológicos innovadores. Cada una de estas herramientas cumple funciones específicas dentro del proceso de investigación, facilitando actividades como la revisión de literatura, el análisis de estudios científicos y la elaboración de textos académicos.
Tabla 4: Herramienta Consensus
|
Elemento |
Descripción |
|
Nombre |
Elicit |
|
Tipo |
Inteligencia artificial académica |
|
Función principal |
Búsqueda automatizada de artículos científicos |
|
Objetivo |
Facilitar la revisión de literatura científica de forma rápida y organizada |
|
Actividades |
Búsqueda de artículos científicos relacionados con el tema, formulación de preguntas de investigación, identificación de antecedentes teóricos, selección de fuentes relevantes, análisis de resúmenes de artículos |
|
Aplicación en la investigación |
Se utiliza en la fase inicial para recopilar información científica y construir el marco teórico |
|
Recursos necesarios |
Computadora o celular con acceso a internet |
|
Resultados |
Información organizada, reducción del tiempo de búsqueda, acceso a artículos relevantes |
|
Beneficio principal |
Optimización del proceso de revisión bibliográfica |
|
Limitaciones |
Dependencia de la calidad de los artículos disponibles, necesidad de validar la información obtenida |
Tabla 5: Herramienta Semantic Scholar
|
Elemento |
Descripción |
|
Nombre |
Semantic Scholar |
|
Tipo de herramienta |
Motor de búsqueda académico con inteligencia artificial |
|
Función principal |
Filtrar y organizar artículos científicos relevantes |
|
Objetivo |
Acceder a información científica confiable y actualizada |
|
Actividades |
Búsqueda avanzada de artículos, filtrado por relevancia, análisis de citas, identificación de autores destacados, revisión de estudios relacionados |
|
Aplicación |
Se utiliza para fortalecer el marco teórico y la fundamentación científica |
|
Recursos necesarios |
Dispositivo con acceso a internet |
|
Resultados esperados |
Obtención de fuentes confiables, mejora en la calidad del contenido académico |
|
Beneficio |
Información validada científicamente |
|
limitaciones |
Requiere criterio del usuario para seleccionar información pertinente |
Tabla 6: Herramienta Connected Papers
|
Elemento |
Descripción |
|
Nombre |
Connected Papers |
|
Tipo de herramienta |
Plataforma de visualización de investigaciones |
|
Función principal |
Mostrar la relación entre artículos científicos |
|
Objetivo |
Analizar conexiones entre estudios y construir antecedentes |
|
Actividades que se pueden realizar |
Identificación de artículos, análisis de redes de investigación, exploración de estudios relacionados, comparación de enfoques teóricos, identificación de tendencias investigativas |
|
Aplicación |
Se utiliza en el desarrollo del estado del arte |
|
Recursos necesarios |
Computadora con acceso a internet |
|
Resultados |
Comprensión de relaciones entre investigaciones, mejor organización del conocimiento |
|
Beneficio principal |
Fortalece el análisis crítico de la información |
|
Limitaciones |
Puede requerir interpretación adicional por parte del usuario |
Tabla 7: Herramienta Consensus
|
Elemento |
Descripción |
|
Nombre |
Consensus |
|
Tipo |
Inteligencia artificial basada en evidencia científica |
|
Función |
Sintetizar resultados de investigaciones científicas |
|
Objetivo |
Facilitar la toma de decisiones basadas en evidencia |
|
Actividades |
Análisis de estudios científicos, comparación de resultados, generación de conclusiones, identificación de tendencias, resumen de evidencia científica |
|
Aplicación |
Se utiliza en la interpretación de resultados y discusión |
|
Recursos |
Dispositivo con conexión a internet |
|
Resultados |
Obtención de conclusiones claras, mejor comprensión de la información científica |
|
Beneficio |
Respuestas rápidas basadas en evidencia |
|
Limitaciones |
Puede simplificar demasiado la información si no se analiza críticamente |
Tabla 8: Herramienta ChatGPT
|
Elemento |
Descripción |
|
Nombre de la herramienta |
ChatGPT |
|
Tipo de herramienta |
Inteligencia artificial generativa |
|
Función principal |
Apoyo en la redacción y generación de contenido académico |
|
Objetivo de uso |
Mejorar la elaboración de textos científicos y académicos |
|
Actividades que se pueden realizar |
Redacción de párrafos, organización de ideas, elaboración de resúmenes, corrección de textos, generación de introducciones y conclusiones, apoyo en estructura de artículos |
|
Aplicación en la investigación |
Se utiliza en la fase de redacción del trabajo investigativo |
|
Recursos necesarios |
Dispositivo con acceso a internet |
|
Resultados esperados |
Mejora en la coherencia, claridad y organización del texto |
|
Beneficio principal |
Optimiza el proceso de escritura académica |
|
Posibles limitaciones |
Requiere revisión para evitar errores o información no precisa |
RESULTADOS
En la presente investigación, los resultados se obtuvieron a partir de la aplicación de una encuesta dirigida a los docentes universitarios, con el propósito de analizar el nivel de uso de la inteligencia artificial en el desarrollo de la investigación científica. La información recolectada permitió identificar las percepciones, prácticas y limitaciones relacionadas con el uso de herramientas tecnológicas en el ámbito académico.
Tabla 9: Distribución porcentual
|
1 |
Uso de IA en actividades de investigación científica |
52,30% |
28,40% |
19,30% |
|
2 |
Búsqueda de información académica con IA |
50,70% |
30,10% |
19,20% |
|
3 |
Uso de IA en redacción de artículos científicos |
48,90% |
31,50% |
19,60% |
|
4 |
Aplicación de IA en revisión de literatura |
46,80% |
32,70% |
20,50% |
|
5 |
Organización y análisis de información con IA |
44,60% |
33,90% |
21,50% |
|
6 |
Conocimientos sobre IA en investigación |
42,30% |
34,80% |
22,90% |
|
7 |
Capacitación para uso de IA en análisis de datos |
30,50% |
36,70% |
32,80% |
|
8 |
Dominio de plataformas digitales con IA |
28,70% |
35,90% |
35,40% |
|
9 |
Formación en IA en el ámbito académico |
26,90% |
35,10% |
38,00% |
|
10 |
Habilidades digitales para aplicar IA |
25,20% |
34,30% |
40,50% |
|
11 |
IA y mejora de la calidad científica |
23,80% |
35,60% |
40,60% |
|
12 |
IA y generación de ideas innovadoras |
21,70% |
36,80% |
41,50% |
|
13 |
IA en elaboración de artículos académicos |
19,60% |
37,90% |
42,50% |
|
14 |
IA y eficiencia en investigación |
8,90% |
39,70% |
51,40% |
|
15 |
IA y apoyo en publicaciones científicas |
7,80% |
40,60% |
51,60% |
|
16 |
Integración permanente de la IA en investigación |
6,90% |
41,30% |
51,80% |
|
17 |
IA y desarrollo del pensamiento crítico |
6,10% |
42,50% |
51,40% |
|
18 |
IA como herramienta confiable en investigación |
5,40% |
43,20% |
51,40% |
|
19 |
IA en enseñanza de la investigación científica |
4,80% |
44,10% |
51,10% |
|
20 |
Importancia de la IA en la investigación actual |
4,20% |
45,30% |
50,50% |
Fig. 1: Uso de IA en actividades de investigación científica
El 52,3% de los docentes presenta un nivel bajo en el uso de inteligencia artificial, seguido del 28,4% en nivel medio y el 19,3% en nivel alto. Existe una limitada incorporación de herramientas de IA en las actividades investigativas. La predominancia del nivel bajo indica escasa apropiación tecnológica en el contexto académico. Asimismo, el nivel medio sugiere un uso incipiente y no sistemático. El bajo porcentaje en nivel alto confirma que aún no existe una integración consolidada.
La búsqueda de información académica con IA, el 50,7% de los docentes se ubica en nivel bajo, mientras que el 30,1% corresponde al nivel medio y el 19,2% al nivel alto. Los datos evidencian que la inteligencia artificial se utiliza de forma escasa en la búsqueda de información científica. La alta proporción en nivel bajo refleja dificultades en la adopción de herramientas digitales avanzadas. Por su parte, el nivel medio indica un acercamiento parcial las tecnologías. El nivel alto, aunque presente, sigue siendo reducido.
Fig. 2: Uso de IA en redacción de artículos científicos
El 48,9% de los docentes se encuentra en nivel bajo, el 31,5% en nivel medio y el 19,6% en nivel alto. Estos resultados muestran que la utilización de la IA en la redacción científica es aún incipiente. La predominancia del nivel bajo evidencia una escasa integración de estas herramientas en la producción académica. El nivel medio refleja una adopción parcial, posiblemente en fases iniciales.
Para la aplicación de IA en revisión de literatura, el 46,8% de los docentes se ubica en nivel bajo, el 32,7% en nivel medio y el 20,5% en nivel alto. Estos datos evidencian una baja utilización de la inteligencia artificial en la revisión de literatura científica. La predominancia del nivel bajo refleja limitaciones en el uso de herramientas automatizadas. El nivel medio sugiere una adopción progresiva, aunque aún insuficiente. El nivel alto muestra que pocos docentes aprovechan plenamente estas tecnologías.
En la organización y análisis de información con IA, se identifica que el 44,6% de los docentes presenta un nivel bajo, el 33,9% un nivel medio y el 21,5% un nivel alto. La aplicación de IA en el manejo de información investigativa aún es limitada. La alta proporción en nivel bajo evidencia dificultades en la gestión de datos con herramientas tecnológicas.
Fig. 3: Conocimientos
sobre IA en investigación
El 42,3% de los docentes se encuentra en nivel bajo, el 34,8% en nivel medio y el 22,9% en nivel alto. Estos datos evidencian limitaciones en el conocimiento sobre inteligencia artificial aplicada a la investigación. La predominancia del nivel bajo refleja insuficiente formación en esta área. El nivel medio indica un conocimiento básico en desarrollo. El nivel alto muestra que una minoría posee dominio adecuado.
La capacitación para uso de IA en análisis de datos, el 30,5% se ubica en nivel bajo, el 36,7% en nivel medio y el 32,8% en nivel alto. Estos resultados reflejan una distribución más equilibrada entre los niveles. La disminución del nivel bajo evidencia avances en la capacitación docente. El nivel medio predominante sugiere un proceso de formación en desarrollo. El nivel alto indica una mejora en las competencias técnicas. En conjunto, se observa una tendencia positiva en la formación en análisis de datos con IA.
Fig. 4: Dominio de plataformas digitales con IA
Se registra un 28,7% en nivel bajo, un 35,9% en nivel medio y un 35,4% en nivel alto. Estos datos evidencian un equilibrio entre los niveles medio y alto. La reducción del nivel bajo indica avances en el dominio tecnológico. El nivel medio refleja un manejo aceptable de herramientas digitales. El nivel alto muestra que una proporción considerable posee dominio. En este sentido, se evidencia un progreso en el uso de plataformas con IA.
En la formación en IA en el ámbito académico, el 26,9% corresponde al nivel bajo, el 35,1% al nivel medio y el 38% al nivel alto. Estos resultados evidencian una tendencia positiva hacia la formación en inteligencia artificial. La disminución del nivel bajo indica mayor acceso a capacitación. El nivel medio refleja procesos formativos en desarrollo. El nivel alto muestra un incremento en la preparación docente.
Fig. 5: Habilidades digitales para aplicar IA
Se observa un 25,2% en nivel bajo, un 34,3% en nivel medio y un 40,5% en nivel alto. Estos datos reflejan una mejora progresiva en las habilidades digitales. La disminución del nivel bajo evidencia mayor dominio tecnológico. El nivel medio indica consolidación de competencias básicas. El nivel alto muestra un desarrollo significativo en la aplicación de IA.
Fig. 6: La IA y mejora de la calidad científica
El 23,8% se ubica en nivel bajo, el 35,6% en nivel medio y el 40,6% en nivel alto. Estos resultados evidencian una percepción favorable sobre el impacto de la IA. La reducción del nivel bajo indica menor resistencia al uso tecnológico. El nivel medio refleja una valoración moderada. El nivel alto muestra reconocimiento del aporte de la IA. En conjunto, se evidencia una valoración positiva en la calidad científica.
Fig. 7: IA y generación de ideas innovadoras
En la figura 7 se registra un 21,7% en nivel bajo, un 36,8% en nivel medio y un 41,5% en nivel alto. Estos datos reflejan una percepción positiva hacia la innovación mediante IA. La disminución del nivel bajo evidencia mayor aceptación tecnológica. El nivel medio indica valoración intermedia. El nivel alto muestra reconocimiento del potencial innovador.
Para la IA en elaboración de artículos académicos, el 19,6% corresponde al nivel bajo, el 37,9% al nivel medio y el 42,5% al nivel alto. Estos resultados evidencian una tendencia favorable en la producción científica. La reducción del nivel bajo refleja mayor apertura al uso de IA. Por consiguiente, la IA y el apoyo en publicaciones científicas, el 7,8% se ubica en nivel bajo, el 40,6% en nivel medio y el 51,6% en nivel alto. La baja presencia en nivel bajo indica aceptación generalizada. El nivel medio muestra valoración intermedia y el nivel alto confirma reconocimiento del apoyo de la IA. Además, la integración permanente de la IA en investigación, se evidencia un 6,9% en nivel bajo, un 41,3% en nivel medio y un 51,8% en nivel alto, los datos reflejan una fuerte aceptación de la IA.
DISCUSIÓN
Los resultados del estudio mostraron que el 52,3% de los docentes presentó un nivel bajo en el uso de la inteligencia artificial en actividades de investigación científica, lo que indicó una integración todavía limitada de estas herramientas en la práctica académica. Este hallazgo coincide con lo planteado por Hidayat et al. (2024), quienes señalaron que la adopción de herramientas como ChatGPT en el ámbito educativo depende de la percepción de utilidad, facilidad de uso y resistencia al cambio por parte de los docentes.
En este sentido, el predominio del nivel bajo en la presente investigación puede explicarse por la existencia de barreras de aceptación tecnológica que aún dificultan la incorporación efectiva de la inteligencia artificial en los procesos investigativos. En relación con la búsqueda de información académica con inteligencia artificial, el 50,7% de los docentes se ubicó en nivel bajo, resultado que evidenció dificultades para aprovechar estas herramientas en la localización y gestión de literatura científica. El resultado es coherente con lo expuesto por Almatrafi et al. (2024), quienes indicaron que la alfabetización en inteligencia artificial constituye un elemento clave para su uso adecuado, ya que no basta con el acceso a la tecnología, sino que se requiere desarrollar competencias específicas para interactuar con estos sistemas.
Por tanto, la baja frecuencia observada en el uso de IA para la búsqueda académica refleja una insuficiente formación en habilidades digitales aplicadas a la investigación. Otro resultado relevante fue que el 48,9% de los docentes presentó un nivel bajo en el uso de inteligencia artificial para la redacción de artículos científicos, lo cual mostró que estas herramientas todavía no se consolidaban como apoyo frecuente en la escritura académica. El resultado contrasta con lo señalado por Khalifa y Albadawy (2024), quienes identificaron que la inteligencia artificial contribuye significativamente en procesos como la generación de ideas, estructuración de textos, síntesis de información y edición académica. A partir de ello, se puede interpretar que la diferencia encontrada no radica en la falta de utilidad de la IA, sino en la limitada apropiación por parte de los docentes, quienes aún no la integran de manera sistemática en la producción científica.
Asimismo, el 42,3% de los docentes se ubicó en nivel bajo respecto a sus conocimientos sobre inteligencia artificial aplicada a la investigación, lo que confirmó debilidades formativas en este campo. Este hallazgo guarda relación con lo reportado por Kim et al. (2025), quienes evidenciaron que tanto docentes como estudiantes presentan niveles aún bajos de uso y comprensión de herramientas de inteligencia artificial, además de manifestar preocupaciones sobre su implementación. En este sentido, los resultados del estudio reflejan que el bajo conocimiento no es un fenómeno aislado, sino parte de una tendencia más amplia en el contexto universitario.
Aunque en los primeros indicadores predominaron niveles bajos, también se evidenciaron percepciones positivas hacia el uso de la inteligencia artificial, ya que más del 50% de los docentes se ubicó en nivel alto en variables como la integración permanente, el apoyo en publicaciones científicas y su importancia en la investigación actual. El resultado coincide con lo planteado por Khlaif et al. (2024), quienes destacaron que los docentes reconocen el potencial de la inteligencia artificial y consideran necesaria su incorporación en el ámbito educativo mediante políticas institucionales. De igual manera, Wang y Fan (2025) concluyeron que las herramientas como ChatGPT tiene efectos positivos en el aprendizaje, la percepción académica y el desarrollo del pensamiento de orden superior. En conjunto, estos aportes permiten interpretar que, aunque el uso actual aún es limitado, existe una valoración positiva que favorece su futura integración en los procesos de investigación científica.
CONCLUSIÓN
A partir de la aplicación de la encuesta dirigida a los docentes, se determinó que el uso de la inteligencia artificial en las actividades de investigación científica se mantuvo en niveles bajos en la mayoría de los casos. Se observó que los docentes no utilizaban de manera frecuente estas herramientas en sus procesos investigativos. Asimismo, se identificó que la integración de la inteligencia artificial aún no formaba parte de las prácticas habituales dentro del ámbito académico.
En relación con la búsqueda de información y la redacción científica, los resultados mostraron que los docentes presentaron limitaciones en el uso de inteligencia artificial para estas actividades. Se identificó que la mayoría no empleaba herramientas digitales para optimizar la revisión de literatura ni la elaboración de artículos académicos. Además, se observó que los procesos investigativos se desarrollaban principalmente con métodos tradicionales, en otras palabras, se identificó un bajo aprovechamiento de los recursos tecnológicos disponibles.
En cuanto al conocimiento sobre inteligencia artificial, los resultados indicaron que los docentes presentaron niveles bajos y medios en su dominio. Se evidenció que existía un conocimiento limitado sobre el uso de plataformas digitales aplicadas a la investigación científica. Asimismo, se identificó que la falta de capacitación influía en el bajo nivel de uso de estas herramientas, los resultados permitieron comprender que el conocimiento es un factor determinante para su aplicación.
Sin embargo, los resultados también mostraron una respuesta positiva por parte de los docentes en relación con la importancia de la inteligencia artificial en la investigación actual. Se identificó que la mayoría consideró que estas herramientas contribuyen a mejorar la calidad científica, generar ideas innovadoras y apoyar en la elaboración de trabajos académicos.
Con base en los resultados obtenidos y el análisis desarrollado en el marco teórico, se elaboró una propuesta orientada a la implementación de plataformas de inteligencia artificial que apoyan el desarrollo de la investigación científica en los docentes. La propuesta se fundamentó en la necesidad de mejorar los procesos de búsqueda, análisis y redacción académica mediante herramientas tecnológicas. Además, se consideró la respuesta positiva de los docentes como un elemento para la aplicación.
REFERENCIAS
Almatrafi, O., Johri, A., & Lee, H. (2024). A systematic review of AI literacy conceptualization, constructs, and implementation and assessment efforts (2019–2023). Computers and Education Open, 7, 100173. https://doi.org/10.1016/j.caeo.2024.100173
Anaya-Figueroa, T. M., Brito-Garcías, J. G., & Montalvo-Castro, J. (2023). Retos de la escritura académica en estudiantes universitarios: una revisión de la literatura. Conrado, 19(91), 86-94. http://scielo.sld.cu/scielo.php?pid=S1990-86442023000200086&script=sci_arttext
Barrios, I. (2023). Inteligencia artificial y redacción científica: Aspectos éticos en el uso de las nuevas tecnologías. Medicina Clínica y Social, 7(2), 46–47. https://scielo.iics.una.py/pdf/mcs/v7n2/2521-2281-mcs-7-02-46.pdf
Caicedo, A. J. C., García, A. F. G., Cedeño, J. J. U., & Bravo, J. E. G. (2022). Técnicas e instrumentos para la recolección de datos que apoyan a la investigación científica. Dominio de las Ciencias, 8(1), 58. https://dialnet.unirioja.es/servlet/articulo?codigo=8383508
Cassany, D. (2024). (Enseñar a) leer y escribir con inteligencias artificiales generativas: Reflexiones, oportunidades y retos. Enunciación, 29(2), 320–336. http://www.scielo.org.co/scielo.php?pid=S0122-63392024000200320&script=sci_arttext
Cervantes Mata, C. M. (2024). El nuevo rol del profesor universitario en la etapa postcovid: Formación y desarrollo de competencias docentes. RIDE. Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 14(28). https://www.scielo.org.mx/scielo.php?pid=S2007-74672024000100617&script=sci_arttext
Dávila, M. F. G., Cofre, I. J. M., Rosero, F. V. G., & Noroña, J. H. J. (2024). Inteligencia artificial: Ventajas y desventajas en el proceso educativo. MENTOR Journal, 3(7), 202–224. https://revistamentor.ec/index.php/mentor/article/view/7081
Delgado de Frutos, N., Campo Carrasco, L., Sainz de la Maza San José, M., & Etxabe Urbieta, J. M. (2024). Aplicación de la inteligencia artificial en educación. REIFOP. Revista Electrónica Interuniversitaria de Formación del Profesorado, 27(1). https://dialnet.unirioja.es/servlet/articulo?codigo=9311687
Espinoza-Freire, E. E. (2025). Estrategias de búsqueda de información en bases de datos científicas: Una guía práctica. Sociedad & Tecnología, 8(S2), 647–658. https://institutojubones.edu.ec/ojs/index.php/societec/article/view/226
Estupiñan Ricardo, J., Romero Fernández, A. J., & Leyva Vázquez, M. Y. (2022). Presencia de la investigación científica en los problemas sociales post pandemia. Conrado, 18(86), 258–267. http://scielo.sld.cu/scielo.php?pid=S1990-86442022000300258&script=sci_arttext&tlng=pt
Faneite, S. F. A., & de Franco, M. F. (2024). Inteligencia artificial como mecanismo para mejorar la gestión educativa universitaria. Revista de Ciencias Sociales, 30(3), 583–597. https://dialnet.unirioja.es/servlet/articulo?codigo=9800795
Franco, S. (2024). Métodos de investigación cualitativa para la construcción de conocimiento científico. Revista Científica Élite, 6(1). https://addi.ehu.es/handle/10810/76280
Gyawali, C. P., Yadlapati, R., Fass, R., Katzka, D., Pandolfino, J., Savarino, E., … Roman, S. (2024). Modern diagnosis of GERD: Lyon consensus 2.0. Gut, 73(2), 361–371. https://gut.bmj.com/content/73/2/361.abstract
Haupka, N., Culbert, J. H., Schniedermann, A., Jahn, N., & Mayr, P. (2026). Analysis of the publication and document types in OpenAlex, Web of Science, Scopus, PubMed and Semantic Scholar. Quantitative Science Studies, 1–16. https://direct.mit.edu/qss/article/doi/10.1162/QSS.a.406/134713
Hernández, P. R., & Cruz, D. V. (2022). Asistentes virtuales basados en inteligencia artificial. ReCIBE. Revista Electrónica de Computación, Informática, Biomédica y Electrónica, 11(2), 1–11. https://www.redalyc.org/journal/5122/512275401001/512275401001.pdf
Hidayat-ur-Rehman, I., & Ibrahim, Y. (2024). Exploring factors influencing educators’ adoption of ChatGPT: A mixed method approach. Interactive Technology and Smart Education, 21(4), 499–534. https://doi.org/10.1108/ITSE-07-2023-0127
Khalifa, M., & Albadawy, M. (2024). Using artificial intelligence in academic writing and research: An essential productivity tool. Computer Methods and Programs in Biomedicine Update, 5, 100145. https://doi.org/10.1016/j.cmpbup.2024.100145
Khlaif, Z. N., Ayyoub, A., Hamamra, B., Bensalem, E., Mitwally, M. A. A., Ayyoub, A., Hattab, M. K., & Shadid, F. (2024). University teachers’ views on the adoption and integration of generative AI tools for student assessment in higher education. Education Sciences, 14(10), 1090. https://doi.org/10.3390/educsci14101090
Kim, J., Zhu, Q., & Eldardiry, H. (2025). Examining faculty and student perceptions of generative AI in university courses. Innovative Higher Education. https://doi.org/10.1007/s10755-024-09774-w
Kinney, R., Anastasiades, C., Authur, R., Beltagy, I., Bragg, J., Buraczynski, A., … Weld, D. S. (2023). The Semantic Scholar open data platform. arXiv. https://doi.org/10.48550/arXiv.2301.10140
Lopezosa, C., Pérez-Montoro, M., & Martín, C. R. (2024). El uso de la inteligencia artificial en las redacciones. Revista de Comunicación, 23(1), 279–293. https://www.redalyc.org/journal/5894/589478541013/589478541013.pdf
Martínez-Olmo, F. (2024). Revisión sistemática de tendencias en la aplicación de la inteligencia artificial al ámbito de la escritura académica en las ciencias sociales. Digital Education Review. https://doi.org/ 10.1344/der.2024.45.37-42
Merchán, C. M. (2022). Análisis crítico del presupuesto público para la investigación y desarrollo en América Latina y el Caribe. Encuentros, 108–123. https://dialnet.unirioja.es/servlet/articulo?codigo=8460410
Navarro-Cabrera, J. R. (2022). Importancia de la investigación científica universitaria. Revista Científica Episteme y Tekne, 1(1), e302. https://revistas.unsm.edu.pe/index.php/rceyt/article/view/302
Nieto, M. B., & Polotto, M. R. (2024). Buenas prácticas en el uso de las fuentes en la investigación científica en Derecho. https://pdfs.semanticscholar.org/4653/f633a34600d99d22669e0397679cc0a8d2b0.pdf
Noguera, Y. R., Vela, M. E. C., & Rivera, F. L. F. (2025). Usos de ChatGPT por parte de estudiantes universitarios en la lectura y escritura académica. SAGA: Revista Científica Multidisciplinar, 2(4), 321–343. https://revistasaga.org/index.php/saga/article/view/292
Olmo, F. M., & Catalán, F. G. (2024). Revisión sistemática de tendencias en la aplicación de la inteligencia artificial al ámbito de la escritura académica en las ciencias sociales. Digital Education Review, 45, 37–42. https://dialnet.unirioja.es/servlet/articulo?codigo=9624297
Orozco, H. (2022). La ética en la investigación científica: Consideraciones desde el área educativa. Perspectivas, 10(19), 11–21. https://perspectivas.unermb.web.ve/index.php/perspectivas/article/view/355
Pérez, V. R., Soidán, J. L. G., Özdemir, A. S., & Rodríguez, R. L. (2023). ChatGPT ha llegado: ¿Y ahora qué hacemos? Revista de Investigación en Educación, 21(3), 320–334. https://dialnet.unirioja.es/servlet/articulo?codigo=9169089
Pérez-Ugena, M. (2024). La Inteligencia Artificial: Definición, regulación y Riesgos para los Derechos Fundamentales. Artículo científico. https://hdl.handle.net/10115/39596
Pinchao-Fante, D., Buenaño, H., Sánchez-Guerrero, J., & Buenaño-Roldán, M. (2024). Avances en herramientas de inteligencia artificial para la educación. Sinergia Académica, 7(Especial 7), 22–44. http://sinergiaacademica.com/index.php/sa/article/view/359
Rodríguez-García, W. A., & Guilarte-Gallardo, C. (2025). El rol del docente universitario en salud bucal: Hacia una formación integral y transformadora. Revista Tecnológica-Educativa Docentes 2.0, 18(1), 374–381. https://ve.scielo.org/scielo.php?pid=S2665-02662025000100374&script=sci_arttext
Romero, B. O. (2025). Inteligencia artificial en la investigación educativa. La Saeta Universitaria Académica y de Investigación, 14(2), 115–136. https://www.unae.edu.py/ojs/index.php/saetauniversitaria/article/view/556
Romero, J. P., Díaz, Í. S., & Ramos-Castillo, J. (2023). Inteligencia artificial en la práctica de la ginecobstetricia, la investigación y redacción científica. Revista Peruana de Ginecología y Obstetricia, 69(4). https://ginecologiayobstetricia.pe/index.php/RPGO/article/download/2566/2858
Romero-Carazas, R., Mayta-Huiza, D., Ancaya-Martínez, M. D. C. E., Tasayco-Barrios, S., & Berrio-Quispe, M. L. (2024). Método de investigación científica: Diseño de proyectos y elaboración de protocolos en las ciencias sociales. Editorial Idicap Pacífico. https://idicap.com/ojs/index.php/editorialeip/article/view/285
Sánchez, A. D. C. G. (2023). Metodología y estadística en la investigación científica. Puerto Madero Editorial. https://www.academia.edu/download/105055304/136.pdf
Santiago, G. T. (2022). Protocolizando la investigación científica. Investigación y Postgrado, 37(1), 235–255. https://dialnet.unirioja.es/servlet/articulo?codigo=8485758
Torres, C. G. (2025). Aplicación de la IA en la elaboración de artículos científicos. Horizonte Médico, 25(2), e3314. https://horizontemedico.usmp.edu.pe/index.php/horizontemed/article/view/3314
Urrea, M. S. P. (2023). Análisis crítico de la investigación científica en evaluación educativa. Ciencia Latina Revista Científica Multidisciplinar, 7(5), 9773–9795. https://dialnet.unirioja.es/servlet/articulo?codigo=9481860
Vimos-Buenaño, K. E., Viteri-Ojeda, J. C., Naranjo-Sánchez, M. J., & Novillo-Heredia, K. H. (2024). Uso de la inteligencia artificial en los procesos de investigación científica. Journal of Economic and Social Science Research, 4(4), 215–236. https://economicsocialresearch.com/index.php/home/article/view/143
Wang, J., & Fan, W. (2025). The effect of ChatGPT on students’ learning performance, learning perception, and higher-order thinking: Insights from a meta-analysis. Humanities and Social Sciences Communications, 12, 621. https://doi.org/10.1057/s41599-025-04787-y
Whitfield, S., & Hofmann, M. A. (2023). Elicit: Research assistant for AI literature review. Public Services Quarterly, 19(3), 201–207. https://www.tandfonline.com/doi/abs/10.1080/15228959.2023.2224125